퍼지 로직이란 무엇입니까?

나는 AI를 처음 사용하고 간단한 단어로 알고 싶습니다. 퍼지 논리 개념은 무엇입니까? 어떻게 도움이되며 언제 사용됩니까?

복잡성이 증가함에 따라 정확한 진술은 의미를 잃고 의미있는 진술은 정밀도를 잃습니다. (로티 자데).

퍼지 논리는 고정 된 것이 아니라 대략적인 추론을 처리합니다. 이것은 인간에게 추론을 더 의미있게 만들 수 있습니다.

퍼지 로직은 고전적인 세트 이론의 일반화 인 퍼지 세트의 수학적 이론을 기반으로 1965 년 Lotfi Zadeh가 부울 논리를 확장 한 것입니다. 조건 검증 에 학위 개념을 도입하여 조건이 참 또는 거짓 이외의 상태가 될 수 있도록하여 퍼지 논리는 추론에 매우 유용한 유연성을 제공하므로 부정확성과 불확실성을 고려할 수 있습니다.

인간의 추론을 공식화하기위한 퍼지 논리의 한 가지 장점은 규칙이 자연 언어로 설정된다는 것입니다. 예를 들어, 운전자의 운전 면허를 잃고 싶지 않다고 가정 할 때 운전자가 따르는 행동 규칙은 다음과 같습니다.

직관적으로,이 예에서와 같은 입력 변수는 퍼지 로직의 상태의 검증 정도와 같이 뇌에 의해 거의 인식되는 것으로 보인다.

좀 더 자세한 내용을 다루지 만 매우 접근하기 쉬운 퍼지 논리에 대한 짧은 소개를 작성했습니다 .

퍼지 논리는 일반 부울 논리를 기반으로합니다. 부울 논리는 true 또는 false (또는 원하는 경우 1 또는 0)의 true 값으로 작업하고 있음을 의미합니다. 퍼지 논리는 true와 false 사이의 진리 값, 즉 0 (포함)과 1 (포함) 사이의 숫자로 작업하고 있다는 사실을 제외하고는 동일합니다. '부분적으로 진실하고 부분적으로 거짓'진실 가치를 가질 수 있다는 사실은 "퍼지"라는 단어의 유래입니다. 자연어는 종종 "풍선이 빨간색입니다"와 같은 퍼지 논리를 사용합니다. 즉, 풍선은 빨간색과 비슷하거나 "샤워가 따뜻합니다"라는 색이 될 수 있습니다. 다음은 "샤워 온도가 따뜻함"이 퍼지 논리 (y 축이 진리 값이고 x 축이 온도 임)로 표시되는 방법에 대한 대략적인 다이어그램입니다.

퍼지 같은 부울 연산에 적용 가능 하고 , 또는 ,과 없다 . 퍼지 논리 연산을 다른 방식으로 정의 할 수 있습니다. 한 가지 방법은 각각 입력 된 두 값 중 가장 작은 값과 가장 큰 값을 반환하는 min 및 max 함수를 사용하는 것입니다. 이것은 다음과 같이 작동합니다.

A and B = min(A,B)
A or B  = max(A,B)
not A   = 1-A
(where A and B are real values from 0 (inclusive) to 1 (inclusive))

이와 같이 정의하면이를 Zadeh 연산자 라고합니다 .

또 다른 방법으로 정의 될 과 제 인수 배 자데와 같은 입력에 대해 서로 다른 출력을 얻을 수 두번째 인수 및 연산자 ( min(0.5,0.5)=0.5, 0.5*0.5=0.25). 그런 다음 다른 사업자가 기반으로 파생 및 및 하지 운영자. 이것은 다음과 같이 작동합니다.

A and B = A*B
not A = 1-A
A or B = not ((not A) and (not B)) = 1-((1-A)*(1-B)) = 1-(1-A)*(1-B)
(where A and B are real values from 0 (inclusive) to 1 (inclusive))

그런 다음 세 개의 "기본 퍼지 논리 연산"을 사용하여 다른 모든 "퍼지 논리 연산"을 빌드 할 수 있습니다. 세 개의 "기본 부울 연산"을 사용하여 다른 모든 "부울 논리 연산"을 빌드 할 수있는 것과 같습니다.

출처 : 퍼지 로직 위키 백과 , 부울 대수 위키 백과 , 유튜브의 퍼지 로직 설명

참고 : 의견에 더 신뢰할만한 출처를 제안 할 수 있다면 행복하게 목록에 추가 할 것입니다 (현재는 너무 신뢰할 수 없음을 이해합니다).

편집 : 내 나쁜, 퍼지 논리에서 다른 연산자를 정의 하는 다른 방법과 퍼지 논리 에서 동일한 연산자 를 정의 하는 다른 방법과 혼동했습니다 .

그것은 아날로그 대 디지털과 유사하거나 흑백 사이의 많은 회색 음영과 유사합니다. 결과의 진실성을 평가할 때 이진 부울에서는 true 또는 false (0 또는 1)이지만 퍼지 논리를 사용할 때 추정됩니다. 0과 1 사이의 확률 (예 : 0.75가 대부분 사실임). 필요한 모든 정보가 반드시 필요하지 않은 경우 계산 된 결정을 내리는 데 유용합니다.

Wikipedia에는 ​​환상적인 페이지가 있습니다.

그것은 인간이 항상 결정을 내리 듯이 확률과 통계에 근거하여 추론하고 있습니다. 우리는 우리가 내린 결정이 올바른 결정이라고 100 % 확신하지는 않지만 항상 의심의 여지가 있습니다. Ai는 확실히 어떤 형태로 사용해야합니다.

왜 유용한가요?

우리가 확실하지 않은 많은 것들. 우리는 추정하고 종종 불확실하지만 거의 100 % 확실하지 않습니다. 그것은 약점처럼 보일지 모르지만,이 퍼지 접근법으로 인해 우리는이 복잡한 세상에서 기능하고 아주 지능적으로 행동 할 수 있습니다. 따라서 일을 단순화하는 방법입니다. 또한 약간 다른 상황에 적응하기 위해 격차를 적절하게 채울 수있는 여유가 있습니다. 추신 : 자연 언어로 우리는 이것을 더 많거나, 적거나, 거의, 엄청나게 등의 정량적 용어로 표현합니다. 그러나 사물을 정량화하는 것은 어렵습니다.