ファジー論理チュートリアル:品質、アーキテクチャ、アプリケーション、長所と短所、違い
公開: 2020-04-30あなたが決定を下さなければならないとき、それは何回単純な「はい」または「いいえ」ですか? 多くの場合、選択肢は「はい」または「いいえ」の質問のバリエーションであり、2つの間に複数の程度のオプションがあります。
誰かがあなたに「今夜そのパーティーに行きますか?」と尋ねたとしましょう。 あなたの答えは、単純な「はい」または「いいえ」ではなく、「たぶんはい」または「確かにそうではない」でしょう。
人間の意思決定は、そのような漠然とした選択に大きく依存しています。 そしてAIでは、この概念はファジー論理と呼ばれます。
このファジーロジックチュートリアルでは、ファジーロジックとは何か、どのように機能するか、およびそのアプリケーションは何かを学ぶことができます。 始めましょう。
目次
ファジーロジックとは何ですか? 説明
ファジーとは、明確さの欠如を指します。 単純な「はい」または「いいえ」の決定を下すことができない場合が多くあります。 そのような場合は、動的な選択を行う必要があります。 ファジー論理はその点であなたを助けます。
それはあなたに柔軟な選択を与え、あなたがより多くのデータと変数で推論することを可能にします。 ブールまたは同様のロジックをどこでも使用できないため、AIにはファジーロジックの多くのアプリケーションがあります。 それは人間の推論に似ており、選択の「はい」と「いいえ」の間に存在するすべての可能性を考慮しています。

通常の論理では、「はい」と「いいえ」の2つの可能性しか考慮されていません。しかし、人間はそのような決定を下しません。 それらには、「はい」と「いいえ」の間に多くの可能性があります。たとえば、「はい」、「いいえ」などです。ファジー論理では、これらすべての可能性が考慮されます。
詳細:初心者向けに説明された上位5つの機械学習モデル
小さな歴史
コンピューター科学者で数学者のLotfiZadehは、人間とコンピューターの意思決定に大きな違いがあることに気付いたときに、ファジー論理を思いついた。 彼は、従来のコンピューターロジックでは、人間に似た不明確なアイデアを表すためにデータを操作することはできないと指摘しました。
先に述べたように、 AIにはファジーロジックの多くのアプリケーションがあります。 しかし、それは人工知能がブール論理と一致しないデータを区別することを可能にするので、他の多くの分野でもそれを見ることができます。 これは、データが真でも偽でもないことを意味します。
ファジィ論理の品質
ファジーロジックは少し複雑に見えるかもしれませんが、非常に簡単に実装できる柔軟な機械学習手法です。 それはあなたが人間の思考を模倣することを可能にします。 また、不確実性が高い問題の解決にも最適です。
これにより、任意の複雑さを持つ非線形関数を作成できます。 ただし、この場合は間違いを犯しやすいため、十分な知識を持って構築する必要があります。
ファジーロジックを使用すべきでない場合
ファジーロジックを使用すべきでない場合がいくつかあります。 それらのいくつかを次に示します。
- 従来のロジックを使用してソリューションに到達できる場合、すべてが複雑になりすぎるため、ファジーロジックを使用する必要はありません。
- コントローラーは必ずしもファジーロジックを必要としません
- 入力を出力にマッピングできない場合は、ファジーロジックを使用しないでください
ファジーロジックはどのように機能しますか? (建築)
ファジーロジックのアーキテクチャには、次のコンポーネントがあります。
- ルール
- ファジファイア
- 推論(知性)
- デファジファイア
ルール:ファジファイアのすべてのルールは、ルールベースに保存されたままになります。 ロジックに入力するすべてのIF-THEN条件もここに残り、決定を下すことができます。 ファジーロジックの最近の更新により、AIの専門家は必要なルールの数を減らすことができます。
Fuzzifier: Fuzzifierは、入力(クリスプ数)をファジーセットに変換します。 そのセンサーはクリップス入力を測定し、ロジックがそれらをさらに処理できるようにそれらを制御システムに渡します。
推論:ファジファイアの後に推論エンジンが登場します。 ファジー入力がルールにどの程度一致しているかを検出します。 また、入力フィールドに応じて、適用する必要のあるルールを選択します。
Defuzzifier:この段階では、defuzzifierは、受信したファジーセットを鮮明な出力に変換します。 利用可能な非ファジー化には多くの形式があるため、必要に応じて1つを選択する必要があります。
読む:実世界のAIアプリケーション

