Fuzzy 추론과 it 분야 응용

Fuzzy 추론과 그 응용

V3 IS 8.0

한성대학교 4 학년 유태종인하대학교 4 학년 이강민

FuzzyLogic

Control

inputs inputs

output

- 발 표 내 용 안 내 -

10 년후의 Computer

인공지능…왜 ? 관심을 가져야 하는가 ?

• 인간의 두뇌 수준의 컴퓨터가 만들어 지는 날이 온다면 ??

=> 현재로썬 불가능 -> 여러 인공지능 기법의 필요

• ‘ 퍼지’ 역시 하나의 수학적 이론임과 동시에 수많은 인공지능의 기법 중 하나이기도 하다 .

• IT 업계에서 인공지능은 관심과 그 중요성이 점차 높아지고 있고 빠른 속도로 접목되어지고 있다 . .

• 하지만 이러한 인공지능 기법들에 대한 정보는 매우 부족 .

퍼치주론은 인공지능 기법 중 하나이며 인공지능이 어떠한 과정을 거쳐 구현되는 것인지 알 수 있게 해준다 .

인공지능의 기본 개념


인공지능 ?!

• 인공지능은 인간의 지능을 인위적으로 구현한 것이며 많은 연구가 이루어 지고 있는 분야인 동시에 매우 광범위한 분야이다 .

• ‘ 학습능력’ 구현 과 ‘의사결정능력 구현’ ( 퍼지 추론 ? ?)

• 인공지능을 보유한 컴퓨터를 인공지능 컴퓨터라 부르며 , 인간의 음성을 알아들을 수 있거나 인간이 사용하는 자연어를 이해할 수 있는 컴퓨터를 일컫는다 .

학습능력

• 주어진 규칙대로만 행동하는 지금까지의기계와 차이를 만들어 내기 위한 것으로 스스로 규칙을 만들어 내고 규칙을 기반으로 학습을 하여 시간이 갈수록 기계가 스스로 지식을 획득해 나갈 수 있도록 고안된 능력들을 일컫는다 .

의사결정 능력 : 퍼지추론

• 지식을 통하여 실제 결과를 도출해 낼 수 있는 이론 .

위의 이론 들을 살펴보면 어느 하나만을 가지고 인공지능이라 하기에는 어려움이 있으며 인공지능의 다양한 이론들을 적절히 잘 융합하여 시스템을 구축하는 것이 현재 나올 수 있는 최상의 인공지능 기법이라 할 수 있겠다


애매함이란…예쁘다 ?!

애매함이란…루저 그리고 위너 (??)

Fuzzy 의 정의

• 퍼지 이론이 이렇게 가전제품을 비롯한 여러 분야에 응용이 될 정도로 각광을 받게 된 것은 얼마

되지 않는다 .

• Fuzzy 라는 형용사는 fuzz 라는 " 솜털 , 잔털 , 보풀 " 을 뜻하는 명사에서 나왔고 " 흐릿한 ,

명확하지 않은 , 애매한 " 등의 의미를 가진다 .

• 결국 퍼지 이론 은 " 어느 정도 " 를 다루는 ' 정도의 학문 ' 이다 .

퍼지 추론은 ‘불확실하고 애매한 상황을 가능성에 비추어 판단하는 것’ 이라고 할 수 있겟다 .

Fuzzy

Fuzzy 이론은 곧 가능성 이론

• 퍼지이론은 확률에 의존하지 않고 가능성에 바탕을 두기 때문에 ' 가능성 이론 ' 이라고도 불린다 .

• 확률 : 어떤 통계적인 근거에 의해 예측된 수치 가능성 : 확률을 바탕으로 추측되는 느낌 또는 개연성 또는 인간의 경험적 심증

Fuzzy 추론을 위한 용어의 이해

서술 논리 퍼지 논리

기호 조작 기호 조작 및 수치계산

정확한 추론 근사 추론

확률 (probability) 가능성 (possibility)

Fuzzy

퍼지추론의 목적• “AI( 인공지능 ) 연구가 컴퓨터에게 인간처럼 생각하게 하는 것을 목표로 한다면 인간이

일상적으로 사용하고 있는 ' 애매성 ' 을 잘 처리할 수 없는 한 그 목표에 도달할 수 없을 것이다 .”

