퍼지 논리란 무엇입니까? Archi구조도 및 응용
에블린 클라크
⚡ 스마트 요약
퍼지 논리는 진리가 0과 1 사이의 임의의 실수 값을 가질 수 있는 다치 추론 방법으로, 기계가 인간의 판단 방식과 유사하게 모호하고 불완전하며 불확실한 정보를 처리할 수 있도록 합니다.
퍼지 논리란 무엇입니까?
퍼지 로직 퍼지 논리는 변수의 진리값이 0과 1 사이의 임의의 실수일 수 있는 다치 논리입니다. 부분적인 참의 개념을 다룰 수 있으며, 실생활에서 어떤 명제가 완전히 참인지 완전히 거짓인지 판단하기 어려운 상황에 자주 직면하게 됩니다. 이때 퍼지 논리는 추론에 매우 유용한 유연성을 제공합니다.
그 값을 무엇이라고 부르는가? 회원 자격0은 전혀 소속되지 않음을, 1은 완전한 소속을, 0.7은 부분적인 소속을 의미합니다. 퍼지 알고리즘은 사용 가능한 모든 데이터를 해당 척도로 가중치를 부여한 후 주어진 입력에 대해 최선의 결정을 내립니다. 이 방법은 디지털 값 T와 F 사이의 모든 가능성을 고려하는 인간의 의사 결정 방식을 모방합니다.
퍼지 논리 시스템의 역사
다치 논리는 그 이름보다 역사가 더 오래되었습니다. 얀 루카시에비치는 1920년대에 삼치 논리를 설명했습니다. 결정적인 진전은 1965년 캘리포니아 버클리 대학의 로트피 자데 교수가 논문을 발표하면서 이루어졌습니다. "퍼지 세트" in 정보 및 통제그는 기존의 컴퓨터 논리로는 주관적이거나 불분명한 인간의 생각을 나타내는 데이터를 처리할 수 없다는 것을 관찰했다.
이 아이디어는 1974년 에브라힘 맘다니가 증기 기관용 최초의 작동 가능한 퍼지 제어기를 제작하면서 하드웨어로 구현되었고, 일본 제조업체들은 1980년대에 이를 상용화했습니다. 현재 퍼지 알고리즘은 제어 이론을 비롯한 다양한 분야에 활용되고 있습니다. 인공 지능이는 컴퓨터가 엄밀히 말하면 참도 아니고 완전히 거짓도 아닌 데이터, 즉 "약간 어둡다", "꽤 밝다" 등과 같은 차이를 구분하도록 하는 것입니다.
퍼지논리의 특징
퍼지 논리의 몇 가지 중요한 특징은 다음과 같습니다.
- 유연하고 구현이 용이함 기계 학습 기술
- 인간의 사고 논리를 모방하는 데 도움이 됩니다.
- 진실은 두 가지 값으로 제한되지 않습니다. 0과 1 사이의 어떤 차수든 해답을 나타낼 수 있습니다.
- 불확실하거나 대략적인 추론에 매우 적합한 방법
- 퍼지 논리는 추론을 탄력적 제약 조건을 전파하는 과정으로 봅니다.
- 퍼지 논리를 사용하면 임의의 복잡성을 가진 비선형 함수를 구성할 수 있습니다.
- 퍼지 로직은 전문가의 완전한 지도를 통해 구축되어야 합니다.
퍼지 논리를 사용하지 말아야 할 경우
퍼지 논리가 모든 문제의 해결책은 아닙니다. 퍼지 논리를 사용해서는 안 되는 경우를 이해하는 것 또한 똑같이 중요합니다.
다음과 같은 상황에서는 퍼지 논리를 사용하지 않는 것이 더 나을 수 있습니다.
- 입력 공간을 출력 공간에 편리하게 매핑할 수 없는 경우
- 상식적으로 이미 해결 가능한 문제에는 퍼지 논리를 사용해서는 안 됩니다.
- 기존의 많은 제어기는 퍼지 논리를 전혀 사용하지 않고도 훌륭하게 작동합니다.
퍼지 로직 Archi강의
퍼지 논리 아키텍처는 네 가지 주요 부분으로 구성되며, 아래 다이어그램은 명확한 입력이 이 모든 부분을 거치는 과정을 보여줍니다.
