Artificial-intelligence-fuzzy-logic-systems
人工知能-ファジーロジックシステム
ファジーロジックシステム(FLS)は、不完全、あいまい、歪んだ、または不正確な(ファジー)入力に応じて、許容できるが明確な出力を生成します。
ファジーロジックとは
ファジーロジック(FL)は、人間の推論に似た推論方法です。 FLのアプローチは、デジタル値YESとNOの間のすべての中間的な可能性を含む人間の意思決定の方法を模倣します。
コンピューターが理解できる従来の論理ブロックは、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と同等です。
ファジーロジックの発明者であるLotfi Zadehは、コンピューターとは異なり、人間の意思決定には次のようなYESとNOの間の可能性の範囲が含まれることを観察しました-
CERTAINLY YES | POSSIBLY YES | CANNOT SAY | POSSIBLY NO | CERTAINLY NO |
ファジーロジックは、入力の可能性のレベルで機能し、明確な出力を実現します。
実装
- 小型のマイクロコントローラーからネットワーク化されたワークステーションベースの大型制御システムまで、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。
- ハードウェア、ソフトウェア、または両方の組み合わせで実装できます。
ファジーロジックを使用する理由
ファジーロジックは、商業的および実用的な目的に役立ちます。
- 機械と消費者製品を制御できます。
- それは正確な推論を与えないかもしれませんが、許容できる推論をします。
- ファジーロジックは、エンジニアリングの不確実性に対処するのに役立ちます。
ファジーロジックシステムアーキテクチャ
それは示されるように4つの主要な部分を持っています-
- ファジー化モジュール-鮮明な数値であるシステム入力をファジーセットに変換します。 入力信号を次のような5つのステップに分割します-
LP | x is Large Positive |
MP | x is Medium Positive |
S | x is Small |
MN | x is Medium Negative |
LN | x is Large Negative |
- ナレッジベース-エキスパートが提供するIF-THENルールを保存します。
- 推論エンジン-入力およびIF-THENルールでファジー推論を行うことにより、人間の推論プロセスをシミュレートします。
- 非ファジー化モジュール-推論エンジンによって取得されたファジーセットを鮮明な値に変換します。
メンバーシップ関数はファジー変数のセットで機能します。
メンバーシップ機能
メンバーシップ関数を使用すると、言語用語を定量化し、ファジーセットをグラフィカルに表すことができます。 談話Xのユニバース上のファジー_set A_の*メンバーシップ関数*は、μ〜A〜:X→[0,1]として定義されます。
ここで、_X_の各要素は0〜1の値にマッピングされます。 *メンバーシップ値*または*メンバーシップの程度*と呼ばれます。 _X_の要素のファジーセット_A_に対するメンバーシップの度合いを定量化します。
- x軸は談話の世界を表します。
- y軸は、[0、1]区間のメンバーシップの度合いを表します。
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あります。 複雑な関数を使用しても出力の精度が向上しないため、単純なメンバーシップ関数が使用されます。
- LP、MP、S、MN、、および *LN のすべてのメンバーシップ関数は以下のように表示されます-
三角形のメンバーシップ関数の形状は、台形、シングルトン、ガウスなどの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レベルのファジファイアへの入力は、-10ボルトから+10ボルトまで変化します。 したがって、対応する出力も変更されます。
ファジーロジックシステムの例
5レベルのファジー論理システムを備えた空調システムを考えてみましょう。 このシステムは、室温と目標温度値を比較して、エアコンの温度を調整します。
アルゴリズム
- 言語変数と用語の定義(開始)
- それらのメンバーシップ関数を作成します。 (開始)
- ルールの知識ベースの構築(開始)
- メンバーシップ関数を使用して、鮮明なデータをファジーデータセットに変換します。 (ファジー化)
- ルールベースのルールを評価します。 (推論エンジン)
- 各ルールの結果を結合します。 (推論エンジン)
- 出力データを非ファジー値に変換します。 (非ファジー化)
開発
ステップ1-言語変数と用語の定義
言語変数は、単純な単語または文の形式の入力変数および出力変数です。 室温の場合、寒い、暖かい、暑いなどは言語用語です。
温度(t)= \ {非常に寒い、寒い、暖かい、非常に暖かい、熱い}
このセットのすべてのメンバーは言語用語であり、全体の温度値の一部をカバーできます。
ステップ2-それらのメンバーシップ関数を構築します
温度変数のメンバーシップ関数は次のとおりです-
- Step3-知識ベースルールの構築*
空調システムが提供すると予想される室温値と目標温度値のマトリックスを作成します。
RoomTemp./Target | Very_Cold | Cold | Warm | Hot | Very_Hot |
---|---|---|---|---|---|
Very_Cold | No_Change | Heat | Heat | Heat | Heat |
Cold | Cool | No_Change | Heat | Heat | Heat |
Warm | Cool | Cool | No_Change | Heat | Heat |
Hot | Cool | Cool | Cool | No_Change | Heat |
Very_Hot | Cool | Cool | Cool | Cool | No_Change |
IF-THEN-ELSE構造の形式で知識ベースに一連のルールを構築します。
Sr. No. | Condition | Action |
---|---|---|
1 | IF temperature=(Cold OR Very_Cold) AND target=Warm THEN | Heat |
2 | IF temperature=(Hot OR Very_Hot) AND target=Warm THEN | Cool |
3 | IF (temperature=Warm) AND (target=Warm) THEN | No_Change |
ステップ4-ファジー値を取得
ファジー集合演算は、ルールの評価を実行します。 ORとANDに使用される演算は、それぞれMaxとMinです。 評価のすべての結果を組み合わせて、最終結果を作成します。 この結果はファジー値です。
ステップ5-非ファジー化を実行
次に、出力変数のメンバーシップ関数に従って非ファジー化が実行されます。
ファジーロジックの応用分野
ファジーロジックの主要なアプリケーション領域は、次のとおりです-
自動車システム
- 自動ギアボックス
- 四輪ステアリング
- 車両環境制御
消費者向け電子製品
- Hi-Fiシステム
- コピー機
- 静止画およびビデオカメラ
- テレビ
国産品
- 電子レンジ
- 冷蔵庫
- トースター
- 掃除機
- 洗濯機
環境制御
- エアコン/ドライヤー/ヒーター
- 加湿器
FLSの利点
- ファジー推論内の数学的概念は非常に単純です。
- ファジーロジックの柔軟性により、ルールを追加または削除するだけでFLSを変更できます。
- ファジーロジックシステムは、不正確で歪んだノイズの多い入力情報を取得できます。
- FLSは簡単に構築して理解できます。
- ファジーロジックは、人間の推論や意思決定に似ているため、医学を含む生活のあらゆる分野の複雑な問題の解決策です。
FLSの欠点
- ファジーシステムの設計に対する体系的なアプローチはありません。
- それらは単純な場合にのみ理解可能です。
- 高精度を必要としない問題に適しています。