lfa工具箱是一个处理模糊系统的教育库。
lfa-toolbox的Python项目详细描述
#lfa工具箱是一组创建、查看和使用模糊系统的工具。非常适合学生使用模糊系统。
例如,一个简单的模糊系统示例,用于确定在给定温度和日照量的情况下是否会有
很多游客。
*如果(温度高或日照充足),则(游客人数高)
*如果(温度高或日照充足)温度是温暖的,阳光是部分晴朗的),那么(游客是中等的)
*如果(温度是寒冷的或阳光是多云的),那么(游客是低的)
![度假村问题](assets/img/resort_u problem.png)
系统类型
*常用的成员函数(trap.mf,triangle mf,free shape mf,…)
*多个结果
*默认规则
*非条件
*查看器(成员函数查看器,语言变量查看器,…)
nshot viewer
``python
from matplotlib import pyplot as plt
from lfa_toolbox.core.mf.triangal_mf import triangularmf
from lfa_toolbox.view.mf_viewer import membershipFunctionviewer
规则成员关系函数
temp MF=triangularMF(-20,25,40)
nctionviewer(temp_mf,ax=ax,
label="temperature in centerics")
mfv.fuzzify(22.5)
plt.legend();可选显示图例,即"temperature"
plt.show()
```
,输出为:
![temp_mf](assets/img/temp_mf.png)
>可以创建其他形状的成员函数,例如:
![mfs](assets/img/mfs.png)
此可视化的代码可在以下位置获得:[/lfa_toolbox/examples/readme_examples.py](/lfa_toolbox/examples/readme_examples.py)。
n通过为每个标签指定标签和成员函数来创建和可视化语言变量。
``python
from matplotlib import pyplot as plt
from lfa_toolbox.core.lv.language_variable import linguisticvariable
from lfa_toolbox.view.lv_viewer import linguisticvariableviewer
fig,axs=plt.subblots(3,figsize=(12,8))
axs中的ax:
lv temp=lingisticvariable(
name="temperature",
ling\u values\u dict={
"cold":linpwmf([17,1],[20,0]),
"warm":linpwmf([17,0],[20,1],[26,1],[29,0]),
"热":linpwmf([26,0],[29,1]),
},
)viewer=languationisticvariableviewer(lv_temp,ax=ax)
viewer.fuzzify(26.6)
viewer.fuzzify(21.8)
fig.tight_layout()
plt.show()
`````
![lv-temp](/assets/img/lv-temp.png)
导入ppointslv
fig,ax=plt.subplots()
ppointslv帮助您创建一个可解释的语言变量,并自动为您生成模糊标签。
lv=ppointslv("github stars",[0,50,300,1000])
Languagistic variableviewer(lv,ax=ax)
plt.show()
```
![ppointslv](/assets/img/ppointslv.png)模糊系统/>
您可以手动创建整个模糊系统。lfa工具箱支持singleton
和mamdani模糊系统、默认规则和非条件。您可以通过查看此处的示例来了解它是如何工作的。[/lfa_toolbox/examples](/lfa_toolbox/examples)。
查看[`car_problem_slides`](/lfa_toolbox/examples/car_problem撸slides)文件夹。
它显示了一个问题,我们需要调节踏板的推力来保持汽车的速度。它从一个mamdani模糊系统开始,通过先用一个单变量模糊系统替换它,然后添加一个默认的模糊规则,最后使用not条件,逐步简化它。
-学习compatible
实现fuzzycoco算法的估计器,该算法使用协作的协同进化算法来查找和构建可解释的模糊系统。
请参见[trefle's github](https://github.com/krypty/trefle)来学习如何安装它。
fle你可以用lfa工具箱保存最好的模糊系统并对其进行微调。例如,您可以更改成员资格
函数的值,或者删除一个过于具体的模糊规则。
ns可在"docs"文件夹中找到。
[ci4cb_徽标](assets/img/ci4cb_logo.png)
