ファジー推論システム：概要、アプリケーション、特性、構造、および利点

ファジー推論システムは、ファジー論理システムの重要な単位です。 ファジー推論システムの典型的な構造は、さまざまな機能ブロックで構成されています。 日常の問題を解決するために新しい方法を使用しています。

ファジー推論システムは、ファジー集合論、ファジーif-thenルール、およびファジー推論によってサポートされるコンピューターパラダイムである可能性があります。 ファジー推論とファジーif-thenルールのグループから出力を導出する非線形マッピング。 マッピングドメインと範囲は、多次元間隔のファジーセットまたはポイントにすることができます。

ファジー推論システムは、ファジー集合論を使用して入力を出力にマッピングするシステムです。

FISのアプリケーション

ファジー推論システムは、情報の順序、選択の検討、マスターシステム、時間調整の予測、高度なメカニズム、確認の例など、さまざまな分野で使用されます。 それ以外の場合は、ファジールールベースシステム、ファジーモデル、ファジーロジックコントローラー、ファジーエキスパートシステム、およびファジー連想メモリと呼ばれます。

これは、意思決定と重要なタスクの選択を処理するファジー論理システムの重要な単位です。 「IF…」を利用しています。 その時点で」は、コネクタ「AND」「OR」の横にあり、基本的な選択基準を示しています。

ファジィ推論システムの特徴

• FISからの歩留まりは、入力がファジーまたはクリスプであるかどうかに関係なく、一貫してファジーセットです。
• コントローラとして使用する場合は、ファジー出力が必要です。
• ファジー化ユニットは、ファジー変数を鮮明な変数に変換するためにFISに付属します。

ファジィ推論システムの構造

ファジー推論システムの基本的な構造は、次の3つのエンティティで構成されます。

• ファジールールを含むルールベース
• ファジールールで使用される参加関数を含むデータベース（または辞書）。
• 合理的なアウトプットまたは結論を推論するために与えられたガイドラインと事実に基づいて行われた誘導を実行する推論メカニズム。

ソース

非ファジー化とは何ですか？

非ファジー化は、ファジー集合を表す値の抽出です。

非ファジー化方法：

1. エリアの図心
2. エリアの二等分線
3. 最大の平均
4. 最大の最小
5. 最大の最大

干渉システムをコントローラーとして使用する場合は、鮮明な出力が必須です。

また読む：機械学習プロジェクトのアイデア

ファジー推論システムの入力と出力

• 基本的なファジー推論システムは、ファジー入力または鮮明な入力のいずれかを取ることができますが、それが生成する歩留まりは、かなり頻繁にファジー集合です。
• 特にファジー推論システムがコントローラーとして使用されている状況では、鮮明な出力を得ることが重要な場合があります。
• したがって、ファジー集合を表すために鮮明な値を引き出すための非ファジー化の手法が必要です。

鮮明な出力を備えたファジー推論システムのブロック図

人気のファジィ推論システム（ファジィモデル）

1. Mamdaniファジィモデル
2. 菅野ファジィモデル

これらのファジー推論システムの主な違いは、ファジールールの結果と、それらの特徴的な集塊化および非ファジー化手順にあります。

1.エブラヒムマムダニファジィモデル

これは最も使用されているファジー推論システムです。

Mamdani教授は、蒸気モーターとケトルの混合を制御するための主要なファジーシステムの1つを製造しました。 彼は経験豊富な人間のオペレーターによって提示されたファジールールを適用しました。

出力を計算するための手順

このFISからの出力を計算するには、次の進歩に従う必要があります

ステップ1：一連のあいまいな原則を決定する

ステップ2：情報参加の要素で入力を曖昧にする

ステップ3：ファジーガイドラインに従ってファジー化された入力を統合して、標準的な強度を発見する

ステップ4：歩留まり参加作業で標準強度を要約することにより、標準の後遺症を見つける

ステップ5：結果を組み合わせて歩留まりの伝達を得る

ステップ6：出力分散の非ファジー化を実行する

最小演算子と最大演算子を使用した2つのルールMamdani

TノルムとSノルムに最小値と最大値を使用するMamdaniFISは、2つの鮮明な入力xとyを条件とします。

リサーチゲート

Max演算子と積演算子を使用した2つのルールMamdaniFIS

2つの鮮明な入力xとyを条件として、TノルムとSノルムの積と最大値を使用するMamdaniFIS。

リサーチゲート

3つのSISOファジー出力のMamdani構成

2.菅野ファジィモデル

このモデルは、高木、菅野、カンによって提案されました。

与えられた入出力データのセットからファジールールを生成するための科学的アプローチを開発するため。

このルールの形式は次のとおりです。

xがAで、yがBの場合。 Z = f（x、y）

ここで、ABは前件のファジー集合であり、z = f（x、y）は後件内の鮮明な関数です。

最も一般的に使用されるゼロ次菅野ファジーモデルは、次の形式でファジールールを適用します。

xがAで、yがBの場合。 zはkです

ここで、kは定数です

この場合、すべてのファジールールの出力は一定であり、結果として生じるすべてのメンバーシップ関数はシングルトンスパイクで表されます。

それで、

• 1次菅野ファジィモデル：f（x、y）–1次多項式
• ゼロ次菅野ファジィモデル：f –定数

一次菅野ファジィモデルのファジィ推論手順

菅野ファジィ法によるファジィ推論システムは、次のように機能します。

ステップ1：入力をファジー化する-システムの入力をファジー化します。

ステップ2：ファジー演算子を適用する-出力を取得するには、ファジー演算子を適用する必要があります。

ルール形式

菅野形のルールフォーマット-

7=xおよび9=yの場合; 出力はz=ax + by+cです

菅野ファジィ推論システムは、マムダニ法と非常によく似ています。

結果としてルールを変更するだけです。ファジーセットの代わりに、入力変数の数学関数を使用しました。

適用するかどうかを決定する方法-MamdaniまたはSugenoファジィ推論システム？

• Mamdaniの手法は、専門家の知識と情報を収集するために広く認められています。 これにより、スキルをより本能的で人間らしい方法で表現できます。

ただし、Mamdaniタイプのファジー推論には、かなりの計算負荷が伴います。

• 一方、菅野法は計算上実行可能です。 それは進歩と用途の広い手順で効果的に機能し、特に動的非線形フレームワークの場合、用途の広い問題で非常に魅力的です。

ファジー推論システムの利点

結論

ファジー推論システムにより、あらゆるタスクの機械化が容易になります。 これが、ファジー推論システムがロボット工学、パターン認識、系列予測などのさまざまな分野で成功したアプリケーションを見つけた理由です。

upGradでファジー推論システムを学ぶ

upGradは、コンピュータサイエンスの理学修士の広範なコースを提供しており、スキルを磨き、ソフトウェア開発でのキャリアを推進することができます。

候補者は、業界に関連する6つの独自の専門分野から1つを選択できます。 これには、候補者が次のことを行う必要があります。

• 配置を保証する
• 業界の専門家による指導を受ける
• グローバルに仕事の機会にアクセスする
• ライブプロジェクトと割り当てに取り組む
• 主題をエンドツーエンドで学ぶ

世界のトップ大学からMLコースを学びましょう。 マスター、エグゼクティブPGP、または高度な証明書プログラムを取得して、キャリアを迅速に追跡します。