うファジィ論理によるものか。

StackOverflow https://stackoverflow.com/questions/399618

質問

仕事をしているカップルのAIアルゴリズムでの学びを見たい人の言葉をファジィ理論の説明な状況での解決せず、その他のいかなるツール。時所属先に戻ってもしっかりと書かについてどのような状態からオフにで対角線ともでき、両国が異なる"レベル".

っくりとした、wikipediaのカップルのチュートリアルなプログラムもが"用ファジィ理論"（先端検出器を1輪の自己制御によるロボット）のものを見たいので非常に混乱から理論へのコー---するなど、比較的簡単な定義、ファジィ論理によるものか。

役に立ちましたか？

解決

ファジーロジックは、状態のメンバーシップは、基本的に、代わりにint型0または1の範囲0..1とフロートは、あなたがそれから抜け出す走行距離は、例えば、のようなものは、あなたが変更で作るということですロジックです制御システムでは、素朴なバイナリロジックで取得したいものよりもやや自然に多くの微調整されます。

の例では、アクティブなTCP接続に基づいて、システムアクティビティをバック絞るロジックかもしれません。 （1000年<=）あなたはどの時点でも2000年に「たくさんの、あまりにも多くの」あなたのマシン上のTCPコネクション1000と「あまりにも多くは少し」を定義して、あなたのシステムが0から「あまりにも多くのTCP接続」の状態を持っていると言います1（> = 2000）に、あなたが利用できる持っているものは何でもスロットルメカニズム適用に係数として使用できます。これは、はるかに寛容とシステム動作に応じてのみ、「あまりに多くの」を決定する方法を知っている素朴なバイナリロジックよりも、そして完全にスロットル、または「あまりにも多くの」、および全くスロットルません。

他のヒント

私は、ファジーロジックを視覚化するための良い方法である、ということ（アップモッドされている）の回答に追加したいと思い、次のとおりです。

伝統的に、二値論理であなたは、そのメンバーシップ関数のファジーロジックシステムでは、メンバーシップ関数がないのに対し、真または偽のグラフを持つことになります。

1|
 |   /\
 |  /  \
 | /    \
0|/      \
 ------------
   a  b c   d
「ピーナッツが好き」機能があることを第二のために

と仮定

a. kinda likes peanuts
b. really likes peanuts
c. kinda likes peanuts
d. doesn't like peanuts

関数自体は三角形である必要はありませんし、多くの場合（これは、ASCIIアートでちょうど簡単だ）ではありません。

ファジーのシステムの可能性のいくつかは、そうであっても同様に（でも反対）重複し、これらの多くを持っています。

1|   A    B
 |   /\  /\      A = Likes Peanuts
 |  /  \/  \     B = Doesn't Like Peanuts
 | /   /\   \
0|/   /  \   \
 ------------
  a  b  c d

このように、今c「は種類がちょっとピーナッツが好きではありません、ピーナッツが好き」であり、Dは「本当にピーナッツが好きではありません」です

そして、あなたはそれに応じてその情報をもとにプログラムすることができます。

は、これはそこに視覚的な学習者のためのお役に立てば幸いです。

ファジーロジックの最高の定義は、その発明によって与えられ、のロトフィザデーの

  

「人間はそれらを解決する方法に似た方法でコンピュータに問題を表すファジィ論理手段をとファジーロジックの本質はすべてが程度の問題であるということである。」

人間が解決方法に似たコンピュータの問題を解決するための意味が簡単にバスケットボールの試合からの簡単な例で説明することができます。プレイヤーは他のプレイヤーを守るしたい場合、まず彼は、彼がどのように背の高い検討すべきであると彼の演奏のスキルがどのようにしています。彼は守るしたいプレイヤーは背が高く、彼に非常に遅い相対を果たしているだけであれば、彼は彼のために不確実性があるとして、彼はそのプレイヤーを守るべきかを検討するかを決定するために彼の本能を使用します。重要なポイントである。この例ではプロパティは、プレーヤーに関連しているとライバルのプレイヤーのための高さと演奏スキルのための度合いがあります。ファジーロジックは、この不確実な状況のため、決定論的な方法を提供します。