![heigvd_logo](assets/img/heigvd_logo.png)
例如,一个简单的模糊系统示例,用于确定在给定温度和日照量的情况下是否会有
很多游客。
*如果(温度高或日照充足),则(游客人数高)
*如果(温度高或日照充足)温度是温暖的,阳光是部分晴朗的),那么(游客是中等的)
*如果(温度是寒冷的或阳光是多云的),那么(游客是低的)
![度假村问题](assets/img/resort_u problem.png)
系统类型
*常用的成员函数(trap.mf,triangle mf,free shape mf,…)
*多个结果
*默认规则
*非条件
*查看器(成员函数查看器,语言变量查看器,…)
nshot viewer
``python
from matplotlib import pyplot as plt
from lfa_toolbox.core.mf.triangal_mf import triangularmf
from lfa_toolbox.view.mf_viewer import membershipFunctionviewer
规则成员关系函数
temp MF=triangularMF(-20,25,40)
nctionviewer(temp_mf,ax=ax,
label="temperature in centerics")
mfv.fuzzify(22.5)
plt.legend();可选显示图例,即"temperature"
plt.show()
```
,输出为:
![temp_mf](assets/img/temp_mf.png)
>可以创建其他形状的成员函数,例如:
![mfs](assets/img/mfs.png)
此可视化的代码可在以下位置获得:[/lfa_toolbox/examples/readme_examples.py](/lfa_toolbox/examples/readme_examples.py)。
n通过为每个标签指定标签和成员函数来创建和可视化语言变量。
``python
from matplotlib import pyplot as plt
from lfa_toolbox.core.lv.language_variable import linguisticvariable
from lfa_toolbox.view.lv_viewer import linguisticvariableviewer
fig,axs=plt.subblots(3,figsize=(12,8))
axs中的ax:
lv temp=lingisticvariable(
name="temperature",
ling\u values\u dict={
"cold":linpwmf([17,1],[20,0]),
"warm":linpwmf([17,0],[20,1],[26,1],[29,0]),
"热":linpwmf([26,0],[29,1]),
},
)viewer=languationisticvariableviewer(lv_temp,ax=ax)
viewer.fuzzify(26.6)
viewer.fuzzify(21.8)
fig.tight_layout()
plt.show()
`````
![lv-temp](/assets/img/lv-temp.png)
导入ppointslv
fig,ax=plt.subplots()
ppointslv帮助您创建一个可解释的语言变量,并自动为您生成模糊标签。
lv=ppointslv("github stars",[0,50,300,1000])
Languagistic variableviewer(lv,ax=ax)
plt.show()
```
![ppointslv](/assets/img/ppointslv.png)模糊系统/>
您可以手动创建整个模糊系统。lfa工具箱支持singleton
和mamdani模糊系统、默认规则和非条件。您可以通过查看此处的示例来了解它是如何工作的。[/lfa_toolbox/examples](/lfa_toolbox/examples)。
查看[`car_problem_slides`](/lfa_toolbox/examples/car_problem撸slides)文件夹。
它显示了一个问题,我们需要调节踏板的推力来保持汽车的速度。它从一个mamdani模糊系统开始,通过先用一个单变量模糊系统替换它,然后添加一个默认的模糊规则,最后使用not条件,逐步简化它。
-学习compatible
实现fuzzycoco算法的估计器,该算法使用协作的协同进化算法来查找和构建可解释的模糊系统。
请参见[trefle's github](https://github.com/krypty/trefle)来学习如何安装它。
fle你可以用lfa工具箱保存最好的模糊系统并对其进行微调。例如,您可以更改成员资格
函数的值,或者删除一个过于具体的模糊规则。
ns可在"docs"文件夹中找到。
[ci4cb_徽标](assets/img/ci4cb_logo.png)
![heigvd_logo](assets/img/heigvd_logo.png)