Fuzzy Logic - Computerphile Computerphile English Turkish

Fuzzy Logic - ComputerphileYouTube↗ IA↗(long shot)
Education 335.5K views 5.5K likes 185 dislikes 11 Jun 2014 Show Contributors 1

Computerphile 2.6M subscribers N/A YouTube↗

Contributed subtitles

English 王騰泓

Click to Play Video

Fuzzy logic has been around long time

Bulanık mantık uzun zamandır

it's first described in a paper around 1965

İlk olarak 1965’de bir gazetede anlatılmıştır.

By a man called Lotfi Aliasker Zadeh

Lotfi Aliasker Zadeh adında bir adam tarafından

And it's been around

Ve buralardaydı

It is been in wide spread usage for decades

Yıllardır geniş kullanım alanı olmuştur

But this is still a lot of advancements to be made in it

Ancak bu hala yapılması gereken çok şey var.

Fuzzy logic is a way of dealing with uncertainties

Bulanık mantık, belirsizliklerle baş etmenin bir yoludur

Which is something that computers do not do naturally which human do very well.

Bu, bilgisayarların doğal olarak yapmadığı, insanın çok iyi yaptıkları bir şeydir.

So normally, when we think of logic

Normalde mantığı düşündüğümüzde

And when we think about reasoning about things.

Ve bir şeyleri düşünmeyi düşündüğümüzde.

Computers tend to deal with things

Bilgisayarlar işlerle ilgilenme eğilimindedir

and the way you might instantly think of dealing with things

ve şeylerle başa çıkmayı anında düşünebileceğiniz şekilde

Is 'True' or 'False', '1' and '0'.

'Doğru' veya 'Yanlış', '1' ve '0'.

So for example. You might classify someone.

Mesela. Birisini sınıflandırabilirsin.

Who's watching Computerphile as

Kim Computerphile olarak izliyor

(def) as someone is watching it 'True'

(def) birisi izliyor olarak 'Doğru'

Or not watching it 'False'

Ya da 'Yanlış' olarak izlememek

It's very simple

There is one option, the other. We have no between.

Bir seçenek var, diğeri. Aramızda hiç yok.

That's not the way that the real world works

Gerçek dünyanın çalışma şekli bu değil

And that's the way that humans work

Ve bu, insanların çalışma şekli.

So, you can look out of your window now.

Böylece şimdi pencerenizden dışarı bakabilirsiniz.

And, you can say: "Today it's nice weather!"

Ve şöyle diyebilirsiniz: "Bugün hava güzel!"

or if you're in England "It's not nice weather"

ya da İngiltere’deyseniz "Güzel hava değil"

but the definition of "Nice" varies person to person

fakat "Nice" tanımı kişiden kişiye değişir.

With fuzzy logic, instead of just going to 'True' or 'False'. '1' or '0'

Bulanık mantıkla, sadece 'Doğru' ya da 'Yanlış'a gitmek yerine. '1' veya '0'

We have a sliding scale

Kayan terazimiz var

We have between them

Aralarında var

we have whats called a degree of truth

Bir dereceye kadar doğruluk denilen şeye sahibiz

So I can look out the window

Böylece pencereden dışarı bakabilirim

And say that, today is kind of iffy

Ve söyle ki, bugün bir tür iffy

it's a bit sunny with some clouds

biraz bulutlu biraz güneşli

Maybe it's 0.3 "Nice Day" or 0.7 "Nice Day"

Belki 0.3 "Güzel Gün" ya da 0.7 "Güzel Gün"

[There is one man asking]

[Soran bir adam var]

There is no grey area since it's dark or white

Karanlık veya beyaz olduğundan gri alan yok

Exactly, yeah, there are always grey areas.

Kesinlikle, evet, daima gri alanlar var.

And the grey areas vary from person-to-person

Ve gri alanlar kişiden kişiye değişir

which come about to later

hangisi daha sonra gelecek

So logic is also closely related to 'Sets'.

