퍼지 논리 튜토리얼:이란 무엇입니까? Archi강의, 응용, 예시

퍼지 논리란 무엇입니까?

퍼지 로직 0과 1 사이의 실수 변수의 진리값을 가질 수 있는 다치 논리 형식으로 정의됩니다. 이는 부분 진리의 핸들 개념입니다. 실생활에서 우리는 그 진술이 참인지 거짓인지 판단할 수 없는 상황에 직면할 수 있습니다. 이때 퍼지 논리는 추론에 매우 귀중한 유연성을 제공합니다.

퍼지 논리 알고리즘은 사용 가능한 모든 데이터를 고려한 후 문제를 해결하는 데 도움이 됩니다. 그런 다음 주어진 입력에 대해 가능한 최선의 결정을 내립니다. FL 방법은 디지털 값 T와 F 사이의 모든 가능성을 고려하는 인간의 의사 결정 방식을 모방합니다.

퍼지 논리 시스템의 역사

그러나 퍼지 논리의 개념은 1920년대부터 연구되어 왔습니다. 퍼지 논리라는 용어는 1965년 캘리포니아의 UC Berkeley 교수인 Lotfi Zadeh에 의해 처음 사용되었습니다. 그는 기존의 컴퓨터 논리로는 주관적이거나 불분명한 인간의 생각을 나타내는 데이터를 조작할 수 없다는 점을 관찰했습니다.

퍼지 알고리즘은 제어 이론부터 AI까지 다양한 분야에 적용됐다. 이는 컴퓨터가 참도 거짓도 아닌 데이터 간의 구별을 결정할 수 있도록 설계되었습니다. 인간의 추론 과정과 비슷한 것. 약간 어두움, 약간 밝음 등

퍼지논리의 특징

퍼지 논리의 몇 가지 중요한 특징은 다음과 같습니다.

• 유연하고 구현이 용이함 기계 학습 기술
• 인간의 사고 논리를 모방하는 데 도움이 됩니다.
• 논리에는 두 가지 가능한 솔루션을 나타내는 두 가지 값이 있을 수 있습니다.
• 불확실하거나 대략적인 추론에 매우 적합한 방법
• 퍼지 논리는 추론을 탄력적 제약 조건을 전파하는 과정으로 봅니다.
• 퍼지 논리를 사용하면 임의의 복잡도를 갖는 비선형 함수를 구축할 수 있습니다.
• 퍼지 로직은 전문가의 완전한 지도를 통해 구축되어야 합니다.

퍼지 논리를 사용하지 말아야 할 경우

그러나 퍼지 논리는 결코 모든 문제를 해결할 수 없습니다. 따라서 퍼지 논리를 사용해서는 안 되는 부분을 이해하는 것도 똑같이 중요합니다.

다음은 Fuzzy Logic을 사용하지 않는 것이 더 좋은 특정 상황입니다.

• 입력 공간을 출력 공간에 매핑하는 것이 편리하지 않다면
• 상식을 사용할 수 있을 때 퍼지 논리를 사용해서는 안 됩니다.
• 많은 컨트롤러는 퍼지 로직을 사용하지 않고도 훌륭한 작업을 수행할 수 있습니다.

퍼지 로직 Archi강의

퍼지 로직 아키텍처는 다이어그램에 표시된 대로 4가지 주요 부분으로 구성됩니다.

룰베이스

여기에는 의사결정 시스템을 제어하기 위해 전문가가 제공하는 모든 규칙과 if-then 조건이 포함되어 있습니다. 퍼지 이론의 최근 업데이트는 퍼지 컨트롤러의 설계 및 조정을 위한 다양한 방법을 제공합니다. 이 업데이트는 퍼지 규칙 세트의 수를 크게 줄입니다.

퍼지화

퍼지화 단계는 입력을 변환하는 데 도움이 됩니다. 이를 통해 선명한 숫자를 퍼지 세트로 변환할 수 있습니다. 센서로 측정된 선명한 입력은 추가 처리를 위해 제어 시스템으로 전달됩니다. 실내 온도, 압력 등

추론 엔진

퍼지 입력과 규칙 간의 일치 정도를 결정하는 데 도움이 됩니다. % 일치를 기반으로 주어진 입력 필드에 따라 어떤 규칙을 구현해야 하는지 결정합니다. 이후 적용된 규칙을 결합하여 제어 동작을 개발합니다.

