퍼지 논리 튜토리얼: 품질, 아키텍처, 애플리케이션, 장단점, 차이점

결정을 내려야 할 때 몇 번이나 간단한 예 또는 아니오입니까? 많은 경우에 귀하의 선택은 예 또는 아니오 질문의 변형이며 둘 사이에 여러 수준의 옵션이 있습니다.

누군가가 "오늘 밤 그 파티에 갈래요?"라고 묻는다고 가정해 보겠습니다. 당신의 대답은 아마도 예 또는 아니오가 아니라 '어쩌면 예' 또는 '확실히 그렇지 않습니다'일 것입니다.

인간의 의사 결정은 그러한 모호한 선택에 크게 의존합니다. 그리고 AI에서는 이 개념을 퍼지 논리라고 합니다.

이 퍼지 논리 튜토리얼 에서는 퍼지 논리가 무엇인지, 어떻게 작동하는지, 응용 프로그램이 무엇인지 배우게 됩니다. 시작하자.

퍼지 로직이란 무엇입니까? 설명

퍼지는 명확성이 부족함을 나타냅니다. 간단한 '예 또는 아니오' 결정을 내릴 수 없는 경우가 많이 있습니다. 이러한 경우 동적 선택을 해야 합니다. 그런 점에서 퍼지 논리가 도움이 됩니다.

유연한 선택을 제공하고 더 많은 데이터와 변수로 추론할 수 있습니다. 모든 곳에서 부울 또는 유사한 논리를 사용할 수 없기 때문에 AI에는 퍼지 논리의 많은 응용 프로그램이 있습니다. 그것은 인간의 추론과 유사하며 선택의 예와 아니오 사이에 존재하는 모든 가능성을 고려합니다.

일반적인 논리는 예와 아니오의 두 가지 가능성만 고려합니다. 그러나 인간은 그런 결정을 내리지 않습니다. 예와 아니오 사이에는 가능한 예, 아니요와 같은 많은 가능성이 있습니다. 퍼지 논리는 이러한 가능성을 모두 고려합니다.

자세히 알아보기: 초보자를 위한 상위 5가지 머신 러닝 모델 설명

작은 역사

컴퓨터 과학자이자 수학자인 Lotfi Zadeh 는 인간과 컴퓨터의 의사 결정에는 큰 차이가 있음을 깨달았을 때 퍼지 논리를 생각해 냈습니다. 그는 기존의 컴퓨터 논리가 인간과 유사한 불분명한 아이디어를 나타내기 위해 데이터를 조작할 수 없다고 지적했습니다.

앞서 언급했듯이 AI에는 퍼지 논리가 많이 적용 됩니다. 그러나 인공 지능이 부울 논리와 일치하지 않는 데이터를 구별할 수 있도록 하므로 다른 많은 분야에서도 볼 수 있습니다. 이는 데이터가 참도 거짓도 아님을 의미합니다.

퍼지 논리의 특성

퍼지 논리는 다소 복잡해 보일 수 있지만 매우 쉽게 구현할 수 있는 유연한 기계 학습 기술입니다. 인간의 생각을 모방할 수 있습니다. 불확실성이 높은 문제를 해결하는 데에도 적합합니다.

임의의 복잡성을 갖는 비선형 함수를 구성할 수 있습니다. 그러나 이 경우 실수를 하기 쉽기 때문에 동일한 지식을 충분히 숙지한 후에 빌드해야 합니다.

퍼지 논리를 사용하지 말아야 하는 경우

퍼지 논리를 사용하면 안 되는 몇 가지 경우가 있습니다. 다음은 그 중 일부입니다.

• 기존 논리를 사용하여 솔루션에 도달할 수 있으면 모든 것이 지나치게 복잡해지기 때문에 퍼지 논리를 사용할 필요가 없습니다.
• 컨트롤러에 반드시 퍼지 논리가 필요한 것은 아닙니다.
• 입력을 출력에 매핑할 수 없으면 퍼지 논리를 사용하면 안 됩니다.

퍼지 논리는 어떻게 작동합니까? (건축물)

퍼지 논리의 아키텍처에는 다음 구성 요소가 있습니다.

• 규칙
• 퍼지화기
• 추론(지능)
• 디퓨저

규칙: fuzzifier의 모든 규칙은 규칙 베이스에 저장된 상태로 유지됩니다. 논리에 입력하는 모든 IF-THEN 조건도 여기에 남아 있어 결정을 내릴 수 있습니다. 퍼지 로직의 최근 업데이트를 통해 AI 전문가는 필요한 규칙 수를 줄일 수 있습니다.

Fuzzifier: Fuzzifier는 입력(명확한 숫자)을 퍼지 집합으로 변환합니다. 센서는 크립 입력을 측정하고 이를 제어 시스템으로 전달하여 로직이 추가로 처리할 수 있도록 합니다.

추론: Fuzzifier 다음에 추론 엔진이 옵니다. 퍼지 입력이 규칙과 얼마나 일치하는지 찾습니다. 또한 입력 필드에 따라 적용해야 하는 규칙을 선택합니다.

Defuzzifier: 이 단계에서 Defuzzifier는 수신한 퍼지 세트를 선명한 출력으로 변환합니다. 역퍼지화에는 여러 가지 형태가 있으므로 필요에 따라 선택해야 합니다.

읽기: 현실 세계의 AI 애플리케이션

퍼지 논리와 확률의 차이점

이 퍼지 논리 튜토리얼 의 개념을 제대로 이해하려면 퍼지 논리와 확률의 차이점을 살펴봐야 합니다. 많은 사람들을 혼란스럽게 하기 때문입니다.

