We present the theory and design of interval type-2 fuzzy logic systems (FLSs). We propose an efficient and simplified method to compute the input and antecedent operations for interval type-2 FLSs: one that is based on a general inference formula for them. We introduce the concept of upper and lower membership functions (MFs) and illustrate our efficient inference method for the case of Gaussian primary MFs. We also propose a method for designing an interval type-2 FLS in which we tune its parameters. Finally, we design type-2 FLSs to perform time-series forecasting when a nonstationary time-series is corrupted by additive noise where SNR is uncertain and demonstrate an improved performance over type-1 FLSs

چکیده

در این مقاله، تئوری و طراحی سیستم های منطق فازی وقفه ای نوع 2 (FLS) را ارائه می دهیم. ما یک روش کارآمد و ساده برای محاسبه عملیات ورودی و مقدم برای FLSهای نوع 2 وقفه ای پیشنهاد می کنیم؛ روشی که بر اساس یک فرمول استنتاج کلی برای آنها است. ما مفهوم توابع عضویت بالا و پایین (MF) را معرفی کرده و روش استنتاجی کارآمد برای مورد MFهای اولیه گاوسی را نشان می دهیم. همچنین یک روش برای طراحی یک FLS نوع 2 وقفه ای پیشنهاد می کنیم که در آن پارامترها را میزان می کنیم. در نهایت، FLSهای نوع 2 را برای انجام پیش بینی سری های زمانی طراحی می کنیم هنگامی که یک سری زمانی ثابت توسط نویز جمع شونده خراب شده که در آن SNR نامشخص است و عملکرد بهتری نسبت به FLS های نوع 1 نشان می دهد.

1-مقدمه

سیستم منطق فازی (FLS) (که همچنین به عنوان یک سیستم فازی، کنترل کننده منطق فازی، و غیره شناخته می شود) شامل fuzzifier، قوانین، موتور استنتاج، و defuzzifier است. اغلب، دانشی که برای ساخت قوانین در یک FLS استفاده می شود ­نامشخص است. سه راهی که در آن چنین عدم قطعیت قوانینی می­تواند رخ دهد عبارتند از: 1) کلماتی که در سوابق و پیامدهای قوانین استفاده می شوند می­ توانند مفاهیم مختلف برای افراد متفاوت داشته باشند؛ 2) عواقبی که توسط رای گیری گروهی از کارشناسان به دست آمده اغلب برای همین قانون متفاوت خواهد بود چرا که کارشناسان لزوما در توافق نخواهند بود. و 3) داده های آموزشی نویزی...