私たちの日常生活では、状態が真であるか偽であるかを判断できない状況に直面する可能性があります。ファジーとは、不明瞭または曖昧なものを指します。 AIのファジーロジックは、推論に貴重な柔軟性を提供します。そしてこの記事では、このロジックとその実装について 次の順序で：
ファジーロジックとは何ですか？
ファジー論理 （FL）はに似た推論の方法です 人間の推論 。このアプローチは、人間が意思決定を行う方法に似ています。そしてそれは間のすべての中間の可能性を含みます はい そして 番号 。
ザ・ 従来のロジックブロック コンピュータが理解することは、正確な入力を受け取り、TRUEまたはFALSEとして明確な出力を生成します。これは、人間のYESまたはNOに相当します。ファジー論理はによって発明されました ロトフィ・ザデー コンピューターとは異なり、人間にはYESとNOの間で次のようなさまざまな可能性があることに気づきました。
ファジーロジックは、入力の可能性のレベルで機能して、明確な出力を実現します。ここで、このロジックの実装について説明します。
次のようなさまざまなサイズと機能を備えたシステムに実装できます。 マイクロコントローラー、大規模なネットワーク または ワークステーションベースのシステム。
また、それはで実装することができます ハードウェア、ソフトウェア またはの組み合わせ どちらも 。
なぜファジーロジックを使用するのですか？
一般に、ファジー論理システムは、次のような商業目的と実用目的の両方に使用されます。
それ 機械を制御する そして 消費者製品
正確な推論ではない場合、それは少なくとも提供します 許容できる推論
plSQLを学ぶ方法
これは、 エンジニアリングの不確実性
では、AIのファジーロジックと、それを実際に使用する理由を理解したところで、次に進んでこのロジックのアーキテクチャを理解しましょう。
ファジー論理アーキテクチャ
ファジー論理アーキテクチャは、次の4つの主要部分で構成されています。
ルール –これには、意思決定システムを制御するために専門家によって提供されるすべてのルールとif-then条件が含まれています。ファジー理論の最近の更新は、の設計と調整のためのさまざまな効果的な方法を提供します ファジーコントローラー 。通常、これらの開発により、ファジールールの数が減ります。
ファジー化 –このステップでは、入力または鮮明な数値をファジーセットに変換します。センサーによって鮮明な入力を測定し、それらを 制御システム さらなる処理のために。入力信号を次のような5つのステップに分割します。
推論エンジン –ファジー入力とルールの間の一致の程度を決定します。入力フィールドに従って、実行されるルールを決定します。実行されたルールを組み合わせて、制御アクションを形成します。
非ファジー化 –非ファジー化プロセスは、ファジーセットを鮮明な値に変換します。利用できるテクニックにはさまざまな種類があり、エキスパートシステムを備えた最適なテクニックを選択する必要があります。
つまり、これはAIのファジーロジックのアーキテクチャに関するものでした。それでは、メンバーシップ機能について理解しましょう。
メンバーシップ機能
メンバーシップ機能は グラフ これは、の各ポイントがどのように 入力スペース 0から1までのメンバーシップ値にマップされます。 言語用語を定量化する ファジー集合をグラフィカルに表現します。論議領界X上のファジー集合Aのメンバーシップ関数は次のように定義されます。 ＆muA：X→[0.1]
これは、Xの要素のファジー集合Aに対するメンバーシップの程度を定量化します。
x軸 論議領界を表します。
y軸 [0、1]間隔のメンバーシップの程度を表します。
数値をファジー化するために適用可能な複数のメンバーシップ関数が存在する可能性があります。複雑な関数は出力に精度を追加しないため、単純なメンバーシップ関数が使用されます。のメンバーシップ関数 LP、MP、S、MN、およびLN は：
三角形のメンバーシップ関数の形状は、他のさまざまなメンバーシップ関数の形状の中で最も一般的です。ここで、5レベルファジファイアへの入力は -10ボルトから+10ボルト 。したがって、対応する出力も変更されます。
ファジー論理と確率
| ファジー論理 | 確率 |
| ファジー論理では、基本的にあいまいさの本質的な概念を捉えようとします。 | 確率は事実ではなくイベントに関連付けられており、それらのイベントは発生するか発生しないかのいずれかです。 |
| ファジー論理は部分的な真実の意味を捉えます | 確率論は部分的な知識を捉えます |
| ファジー論理は、数学的な基礎として真理度を取ります | 確率は無知の数学的モデルです |
したがって、これらはAIのファジー論理と確率の違いの一部でした。それでは、このロジックのアプリケーションのいくつかを見てみましょう。
ファジィ論理の応用
ファジー論理は、自動車システム、家庭用品、環境制御などのさまざまな分野で使用されます。一般的なアプリケーションのいくつかは次のとおりです。
