퍼지 이론 (Fuzzy Theory) 컴퓨터를 인간에 가깝게 하는 일의 어려움 Zadeh의 퍼지 집합

Slides:



Advertisements
Similar presentations
10-7 부동소수점 (Floating-Point) 계산  컴퓨터에서 숫자를 표기하는 방법  가수 (Fraction) : 부호화된 고정소수점 숫자 지수 (Exponent) : 소수점의 위치를 표시 ( 예 )10 진수 를 표기하면 Fraction Exponent.
Advertisements

변수와 조건문 빛나리 36 호 박승운. 파이썬 쉽게 사용하기 Python IDLE 사용 FILE - New File 로 파일 만들기 Run – Run Module 로 실행하기.
1. 2 차원 배열  배열은 동일한 데이터 유형으로 여러 개의 변수를 사용할 경우 같은 이 름으로 지정하여 간편하게 사용할 수 있도록 하는 것으로서 앞에서 1 차원 배열을 공부하였습니다.  2 차원 배열은 바둑판을 생각하면 되며, 1 차원 배열에서 사용하는 첨자를 2.
이진 나무 구조 강윤섭 2008년 5월 23일.
컴퓨터와 인터넷.
재료수치해석 HW # 박재혁.
적분방법의 연속방정식으로부터 Q=AV 방정식을 도출하라.
색좌표 변환기의 설계 예 색좌표(Color Space) 색의 수학적인 표현 방법 RGB YIQ, YUV, YCbCr CMYK
4.3.3 초기하분포 (Hypergeometric distribution)
퍼지추론.
Chapter 7. 조건문.
#include <stdio.h> int main(void) { float radius; // 원의 반지름
제 9 장 구조체와 공용체.
수치해석 6장 예제문제 환경공학과 천대길.
WJ543 인공지능 2003년도 제 2학기.
제 5장 퍼지이론 (Fuzzy theory) Slide 1 (of 48).
퍼지 이론 (Fuzzy Theory) 컴퓨터를 인간에 가깝게 하는 일의 어려움 Zadeh의 퍼지 집합
퍼지 이론 (Fuzzy Theory) 컴퓨터를 인간에 가깝게 하는 일의 어려움 Zadeh의 퍼지 집합
SqlParameter 클래스 선문 비트 18기 발표자 : 박성한.
멀티미디어 시스템 (아날로그 이미지,신호를 디지털로 변환 방법) 이름 : 김대진 학번 :
2007 1학기 11 프로젝트 기초 실습.
CH 4. 확률변수와 확률분포 4.1 확률 확률실험 (Random Experiment, 시행, Trial) : 결과를 확률적으로 예측 가능, 똑 같은 조건에서 반복 근원사상 (Elementary Event, e) : 시행 때 마다 나타날 수 있는 결과 표본공간.
행렬 기본 개념 행렬의 연산 여러가지 행렬 행렬식 역행렬 연립 일차 방정식 부울행렬.
3차원 객체 모델링.
Ⅲ. 이 차 방 정 식 1. 이차방정식과 그 풀이 2. 근 의 공 식.
1.4 중첩된 한정기호 (Nested Quantifiers) 이산수학 (Discrete Mathematics)
MATLAB
(Relations and Its Properties)
2002년도 대한토목학회 학술발표회 Semi-active Fuzzy control for Seismic Response Reduction Using MR Damper K-M Choi1), H-J Jung1) J-H Lee2) and I-W Lee1) 1) Department.
퍼지이론(Fuzzy Theory) 지 은 희.
Term Projects 다음에 주어진 2개중에서 한 개를 선택하여 문제를 해결하시오. 기한: 중간 보고서: 5/30 (5)
연산자 (Operator).
Metal Forming CAE Lab., Gyeongsang National University
ITQ 정보기술자격 국가공인 Excel 2007 Ⅱ 함수- 11회차 강사 : 박영민.
퍼지 이론 (Fuzzy Theory) 컴퓨터를 인간에 가깝게 하는 일의 어려움 Zadeh의 퍼지 집합
고체역학 2 - 기말고사 1. 단면이 정사각형이고 한번의 길이가 a 일 때, 최대굽힘응력과 최대전단응력의 비를 구하라(10).
이산수학(Discrete Mathematics)  명제의 동치 (Propositional Equivalence)
합집합과 교집합이란 무엇인가? 01 합집합 두 집합 A, B에 대하여 A에 속하거나 B에 속하는 모든 원소로 이루어진 집합을 A와 B의 합집합이라고 하며, 기호 A∪B로 나타낸다. A∪B ={x | x∈A 또는 x∈B}
위치 에너지(2) 들어 올리기만 해도 에너지가 생겨. 탄성력에 의한 위치 에너지.
컴퓨터 프로그래밍 기초 - 8th : 함수와 변수 / 배열 -
Fitting / Matrix / Excel
2. Boole 대수와 논리 게이트.
수학10-나 1학년 2학기 Ⅳ.삼각함수 4. 삼각방정식과 삼각부등식(9/12) 삼각함수 수업계획 수업활동.
Excel 일차 강사 : 박영민.
제3장 함수와 배열수식 전진환
수학10-나 1학년 2학기 Ⅱ.부등식의 영역 2. 연립부등식의 영역 (3/5) 부등식 영역 수업계획 수업활동.
Sampling Distributions
약식 진리표를 이용한 타당성 증명 진리표 그리기 방법의 한계
김정숙 (고려대학교 2014년) 국어국문학과 한국어학 석사 1기 이 드미뜨리
에어 PHP 입문.
4장. 데이터 표현 방식의 이해. 4장. 데이터 표현 방식의 이해 4-1 컴퓨터의 데이터 표현 진법에 대한 이해 n 진수 표현 방식 : n개의 문자를 이용해서 데이터를 표현 그림 4-1.
2장 PHP 기초 PHP의 시작과 끝을 이해한다. 주석문에 대하여 이해한다. echo 문을 이용하여 화면에 출력하
3. 반/전 가산기, 반/전 감산기 제작 컴퓨터 구조 실습 안내서.
쉽게 배우는 알고리즘 2장. 점화식과 점근적 복잡도 분석
상관계수.
제 22 강 논리식 및 논리 값 shcho.pe.kr.
Numerical Analysis Programming using NRs
8장 선택 논리 II 1. 논리연산자 1.1 논리연산자 : AND (&&) 1.2 논리연산자 : OR (||)
이산수학(Discrete Mathematics)  술어와 한정기호 (Predicates and Quantifiers)
제 4 장 Record.
수치해석 ch3 환경공학과 김지숙.
수학10-나 1학년 2학기 Ⅱ.부등식의 영역 3. 부등식의 영역에서 최대, 최소(5/5) 부등식 영역 수업계획 수업활동.
 6장. SQL 쿼리.
버스와 메모리 전송 버스 시스템 레지스터와 레지스터들 사이의 정보 전송을 위한 경로
퍼지 이론 (Lecture Note #12) 인공지능 이복주 단국대학교 컴퓨터공학과
문제의 답안 잘 생각해 보시기 바랍니다..
진리표를 이용한 타당성 증명 진리표(truth table) : 단순 문장들이 진리값을 상이하게 가질 수 있는 가능한 모든 경우를 남김없이 열거한 표 (ex) 오늘은 날씨가 맑거나 비가 올 것이다. 오늘은 날씨가 맑다 비가 온다 오늘은 날씨가 맑거나 비가 올 것이다. T.
Visual Basic .NET 기초문법.
Cuk LED driver output current ripple calculation
퍼지 이론 (Lecture Note #13) 인공지능 이복주 단국대학교 컴퓨터공학과
Presentation transcript:

