퍼지 시스템
퍼지시스템의 개요와 추론메카니즘 등에 대해서 조사하였습니다. [전산]지능화시스템4
1 퍼지시스템의 개요
2 입출력 변수의 선정과 퍼지값 설정
3 퍼지규칙기반
4 추론 메카니즘
5 비퍼지화
2 입출력 변수의 선정과 퍼지값 설정
-- 입출력 변수의 결정 & 그들의 언어값 및 소속함수의 정의
-- 대집합의 이산화(또는 양자화), 정규화(또는 scaling), 입출력 공간의 분할, 소속함수의 설정
◎ 입출력공간의 퍼지분할
-- 입출력변수들의 언어값을 결정하는 것.
-- 언어변수의 용어집합에 있는 primary fuzzy subset의 수를 결정
-- 많은 개수로 퍼지 분할 → 규칙의 기술능력은 우수 but 수가 증가
◎ 소속함수의 설정
-- 퍼지분할에 의해 얻어진 퍼지부집합들의 정량적 의미 부여
◎ 대집합의 이산화(Discretization of a universe of discourse)
-- 연속 대집합[a,b]를 n개의 segment로 나누어 이산 대집합을 만듬
-- 컴퓨터에 의한 퍼지시스템의 구성에 유리
-- 양자화 간격Δ ↑ ⇔ segment 수 ↓
양자화 간격Δ ↓ ⇔ segment 수 ↑
◎ 대집합의 정규화
-- scale mapping : [a,b] → [-1, +1]
-- 퍼지시스템의 범용적 설계에 유리
-- uniform scaling, nonuniform scaling, 혼합 scaling
◎ 퍼지값의 이산화
▶ PB, PM, PS, ZE 등의 연속 퍼지값(continuous fuzzy value)을 이산화
⇒
대집합 X와 μA(x)∈[0,1]의 이산화를 필요로 함.
◎ 입력의 퍼지화
-- 대집합 X에 있는 수치적인 값 x0를 하나의 퍼지집합 A로 mapping
-- 퍼지추론에서의 계산의 간편성
→ singleton fuzzifier는 퍼지 IF-THEN 규칙의 소속함수 형태에 무관
Gaussian & triangular fuzzifier는 동일형태의 소속함수일 경우에만
| [1] | [2] | [3] | [4] | [5] | [6] | [7] | [8] | [9] | [10] |
자료출처 : http://www.ALLReport.co.kr/search/detail.asp?pk=16198775&sid=ddangkung&key=
댓글 없음:
댓글 쓰기