ファジー論理と確率の違い
このファジーロジックチュートリアルの概念を正しく理解するには、多くの人を混乱させるため、ファジーロジックと確率の違いを確認する必要があります。
2つの間の最初の大きな違いは、彼らが扱う主題です。 ファジー論理はファクトで機能しますが、確率は発生する場合と発生しない場合があるイベントで機能します。 ファジー論理は部分的な真実を伝え、確率は部分的な知識を伝えます。
また、ファジー論理はその数学的基礎として真理を取りますが、確率は無知のモデルを構築します。
ファジーとクリスプの違い
2つの間に多くの違いがあります。 まず、鮮明な時間セットはあいまいになる可能性がありますが、あいまいな時間セットは鮮明にすることはできません。 無矛盾律と排中律は、クリスプロジックに当てはまるかもしれません(または当てはまらないかもしれません)。 一方、ファジー論理では、これらの法則が成り立ちます。
鮮明なロジックには厳密な境界があります。 つまり、TrueまたはFalseのいずれかになります。 また、ファジーロジックには複数のメンバーシップがあります。
また読む:初心者のための機械学習プロジェクトのアイデア
ファジーロジックのアプリケーションは何ですか?
以下は、さまざまな業界でのファジーロジックの主なアプリケーションです。
自動車セクター
自動車会社は、AIのファジーロジックを使用してアンチロックブレーキを作成しています。 ファジーロジックは、事故を回避するために、加速度と車速に応じてアンチロックブレーキをかける必要がある場合を判断できます。
車のファジーロジックのもう1つの用途は、オートマチックトランスミッションです。 そのような場合、ファジーロジックはRPMとスロットルの設定に従って点火と燃料噴射を制御します。 クルーズコントロールは、車が特定の速度を維持し、ドライバーがアクセルを踏むのをやめることができる機能です。
ファジーロジックは、指定された車速を維持するためにスロットル設定を調整するのに役立ちます。

フィットネス
オムロンは、ファジー論理ルールを使用して、従業員のフィットネスレベルをチェックします。 彼らはこの目的のために彼らの特定のルールのセットを追加しました。 その助けを借りて、多くの企業は従業員の健康状態を監視し、それに応じて施設を提供することができます。
その他のアプリケーション
- 電子レンジはファジーロジックを使用して適切な調理オプションを選択します。
- ゴルフ診断システムは、ファジールールを適用して、ゴルファーの体格やその他の要因に応じて最適なゴルフクラブを推奨します。
- エレベータ制御システムは、乗客数に応じて待ち時間を決定します。 これらは、この目的のためにファジーロジックを実装します。
- 食器洗い機は、ファジーロジックを使用して、使用している食器に応じて適切な洗浄設定(サイクル、すすぎ、洗浄時間など)を選択します。
ファジーロジックの長所と短所は?
利点
- ファジー論理は非常に理解しやすい単純な構造を持っています
- 自動車や家電など多くの産業に応用されています
- 他のアルゴリズムよりも効果的に不確実性の問題を解決します
- 操作に正確な入力を必要としないため、多用途に使用できます
- 構造がシンプルなため、簡単に変更してパフォーマンスを向上させることができます
- フィードバックセンサーが機能しない場合は、ファジーロジックを使用してこれらの問題を解決できます
短所
- ニューラルネットワークのようなパターン認識を実行することはできません
- ファジーロジックに基づくシステムの検証と妥当性確認には、多くのハードウェアテストが必要です
- ファジールールの設定は非常に難しい作業です
- ファジーロジックの出力は常に正確であるとは限りません。 結果が受け入れられない場合があるため、これにより問題が発生する場合があります。
最終的な考え
これで、ファジーロジックチュートリアルの最後に到達しました。 この記事がお役に立てば幸いです。 ファジー論理は、確かに人工知能の最も一般的で単純な概念の1つです。
ファジーロジックやその他のAIの概念について詳しく知りたい場合は、ブログにアクセスすることをお勧めします。 そこには多くの役立つ記事があります。
さらに詳細で構造化された学習体験が必要な場合は、AIコースを受講して開始する必要があります。 人工知能コースでは、このトピックに関して必要なすべての知識を簡単に身に付けることができます。
機械学習について詳しく知りたい場合は、IIIT-BとupGradの機械学習とAIのPGディプロマをご覧ください。これは、働く専門家向けに設計されており、450時間以上の厳格なトレーニング、30以上のケーススタディと課題、IIIT-を提供します。 B卒業生のステータス、5つ以上の実践的なキャップストーンプロジェクト、トップ企業との仕事の支援。
言語学ヘッジはファジー推論システムでどのように役立ちますか?
ファジー論理へのMamdaniアプローチとは何ですか?
Mamdaniアプローチは、経験豊富な人間のオペレーターから収集された言語制御ルールを使用して蒸気エンジンとボイラーシステムを制御する最初の試みとして提示されました。 Mamdaniシステムの各ルールは、出力としてファジーセットを生成します。 Mamdaniシステムは、ルールベースがより直感的で理解しやすいため、医療診断などの人間の専門知識からルールが開発されるエキスパートシステムアプリケーションに最適です。
ファジー近似定理(FAT)とその推論とは何ですか?
Bart Koskoによると、ファジー近似(FAT)は、ファジーシステムが任意の連続システムを模倣する可能性があることを示しています。 各ルールは、連続システムの応答のように見せるために、システムが応答に適用するファジーパッチとして機能します。 一方、ファジー近似推論とは、一連の不正確な前提から、不正確である可能性のある結論を導き出すために使用される方法を指します。 近似的な推論では、ファジー論理は多くの種類の不確実性を処理することができます。