ファジーはファジー論理を扱うライブラリです。
ファジー論理は、真理が言語変数として記述されている伝統的なアリステレオ論理の合成です。古典論理に相当するファジー論理は、定義されたファジー集合上で、独自のファジー論理演算を有します。ファジー集合と通常の集合には同じ演算がありますが、計算ははるかに困難です。また、ファジー集合の組成はファジー集合として構成していることには注意するべきです。
典的論理と隔てるファジー論理の主な原則は現実を反映した最大限の近接性と主観性の高いレベルであり、これらは計算に大きな誤差をもたらす可能性があります。
ファジーモデル（またはシステム）とは、その計算がファジー論理に基づいている数学的モデルです。このようなモデルの構築は、研究対象に弱い形式性があり、厳密に計算しようとすると複雑になりすぎてしまう場合に有効です。これらのモデルの出力値（エラーモデル）の品質は、このモデルを設定するエキスパートアドバイザーのみに直接依存します。誤差を最小化するための最良の方法は、最も完全かつ包括的なモデルを描き、その後、大規模なトレーニングセットをもって機械学習でそれを調整することです。
モデル構築のプロセスは、次の3つの段階に分けることができます。
第一段階の結果は直接2に影響を与え、モデルの将来を決定します。ルールベースなどと呼ばれることもある知識ベースは、入力と出力の関係性を定義する"if, then"ファジールールタイプのセットです。システム内のルールの数は制限されず、エキスパートアドバイザーによっても決定されます。ファジールールの一般形式は下記の通りです。
If ルール条件、then ルール結論
ルール条件は、現在のオブジェクトの状態を記述し、ルール結論は、この条件がオブジェクトにどのような影響を与えるかを記述します。ファジー推論によって決定されるので、条件と結論の一般的な見解は選択できません。
システム内の各ルールは重みを有し、この特性は、モデル内のルールの重要性を定義します。重み係数は、[0,1]範囲内のルールに割り当てられています。重み付けデータは関連文献のファジーモデルの例では指定されていませんが、存在していない訳ではありません。実際には、データベースの各ルールのような場合、重み付けは1に等しく固定されます。各ルールの用語や結論には2種類が存在できます。
- シンプル - 1ファジー変数を含む
- コンプレックス - 複数のファジー変数を含む
モデルのファジー推論システムは作成された知識ベースに応じて決定されます。ファジー論理推論は、知識ベースとファジー演算を用いた、入力の現在値に応じたファジー集合の形態です。. ファジー推論の2つの主要な種類はマムダニ法と菅野法です。