Dolayısıyla mantık aynı zamanda 'Kümeler' ile de yakından ilgilidir.

and "A Set" is a collection of things

ve "Bir Küme" bir şeyler topluluğudur

when we talk about something being true or false

doğru ya da yanlış bir şey hakkında konuştuğumuzda

we also talk about that be in a set

biz de bunun bir sette olacağı hakkında konuşuruz.

where something is true

bir şeyin doğru olduğu yerde

and if it's not true, then that isn't the set

ve eğer doğru değilse, o zaman set değildir.

the set of "Nice Weather"

"Güzel Hava" seti

If I was going to describe

Tarif edecektim

I will probably decide that

Muhtemelen buna karar vereceğim

I don't like things too hot

Sıcak şeyleri sevmiyorum

"Nice" is when it's cold

"Güzel" soğuk olduğunda

but... cold not to wear jacket

ama ... soğuk ceket giymemeyi

but to... not too hot for me to feel uncomfortable

ama ... benim için rahatsız hissetmek için çok sıcak değil

so that will be the way we called the "Membership Function"

bu yüzden “Üyelik İşlevi” olarak adlandırdığımız yöntem bu olacaktır.

That gives a value for certain things

Bu bazı şeyler için bir değer verir

so if I check the temperature

yani eğer sıcaklığı kontrol edersem

And I see that it's about 18 degrees, there is no wind

Ve görüyorum ki yaklaşık 18 derece, rüzgar yok

Then that probably fits into a 1

O zaman muhtemelen 1'e uyar

niceness scale if it's no clouds at all

hiç bulut yoksa nezaket ölçeği

theres no shade anywhere

hiçbir yerde gölge yok

It's 30 degrees that pretty close to 0 in my scale

Ölçeğimde 0'a oldukça yakın 30 derece

So you get a nice sliding graphs

Böylece güzel bir kayan grafik elde edersiniz

That gives us a way from dealing with uncertainty

Bu bize belirsizlikle baş etmekten bir yol verir

So if we look this example on the board

Yani bu örneği tahtaya bakarsak

So this is kinda typical example for fuzzy logic

Yani bu biraz bulanık mantık için tipik bir örnek

which you'll see everywhere

her yerde göreceğin

This could be a shower controller

Bu bir duş kontrol ünitesi olabilir

with temperature, things don't just suddenly go from "Hot" to "Cold"

sıcaklık ile, şeyler aniden "Sıcak" dan "Soğuk" a gitmez

You have different scales

Farklı ölçeklerin var

so, what we have here

ee, burada ne var

Is three of these membership functions

Bu üyelik işlevlerinden üçü

that are assigning things to different values

şeyleri farklı değerlere atamak

A low temperature, we know that is "Cold"

Düşük bir sıcaklık, biz "Soğuk" olduğunu biliyoruz

And does it get the temperature goes up

Ve sıcaklık yükseliyor mu

it gets less cold

daha az soğuk olur

And then we start to see "Warm" kicking in

Ve sonra "Sıcak" ın tekmelediğini görmeye başlıyoruz

Surround, there we can decide this pretty about 15 degrees

Surround, buna yaklaşık 15 derece karar verebiliriz.

I'm put natural value on here

Buraya doğal değer veriyorum

Surround this area. We now know the

Bu alanı çevreleyen. Şimdi biliyoruz

We kinda mixing "Warm" and "Cold"

"Sıcak" ve "Soğuk"

Theres no - It's not strictly "Cold", it's not strictly "Warm"

Theres hayır - Kesinlikle "Soğuk" değil, kesinlikle "Sıcak" değil

And we have some story with "Hot"

"Hot" ile ilgili bir hikayemiz var.

This gives us a way of dealing with the fact

Bu bize gerçeği ile başa çıkmak için bir yol verir

that the temperature water isn't strictly

sıcaklık suyunun kesinlikle olmadığını

It's not strictly true or false

Kesinlikle doğru ya da yanlış değil

If we look at the shower controller

Duş kontrolüne bakarsak

We know at the some point. Someone has decided

Bir noktada biliyoruz. Birisi karar verdi

This is now no longer cold

Bu artık soğuk değil

And this is where warm starts kicking in

Ve burası sıcaklığın başladığı yer.