퍼지 이론 (Fuzzy Theory) 컴퓨터를 인간에 가깝게 하는 일의 어려움 Zadeh의 퍼지 집합 컴퓨터의 수치 및 기호처리를 이용 → 모호하지 않은 작업처리 인간의 행동 → 애매한 정보를 많이 이용 ↓ 퍼지 이론: 애매함을 처리하는 수리 이론 Zadeh의 퍼지 집합 “아름다운 여자의 집합”, “키 큰 사람의 집합” 패턴 인식, 의미 정보 전달, 추상화 등에 중요한 역할 소속 여부가 확실하지 않은 경우의 집합 - 수학적 집합과 배치 정밀 복잡한 제어 이론을 개괄적으로 해결하려는 의도 Crisp 논리 vs Fuzzy 논리 0,1의 명제값과 0과 1사이의 실수값을 명제값으로 가짐 “오늘 비가 올 확률이 70%이다” → 명제의 확신도 → 확률과 다른가? “내일 미인을 만날 확률이 50%이다” → 내일의 만남은 확률, 미인인지는 애매함

퍼지 집합(Fuzzy Set) 기호 퍼지 집합 표현 집합 X의 최대값 연산: ∨ 최소값 연산: ∧ 전체 집합 X의 각 원소 x가 X의 퍼지 집합 A에 속하는 정도, 즉 퍼지 집합 A의 소속 함수(membership function) x∈X가 퍼지 집합 A에 소속되는 정도(degree or grade of membership) 퍼지 집합 표현 집합 X가 이산: 집합 X가 연속:

정규 퍼지 집합(Normal Fuzzy Set) 지지 집합(Support Set) 예) 퍼지집합 A={1.0/1, 0/2, 0.5/3, 0/4, 0.2/5}일 때, supp(A)? 해: supp(A) = { 1, 3, 5 } 정규 퍼지 집합(Normal Fuzzy Set) x∈X중에서 적어도 하나의 원소가 퍼지 집합 A의 소속 함수 값이 1이 될때, A는 정규 퍼지 집합이라 한다. or 볼록 퍼지 집합(Convex Fuzzy Set)

상등(집합 X의 두개의 퍼지 집합 A, B) 포함 (집합 X의 두개의 퍼지 집합 A, B) 예) 퍼지 집합 A={ 1/1, 0.5/2, 0/3}, B={y| y=-1/2x+3/2, for x=1,2,3} 해: 퍼지 집합 A=B 포함 (집합 X의 두개의 퍼지 집합 A, B) 예) 퍼지 집합 A={키 큰 사람}, B={키가 작지 않은 사람}일 때 포함관계? 해: 퍼지 집합 A  B

퍼지 집합의 연산 한계합 한계곱 -컷 예) 키가 크거나 몸무게가 무거운 사람의 집합 , 키도 크고 몸무게도 무거운 사람의 집합, 키가 크지 않은 사람의 집합

퍼지 관계(Fuzzy Relation) 정의 집합 X, Y 사이의 퍼지 관계 R의 소속 함수 예) X={1, 2}, Y={1, 3, 5}, R=“y는 x보다 훨씬 크다” 해: 두 수 x, y의 비를 보고 주관적으로 정하면,

퍼지 집합의 관계 역 퍼지 관계 집합 A, B는 전체 집합 X, Y상의 퍼지 집합 AB는 X  Y상의 퍼지 관계 예) X={1, 2}, Y={1, 3, 5}, R=“y는 x보다 훨씬 크다” 의 역 퍼지 관계? 해: R-1=“x는 y보다 훨씬 작다”

퍼지 관계의 연산(X  Y상의 퍼지 관계 P, R에 대해) 예) X={x1, x2}, Y={y1, y2}, X와 Y 사이의 퍼지 관계 P와 R이 다음과 같이 주어질 때, PR, PR, Rc ? 해:

퍼지 관계의 합성(Composition) P: X  Y상의 퍼지 관계 R: Y  Z상의 퍼지 관계 PR: X  Z상의 퍼지 관계 → 최대-최소 합성(max-min composition) 경우에 따라서는 최대-곱, 최소-최대, 최대-최대, 최소-최소, 최대-평균 등을 적용할 수 있다. 퍼지 집합과 퍼지 관계 합성 X상의 퍼지 집합 A와 X  Y상의 퍼지 관계 R의 합성  R을 f: X → Y로 해석하면, f(A)=A  R : A의 f에 의한 상(image)

예) P(X  Y)와 R(Y  Z)이 주어질 때, PR(X  Z)의 최대-최소 합성? 해:

퍼지 수(Fuzzy Number) 임의의 실수 r에 대해서, “약 r”, “거의 r” 퍼지 수를 나타내는 퍼지 집합의 소속 함수 정규이고 볼록 형태를 갖는 퍼지 집합 종형: 매끄러운 모양이지만 계산이 복잡

삼각형: 종형의 간략화로서 일반적으로 많이 사용됨 사다리꼴: 종형과 삼각형의 혼합, 간단

퍼지 추론 (Fuzzy Inference) 퍼지 명제: 애매함이 포함된 언어적 명제(linguistic proposition) x∈X, A가 X의 퍼지 집합일 때 퍼지 명제 P 퍼지 명제: P = “x is A” 예) P: “지하철이 있는 도시는 매우 큰 도시이다” X: “모든 도시”, A: “매우 큰 도시” 퍼지 조건 명제 P → Q = if P then Q = if “x is A” then “y is B” = (x, y) is RP→Q RP→Q: 조건 명제 P → Q에 대한 X  Y 상의 퍼지 관계 P: 전건부(antecedent portion) Q: 후건부(consequent portion)