ファジーロジック（図1）を処理するためのいくつかのステップがあります。これらの手順は次のとおりです。クリスプ入力は第二に、これらの入力は、ファジー論理のような結果の程度と結果ファジー出力最後に非ファジー化を作成するためにファジールールで処理し得るファジー入力に変換しますまずファジー化が異なる程度を有する複数の結果とすることができる。

image004

図1 - ファジープロセスステップ（デビッドM.ブールP.192）

ファジープロセスステップを例示するために、以前のバスケットボールの試合の状況を使用することができます。実施例で述べたようにライバルのプレーヤは、我々のプレーヤーにかなり背の高い相対的であり、我々のプレーヤーに遅い相対的である3メートル/秒でドリブルできる1.87メートルで背が高いです。いくつかのルールは、のようなファジィルールと呼ばれている検討する必要があるこれらのデータに加え; 

if player is short but not fast then guard,
if player is fast but not short then don’t guard
If player is tall then don’t guard
If player is average tall and average fast guard

image005

図2 - どのように背の高い

image007

図3 - どのように高速の

の規則及び入力データに応じた出力のようなファジィシステムによって作成されます。ガード用度が0.7である、時々ガード用度が0.2ガード0.4決してである。

image009

図4出力ファジィ集合

最後のステップでは、のdefuzzication の、我々はゲーム中にプレイヤーを守るために使用すべきエネルギーを決定することができる数である鮮明な出力を作成するために使用されます。質量の中心は、出力を作成するための一般的な方法です。このフェーズでは平均点を計算するための重みが完全には実装に依存します。このアプリケーションでは、それを守る守るか、しないように高い重みを与えると考えられているが、低重量は時々ガードに与えられました。 の（デイビッドM.ブール、2004）の

image012

図5-ファジー出力（デビッドM.ブールP.204） 

  Output = [0.7 * (-10) + 0.4 * 1 + 0.2 * 10] / (0.7 + 0.4 + 0.2) ≈ -3.5

その結果、ファジーロジックは、決定を行うために、意思決定の程度を調べるために不確実性の下で使用されます。入力の数がルールの数は指数関数的な増加増やすようにファジー論理の問題がある。

より多くの情報と私ははこれをチェック少し記事を書いたゲームでその可能なアプリケーションの場合は

混沌と答えたのオフに構築するには、正式なロジックは、評価に文章をマップする帰納的定義されたセット以外の何ものでもありません。少なくとも、それは、モデルの理論家は、ロジックで考えてみましょう。 sententialブール論理の場合：

 (basis clause) For all A, v(A) in {0,1}
 (iterative) For the following connectives,
   v(!A) = 1 - v(A)
   v(A & B) = min{v(A), v(B)}
   v(A | B) = max{v(A), v(B)}
 (closure) All sentences in a boolean sentential logic are evaluated per above.

ファジー論理の変化は、誘導に定義される：

 (basis clause) For all A, v(A) between [0,1]
 (iterative) For the following connectives,
   v(!A) = 1 - v(A)
   v(A & B) = min{v(A), v(B)}
   v(A | B) = max{v(A), v(B)}
 (closure) All sentences in a fuzzy sentential logic are evaluated per above.

根本的なロジックの唯一の違いは、0.5の「真理値」を持つものとして、文を評価するための権限あることに注意してください。ファジーロジックモデルのための重要な問題は、真実の満足のためにカウントしきい値です。これは尋ねることである：それは場合V（A）> D Aが成立していることを意味しているどのような値Dについて評価V（A）のための

あなたが本当にファジーロジックなどの非古典論理についての詳細を見つけたい場合は、

、私はどちらか<のhref =「https://rads.stackoverflow.com/amzn/click/com/0521854334」のrel =」推薦しますnoreferrer "> の非古典論理の紹介：ある<へもしから/ em>ののか<のhref =" https://rads.stackoverflow.com/amzn/click/com/0199259879" REL = "noreferrer"> の可能性とパラドックスのの

ファジーロジックは決定不能であるためには、

背面にある私のコーダの帽子を置く、私は理由傾向が、実世界のプログラミングにおけるファジーロジックを使用することに注意してくださいだろう。多分それは少しゲインのためのあまり複雑です。例えばsupervaluationalロジックは、プログラムモデルのあいまいさを助けるためにうまく行うことができます。それとも確率は十分でしょう。要するに、私はドメインモデルは、ファジーロジックとダブテールと確信する必要があります。

も例をクリアまでの制度をご利用くださ:

ということかしたいサーモスタットとしたいのです24。

このようにのんの実を使ってサンプルコードを示します:

  • Rule1:加熱でフルパワー このよう21度です。
  • Rule2:冷全力でき 温27度です。

ようなシステムを一度だけが24度で非常に効率が悪い。

現在、ファジィ推論を用いたこのようなもののようになります:

  • Rule1:毎度のことのよう24度、ヒーターク(0 24).
  • Rule2:毎度のことでよりも温暖24degress、上のクーラーク(0 24).

