퍼지 세트와 파삭 파삭 세트의 차이점

2019

퍼지 집합과 선명한 집합은 퍼지 집합이 무한 논리를 구현하고 선명한 집합은 이중 논리를 사용하는 별개 집합 이론의 일부입니다. 이전에는 전문가 시스템 원칙이 파삭 파삭 한 집합이 사용되는 부울 논리를 전제로 작성되었습니다. 그러나 과학자들은 인간의 사고가 항상 "예 / 아니오"라는 선명한 논리를 따르는 것은 아니며 막연하고, 질적이며, 불확실하며, 부정확하거나 불명료 할 수도 있다고 주장했다. 이것은 인간의 사고를 모방하기위한 퍼지 집합 이론의 개발에 착수했다.

우주의 한 요소의 경우, 퍼지 집합을 구성하는 요소가 여러 등급의 구성원간에 점진적으로 전환 할 수 있습니다. 파삭 파삭 한 세트에있는 동안 주어진 세트에있는 회원과 비 회원 사이 우주에있는 성분을위한 전환은 갑자기 잘 정의된다.

비교 차트

비교 근거	퍼지 세트	파삭 파삭 한 세트
기본	모호하거나 모호한 속성으로 지정됩니다.	정확하고 일정한 특성으로 정의됩니다.
재산	요소는 부분적으로 집합에 포함될 수 있습니다.	요소는 집합의 멤버이거나 아닌 멤버입니다.
응용 프로그램	퍼지 제어기에 사용됨	디지털 디자인
논리	무한 가치	이중 값의

퍼지 집합의 정의

퍼지 집합 은 집합 의 구성원이 변화하는 요소의 조합입니다. 여기에서 "퍼지"란 모호함을 의미합니다. 즉, 다양한 등급의 회원 간의 전환은 퍼지 집합의 한계가 모호하고 모호합니다. 그러므로, 세트 내의 우주로부터의 원소들의 멤버쉽은 불확실성과 모호성을 식별하는 함수에 대해 측정된다.

퍼지 집합은 파업시 물결표가있는 텍스트로 표시됩니다. 이제 퍼지 집합 X는 간격 0에서 1까지의 가능한 결과를 모두 포함합니다. a가 유니버스의 요소이고 퍼지 집합 X의 멤버라고 가정하면이 함수는 X (a) = [0, 1] . 퍼지 집합 X에 대해 담론 U (퍼지 집합 X에 대한 입력 값 집합)의 집합이 이산적이고 유한 할 때 퍼지 집합에 사용 된 개념 컨벤션은 다음과 같습니다.

퍼지 집합 이론은 컴퓨터 과학자 인 Lotfi A. Zadeh에 의해 1965 년에 처음 제안되었습니다. 비슷한 이론으로 많은 이론 개발이 이루어졌습니다. 이전에는 이중 논리를 기반으로 한 선명한 세트 이론이 "예 또는 아니요"및 "참 또는 거짓"과 같은 두 가지 형식의 솔루션과 관련된 컴퓨팅 및 정식 추론에 사용되었습니다.

퍼지 논리

선명한 논리와 달리 퍼지 논리에서는 근사 인간 추론 기능이 지식 기반 시스템에 적용하기 위해 추가됩니다. 그러나 그러한 이론을 개발할 필요성은 무엇 이었습니까? 퍼지 논리 이론은 사고와 추론과 같은 인간의인지 과정과 관련된 불확실성을 파악하기위한 수학적 방법을 제공하며 불확실성과 어휘의 부정확성 문제도 처리 할 수 있습니다.

예

퍼지 논리를 이해하는 예를 들어 봅시다. 우리가 물체의 색깔이 푸른 색인지 아닌지 알아 내야한다고 가정 해보자. 그러나 물체는 기본 색상의 강도에 따라 파란색 음영을 가질 수 있습니다. 따라서 로얄 블루, 네이비 블루, 하늘색, 청록색, 하늘색 등의 대답이 달라질 수 있습니다. 파란색의 가장 어두운 음영에 값 1과 0을 스펙트럼 스펙트럼의 최하단에있는 흰색 색상에 할당합니다. 그 다음 다른 음영은 강도에 따라 0에서 1 사이의 범위를가집니다. 따라서 0에서 1 사이의 값으로 허용되는 상황을 퍼지라고합니다.

파삭 파삭 한 세트의 정의

파삭 파삭 한 집합 은 카운트 가능성 및 유한성과 같은 속성을 가진 개체 모음입니다 (예 : U). 파삭 파삭 한 세트 'B'는 범용 집합 U에 대한 요소 그룹으로 정의 할 수 있습니다. 여기서 무작위 요소는 B의 일부가 될 수 있습니다. 즉, 두 가지 가능한 방법이 있습니다. 첫 번째 요소는 B 집합에 속할 수도 있고 B 집합에 속하지 않을 수도 있습니다. 동일한 속성 P를 갖는 U에서 일부 요소 그룹을 포함하는 선명 집합 B를 정의하는 표기는 다음과 같습니다. 아래에 주어진다.

그것은 노동 조합, 교차점, 보완 및 차이와 같은 작업을 수행 할 수 있습니다. 파삭 파삭 한 세트에 전시 된 속성은 commutativity, distributivity, idempotency, associativity, identity, transitivity 및 involution을 포함합니다. 비록 퍼지 집합도 주어진 속성과 동일합니다.

Crisp Logic

지식 표현의 전통적인 접근 (선명한 논리)은 부정확하고 비 범주 적 데이터를 해석하는 적절한 방법을 제공하지 않습니다. 그 기능은 1 차 논리와 고전적 확률 이론에 기초합니다. 다른 방법으로는 인간 지능의 표현을 다룰 수 없다.

예

이제 예제를 통해 선명한 논리를 이해해 봅시다. 우리는 질문에 대한 답을 찾아야합니다. 펜이 있습니까? 위의 질문에 대한 대답은 상황에 따라 예 또는 아니오입니다. 예에 값 1이 지정되고 아니오에 0이 지정되면 명령문의 결과는 0 또는 1이 될 수 있습니다. 따라서 이진 (0/1) 유형의 처리를 요구하는 논리를 필드의 선명 논리라고합니다 퍼지 집합 이론의

Fuzzy Set와 Crisp Set의 주요 차이점

퍼지 집합은 불확정 경계에 의해 결정되며 집합 경계에 대한 불확실성이 존재합니다. 반면에 선명한 집합은 선명한 경계로 정의되며 집합 경계의 정확한 위치를 포함합니다.
퍼지 집합 요소는 집합에 부분적으로 수용 될 수 있습니다 (점진적인 회원 등급 표시). 반대로, 선명하게 설정된 요소에는 전체 구성원 또는 비 구성원이있을 수 있습니다.
선명하고 퍼지 집합 이론의 여러 응용 프로그램이 있지만, 둘 다 효율적인 전문가 시스템의 개발쪽으로 추진하고 있습니다.
퍼지 집합은 무한 논리를 따르고 선명한 집합은 이중 논리 집합을 기반으로합니다.

결론

퍼지 집합 이론은 인공 지능에서 인간의 두뇌 모델링을 시도하기 위해 부정확하고 모호한 요소를 도입하기위한 것이며 전문가 시스템 분야에서는 날마다 그러한 이론의 중요성이 커지고 있습니다. 그러나, 선명 집합 이론은 이진 논리로 작업하는 디지털 및 전문가 시스템을 모델링하는 초기 개념으로 매우 효과적이었습니다.