それはで使用されます 航空宇宙分野 ために 高度制御 宇宙船と衛星の。
これは、 速度とトラフィック の中に 自動車システム。
に使用されます 意思決定支援システム 大企業ビジネスにおける個人的な評価。
また、pH、乾燥、化学蒸留プロセスを制御します 化学工業 。
ファジー論理はで使用されます 自然言語処理 と様々な集中 。
それは広く使用されています 最新の制御システム エキスパートシステムなど。
ファジーロジックは、人が意思決定を行う方法を模倣しますが、はるかに高速です。したがって、あなたはそれをで使用することができます ニューラルネットワーク 。
これらは、ファジーロジックの一般的なアプリケーションの一部でした。それでは、AIでファジーロジックを使用することの長所と短所を見てみましょう。
ファジー論理の長所と短所
ファジー論理は、人間の推論に似た単純な推論を提供します。もっとそのようなものがあります 利点 次のようなこのロジックを使用する方法：
ファジー論理システムの構造は次のとおりです。 簡単で理解しやすい
ファジー論理は広く使用されています 商業の そして 実用的な目的
それはあなたがするのに役立ちます 制御機 および消費財
それはあなたが対処するのに役立ちます エンジニアリングの不確実性
Pythonで分割関数を使用する方法
主に 壮健 正確な入力は必要ありません
フィードバックセンサーが機能しなくなった場合は、 それをプログラムする 状況に
あなたはできる 簡単に変更 システムパフォーマンスを改善または変更するため
安価なセンサー システム全体のコストと複雑さを低く抑えるのに役立つ使用可能
これらは、ファジーロジックのさまざまな利点でした。しかし、それはいくつかを持っています 短所 同じように：
ファジー論理は 常に正確であるとは限りません 。したがって、結果は仮定に基づいて認識され、広く受け入れられない可能性があります
それ 認識できない 及び タイプパターン
妥当性確認と妥当性確認 ファジィ知識ベースシステムのニーズの 広範なテスト ハードウェア付き
正確でファジーなルールを設定し、メンバーシップ関数は 難しい仕事
時々、ファジー論理は 混乱している と 確率論
したがって、これらはAIでファジーロジックを使用することの長所と短所のいくつかでした。それでは、実際の例を見て、このロジックの動作を理解しましょう。
AIのファジー論理：例
ファジー論理システムの設計は、各入力のメンバーシップ関数のセットと各出力のセットから始まります。次に、一連のルールがメンバーシップ関数に適用され、鮮明な出力値が生成されます。プロセス制御の例を取り上げて、ファジーロジックを理解しましょう。
ステップ1
ここに、 温度 入力であり、 ファン回転速度 出力です。入力ごとにメンバーシップ関数のセットを作成する必要があります。メンバーシップ関数は、ファジー変数セットの単なるグラフィック表現です。この例では、3つのファジーセットを使用します。 寒い、暖かい そして ホット 。次に、3つの温度セットごとにメンバーシップ関数を作成します。
ステップ2
次のステップでは、出力に3つのファジーセットを使用します。 遅い、中 そして 速い 。関数のセットは、入力セットの場合と同様に、出力セットごとに作成されます。
ステップ3
メンバーシップ関数を定義したので、メンバーシップ関数を最終的なシステムに適用する方法を定義するルールを作成できます。このシステム用に3つのルールを作成します。
- 暑いなら速い
- 暖かい場合は中
- そして、寒い場合は遅い
これらのルールはメンバーシップ関数に適用され、システムを駆動するための鮮明な出力値を生成します。したがって、の入力値に対して 52度 、メンバーシップ関数を交差させます。ここでは、両方の関数で共通部分が発生するため、2つのルールを適用しています。交点を出力関数に拡張して、交点を生成できます。次に、交差するポイントの高さで出力関数を切り捨てることができます。
これは、ファジー論理システムがどのように機能するかについての非常に簡単な説明でした。実際の作業システムでは、多くの入力があり、複数の出力が可能です。これにより、かなり複雑な関数のセットとさらに多くのルールが作成されます。
これで、AIのファジーロジックの記事は終わりです。ファジーロジックとは何か、そしてそれがどのように機能するかを理解していただければ幸いです。
また、チェックしてください コースは、業界の要件と要求に従って、業界の専門家によってキュレーションされます。 SoftMax関数、オートエンコーダニューラルネットワーク、制限付きボルツマンマシン（RBM）などの概念を習得し、KerasやTFLearnなどのライブラリを操作します。このコースは、リアルタイムのケーススタディを使用して業界の専門家によって特別にキュレーションされています。
質問がありますか？ 「AIのファジーロジック」のコメントセクションにその旨を記載してください。折り返しご連絡いたします。