Fuzzy-logic-fuzziness-in-neural-networks
ニューラルネットワークのあいまいさ
人工ニューラルネットワーク（ANN）は、効率的なコンピューティングシステムのネットワークであり、その中心テーマは、生物学的ニューラルネットワークの類似性から借用されています。 ANNは、「人工神経システム」、「並列分散処理システム」、「コネクショニストシステム」とも呼ばれます。ANNは、ユニット間の通信を可能にするために何らかのパターンで相互接続されたユニットの大規模なコレクションを取得します。 ノードまたはニューロンとも呼ばれるこれらのユニットは、並列で動作する単純なプロセッサです。
すべてのニューロンは、接続リンクを介して他のニューロンと接続されています。 各接続リンクは、入力信号に関する情報を持つ重みに関連付けられています。 これは、ニューロンが特定の問題を解決するのに最も有用な情報です。これは、通常、通信される信号が重みによって抑制されるためです。 各ニューロンには、活性化信号と呼ばれる内部状態があります。 入力信号とアクティベーションルールを組み合わせた後に生成される出力信号は、他のユニットに送信できます。 また、重みが常に1であるバイアス「b」で構成されます。
ニューラルネットワークでファジーロジックを使用する理由
上記で説明したように、ANNのすべてのニューロンは接続リンクを介して他のニューロンと接続されており、そのリンクは入力信号に関する情報を持つ重みに関連付けられています。 したがって、重みには問題を解決するための入力に関する有用な情報があると言えます。
以下は、ニューラルネットワークでファジーロジックを使用するいくつかの理由です-
- ファジーロジックは、ニューラルネットワークでファジーセットから重みを定義するために主に使用されます。
- 鮮明な値を適用できない場合は、ファジー値が使用されます。
- トレーニングと学習は、予期しない状況でニューラルネットワークのパフォーマンスを向上させることを既に研究しています。 そのとき、ファジー値は鮮明な値よりも適切です。
- ニューラルネットワークでファジーロジックを使用する場合、値は鮮明である必要があり、処理は並列で実行できます。
ファジィ認知マップ
これは、ニューラルネットワークにおけるファジーの一種です。 基本的にFCMは、ファジー状態（1または0だけではない）を持つ動的状態マシンに似ています。
ニューラルネットワークでのファジーロジックの使用の難しさ
多数の利点がありますが、ニューラルネットワークでファジィロジックを使用する際にも多少の困難があります。 難易度は、メンバーシップルール、ファジィシステムを構築する必要性に関連しています。これは、特定の複雑なデータセットを使用して推論するのが複雑な場合があるためです。
ニューラルトレーニングファジーロジック
ニューラルネットワークとファジーロジックの逆の関係、つまり、ファジーロジックをトレーニングするために使用されるニューラルネットワークも研究の良い分野です。 以下は、神経トレーニングされたファジーロジックを構築する2つの主な理由です-
- データの新しいパターンはニューラルネットワークの助けを借りて簡単に学習できるため、ファジーシステムでデータを前処理するために使用できます。
- ニューラルネットワークは、新しい入力データとの新しい関係を学習する機能があるため、ファジィルールを改良してファジィ適応システムを作成できます。
ニューラルトレーニングファジーシステムの例
Neural-Trained Fuzzyシステムは、多くの商用アプリケーションで使用されています。 ここで、ニューラルトレーニングファジィシステムが適用されるいくつかの例を見てみましょう-
- 日本の横浜にある国際ファジィ工学研究研究所（LIFE）には、ファジィ規則を導出する逆伝播ニューラルネットワークがあります。 このシステムは、約5000のファジールールを使用して、外国為替取引システムに正常に適用されています。
- Ford Motor Companyは、自動車のアイドル速度制御用の訓練可能なファジーシステムを開発しました。
- National Semiconductor Corporationのソフトウェア製品であるNeuFuzは、制御アプリケーション用のニューラルネットワークでファジールールの生成をサポートしています。
- ドイツのAEG Corporationは、水とエネルギー節約マシンにニューラルトレーニングを受けたファジー制御システムを使用しています。 合計157個のファジールールがあります。