퍼지 추론(Fuzzy Reasoning) 퍼지 추론: 몇 개의 퍼지 명제로부터 하나의 다른 근사적인 퍼지 명제를 유도하는 근사 추론(approximate reasoning) 긍정식(modus ponens)가 추론의 기반 [ P와 PQ가 참이면, Q가 참 ] 임을 주장하는 규칙 “영희는 미인이다” 와 “미인은 박명한다”의 경우 일반 추론: “영희는 박명한다” 퍼지 추론: “영희는 미인인 정도 만큼 박명한다” 일반화된 긍정식(generalized modus ponens): 전제와 전건부가 완전 일치가 안됨 → 후건부도 결론과 완전 일치가 안됨 [전제] P+ : “저 아기는 매우 기분이 좋다” [조건] P → Q : “만일 아기가 기분이 좋으면, 그 아기는 웃는다” [결론] Q+ : “저 아기는 매우 웃는다”

퍼지 추론의 합성 규칙 일반화된 긍정식에 대한 구체적인 추론 방법 일반 형식 실제 추론에서 퍼지 조건 명제가 사용될 경우 관계 개념을 퍼지 명제에 대한 관계 개념으로 확장, 최대-최소 합성 연산에 의한 근사적 결론을 추론 일반 형식 [전제] P1 : “x is A” [조건] P2 : “(x, y) is R” [결론] Q : “y is AR” 실제 추론에서 퍼지 조건 명제가 사용될 경우 [전제] P1 : “x is A+” [조건] P2 : if “x is A” then “y is B” [결론] Q : “y is B+” → B+ = A+RA→B 퍼지 조건 명제와 퍼지 관계의 변환이 중요: 표준 해결 방법은 없음

A → B에 대한 RA→B의 결정 방법(실용상 간편한 방법) 직접법에 의한 퍼지 추론 [전제] P+ : “x is A+” [조건] PQ : if “x is A” then “y is B” [결론] Q + : “y is A+RA→B” RA→B ≡ RP→Q , 퍼지 조건 명제 P → Q ≡ 퍼지 집합을 이용한 관계 A → B A → B에 대한 RA→B의 결정 방법(실용상 간편한 방법) 조건 명제와 동치인 논리식 사용 (P → Q ≡ ~P∨Q ≡ (P∧Q)∨~P 이용) RA→B = R(A∧B)∨~A로 하여 소속함수는 Rescher의 다진 논리

A → B에 대한 RA→B의 결정 방법(계속) Lukasiewicz의 다진 논리 변형 Mamdani의 제안 일반적으로 가장 많이 사용 → 각 방법에 따른 결론은 퍼지 관계가 다르므로 반드시 같지는 않다. [ 를 사용한 결론] : “y is A+  “

퍼지 추론의 예 X=Y={1, 2, 3} A: “x∈X가 작다”에 대한 퍼지 집합 = {1.0/1, 0.5/2, 0/3} B: “y∈Y가 크다”에 대한 퍼지 집합 = {0/1, 0.5/2, 1.0/3} A+: “x∈X가 매우 작다”에 대한 퍼지 집합 = {1.0/1, 0.25/2, 0/3} Rz, Rr, Re, Rm 각각을 구한다. 각 방법에 의한 추론 결과는 [전제] P1 : “x is A+” ; 1이 매우 작다(1.0) [조건] P2 : if “x is A” then “y is B” ; 1이 작으면 2는 크다 [결론] Q : “y is B+” ; 2는 매우 크다(0.5)

조건들을 Or 또는 And로 취급하는 방식에 따라 퍼지 조건 명제가 2개 이상인 일반적인 퍼지 추론 [전제] P+ : “x is A+” [조건] P1 → Q1 : if “x is A1” then “y is B1” P2 → Q2 : if “x is A2” then “y is B2” … Pn → Qn : if “x is An” then “y is Bn” [결론] Q+ : “y is B+” Or 관계 And 관계 조건들을 Or 또는 And로 취급하는 방식에 따라 추론 방식이 달라진다.

퍼지 이론의 응용 인공지능, 지능 제어, 전문가 시스템, 패턴 인식 의료, 정보 검색, 가전제품 의사 결정 지원, 앙케이트 조사 퍼지 제어 세탁기, 카메라, 차량 제어 등 어느 정도 실용화 가장 많이 적용 주로 1단계 추론으로 단순한 기술 적용 퍼지 전문가 시스템 문제 영역 전문가의 지식에 대해서 생성 방식으로 추론이 진행 전문가의 지식을 사실과 규칙으로 나누어 복잡한 추론 과정 진행 지식에 fuzziness를 도입 → 퍼지 생성 시스템(production system)

Fuzzy control application on a Traffic Road 퍼지 교통제어 Fuzzy Logic Control inputs output Inputs={Arrival, Queue} Output={Extension}