룰베이스
이 집합에는 전문가들이 의사결정 시스템을 제어하기 위해 제시한 모든 규칙과 조건문(IF-THEN)이 포함되어 있습니다. 최근 퍼지 이론 연구는 퍼지 컨트롤러의 설계 및 조정에 대한 다양한 방법을 제공하며, 이러한 방법들은 퍼지 집합에 필요한 규칙의 수를 크게 줄여줍니다.
퍼지화
퍼지화는 입력값을 변환하는 과정입니다. 즉, 명확한 숫자를 퍼지 집합으로 바꿉니다. 명확한 입력값(실내 온도, 압력 등)은 추가 처리를 위해 제어 시스템으로 전달됩니다. 이러한 변환은 퍼지화 과정을 통해 이루어집니다. 멤버십 기능이는 가능한 모든 입력값을 0과 1 사이의 소속 정도에 매핑하는 곡선입니다.
추론 엔진
이 시스템은 퍼지 입력과 각 규칙 간의 일치 정도를 판단합니다. 일치율을 기반으로 주어진 입력 필드에 적용해야 할 규칙을 결정합니다. 적용된 규칙들을 조합하여 제어 동작을 생성합니다.
비퍼지화
마지막으로, 역퍼지화는 퍼지 집합을 다시 하나의 명확한 값으로 변환합니다. 여기에는 여러 가지 기법이 있습니다. 중심점, 이등분선 및 최대값 기반 방법 일반적인 선택지들이므로, 자신에게 가장 적합한 것을 고르세요. 전문가 시스템.
퍼지 논리 대 확률
모호성과 확률은 흔히 혼동되지만, 서로 다른 질문에 대한 답을 제시합니다.
| 퍼지 로직 | 있을 법한 일 |
|---|---|
| 퍼지: 노인 세트 내에서 Tom의 멤버십 등급은 0.90입니다. | 확률: 톰이 늙을 확률은 90%입니다. |
| 퍼지 논리는 모호함 현상 모델에 대한 수학적 기초로 진리도를 취합니다. | 확률은 무지의 수학적 모델입니다. |
바삭함 vs. 퍼지
| 상쾌한 | 퍼지 |
|---|---|
| 엄격한 경계 T 또는 F가 있습니다. | 회원 등급이 모호한 경계 |
| 일부 명확한 시간 설정은 모호할 수 있습니다. | 바삭할 수 없어요 |
| 참/거짓 {0,1} | [0,1]의 멤버십 값 |
| 명확한 논리에서는 배중률과 모순율이 성립할 수도 있고 성립하지 않을 수도 있습니다. | 퍼지 논리에서는 배중률과 모순율이 성립합니다. |
고전적 집합론 vs. 퍼지 집합론
| 클래식 세트 | 퍼지 집합 이론 |
|---|---|
| 경계가 뚜렷한 객체 클래스입니다. | 객체 클래스에는 뚜렷한 경계가 없습니다. |
| 고전적인 집합은 선명한 경계로 정의됩니다. 즉, 집합 경계의 위치가 명확합니다. | 퍼지 집합에는 항상 모호한 경계가 있습니다. 즉, 집합 경계의 위치에 대한 불확실성이 있을 수 있습니다. |
| 디지털 시스템 설계에 널리 사용됨 | 주로 퍼지 제어기 및 근사 추론 시스템에 사용됩니다. |
퍼지 논리 예
아래 그림은 멤버십 척도를 구체화한 것입니다. 퍼지 시스템에서 값은 0에서 1 사이의 숫자로 표현되며, 1.0은 절대적인 참을, 0.0은 절대적인 거짓을 의미합니다.
