fuzzy associative memory

模糊邏輯“模糊關聯記憶”

模糊的關聯內存（簡稱FAM）是用於決策的模糊邏輯工具。模糊的邏輯家族具有廣泛的實際應用：

• 控制系統，例如管理風扇以保持房間處於“正當”溫度
• 遊戲AI，例如以人類的決策行為填充機器人
• 預測系統，將原因與效果聯繫起來

它如何工作

模糊的關聯記憶使用模糊集來建立一組語言本質上的規則。示例可能包括：

• “如果房間有點溫暖，請將風扇抬起一點”
• “如果獸人的生命值有點低，則從敵人那裡撤退”
• “如果敵人很遠，我的火箭彈彈藥很低，火箭發射器是一個糟糕的選擇”
• “如果敵人在附近，我的shot彈槍彈藥還可以，那槍是一個非常理想的選擇”
• “如果船隻偏離路線，請在右邊稍微糾正一點”
• “如果鳥比羊群慢得多，請加快速度”

語言規則和它們所包含的模糊集由人類的“專家”（大概是您）定義。也就是說，規則將智能編纂並映射到從人類領域到數字的知識。

定義規則後，諮詢了一個FAM，以幫助您的AI進行降序：

• ORC撤退，攻擊，橫掃。
• 該船發射了遠距離導彈或發射短距離槍。
• 對照桿將其降低到反應器中或從中升起。

如您所見，模糊規則是故意模糊的，並使用諸如“少量”和“很多”之類的預選賽。此外，模糊集之間的界線是故意模糊的。這是模糊集的本質；他們以一種從模糊規則中提取高度自然行為的方式捕獲瞭如此人類的模糊性。在定義這些規則時，有助於想像在域中採訪真正的專家，並寫下在領域中取得成功所必需的技能。

FLV可視化

模糊的語言變量可能很難可視化，尤其是當它們變得複雜並組合包括三角形和梯形時。為了回答這一點，該軟件現在可以（可選）將其插入您已安裝的GNUPLOT並創建FLV的PNG或SVG渲染圖。這是一個例子：

項目狀態

這是有效的功能性軟件，適用於您自己的遊戲或應用程序。它目前支持：

• 三角形和梯形模糊集用於輸入/輸出
• 拉爾森的含義（縮放）
• Mamdani的含義（剪裁）
• 原子先例命題（ if A then Z ）
• 複合前提命題（ if A or B, then Z / if A and B, then Z ）

做（大致重要的是重要的）：

• 參數驗證以防止形狀不良，不正確的FAM佈局等。
• 模糊集的其他形狀
• 樹籬（“非常”和“相當”）
• 其他例子

觀看變更記錄以獲取新聞。

寶石安裝

我建議您克隆git存儲庫，並瀏覽示例和源代碼，以充分了解FAMS的工作原理。

但是，如果 /當您想在自己的項目中使用它時，最簡單的方法是通過寶石：

 gem install fuzzy_associative_memory

然後在您的代碼中：

 require 'fuzzy_associative_memory'

該寶石是完全命名的，以防止碰撞。有關使用詳細信息，請參見示例。

包括示例

bin目錄包含以下示例：

• hvac_system_example說明了家庭如何管理HVAC風扇單元以保持恆定，舒適的溫度
• weapon_choice_example說明了FAM如何讓遊戲機器人智能決定使用哪種武器

示例模糊語言變量的圖已預先渲染，並在bin目錄中。這些將幫助您可視化FLV。

創建此軟件的參考文獻

• Bart Kosko（亞馬遜鏈接）的“模糊思維：模糊邏輯的新科學”
• Daniel McNeill＆Paul Freiberger（Amazon Link）的“模糊邏輯：正在改變世界的革命計算機技術”
• Sujit Nath Pant＆Keith E. Holbert（鏈接）的“決策和信號處理中的模糊邏輯”（鏈接）
• Mat Buckland（Amazon Link）的“以身例子為例”