So although we're dealing with uncertainties

Her ne kadar belirsizliklerle uğraşıyor olsak da

with call this membership function that allows us to model them

onları modellememize izin veren bu üyelik işlevini çağırın

You still have someone imposing

Hala heybetli biri var

their definition of that word onto it

bu kelimeyi üzerine tanımlamaları

someone still needs to assign the values to the membership

Birisi hala üyeliğe değerleri atamak gerekiyor

And, that's where things get very complicated.

Ve orası işlerin karmaşıklaştığı yer.

When you're dealing with fuzzy expert systems

Bulanık uzman sistemlerle uğraşırken

You often to need collect data from many sources

Çoğu zaman birçok kaynaktan veri toplamanız gerekir.

You have to use various techniques

Çeşitli teknikleri kullanmak zorundasın

to consolidate that data

bu verileri pekiştirmek

And to train the system to be accurate as possible

Ve sistemi mümkün olduğunca doğru olacak şekilde eğitmek

and so when we talk about fuzzy expert systems

ve böylece bulanık uzman sistemler hakkında konuştuğumuzda

we're basically talking about

temelde hakkında konuşuyoruz

A fuzzy system where the

Bulanık bir sistem

Membership functions

Üyelik fonksiyonları

and the values we're using

ve kullandığımız değerler

have been fed in by experts in

uzmanlar tarafından beslendi

some domain area

bazı etki alanı

So in our example

Yani bizim örneğimizde

it would be experts in knowing what people

hangi insanları bilmekte uzman olurdu

like in their showers they will decide

duşlarında olduğu gibi karar verecekler

at a certain temperature this water is

belirli bir sıcaklıkta bu su

no longer cold and it starts to get

artık soğuk değil ve almaya başlar

fuzzy logic systems, systems which

bulanık mantık sistemleri, hangi sistemler

use membership functions like this and have these fuzzy

Bu gibi üyelik işlevlerini kullanın ve bu bulanık

sets and have these degrees of truth are

ayarlar ve bu derece doğruluk derecelerine sahiptir.

a very widely used

çok yaygın olarak kullanılan

in all sorts of things you might not expect

beklemeyeceğin her türlü şeyde

when you set the set, when your washing machine

seti ayarladığınızda, çamaşır makineniz

It doesn't just do it exactly the same way every times

Sadece her zaman aynı şekilde yapmaz

It checks the load of wash

Yıkama yükünü kontrol eder

it checks how dirty the water is

suyun ne kadar kirli olduğunu kontrol eder

after each cycle through it does all

her döngüden sonra her şeyi yapar

sorts of things to decide exactly what

tam olarak neye karar vereceğine karar verecek şeyler

temperature and exactly how fast to spin

sıcaklık ve tam olarak ne kadar hızlı dönmesi

to make sure that it's as eco efficient

Eko olarak verimli olduğundan emin olmak için

and giving as good a wash as possible

ve mümkün olduğu kadar iyi yıkama yapmak

One of the most famous examples of a fuzzy logic system

Bulanık mantık sisteminin en ünlü örneklerinden biri

demiryolu Japonya

this is a subway which is one of the

bu bir metro olan

first uses of fuzzy logic

bulanık mantığın ilk kullanımları

Actually, measures

Aslında, önlemler

The weight on the train, how far its going

Trendeki ağırlık, ne kadar ileri gidiyor

suspension, all sorts of these things to make sure that it maintains a level, smooth travel

askıya alma, bu tür her türlü hareketin düzgün ve pürüzsüz bir şekilde sürmesini sağlamak için

This diagram here use kind of showing the rough outline of fuzzy logic system

Bu şemada bulanık mantık sisteminin kaba taslaklarını gösteren türler kullanılmıştır.

We have input shapes crisp values

Keskin değerlere sahip girdi şekillerimiz var

these are things which aren't yet signed

bunlar henüz imzalanmayan şeyler

a truth value they're not in a fuzzy set

Bulanık bir kümede olmadıkları gerçeği

but then we falsify them so we look at

ama sonra onları tahrif ediyoruz, bakalım.

on membership functions and we apply

üyelik fonksiyonlarında ve biz

some value to them then we have our

Onlara bazı değer

fuzzy sets and these go into our

bulanık kümeler ve bunlar bizim

inference system this is where all the

çıkarım sistemi burası tüm

magic happens this is where we then

sihir olur burası bizim o zaman

start from reasons so we have a rule

sebeplerden yola çıkarak bir kuralımız var.

base and a rule a quit address on the

üs ve bir kural

board so a rule has the form of an

kurul böyle bir kural şeklindedir

If water is dirty

And then this will also be a fuzzy set

Ve sonra bu da bulanık bir küme olacak

So water is dirty

This is fuzzy set

Bu bulanık küme

we're looking at our water which will

suya bakıyoruz ki

And will check it against

Ve karşı kontrol edecek

the dirty membership function

kirli üyelik fonksiyonu

So we go back to our shower controller example

Böylece duş kontrol sistemimize geri dönüyoruz.