둘 사이의 첫 번째 주요 차이점은 그들이 다루는 주제입니다. 퍼지 논리는 사실에 대해 작동하는 반면 확률은 발생하거나 발생하지 않을 수 있는 이벤트에 대해 작동합니다. 퍼지 논리는 부분적인 진실을 전달하는 반면 확률은 부분적인 지식을 전달합니다.

또한 퍼지 논리는 진리를 수학적 기초로 삼는 반면 확률은 무지의 모델을 구축합니다.

퍼지와 크리스프의 차이점

둘 사이에는 많은 차이점이 있습니다. 첫째, 파삭 파삭 한 시간 세트는 퍼지 수 있지만 퍼지 시간 세트는 파삭 파삭 할 수 없습니다. 비모순 및 배제된 중간의 법칙은 크리스프 논리에서 성립할 수도 있고 그렇지 않을 수도 있습니다. 반면에 퍼지 논리에서는 이러한 법칙이 성립합니다.

깔끔한 논리에는 엄격한 경계가 있습니다. 즉, True 또는 False일 수 있습니다. 퍼지 논리에는 여러 등급의 구성원이 있습니다.

더 읽어보기: 초보자를 위한 머신 러닝 프로젝트 아이디어

퍼지 논리의 응용 프로그램은 무엇입니까?

다음은 다양한 산업에서 퍼지 논리의 주요 응용 프로그램입니다.

자동차 부문

자동차 회사는 AI에서 퍼지 논리를 사용하여 잠금 방지 브레이크를 만듭니다. 퍼지 로직은 사고를 피하기 위해 가속도와 차량 속도에 따라 잠금 방지 브레이크를 적용해야 하는 시점을 파악할 수 있습니다.

자동차에서 퍼지 논리의 또 다른 용도는 자동 변속기입니다. 이러한 경우 퍼지 논리는 RPM 및 스로틀 설정에 따라 점화 및 연료 분사를 제어합니다. 크루즈 컨트롤은 차량이 특정 속도를 유지하고 운전자가 가속 페달을 밟지 않고 휴식을 취할 수 있도록 하는 기능입니다.

퍼지 논리는 지정된 차량 속도를 유지하기 위해 스로틀 설정을 조정하는 데 도움이 됩니다.

적합

Omron 은 퍼지 논리 규칙을 사용하여 직원의 체력 수준을 확인합니다. 그들은 이 목적을 위해 특정 규칙 세트를 추가했습니다. 이를 통해 많은 회사에서 직원의 체력을 모니터링하고 그에 따라 시설을 제공할 수 있습니다.

기타 애플리케이션

• 전자레인지는 퍼지 논리를 사용하여 올바른 요리 옵션을 선택합니다.
• 골프 진단 시스템은 골퍼의 체격 및 기타 요인에 따라 가장 적합한 골프 클럽을 추천하기 위해 퍼지 규칙을 적용합니다.
• 엘리베이터 제어 시스템은 승객 수에 따라 대기 시간을 결정합니다. 이를 위해 퍼지 논리를 구현합니다.
• 식기 세척기는 퍼지 논리를 사용하여 식기에 따라 올바른 세척 설정(주기, 헹굼 및 세척 시간 등)을 선택합니다.

퍼지 논리의 장점과 단점?

장점

• 퍼지 논리는 매우 이해하기 쉬운 간단한 구조를 가지고 있습니다.
• 자동차 및 가전 제품을 포함한 많은 산업 분야에 적용됩니다.
• 다른 알고리즘보다 더 나은 효율성으로 불확실성 문제를 해결합니다.
• 작동을 위해 정확한 입력이 필요하지 않기 때문에 다목적으로 사용 가능
• 구조가 간단하여 수정이 용이하고 성능을 향상시킬 수 있습니다.
• 피드백 센서가 작동하지 않으면 퍼지 논리를 사용하여 해당 문제를 해결할 수 있습니다.

단점

• 신경망과 유사한 패턴 인식을 수행할 수 없습니다.
• 퍼지 로직을 기반으로 시스템을 검증하고 검증하려면 많은 하드웨어 테스트가 필요합니다.
• 퍼지 규칙을 설정하는 것은 상당히 어려운 작업입니다.
• 퍼지 논리의 출력이 항상 정확한 것은 아닙니다. 결과가 허용되지 않을 수 있으므로 경우에 따라 문제가 발생할 수 있습니다.

마지막 생각들

이제 우리는 퍼지 논리 튜토리얼 의 끝에 도달했습니다. 이 기사가 도움이 되었기를 바랍니다. 퍼지 논리는 확실히 인공 지능의 가장 인기 있고 간단한 개념 중 하나입니다.

퍼지 논리 및 기타 AI 개념에 대해 자세히 알아보려면 블로그를 방문하는 것이 좋습니다. 거기에서 많은 유용한 기사를 찾을 수 있습니다.

더 자세하고 구조화된 학습 경험을 원한다면 AI 과정을 수강 하고 시작해야 합니다. 인공 지능 과정은 이 주제에 대해 필요한 모든 지식을 훨씬 쉽게 제공합니다.

기계 학습에 대해 자세히 알아보려면 IIIT-B 및 upGrad의 기계 학습 및 AI PG 디플로마를 확인하세요. 이 PG 디플로마는 일하는 전문가를 위해 설계되었으며 450시간 이상의 엄격한 교육, 30개 이상의 사례 연구 및 과제, IIIT- B 동문 자격, 5개 이상의 실용적인 실습 캡스톤 프로젝트 및 최고의 기업과의 취업 지원.