このシステムは必ずどこかに約24℃でくだ一度だけでなく微調整できます。また、エネルギー効率的です。

さて、あなたはバート・コスコに、「建国の父の1の作品を読むことができます」。 「ファジィ思考：ファジィするの新しい科学」1994年からは、読み取り可能です（そして利用できる非常に安く中古アマゾン経由）。どうやら、彼もかなりある2006年からの新しい著書「ノイズを」持っています親しみます。

基本的にかかわらず、（私の言い換えに - ここ数年の間、これらの本の最初読んでない）、ファジーロジックは、何かが、おそらく10％、50％クール暖かい世界に対処する方法についてです、そして10％のホットここで、異なる決定することは、異なる状態が真である（ - 必要であれば、私は修正を受け入れるだろうけれども、ノー、それはそれらの割合が100％にならないことを全く偶然ではなかった）する度に行うことができます。

の助けを借りて、非常に良い説明、ファジー論理洗濯機を。

私はあなたがそれをコードにコンセプトから行くことは困難であることについて何を意味するか知っています。私は、Linuxシステム上のsysinfoとは/ procの値を見て、0〜10の番号、10は絶対最悪であることを思い付くスコアリングシステムを書いています。簡単な例：

あなたは悪い、悪い取得し、良い（少なくとも）3つの状態、と3回のロードアベレージ（1、5、15分）を持っています。それを展開する、私はちょうど指摘し3に「に」について加算し、平均あたりの6つの可能な状態を持つことができます。しかし、すべての18個の可能性の結果は、唯一の得点から1を差し引くことができます。スワップ消費、実際のVMに割り当てられた（コミット）メモリや他のものであることを繰り返して...、あなたは条件付きスパゲッティの一つの大きなボウルを持っています。）

その限り多くの定義、それは技術であるとして、あなたは...意思決定プロセスが常にパラダイムそのものよりも興味深いものです実装方法ブール世界では、そのはかなりカットし、一方、乾燥ます。

LOAD1 <2控除1が、非常に正確ではない全くなら、私が言うすることは非常に簡単になります。

あなたは状況のいくつかのセットを評価するときに、あなたがどうなるのか行うと、読み取り可能なコードを維持するためのプログラムを教えることができる場合は、

、あなたはファジーロジックの良い例を実施しています。

ファジー論理は、単純な、小さな、埋め込まれたマイクロコントローラから大、ネットワーク、マルチチャンネルPCまたはワークステーションベースのデータ取得および制御システムに至るまでのシステムで実装に適している問題解決方法です。それは、ハードウェア、ソフトウェア、またはその両方の組み合わせで実現することができます。ファジーロジックは、漠然とした曖昧な、不正確な、騒々しい、または欠落した入力情報に基づいて明確な結論に到達する簡単な方法を提供します。人は唯一の非常に速く、意思決定を行うだろうか問題の模倣を制御するために、ファジー論理アプローチます。

ファジーロジックは、エキスパートシステムや他の人工知能の用途に特に有用であることが判明しました。また、スペルミスの1を交換する可能性の高い単語のリストを提示するためにいくつかのスペルチェッカで使用されています。

より多くを学ぶために、ちょうどチェックアウト： http://en.wikipedia.org/wiki/Fuzzy_logic 。

ファジーロジックは、考え方のような人間に基づいたアルゴリズムを計算しています。入力変数の数が多い場合には特に便利です。二つの変数入力のための1回のオンラインファジィ論理計算が指定されます：

http://www.cirvirlab.com/simulation/fuzzy_logic_calculator.phpする

ライセンス： CC-BY-SA と 帰属
所属していません StackOverflow
scroll top