Think about that way we might say: "If water is warm"

Şöyle düşünelim: "Su sıcaksa" diyebiliriz.

And we check how much it's warm

Ve ne kadar sıcak olduğunu kontrol ediyoruz

So say dirty we had membership function

Yani kirli diyoruz ki üyelik fonksiyonumuz vardı.

some sensor was checking the water to see how

Bazı algılayıcılar, nasıl olduğunu görmek için suyu kontrol ediyordu.

dirty it was and if it was pitch-black

kirliydi ve zifiri karanlıksa

and the sensor detected it was very

ve sensör çok olduğunu algıladı

dirty we could say that this is 1 and

kirli olduğunu söyleyebiliriz ki bu 1 ve

so then we'd act on it in some way so we

öyleyse o zaman bir şekilde hareket ederiz o yüzden

then might say some other fuzzy set it's

o zaman başka bir bulanık küme olduğunu söyleyebiliriz:

a certain value so we would say then

Belli bir değer, o zaman söyleyelim

spin very fast or add detergent or do

çok hızlı dönebilir ya da deterjan ekleyebilir ya da

another rinse cycle. any number of actions

başka bir durulama döngüsü. herhangi bir sayıda işlem

and that gets on to the next point so we

ve bu bir sonraki noktaya geçiyor yani

actually have a rule basis multiple

aslında bir kural temeli var

rules for different membership functions

farklı üyelik fonksiyonları için kurallar

for different actions and different outputs

farklı eylemler ve farklı çıktılar için

and we run all of these rules through

ve tüm bu kuralları geçiyoruz

them and then we combine them in this

Onları ve sonra bunları da birleştiririz.

inference engine that's what the

çıkarım motoru bu

inference engine does it takes these

çıkarım motoru bunları alır

rules it applies the fuzzy sets to them

Bulanık kümeleri kendilerine uygular.

and it combines them to come up with

ve onları bulmak için onları birleştirir

some output some decided action this

Bazı çıktı bazı karar eylem bu

decide action is in the form of fuzzy

karar bulanık eylem şeklindedir

sets it then gets de-fuzzified because computers, as I

o zaman set ben de fuzzified olur çünkü bilgisayarlar, benim gibi

mentioned earlier, they deal in

daha önce de belirtildiği gibi

certainties they deal in true and falses

Gerçekleştikleri kesinlikler ve yanlışlar

that deal in zeroes and ones

Sıfırlar ve olanlar bu anlaşma

we need to de-fuzzify them to

onları şaşırtmak zorundayız

something that the system can use and so

sistemin kullanabileceği bir şey

we de-fuzzify and we get critical values

kirletiyoruz ve kritik değerler elde ediyoruz

as output so that's some action so go

çıktı olarak bazı eylem bu yüzden gitmek

back to the washing machine we take in

aldığımız çamaşır makinesine geri dönelim

some measurements of the water

suyun bazı ölçümleri

temperature and the water and how dirty

sıcaklık ve su ve ne kadar kirli

water is we apply those measurements to

su bu ölçümleri uyguladığımız

our fuzzy sets so we know some

bulanık kümelerimizden bazıları da biliyoruz

information about so we have some fuzzy

hakkında bilgi bu yüzden biraz bulanık

information some true values about how

bilgi hakkında bazı gerçek değerler

hot and how dirty the water is we then

sıcak ve su ne kadar kirliyse o zaman

check those against overall basis and we

Bunları genel olarak kontrol edin ve biz

decide on some actions we decide how

bazı eylemler hakkında karar vereceğiz

fast it should spin how much water should

hızlı ne kadar su dönmesi gerekir

be in the next rinse cycle how much

bir sonraki durulama döngüsünde olmak

detergent we should mix it we remove the

Deterjan karıştırmalıyız, çıkarmalıyız.

