ファジーニューラルネットワークとは

ファジーニューラルネットワークは、人間の脳が機能する方法を近似しようとするソフトウェアシステムです。 これは、コンピューターサイエンステクノロジーの2つの重要な研究分野であるファジーロジックソフトウェア開発とニューラルネットワーク処理アーキテクチャを利用して実現しています。 ファジーロジックソフトウェアは、単純な「はい」または「いいえ」の選択を超えたコンピューターソフトウェアプログラムの意思決定構造における現実世界の灰色の領域を考慮しようとします。 人工ニューラルネットワークの設計では、人間の脳でニューロンがどのように相互作用するかの機能と複雑さを模倣するソフトウェアノードが作成されます。 ファジーロジックとニューラルネットワークの設計により、研究者が気候変動などの複雑な問題の実験や人工知能ロボットの開発に使用するニューロファジーシステムが作成されます。

2011年時点の平均的なマイクロコンピューターは、1秒あたり数十億命令という驚くべき速度で計算を実行します。 これは、コンピューター開発の初期から処理速度が指数関数的に増加したことを表していますが、そのような成長は、単純な生物でさえも複雑な方法で推論する能力を示していません。 これは、コンピューター処理が依然として直面している基本的な制限によるものであり、ファジーニューラルネットワークはこれらの制限を回避するための試みです。

平均的な人間の脳は、マイクロプロセッサの機能に類似した神経構造を使用して、毎秒1億、000,000,000,000の命令を実行すると推定されています。 対照的に、1999年時点の平均コンピューターシステムはこれよりも24,000倍遅く、1981年時点の初期モデルは計算を実行する際に人間の脳よりも3,500,000倍遅くなりました。 平均的な人間の脳の速度に近づけるには、2011年の市場で入手可能な2.1ギガヘルツプロセッサと8,000台のパソコンを複雑にネットワーク接続する必要があります。 しかし、人間の脳と同じ速さで計算を実行できるスーパーコンピューターは、ファジーニューラルネットワークが作用する競合する実世界のデータを分析するための同じ推論力と同等ではありません。

ファジーニューラルネットワークを他のタイプのコンピューター処理とは異なるものにする重要な要素は、決定的な結論を引き出すのに十分なデータがない場合のパターン認識の能力と、環境に適応する能力です。 ファジーニューラルネットワークは、処理する新しいデータセットに遭遇すると変化および成長するように設計されたニューラルアルゴリズムを利用します。 これは、2つの異なる観点から問題にアプローチし、結果を問題の有意義な解決策に結合することによってこれを行います。

ファジーソフトウェアは、人間の観点から明らかなデータに矛盾が生じた場合に真実のレベルを推定できるプログラミングルールに基づいています。 たとえば、従来のコンピューター処理を使用して、人のグループの「背が高い」と「背が低い」を判別すると、両方のグループが互いに分離され、中間の範囲がない明確な線が作成されます。 身長が6フィート（1.83メートル）の人は、平均身長を下回ると背が低いと分類され、6フィートと1インチ（1.85メートル）の身長は背が高いと分類されます。 ファジー処理では、グループが変更され、より合理的な勾配に沿って決定が行われるため、背が高いと短いと見なされる範囲が絶えず変化します。

対照的に、ニューラルネットワークには、動作するための定義済みのルールがなく、観察に基づいてすべての結論を引き出します。 事前に定義されたルールを使用せずに操作すると、ファジープログラミングまたは従来のプログラミングルールセットのいずれかで事前の仮定が行われた場合に明確ではない、データに関する一意の洞察を作成できます。 ファジーソフトウェアとニューラルネットワークデータ処理の結果は、ファジーニューラルシステムで、生物が環境内でどのように学習して適応するかを近似する方法で組み合わされます。 システムは収集したデータに適応するにつれて、そのデータを処理する方法を変更して、将来の問題を解決する際の効率を高めます。

ニューラル処理は、コンピューターでのニューラルプログラミングからであろうと、生物学的脳からであろうと、観測結果に基づいて特定のデータポイントに追加の重みを与える方法です。 ファジーニューラルネットワークのファジー要素は、従来のコンピュータープロセッサでこれまで可能であったよりも実際の条件をより正確にモデル化するのに役立ちますが、ファジーロジックを従来のコンピューターの制御として使用する場合、この細かいレベルのモデリングでは、パフォーマンスが大幅に改善されないことがありますコントロール。 ファジーニューラルネットワークの究極の利点は、周囲の環境の変化に応じて適応する初歩的な独立した思考と意思決定のレベルを開発できる可能性があることです。