퍼지 이론 (Lecture Note #13) 인공지능 이복주 단국대학교 컴퓨터공학과

Slides:



Advertisements
Similar presentations
3 학년 문제가 남느냐, 내가 남느냐 1. ( 아씨방 일곱 동무 ) 아씨의 방에는 바느질을 위한 친구가 몇 명이 있었나요 ? 정답은 ? 일곱.
Advertisements

10장. 시기별 학급경영 11조 염지수 이 슬 권용민 신해식.
일본 근세사. (1) 에도막부의 개창 ( ㄱ ) 세키가하라의 전투 (1600) - 히데요시의 사후 다섯 명의 다이로 ( 大老 ) 가운데 최대 영지 (250 만석 ) 를 보유하고 있던 도쿠가와 이에야스가 급부상. 이에 이에야스와 반목해 온 이시다 미쓰나리 ( 石田三成 ),
아니마 / 아니무스 송문주 조아라. 아니마 아니마란 ? 남성의 마음속에 있는 여성적 심리 경향이 인격화 한 것. 막연한 느낌이나 기분, 예견적인 육감, 비합리적인 것에 대 한 감수성, 개인적인 사랑의 능력, 자연에 대한 감정, 그리.
인공지능 소개 부산대학교 인공지능연구실. 인공 + 지능 인공지능이란 ? 2.
제 6 장 네트워크 모형 (Network Model)
농촌 어메니티 관광정보 (제 5 호) - 농촌관광사업과 어메니티자원 활용전략 프로세스 - 농 촌 진 흥 청
지능형 에이전트 (Intelligent Agents) (Lecture Note #29)
연관규칙기법과 분류모형을 결합한 상품 추천 시스템:
CryoCell Introduction Global Leader of Beauty Group
인터넷교육 사업계획서. 인터넷교육 사업계획서 목 차 1. ㈜ △△△ 사업의 개요 11. 회사가 주최하는 교육 및 행사 12. 사업자 원천징수 2. ㈜ △△△ 사업의 특징 목 차 1. ㈜ △△△ 사업의 개요 2. ㈜ △△△ 사업의 특징 3. ㈜ △△△
Chapter 9. 컴퓨터설계기초 9-1 머리말 9-2 데이터 처리장치 (Datapath)
제 5장 기업의 생산활동 5.1 기업이란? 5.2 생산기술 5.3 생산비용 5.4 규모의 경제와 범위의 경제
PNP-804 사용설명서 및 사양서 삼성피엔피시스템 서울시 구로구 구로동 1262번지 B32,33호
원정초등학교 5학년1반 48번 윤민정.
MIS Report 2 제출일: 2008년 11월 04일 과목명: 경영정보시스템 교수명: 이 건창 교수님 성 명:조재선.
퍼지 이론 (Fuzzy Theory) 컴퓨터를 인간에 가깝게 하는 일의 어려움 Zadeh의 퍼지 집합
불확실성 (Lecture Note #11) 인공지능 이복주 단국대학교 컴퓨터공학과 Modified from the slides
담당교수: 월, 수, 금 5교시 과B132 연극의 이해(2003/2) UI 담당교수: 월, 수, 금 5교시 과B132.
REINFORCEMENT LEARNING
1. 스케줄링 개요 [그림 6-16] 프로세스의 반환, 대기, 반응 시간
Discrete Math II Howon Kim
최 연식 ( ) EDMS를 활용한 EKP 구축 전략 2002년 09월 04일 성우시스템 주식회사 김 정훈 ( ) 최 연식 ( )
bizmeka 스팸차단서비스 ASP 제안서
공학실험.
Contents 퍼지 개요 및 추론 과정 소개 예 1)날씨와 기분에 관한 예 Wallfollow system
불확실성(Uncertainty) 현실세계: 과학, 공학 시스템 내외부에 존재하는 불확실성에 대처할 필요
Computational Finance
제 5장 퍼지이론 (Fuzzy theory) Slide 1 (of 48).
불확실성(Uncertainty) 현실세계: 복잡, 예측이 어렵다. 비논리적, 상호 모순적인 상황들로 얽혀있다. → 과학, 공학: 단순화, 규칙성 부여 시스템 내외부에 존재하는 불확실성에 대처할 필요 단순화된 모델, 정형화된 기법의 한계 불확실성 해결 기법 불확실하고 상호.
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
스마트온도제어시스템 김수빈 박희준 이상인 (발표자)
Discrete Math II Howon Kim
9. 기계학습.
통합세대단자함방식 단위세대내 통신선로 시설공법개선
Medical Instrumentation
서 울 정 보 시 스 템 (02) 북집(BookZip) 지식N요약 DB 국내서 요약, 해외서 Preview, Global Trend, Media 브리핑 ‘모바일 서비스 이용방법 서 울 정 보 시 스.
2D 게임 프로그래밍 박건우.
이산수학(Discrete Mathematics)  증명 전략 (Proof Strategy)
생명과학Ⅰ.
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.
패턴인식 개론 패턴인식 개요 ( CSCE 666 Pattern Analysis | Ricardo Gutierrez-Osuna | )
정보 추출기술 (Data Mining Techniques ) : An Overview
수학8가 대한 92~95 쪽 Ⅳ. 연립방정식 1. 연립방정식과 그 풀이 및 활용 >끝내기전에(9/9) 끝내기 전에.
매스커뮤니케이션 신문 목원대학교 서 진 희.
Discrete Math II Howon Kim
이산수학(Discrete Mathematics)  증명 방법 (Methods of Proof)
퍼지 이론 (Fuzzy Theory) 컴퓨터를 인간에 가깝게 하는 일의 어려움 Zadeh의 퍼지 집합
Ch01. 지능형 시스템 개론.
창의혁신 역량 강화 방안보고.
인공지능 소개 및 1장.
Discrete Math II Howon Kim
지적재조사 홍보컨텐츠 개발현황 브랜드 네임 심볼마크 슬로건.
Rule Offense Adventure Daily
Data Analytics for Healthcare
Chapter 2 밝기 변환과 공간 필터링을 위한 퍼지 기법 사용 중원대학교 의료공학과 조정래
탐색 (Lecture Note #3) 인공지능 이복주 단국대학교 컴퓨터공학과 Modified from the slides
(제작자: 임현수)모둠:임현수,유시연,유한민
1차 발표: 낚였다 !! 학번: 이름: 배상하.
이산수학(Discrete Mathematics)  증명 전략 (Proof Strategy)
수학8가 대한 92~95 쪽 Ⅳ. 연립방정식 1. 연립방정식과 그 풀이 및 활용 >끝내기전에(9/9) 끝내기 전에.
퍼지 시스템 (요약).
사용자 선호도를 고려한 머신러닝 기반의 천연 클렌징오일 제조
신경망 (Neural Networks) (Lecture Note #23)
초파리.
퍼지 이론 (Lecture Note #12) 인공지능 이복주 단국대학교 컴퓨터공학과
[도입 사례] 스타벅스의 인간중심 경영 스타벅스는 처음부터 인간에게 중심을 둔 기업이념을 확고히 한 기업이었다. 물론 혼란도 있었다. 이 회사는 지나친 확장정책으로 인하여 지난 2007년 어려움에 빠지게 되었다. 이때 스타벅스는 ‘인간중심의 경영’, ‘직원 사랑’의 이념을.
우수사원 연수 제안서 2-1. 항공, 호텔, 식사, 차량 세부 안내 (지역순서대로 작성 발리-싱가포르-괌)
시각 (Vision) (Lecture Note #25)
Presentation transcript:

퍼지 이론 (Lecture Note #13) 인공지능 이복주 단국대학교 컴퓨터공학과 Modified from the slides by SciTech Media 퍼지 이론 (Lecture Note #13) 인공지능 이복주 단국대학교 컴퓨터공학과

Outline 퍼지 이론 (Fuzzy Theory) 퍼지 집합 (Fuzzy Set) 퍼지 관계 (Fuzzy Relation) 퍼지 수 (Fuzzy Number) 퍼지 추론 (Fuzzy Inference) 퍼지 제어 응용 (Fuzzy Control Application)

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 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 추론 퍼지 추론의 합성 규칙 일반화된 긍정식에 대한 구체적인 추론 방법 일반 형식 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

퍼지 추론 직접법에 의한 퍼지 추론 A → B에 대한 RA→B의 결정 방법(실용상 간편한 방법) [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  B의 crisp logic의 연장

퍼지 추론 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)

퍼지 추론의 예 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+” 조건들을 Or 또는 And로 취급하는 방식에 따라 추론 방식이 달라진다. Or 관계 And 관계

퍼지 이론의 응용 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 Production system과의 차이점 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) 퍼지 전문가 문진 시스템 Z-II: 심리 분석, 위험 분석 K-SISS: 주가 예측, 매매 결정 시스템 SPERIL: 건물의 구조 피해 진단 시스템

퍼지 이론의 응용 퍼지 제어 예 i번째 규칙 Ri x = a, y = b일 때 z의 값은? 세탁물(x)이 많아지고 (Ai) 세탁물의 오염도 (y)가 높을수록 (Bi), 세제의 사용량을 증가시켜라 (Ci) Ai, Bi, Ci는 퍼지집합 x = a, y = b일 때 z의 값은? Antecedent와의 적합도를 구한다 (그림 5.6 (a)) 결론 부분에 전달하여 결론 퍼지집합 구한다 (그림 5.6(b))

퍼지 이론의 응용 퍼지 제어 예 (계속) 퍼지이론 응용 연구의 trend 다른 규칙에 대해서도 같은 방법으로 결론 퍼지 집합 구한다 (그림 5.7) Max 방법을 사용 구한 모든 결론 퍼지 집합들로부터 비퍼지화 (defuzzification) 한다 무게 중심 (center of gravity)방식이 많이 쓰임 퍼지이론 응용 연구의 trend Genetic Algorithm + Fuzzy System Neural Network + Fuzzy System

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

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

Fuzzy Control 추론 f1: A=10 & Q=20 then E=0초 f2: A=20 & Q=5 then E=10초 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

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

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

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

Fuzzy Control <계산식> Linguistic Label of Extension 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

Fuzzy Control Ex) Arrival = 7 이고 Queue = 5 일 때 Extension = ? R1 : if Arrival(Zero) = 0 and Queue(Zero) = 0 then Extension(Zero) = 0초 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 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 = --------------------------------------- 0.2 + 0.7 + 0.2 + 0.4 = 2 (sec)

Summary 퍼지 이론 (Fuzzy Theory) 퍼지 집합 (Fuzzy Set) 퍼지 관계 (Fuzzy Relation) 퍼지 수 (Fuzzy Number) 퍼지 추론 (Fuzzy Inference) 퍼지 제어 응용 (Fuzzy Control Application)