Fuzzy Logic Toolbox
ファジー論理システムを設計しシミュレーションする
Fuzzy Logic Toolbox™ は、ファジー論理に基づいたシステムを解析、設計、およびシミュレーションするための MATLAB® 関数とアプリ、および Simulink® ブロックを提供します。この製品には、ファジー推論システムを設計する手順が用意されています。ファジー クラスタリングや適応ニューロファジー学習などの多くの基本的な手法が関数として提供されています。
このツールボックスにより、単純な論理ルールを用いて複雑なシステム挙動をモデル化し、これらのルールをファジー推論システムに実装することができます。これはスタンドアロンのファジー推論エンジンとして使用することができます。また、Simulink でファジー推論ブロックを使用して、動的システム全体の包括的なモデルの中でファジーシステムをシミュレーションすることができます。
今すぐ始める:
Fuzzy Logic Designer
Fuzzy Logic Designer アプリまたはコマンドライン関数を使用して、ファジー推論システムを対話的に設計してテストします。入力および出力変数を追加または削除することが可能です。また、入力および出力メンバーシップ関数とファジー if-then ルールを指定することができます。ファジー推論システムを作成したら、それを評価および可視化することができます。
Mamdani および菅野ファジー推論システム
Mamdaniおよび菅野ファジー推論システムを実装します。Mamdani システムを菅野システムに変換することができます。また、ファジーツリーを用いて相互接続された小さなファジーシステムの集合として、複雑なファジー推論システムを実装することもできます。
Type-2 ファジー推論システム
追加のメンバーシップ関数の不確かさを用いて、インターバル Type-2 ファジー推論システムを作成して評価します。Type-2 の Mamdani および菅野ファジー推論システムの両方を作成することができます。
ファジーシステムの調整
遺伝的アルゴリズムや粒子群最適化などの Global Optimization Toolbox での調整手法を使用して、ファジー メンバーシップ関数のパラメーターを調整し、新規ファジールールを学習します。単一のファジー推論システム、または少ない入力で階層的に接続された複数の FIS を含むファジーツリーのパラメーターとルールを調整することができます。
適応ニューロファジー推論システムの学習
ニューラル ネットワークの学習に用いられる手法と似たニューロ適応学習手法を用いて、菅野ファジー推論システムを学習させます。コマンドライン関数または Neuro-Fuzzy Designer アプリを使用して、手動での指定ではなく、入力/出力データで学習させることによりメンバーシップ関数を形成することができます。
対話型のクラスタリングツールまたはコマンドライン関数を使用して、大規模データセットから自然なグループを識別し、データの正確な表現を作成します。ファジー c 平均法クラスタリングまたは減法クラスタリングを使用して、入力/出力学習データでクラスターを識別します。結果となるクラスター情報を使用して、菅野タイプのファジー推論システムを生成し、データ挙動をモデル化します。
Simulink で Fuzzy Logic Controller ブロックを用いて、Type-1 ファジー推論システムのパフォーマンスを評価してテストします。倍精度、単精度、および固定小数点の信号データ型を持つ入力信号を用いてファジー推論システムをシミュレートできます。
Simulink または MATLAB で C コードを生成してファジー推論システムを展開します。また、Fuzzy Logic Controller ブロックを用いて Simulink に実装されたファジー推論システムのためのストラクチャード テキストを生成することもできます。単精度 C コードを生成してシステムのメモリフットプリントを小さくすることができます。ターゲットのプラットフォームが固定小数点演算のみをサポートする場合は、固定小数点コードを生成することができます。
k 分割交差検定
調整済みファジー推論システムパラメーターの過適合を防止
インターバル Type-2 ファジー推論システム
メンバーシップ関数の不確かさを追加した、ファジー推論システムを作成、シミュレーション、調整、および展開
これらの機能および対応する関数の詳細については、リリースノートを参照してください。