퍼지이론

퍼지이론

컴퓨터는 인간과 달리 애매한 값들을 처리할 수 없기 때문에, 이런 애매한 값들을 처리하는 이론을 퍼지 이론 이라고 한다. x에 대해 f(x)의 값이 명확하지 않은 경우, 집합 A(x), B(x), C(x)에 속한 정도로 x의 값을 표현할 수 있다. X의 원소 x가 집합 A에 속하는 정도를 나타내는 함수A(x)를 소속함수 μ(A) 라고 한다.

역으로 퍼지 출력들로부터 하나의 명확한 제어값을 추출하는 것을 비퍼지화 라고 한다. 퍼지 수 는 Convex(볼록형), Normalized(∃x μA(x) = 1)인 퍼지 집합을 말한다.

비퍼지화 (무게중심법)

f(x) = u[i] * u(i, f(x)) / u[i]
u[i] = min ( A , B)
u(i, f(x)) = 규칙 i의 f(x) 단위

전문가 시스템

특정 문제 해결하기 위해 전문적인 지식을 기반으로 추론하는 시스템으로, 축적된 전문자의 지식과 추론 과정을 이용하는 프로그램이다. 추론엔진, 지식베이스, 사용자 인터페이스가 주요 구성 요소이다. MYCIN과 같이 의료분야에서 쓰인는 경우도 있다.

1. 추론엔진
   지식 베이스에 있는 규칙들을 탐색 추론하고 관리하는 부분이다.
   해석기 : 규칙을 어떻게 적용할 것인가 추론
   스케줄러 : 규칙 적용 순서 조정
2. 지식베이스
   전문가 지식을 저장할 지식 저장공간이다. 습득한 지식을 지식 베이스에 반영하는 규칙을 ‘Ripple Down Rule’이라 한다.

자식베이스에서 적용회는 추론 기법

1. Rete 알고리즘 규칙 패턴을 그래프로 나타내는 방법. 모든 규칙의 패턴을 컴파일 해서 공통 망에 표현한다. 사실들 중 중복된 부분은 망에 바녕하지 않아, 변화된 사실에 대해서만 매칭한다.

2. 사례 기반 추론 (Case Based Reasoning) 과거의 문제 해결 경험 사례들을 이용한다.

   4R

문제에 대해 새로운 케이스가 등장하면 기존의 지식 중 유사한 케이스가 있는지 추론하고 제안한다. 이 제안된 케이스를 재사용할 건지 결정하고 재사용한다면 문제에 맞게 수정하고 수정된 케이스를 지식 베이스에 저장한다.

사례 기반 추론

전문가의 경험을 기반으로 지식 추론 구체적 해결법을 찾을 수 있고, 효율적이지만 도메인 마다 유사한 케이스를 추론하는 기준이 다르므로 범용 시스템은 아니다.