تئوری فازی

در سال 1965، پرفسور لطفی عسگرزاده، استاد دانشگاه برکلی آمریکا، در مجله اطلاعات و کنترل، مقاله ای تحت عنوان مجموعه های فازی منتشر ساخت و این مقاله... 

تئوری فازی

در سال 1965، پرفسور لطفی عسگرزاده، استاد دانشگاه برکلی آمریکا، در مجله اطلاعات و کنترل، مقاله ای تحت عنوان مجموعه های فازی منتشر ساخت و این مقاله مبنای توسعه و ترویج این نظریه به جهان بود. او این طور استدلال کرد که بشر به ورودی های اطلاعاتی دقیق نیازی ندارد بلکه قادر است تا کنترل تطبیقی را به مقدار زیادی انجام دهد. او مدتها بود که با نظریه سیستم ها سروکار داشت و ملاحظه می کرد که هر چه پیچیدگی یک سیستم بیشتر شود حل و فصل آن بوسیله ریاضیات رایج، مشکل است و لذا به ریاضیات دیگری برای حل این مشکل نیاز است. این ریاضیات باید بتواند ابهام موجود در پیچیدگی یک سیستم را مدل سازی کند و با محاسبات خود آن را تحت کنترل و نظارت درآورد و رفتار آن را پیشگویی کند. وی بالاخره در سال 1965 به این موفقیت دست یافت.

نکته جالب اینجاست که اگر چه سیستم های فازی پدیده های غیرقطعی و نامشخص را توصیف می کند با این حال تئوری فازی یک تئوری دقیق می باشد. اجزای ابتدایی و اصول اولیه تئوری مجموعه فازی در قسمت مبدل فازی، متغیرهای با مقادیر حقیقی، به یک مجموعه فازی تبدیل می شود و از طریق ماشین رابط فازی و قوانین پایه، نتایج به قسمت غیرفازی ساز منتقل می شود که یک مجموعه فازی را به یک متغیر با مقدار حقیقی تبدیل می کند. به بیان دیگر، اطلاعات ورودی اغلب مقادیری پیچیده می باشند و این اعداد به مجموعه های فازی تبدیل می گردند. مدل ها براساس منطق فازی شامل قوانین اگر، آنگاه تفسیر می گردند. حقیقت آن است که بعد از عبارت اگر، یک منطق مقدم بیان می گردد و براساس آن ما حقیقت دیگر را مورد بررسی قرار می دهیم که بعد از آنگاه، می آید و در آن نتیجه کار توضیح داده می شود. در واقع منطق فازی، تجربه و دانش انسانی را به صورت ترکیبی از اعداد در مقابل وی قرار می دهد و او را قادر می سازد تا تصمیم براساس ریاضیات و منطق بگیرد. از انواع کاربردهای تئوری فازی در شیمی تجزیه می توان به موارد زیر اشاره کرد.

<!--[if !supportLists]-->-        <!--[endif]-->تشخیص الگو

<!--[if !supportLists]-->-        <!--[endif]-->بهینه سازی

<!--[if !supportLists]-->-        <!--[endif]-->مقایسه طیف ها یا کروماتوگرام ها براساس توابع فازی

توسعه الگوریتم های یادگیرنده در شبکه های عصبی مصنوعی (که در این مرحله وزن های سیناپسی تعدیل می گردند)