비퍼지화

마지막으로 퍼지 집합을 선명한 값으로 변환하기 위해 역퍼지화 프로세스가 수행됩니다. 다양한 기술 유형이 있으므로 전문가 시스템과 함께 사용할 때 가장 적합한 기술을 선택해야 합니다.

퍼지 논리 대 확률

바삭함 vs. 퍼지

고전 집합 대 퍼지 집합 이론

퍼지 논리 예

아래 주어진 다이어그램을 참조하십시오. 이는 퍼지 시스템에서 값이 0~1의 숫자로 표시됨을 보여줍니다. 이 예에서 1.0은 절대 진실을 의미하고 0.0은 절대 거짓을 의미합니다.

퍼지 논리의 응용 분야

Blow 주어진 표는 유명 회사의 제품에 퍼지 논리를 적용한 것을 보여줍니다.

퍼지 논리 시스템의 장점

• 퍼지 논리 시스템의 구조는 쉽고 이해하기 쉽습니다.
• 퍼지 논리는 상업적이고 실용적인 목적으로 널리 사용됩니다.
• AI의 퍼지 논리는 기계와 소비자 제품을 제어하는 ​​데 도움이 됩니다.
• 정확한 추론을 제공하지 못할 수도 있지만 유일하게 수용 가능한 추론입니다.
• 퍼지 논리 데이터 마이닝 엔지니어링의 불확실성을 처리하는 데 도움이 됩니다.
• 정확한 입력이 필요하지 않으므로 대부분 견고함
• 피드백 센서가 작동을 멈추는 상황에서 프로그래밍 가능
• 시스템 성능을 개선하거나 변경하기 위해 쉽게 수정할 수 있습니다.
• 저렴한 센서를 사용하면 전체 시스템 비용과 복잡성을 낮게 유지하는 데 도움이 됩니다.
• 복잡한 문제에 대한 가장 효과적인 솔루션을 제공합니다

퍼지 논리 시스템의 단점

• 퍼지 논리는 항상 정확하지 않기 때문에 가정에 따라 결과가 인식되므로 널리 받아들여지지 않을 수 있습니다.
• 퍼지 시스템에는 기계 학습 기능과 신경망 유형 패턴 인식 기능이 없습니다.
• 퍼지 지식 기반 시스템의 검증 및 확인에는 하드웨어를 사용한 광범위한 테스트가 필요합니다.
• 정확하고 모호한 규칙과 회원 기능을 설정하는 것은 어려운 작업입니다.
• 일부 퍼지 시간 논리는 확률 이론 및 용어와 혼동됩니다.

제품 개요

• 퍼지(fuzzy)라는 용어는 매우 명확하지 않거나 모호하지 않은 것을 의미합니다.
• 퍼지 논리라는 용어는 1965년 캘리포니아의 UC Berkeley 교수인 Lotfi Zadeh에 의해 처음 사용되었습니다.
• 퍼지 논리는 유연하고 구현하기 쉬운 기계 학습 기술입니다.
• 상식을 사용할 수 있을 때 퍼지 논리를 사용해서는 안 됩니다.
• 퍼지 논리 아키텍처는 1가지 주요 부분으로 구성됩니다. 2) 규칙 베이스 3) 퍼지화 4) 추론 엔진 XNUMX) 비퍼지화
• 퍼지 논리는 모호함 모델의 수학적 기초로 진리도를 취하는 반면 확률은 무지의 수학적 모델입니다.
• Crisp 세트에는 엄격한 경계 T 또는 F가 있는 반면 퍼지 경계에는 소속 정도가 있습니다.
• 클래식 세트는 디지털 시스템 설계에 널리 사용되는 반면, 퍼지 세트는 퍼지 컨트롤러에서만 사용됩니다.
• 자동 변속기, 피트니스 관리, 골프 진단 시스템, 식기 세척기, 복사기 등은 Fuzzy Logic 응용 분야 중 일부입니다.
• 소프트 컴퓨팅의 퍼지 논리는 기계와 소비자 제품을 제어하는 ​​데 도움이 됩니다.