내 대답은 퍼지 논리가 아닌 퍼지 세트와 기술적으로 더 관련이 있지만 실제로는 두 개념을 분리 할 수 없습니다. SQL Server에서 퍼지 세트 를 구현 하는 방법에 대한 자습서 시리즈를 작성하기 위해 몇 년 전 퍼지 논리에 대한 학술 저널 기사를 살펴 보았습니다 . 나는 전문가로 여겨 질 수는 없지만, 문헌에 상당히 익숙하고 기술을 정기적으로 사용하여 실제적인 문제를 해결합니다. 출판 된 연구에서 얻은 인상은 퍼지 세트의 실질적인 잠재력이 여전히 미완성이라는 것인데, 주로 보완적인 일련의 질문을 해결할 수있는 수십 가지의 다른 기술에 대한 연구가 많기 때문입니다.
데이터 과학 / 기계 학습 등의 아이디어가 가득한 시장
Support Vector Machines, 신경망, 랜덤 포레스트 등에서 급속히 발전하여 전문가, 분석가, 데이터 과학자, 프로그래머 또는 제품 소비자가 모든 것을 따라갈 수 없습니다. 필자는 일련의 블로그 게시물에서 퍼지 세트 및 논리 알고리즘의 개발이 일반적으로 사용 가능한 소프트웨어보다 20 년 이상 앞서는 방법에 대해 이야기하지만 많은 관련 분야에 대해서도 마찬가지입니다. 나는 신경망을 집중적으로 읽었으며 수십 년 전에 개발되었지만 쉽게 사용할 수있는 소프트웨어로 코딩되지는 않았지만 실제로 널리 보급되지 않은 수많은 가치있는 신경 아키텍처를 생각할 수 있습니다. 그럼에도 불구하고 퍼지 논리와 세트는이 복잡한 아이디어의 시장에서 주로 불리한 결과를 낳습니다. 주로 Lofti A. Zadeh가 코인을 만들었을 때 논란의 여지가있었습니다. 퍼지 기술의 요점은 단순히 특정 등급의 이산 적으로 가치가있는 데이터를 연속 스케일로 근사화하는 것입니다. 그러나 "대략적인 연속 값 논리"및 "계조 세트"와 같은 용어는 정확하게 눈길을 끄는 것은 아닙니다. Zadeh는 "퍼지"라는 용어가 주목을 받기 때문에 부분적으로 사용했음을 시인했지만 다시 되돌아 보면 잘못된 종류의 관심을 미묘하게 얻었을 수 있습니다.
용어 "퍼지"역효과
데이터 과학자, 분석가 또는 프로그래머에게 "멋진 기술"의 분위기를 불러 일으킬 수있는 용어입니다. AI / 데이터 마이닝 등에 관심이있는 사람들에게 비즈니스 문제를 해결할 수있는 한 "퍼지"는 비현실적인 번거 로움처럼 들립니다. 의료 연구에 관여 한 회사 관리자, 의사 또는 모르는 다른 소비자에게, 박제 된 동물, 70 년대 경찰 쇼 또는 George Carlin의 냉장고에서 나온 물건의 이미지를 불러 일으킬 수 있습니다. 두 그룹 간에는 산업계에서 긴장이 항상 있었으며, 후자는 종종 전자가 코드를 작성하지 않고 단지 이익보다는 지적 호기심을 위해 연구를 수행하는 데 주력했다. 첫 번째 그룹이 이러한 퍼지 기술이 왜 수익성이 있는지 설명 할 수 없다면 첫 번째 그룹의주의가 그들의 채택을 방해 할 것입니다.
불확실성 관리 및 퍼지 세트 애플리케이션 제품군
퍼지 세트 기술의 요점은 제거하는 것입니다"퍼지"가 피자에 특별한 토핑과 같이 추가된다는 잘못된 인식과는 달리, 대략적인 연속 스케일에서 더 잘 모델링 될 수있는 부정확 한 이산 값의 형태로 이미 데이터에 내재 된 퍼즈. 이러한 구별은 간단 할 수 있지만 자연 언어 처리에서 의사 결정 이론, 비선형 시스템 제어에 이르기까지 광범위한 잠재적 응용 분야를 포괄합니다. Cliff AB가 퍼지 값에 첨부 할 수있는 해석의 작은 하위 집합이기 때문에 클리프 AB가 주로 제안한 것처럼 확률은 퍼지 논리를 흡수하지 않았습니다. 퍼지 멤버쉽 함수는 하나 이상의 연속 값을 일반적으로 0 대 1의 스케일로 지정하여 특정 세트에 속하는 레코드의 등급을 매기기 만한다는 점에서 매우 간단합니다 (일부 응용 프로그램의 경우에도 ve는 -1에서 1이 더 유용 할 수 있음을 발견했습니다. 우리가 그 숫자에 부여하는 의미는 베이지안 신념, 특정 결정에 대한 확신, 가능성 분포, 신경망 활성화, 척도 분산, 상관 관계 등과 같이 원하는 것을 의미 할 수 있기 때문에 우리에게 달려 있습니다. PDF, EDF 또는 CDF 값만이 아닙니다. 내 블로그 시리즈와이 CV 게시물 은 대부분 내가 좋아하는 퍼지 리소스 인 George J. Klir 및 Bo Yuan의 퍼지 세트 및 퍼지 논리 : 이론 및 응용 프로그램 (1995)을 통해 도출되었습니다. 퍼지 세트에서“불확실성 관리”의 전체 프로그램을 도출하는 방법에 대해 훨씬 자세히 설명합니다.
퍼지 로직과 세트가 소비자 제품인 경우 마케팅 및 제품 복음화 부족과 브랜드 이름의 역설적 인 선택으로 인해 최신 정보가 제공되지 않았다고 말할 수 있습니다. 이것을 연구하는 동안 나는 Minksy와 Papert의 퍼셉트론에 대한 악명 높은 기사와 비슷한 방식으로 이러한 응용 프로그램을 공개하려고 한 학술 저널 기사를 실행 한 것을 기억할 수 없습니다. 요즘 아이디어 시장에서는 비슷한 문제에 적용 할 수있는 제품에 대한 개발자, 이론가, 데이터 과학자 등의 관심을 받기 위해 경쟁이 치열합니다. 이는 빠른 기술 진보의 긍정적 인 부작용입니다. 단점은 여기에 선택하지 않을 과일이 많이 있다는 것입니다. 특히 가장 적합한 데이터 모델링 영역에서 특히 그렇습니다.