fuzziness from that and we give a crisp

Bundan fuzziness ve net bir

values output and then that actually is

değerleri çıktı ve sonra aslında

undertaken by the system ( how does it work

sistem tarafından üstlenildi (nasıl çalışır?

when its not using fuzzy logic ) we'd probably end up

(bulanık mantık kullanılmadığında) muhtemelen

taking our measurements our crisp values

ölçümlerimizi net değerlerimizi alarak

and instead applying an awful lot of if

ve bunun yerine çok fazla eğer

statements to them so if I rub this out

Onlara ifadeler öylesine eğer ben bunu çıkarmak

and there then if temp is less than 30

ve orada sıcaklık 30'dan az ise o zaman

and dirt is greater than six do rinse

ve kir altıdan büyükse durulayın

cycle or something like this so you'd

döngüsü ya da bunun gibi bir şey

have to do this over and over again once

bunu tekrar tekrar yapmak zorunda kaldım

we have all these rules built up the

tüm bu kurallara sahibiz.

build on this it looks very similar to

Bunun üzerine inşa etmek çok benzer görünüyor

our rule base but the difference here is

kural tabanımız ancak buradaki fark

that because we're describing these here

çünkü bunları burada tarif ediyoruz.

we haven't done anything with this

Bununla hiçbir şey yapmadık

before we're describing its conditions

koşullarını tarif etmeden önce

here we haven't done any of these values

burada bu değerlerin hiçbirini yapmadık

before it's almost as if we're defining

daha önce tanımlıyormuşuz gibi

our membership function in the

bizim üyelik fonksiyonumuz

conditions and it's a much less concise

koşullar ve çok daha az özlü

way of dealing with things it's not as

gibi şeyler ile başa çıkma yolu

easily maintainable and changeable in

kolayca bakım yapılabilir ve değiştirilebilir

code it's just a bit messy to be honest

kod dürüst olmak gerekirse biraz dağınık

and if you wanted to if you decide that

ve eğer karar vermek istersen istersen

some later date that your washing

bazı daha sonraki yıkamalarınız

machine would be more efficient if you'd

makine olsaydı daha verimli olurdu

done a temperature value differently or

farklı bir sıcaklık değeri veya

a dirt value differently and it'd be

farklı bir kir değeri ve olurdu

much more hassle to go back for and

geri dönmek için çok daha fazla güçlük

change or the system much more

değişim veya sistem çok daha fazla

maintainable where as this way we'd have

bu şekilde olduğu gibi korunabilir

to change to rule itself we just change

kendini yönetmek için değişmek için sadece değişiyoruz

our definition of dirty our use of it is

bizim kirli tanımı bizim kullanımı

somewhat hypocritical in that we don't

biraz ikiyüzlü olarak biz yapmayız

deal with all uncertainties our

tüm belirsizliklerle başa çıkmak

measurements might be uncertain our

ölçümler belirsiz olabilir

definitions might be uncertain so

tanımlamalar belirsiz olabilir

there's continuing advancements in

İçinde devam eden ilerlemeler var

describing these uncertainties better

bu belirsizlikleri daha iyi tanımlamak

but the big problem is once you start

ama asıl sorun, bir kere başladığınızda

doing with more uncertainty it's the

Daha fazla belirsizlik ile yapıyor

computational demands start to really

hesaplamalı talepler gerçekten başlıyor

build up and that's the current area

birikim ve şu andaki alan

that is being tackled as well as there's

o da olduğu gibi ele alınıyor

in-numerous areas it's ahead very heavily

sayısız alanda çok yoğun

researched topic and it actually has

araştırılmış konu ve aslında

probably one of the largest abundance of

muhtemelen en büyük bolluğundan biri

published papers for any individual

herhangi bir birey için yayınlanmış makaleler

you're trying to access this bit of

Bu bit erişmeye çalışıyorsun

memory but that's not your memory that

hafıza ama bu senin hafızan değil

doesn't belong to you or this program

sana veya bu programa ait değil

there's a little programming Java shit

biraz programlama Java bok var

already anyone which is familiar with

zaten aşina olan herkes

basical understand all of that

temel olarak hepsini anlayın

Similar videos:

AND OR NOT - Logic Gates Explained - Computerphile
Computerphile
344.7K views 6.8K likes 81 dislikes 06 Mar 201536% match

Mac or PC? - Computerphile
Computerphile
587.9K views 9.7K likes 314 dislikes 21 May 201433% match

What is Bootstrapping? - Computerphile
Computerphile
375.1K views 5.5K likes 287 dislikes 19 Mar 201432% match

Turing Machines Explained - Computerphile
Computerphile
808.9K views 12.5K likes 592 dislikes 29 Aug 201431% match

How Computer Memory Works - Computerphile
Computerphile
728.7K views 11.6K likes 385 dislikes 23 Jun 201431% match

What is a Monad? - Computerphile
Computerphile
357.7K views 7.6K likes 1.2K dislikes 24 Nov 201730% match

The Problem with JPEG - Computerphile
Computerphile
412.2K views 6.5K likes 76 dislikes 09 Jun 201530% match

PDF, What is it FOR? - Computerphile
Computerphile
409K views 12K likes 144 dislikes 16 Sep 201629% match

Why C is so Influential - Computerphile
Computerphile
1.6M views 22.5K likes 1.6K dislikes 25 Aug 201729% match

Where HTML beats C? - Computerphile
Computerphile
551.2K views 11K likes 1.3K dislikes 27 May 201628% match

Lambda Calculus - Computerphile
Computerphile
803.9K views 19.5K likes 567 dislikes 27 Jan 201728% match

Secrets Hidden in Images (Steganography) - Computerphile
Computerphile
1.1M views 22K likes 242 dislikes 04 Aug 201528% match

Turing's Enigma Problem (Part 1) - Computerphile
Computerphile
1.1M views 12.6K likes 270 dislikes 28 Nov 201427% match

Computing Limit - Computerphile
Computerphile
358.4K views 11.3K likes 443 dislikes 03 Nov 201727% match

Where GREP Came From - Computerphile
Computerphile
644.1K views 23.4K likes 152 dislikes 06 Jul 201827% match

Program Correctness - Computerphile
Computerphile
48.8K views 2K likes 253 dislikes 27 Nov 202027% match

Internationalis(z)ing Code - Computerphile
Computerphile
911.6K views 32.5K likes 495 dislikes 04 Aug 201426% match

Password Cracking - Computerphile
Computerphile
3M views 60.3K likes 1K dislikes 13 Jul 201626% match

Parsing Explained - Computerphile
Computerphile
134.2K views 3.6K likes 45 dislikes 13 Nov 201926% match

P vs NP on TV - Computerphile
Computerphile
527.4K views 7.8K likes 537 dislikes 08 Feb 201426% match

Deep Learning - Computerphile
Computerphile
392.2K views 6.1K likes 280 dislikes 19 Apr 201626% match

What on Earth is Recursion? - Computerphile
Computerphile
565.8K views 16.8K likes 123 dislikes 16 May 201426% match

ALGOL 60 at 60 - Computerphile
Computerphile
73.7K views 3.1K likes 20 dislikes 04 Jun 202026% match

How to Choose a Password - Computerphile
Computerphile
1M views 21.1K likes 235 dislikes 20 Jul 201625% match

Reflections on Trusting Trust - Computerphile
Computerphile
66K views 3.7K likes -1 dislikes 23 Mar 202125% match

Why Use Binary? - Computerphile
Computerphile
588.4K views 10.9K likes 133 dislikes 04 Dec 201525% match

Slow Loris Attack - Computerphile
Computerphile
962.6K views 31.1K likes 265 dislikes 09 Nov 201625% match

"C" Programming Language: Brian Kernighan - Computerphile
Computerphile
1.5M views 20.4K likes 772 dislikes 18 Aug 201524% match

Dijkstra's Algorithm - Computerphile
Computerphile
1.1M views 23.1K likes 392 dislikes 04 Jan 201724% match

Public Key Cryptography - Computerphile
Computerphile
669.9K views 18K likes 224 dislikes 22 Jul 201424% match

Settings Privacy About Contact Donate