퍼지 논리의 응용 분야
아래 표는 유명 기업들이 자사 제품에 적용한 퍼지 논리의 사례를 보여줍니다.
| 프로덕트 | 회사 | 퍼지 로직 |
|---|---|---|
| 안티 - 록 브레이크 | 닛산 | 위험한 상황에서 차량 속도, 가속도, 바퀴 회전 속도 및 바퀴 가속도에 따라 퍼지 논리를 사용하여 브레이크를 제어합니다. |
| 자동 변속기 | NOK/닛산 | 퍼지 로직은 스로틀 설정, 냉각수 온도, RPM 등에 따라 연료 분사 및 점화를 제어하는 데 사용됩니다. |
| 자동 엔진 | 혼다, 닛산 | 엔진 부하, 운전 스타일 및 도로 조건에 따라 기어를 선택하는 데 사용됩니다. |
| 복사기 | 규범 | 영상 밀도, 습도 및 온도에 따라 드럼 전압을 조정하는 데 사용됩니다. |
| 크루즈 컨트롤 | 닛산, 이스즈, 미쓰비시 | 차량 속도와 가속도를 설정하기 위해 스로틀 설정을 조절하는 데 사용됩니다. |
| 식기 세척기 | 마쓰시타 | 식기의 개수와 식기에 담긴 음식의 양에 따라 세척 주기, 헹굼 및 세척 방식을 조절하는 데 사용됩니다. |
| 엘리베이터 제어 | 후지텍, 미쓰비시전기, 도시바 | 승객 수에 따라 대기 시간을 줄이는 데 사용됩니다. |
| 골프 진단 시스템 | 마루망 골프 | 골퍼의 스윙과 체격에 맞춰 골프 클럽을 선택합니다. |
| 체력관리 | 옴론 | 직원들의 적합성을 확인하기 위해 퍼지 규칙을 적용했습니다. |
| 가마 제어 | 니폰 스틸 | 시멘트를 혼합한다 |
| 전자 레인지 | 미쓰비시 화학 | 전원 및 조리 전략을 설정합니다. |
| 팜탑 컴퓨터 | 히타치, 샤프, 산요, 도시바 | 손으로 쓴 한자 문자를 인식합니다. |
| 플라즈마 에칭 | 미쯔비시 전기 | 에칭 시간 및 전략 설정 |
참고 : 이러한 제품들 중 상당수는 1980년대 후반과 1990년대의 퍼지 가전 붐 시대에 출시된 것이며, 마쓰시타는 2008년부터 파나소닉이라는 이름으로 사업을 운영해 왔습니다.
퍼지 논리 시스템의 장점
엔지니어들이 퍼지 제어기를 계속 사용하는 이유는 퍼지 제어기가 불규칙한 입력에 대한 내성을 저렴하게 확보할 수 있게 해주기 때문입니다.
- 퍼지 논리 시스템의 구조는 간단하고 이해하기 쉽습니다.
- 퍼지 논리는 상업적이고 실용적인 목적으로 널리 사용됩니다.
- 인공지능 분야의 퍼지 논리는 기계와 소비자 제품을 제어하는 데 도움이 됩니다.
- 정확한 추론을 제시하지는 못할지라도, 실제 상황에서 받아들일 수 있는 추론을 제시합니다.
- 퍼지 논리 데이터 마이닝 엔지니어링 분야의 불확실성에 대처하는 데 도움이 됩니다.
- 정확한 입력이 필요하지 않으므로 대부분 안정적입니다.
- 피드백 센서가 응답을 멈추는 상황에서도 계속 작동하도록 프로그래밍할 수 있습니다.
- 시스템 성능을 개선하거나 변경하기 위해 쉽게 수정할 수 있습니다.
- 저렴한 센서를 사용할 수 있으므로 전체 시스템 비용과 복잡성을 낮추는 데 도움이 됩니다.
- 이는 복잡한 문제에 대한 매우 효과적인 해결책을 제공합니다.
퍼지 논리 시스템의 단점
- 퍼지 논리는 항상 정확한 것은 아니며, 결과는 가정에 기반하므로 널리 받아들여지지 않을 수 있습니다.
- 퍼지 시스템은 그 자체로는 학습하지 않습니다. 신경망 패턴 인식 능력을 가지고
- 퍼지 지식 기반 시스템의 유효성 검증 및 확인을 위해서는 하드웨어를 이용한 광범위한 테스트가 필요합니다.
- 정확한 퍼지 규칙과 멤버십 함수를 설정하는 것은 어려운 작업입니다.
- 퍼지 논리는 확률 이론과 자주 혼동되며, 두 용어가 뒤섞이는 경우가 많습니다.
