Fuzzy Logic Toolbox offre app e funzioni MATLAB e un blocco Simulink per l’analisi, la progettazione e la simulazione di sistemi con logica fuzzy. Il prodotto consente di specificare e configurare input, output, funzioni di membership e regole di sistemi di inferenza fuzzy di tipo 1 e 2.
Il toolbox consente di regolare in automatico le funzioni di membership e le regole di un sistema di inferenza fuzzy a partire dai dati. È possibile valutare i sistemi progettati con logica fuzzy in MATLAB e Simulink. In più, è possibile utilizzare il sistema di inferenza fuzzy come sistema di supporto per spiegare modelli di “scatola nera” (black-box) basati sull’intelligenza artificiale (IA). È possibile generare eseguibili standalone o codice C/C++ e testo strutturato code conforme a IEC 61131-3 per valutare e implementare sistema con logica fuzzy.
Fuzzy Logic Designer
Utilizza l’app Fuzzy Logic Designer o le funzioni a riga di comando per progettare e simulare interattivamente sistemi di inferenza fuzzy. Definisci le variabili di input e output e le funzioni di membership. Specifica le regole fuzzy di tipo “if-then”. Valuta il sistema di inferenza fuzzy in diverse combinazioni di input.
Sistemi di inferenza fuzzy (FIS)
Implementa sistemi di inferenza fuzzy Mamdani e Sugeno. Converti un sistema Mamdani in un sistema Sugeno e viceversa per creare più progetti e confrontarli. Inoltre, implementa sistemi di inferenza fuzzy complessi come un insieme di sistemi fuzzy più piccoli interconnessi mediante alberi fuzzy.
Logica fuzzy di tipo 2
Crea e valuta sistemi di inferenza di tipo 2 a intervalli con ulteriore incertezza delle funzioni di membership. Crea sistemi di inferenza fuzzy Mamdani e Sugeno di tipo 2 con l’app Fuzzy Logic Designer o usando le funzioni del toolbox.
Regolazione di sistemi di inferenza fuzzy
Regola i parametri delle funzioni di membership e le regole di un unico sistema di inferenza fuzzy o di un albero fuzzy usando algoritmi genetici, la particle swarm optimization e gli altri metodi di regolazione di Global Optimization Toolbox. Addestra sistemi di inferenza fuzzy Sugeno utilizzando tecniche di apprendimento neuroadattativo simili a quelle utilizzate per l’addestramento delle reti neurali.
Clustering fuzzy
Trova cluster nei dati di input/output tramite il clustering fuzzy c-means o il subtractive clustering. Utilizza le informazioni risultanti sui cluster per creare un sistema di inferenza fuzzy di tipo Sugeno che modelli il comportamento dei dati di input/output.
Logica fuzzy in Simulink
Valuta e testa le prestazioni del tuo sistema di inferenza fuzzy in Simulink usando il blocco Fuzzy Logic Controller. Implementa il tuo sistema di inferenza fuzzy nell’ambito di un modello di sistema più grande in Simulink per la simulazione a livello di sistema e la generazione di codice.
Distribuzione della logica fuzzy
Implementa il tuo sistema di inferenza fuzzy in Simulink e genera codice C/C++ o testo strutturato conforme a IEC61131-3 rispettivamente con Simulink Coder o con Simulink PLC Coder. Usa MATLAB Coder per generare codice C/C++ a partire dai sistemi di inferenza fuzzy implementati in MATLAB. In alternativa, compila il tuo sistema di inferenza fuzzy come un’applicazione standalone usando MATLAB Compiler.
Logica fuzzy per IA esplicabile
Usa i sistemi di inferenza fuzzy come sistemi di supporto per spiegare i rapporti di input-output modellati con un sistema di “scatola nera” basato sull’IA. Interpreta il processo decisionale di un modello di “scatola nera” usando le regole esplicabili del tuo sistema di inferenza fuzzy.
Risorse sui prodotti:
Richiedi una versione di prova gratuita
30 giorni di prova a tua disposizione.
Pronto per acquistare?
Richiedi una quotazione e scopri i prodotti correlati.
Sei uno studente?
È possibile che la tua scuola già fornisca accesso a MATLAB, Simulink e ad altri prodotti complementari mediante una Campus-Wide License.
