Ανάπτυξη πακέτου Python για την υλοποίηση ασαφών συστημάτων
Development of a Python package for the implementation of fuzzy systems
Keywords
Fuzzy Logic ; Fuzzy Inference System ; Mamdani ; Takagi-Sugeno-Khan ; ANFIS ; Python ; Pytorch ; TSK ; Grid Partitioning ; Subtractive Clustering ; SimpfulAbstract
Σκοπός της εργασίας είναι αρχικά η θεωρητική μελέτη των ασαφών συστημάτων τύπου Mamdani και Takagi-Sugeno και η υλοποίηση τους σε Python ώστε να μελετηθούν οι δυνατότητές τους σε προβλήματα αναγνώρισης συστημάτων και υποστήριξης αποφάσεων. Αρχικά μελετήθηκαν οι υπάρχουσες υλοποιήσεις Συστημάτων Ασαφούς Συμπερασμού σε Python. Αναπτύχθηκε ο αλγόριθμος Subtractive Clustering και το Νευροασαφές Σύστημα Ασαφούς Συμπερασμού ANFIS που συνδυάστηκαν με το πακέτο Simpful για τη δημιουργία ενός ολοκληρωμένου πακέτου για την ανάπτυξη Συστημάτων Ασαφούς Συμπερασμού. Τέλος, παρουσιάζεται η αποτελεσματικότητα του πακέτου σε πραγματικά σύνολα δεδομένων.
Abstract
The aim of this thesis is firstly the theoretical study of Mamdani and Takagi-Sugeno fuzzy systems and their implementation in Python in order to study their potential in system identification and decision support problems. Initially, the existing implementations of Fuzzy Inference Systems in Python were studied. The Subtractive Clustering algorithm and the ANFIS Fuzzy Inference System were developed and combined with the Simpful package to create a complete package for developing Fuzzy Inference Systems. Finally, the effectiveness of the package on real datasets is presented.