DISTRIBUTED AND COLLABORATIVE FUZZY MODELING

در اين مقاله به معرفي و بررسي مفهوم مدلسازي توزيع شده فازي مي پردازيم. مدلسازي فازي تا كنون اساسا" از يك طبيعت متمركز برخوردار بوده و براساس تكيه بر يك مجموعه داده استوار است، هر چند برخلاف اين روش، الگوي مدلسازي توزيع شده و تعاوني با مدلهاي پراكنده اي كه به صورت كاملا" مرتبط طراحي شده اند سروكار دارد. به طور خلاصه، مدلسازي توزيع شده، يافته هاي مدلهاي فازي مبتني بر داده هاي موضعي را يك جا جمع بندي مي كند كه در آن اين مدلهاي مجزا به نحوي كاملا" مرتبط و هماهنگ طراحي مي شوند. با توجه به اين حقيقت كه مدلهاي فازي به طور ذاتي ساختارهايي هستند كه برپايه واحدهاي اطلاعاتي (مجموعه هاي فازي) بنا مي شوند، اين روش كلا" يك فرايند بسيار عمومي را پيش رو قرار مي دهد. در طراحي سامانه هاي توزيع شده كلا" دو مسيله اصلي مدنظرهستند كه يكي ايجاد واحدهاي اطلاعاتي براساس اطلاعات موضعي و ارتباط بين آنها است و ديگري ساخت و طراحي مدلهاي موضعي است كه بايد بر اساس ارتباطهاي از پيش طراحي شده مرتبط شوند. در اين مقاله ما به بررسي مفاهيم اصلي اين روش پرداخته و همچنين جزييات توسعه چنين سامانه هايي را بررسي خواهيم كرد، كه در آن تفكيك اطلاعات به واحدهاي مجزا به وسيله دسته بندي فازي صورت مي پذيرد و مدلهاي محلي به صورت سامانه هايي با بانك قوانين ظاهر مي شدند. همچنين در اين مقاله به بررسي روشهايي براي پياده سازي ارتباط دو نوع از دسته هاي داده افقي و عمودي خواهيم پرداخت. همچنين ارتباط بين داده هايي را كه در دو سطح مختلف ( از لحاظ رده بندي) قرار مي گيرند را نيز بررسي خواهيم كرد و نشان مي دهيم كه چگونه الگوريتمهاي متفاوت جهت ارتباط به طراحي مدلهاي فازي كه براساس واحدهاي فازي كه در سطوح بالاتري، نظير مجموعه هاي فازي نوع دوم تعريف شده اند، منجر مي شوند.

In this study, we introduce and study a concept of distributed fuzzy modeling. Fuzzy modeling encountered so far is predominantly of a centralized nature by being focused on the use of a single data set. In contrast to this style of modeling, the proposed paradigm of distributed and collaborative modeling is concerned with distributed models which are constructed in a highly collaborative fashion. In a nutshell, distributed models reconcile and aggregate findings of the individual fuzzy models produced on a basis of local data sets. The individual models are formed in a highly synergistic, collaborative manner. Given the fact that fuzzy models are inherently granular constructs that dwell upon collections of information granules – fuzzy sets, this observation implies a certain general development process. There are two fundamental design issues of this style of modeling, namely (a) a formation of information granules carried out on a basis of locally available data and their collaborative refinement, and (b) construction of local models with the use of properly established collaborative linkages. We discuss the underlying general concepts and then elaborate on their detailed development. Information granulation is realized in terms of fuzzy clustering. Local models emerge in the form of rule-based systems. The paper elaborates on a number of mechanisms of collaboration offering two general categories of so-called horizontal and vertical clustering. The study also addresses an issue of collaboration in cases when such interaction involves information granules formed at different levels of specificity (granularity). It is shown how various algorithms of collaboration lead to the emergence of fuzzy models involving information granules of higher type such as e.g., type-2 fuzzy sets.