Arrival : Green 신호에 진입한 차량 수 Fuzzy control Traffic simulator N Front detector W E Arrival : Green 신호에 진입한 차량 수 N(7대), S(8대)=15대 Rear detector Queue : Red 신호에 대기하는 차량 수 W(6대), E(5대)=11대 S

f1 : A=10 & Q=20 then E=0초 f2 : A=20 & Q=5 then E=10초 Fuzzy control 추론 Primitive time(기본주기) :18초, A=10, Q=20 Extension time : Primitive time 이외의 연장시간 f1 : A=10 & Q=20 then E=0초 f2 : A=20 & Q=5 then E=10초 f3 : A=0 & Q=0 then E=?초

1. Fuzzy input variables & their membership functions Fuzzy control 1. Fuzzy input variables & their membership functions zero light normal heavy zero light normal heavy 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 zero short medium long 0 1 2 3 4 5 6 7 8 9 10

2. Fuzzy control rules(rule의 개수 4*4=16) Extension

R1 : if Arrival = Z and Queue = Z then Extension = Z(Zero) Fuzzy control <규칙설명> R1 : if Arrival = Z and Queue = Z then Extension = Z(Zero) R2 : if Arrival = Z and Queue = S then Extension = Z R3 : if Arrival = Z and Queue = M then Extension = Z R4 : if Arrival = Z and Queue = L then Extension = Z R5 : if Arrival = S and Queue = Z then Extension = S(Short) R6 : if Arrival = S and Queue = S then Extension = Z R7 : if Arrival = S and Queue = M then Extension = Z R8 : if Arrival = S and Queue = L then Extension = Z R9 : if Arrival = M and Queue = Z then Extension = M(Medium) R10 : if Arrival = M and Queue = S then Extension = S R11 : if Arrival = M and Queue = M then Extension = Z R12 : if Arrival = M and Queue = L then Extension = Z R13 : if Arrival = L and Queue = Z then Extension = L(Long) R14 : if Arrival = L and Queue = S then Extension = M R15 : if Arrival = L and Queue = M then Extension = S R16 : if Arrival = L and Queue = L then Extension = Z

Linguistic Label of Extension Fuzzy control <계산식> u[i] * u(i, Extension) Extension = ---------------------- u[i] 16 u[i] = ∑ min( Ri-Arrival, Ri-Queue) i =1 u(i, Extension) = the extension_unit of i-th Rule Linguistic Label of Extension

Ex) Arrival = 7 이고 Queue = 5 일 때 Extension = ? Fuzzy control Ex) Arrival = 7 이고 Queue = 5 일 때 Extension = ? R1 : if Arrival(Zero) = 0 and Queue(Zero) = 0 then Extension(Zero) = 0초 min(0, 0) = 0 R2 : if Arrival(Zero) = 0 and Queue(Short) = 0.2 then Extension(Zero) = 0초 R3 : if Arrival(Zero) = 0 and Queue(Medium) = 0.8 then Extension(Zero) = 0초 R4 : if Arrival(Zero) = 0 and Queue(Long) = 0 then Extension(Zero) = 0초 R5 : if Arrival(Short) = 0 and Queue(Zero) = 0 then Extension(Short) = 3초 R6 : if Arrival(Short) = 0 and Queue(Short) = 0.2 then Extension(Zero) = 0초 R7 : if Arrival(Short) = 0 and Queue(Medium) = 0.8 then Extension(Zero) = 0초 R8 : if Arrival(Short) = 0 and Queue(Long) = 0 then Extension(Zero) = 0초 R9 : if Arrival(Medium) = 0.7 and Queue(Zero) = 0 then Extension(Medium) = 6초 R10 : if Arrival(Medium) = 0.7 and Queue(Short) = 0.2 then Extension(Short) = 3초 min(0.7, 0.2) = 0.2 R11 : if Arrival(Medium) = 0.7 and Queue(Medium) = 0.8 then Extension(Zero) = 0초 R12 : if Arrival(Medium) = 0.7 and Queue(Long) = 0 then Extension(Zero) = 0초 R13 : if Arrival(Long) = 0.4 and Queue(Zero) = 0 then Extension(Long) = 9초 R14 : if Arrival(Long) = 0.4 and Queue(Short) = 0.2 then Extension(Medium) = 6초 R15 : if Arrival(Long) = 0.4 and Queue(Medium) = 0.8 then Extension(Short) = 3초 R16 : if Arrival(Long) = 0.4 and Queue(Long) = 0 then Extension(Zero) = 0초

Fuzzy control numerator Extension = -------------- denominator 0.2*3 + 0.7*0 + 0.2*6 + 0.4*3 Extension = ------------------------- 0.2 + 0.7 + 0.2 + 0.4 = 2(sec)