• " 체온 36.5℃ 를 정상체온으로 보았을 때 37℃ 는 과연 어느 정도 고열이라 할 수 있는가 ?" " 나의 wife( 남편 ) 는 어느 정도 예쁜 ( 멋진 ) 것일까 ?"

" 중년이라고 하면 어느 정도 나이를 표현하는 것인가 ?"

• " 고열 , 예쁜 , 중년 " 과 같은 언어를 수학적으로 표현하여 컴퓨터가 그를 인식하도록 하여야 비로소 인간과의 대화가 가능 . 인간의 사고는 상당히 융통성이 있으며 따라서 위와 같은 언어의 애매성을 능히 처리할 수 있는 것이다 . 컴퓨터에 어떻게 융통성을 부여할 것인가 .

이렇듯 애매모호한 인간의 판단이나 논리 등을 컴퓨터에 적용하여 인간이 필요로 하는 결과를 얻어내기 위한 방법론 중의 하나가 바로 퍼지 추론이다 .

제어문장 = Yes or No, Fuzzy 문장 = 일상의 대화• 일반 제어 무장의 예

(1) 만일 온도 ≥ 75°F 이라면 에어컨을 켠다 . (2) 만일 온도 ≥ 70°F 이라면 에어컨을 최대 출력의 90% 로 켠다 (3) 만일 온도 ≥ 75°F 이라면 에어컨을 최대 출력으로 켠다 .

• 일반 제어문장의 두 가지 문제점은 1) 범위가 넓어지면 작은변화까지 제어할수있는 수백개의 문장이 필요 , 2) 가능한 모든 변화에 대한 제어문장을 작성해야 함 .

• 만약 가능한 모든 변화에대한 제어문장을 기술한다 해도 일상에 대화에 관련짓기는 무리다 .

이것이 구어체의 애매한 표현 (fuzz descriptor) 을 구조적으로 정의하여 시스템에서 사용할 수 있는 공학적으로 유용한 문장으로 만드는 방법을 찾아야 하는 이유이다 . 이를 위해 퍼지추론제어 (fuzz inference control) 라는 기술을 사용한다 .

일반 제어문장과 Fuzzy 문장 , 어떻게 다른가 ?


1. Fuzzy 집합

→ 기존 집합 = 소속이 불확실한 경우 배제

• 그렇지만 ‘퍼지 집합’ 은 더욱 다양한 의미로 활용된다 .

ex> " 아름다운 여자의 집합 ", “ 키가 큰 사람들의 집합”

• 소속 여부가 확실하지 않은 경우의 집합을 사용하는데 이는 수학적 집합과 대치한다 ..

논리를 부정확하게 표현하므로써 , 실제로 인간이 생각하는 방식에 가깝게 표현

문 ) 다음 중 집합인 것을 고르시오 . (1) 우리반에서 안경 쓴 사람의 모임 (2) 우리반에서 키 큰 사람의 모임 (3) 모 여고에서 이쁜 여학생의 모임 (4) 학생들이 존경하는 선생님들의 모임


2. 소속도

• 소속도는 어떤 원소가 집합에 속하는 정도를 수치로 나타내는 것이다 .

• 값이 '1' 이면 확실하게 그 집합에 속하는 원소이고 , '0' 이면 확실하게 그 집합에 속하지 않는다고 했을때 , 그사이의 값들을 소속도로 가지는 원소들도 있다는 것이다 .

• 설정된 제어환경에서 퍼지집합을 사용하기 위해서는 퍼지집합을 정의해야 하며 , 이 퍼지값에 관련된 퍼지집합 내의 모든 값들은 퍼지집합에 소속된 요소들이다 .

퍼지집합의 각각의 값들은 100%( 또는 1) 의 소속도 에서부터 0% ( 또는 0) 의 소속도까지 존재

정확한 값 = 진리값 ( 다른 모든 값은 거짓이 되고 오직 하나의 값만이 참 ) 퍼지값：진리도 ( 얼마만큼 참인가 , 모든 값이 참일 수도 있다 )

소속도에 관한 예시

• 만약 깨끗한 물을 완전히 깨끗한 물로 정의하고 정확한 값 (crisp value) 으로서 고려한다면 물이 완벽히 깨끗할 때 ( 어떠한 방법으로도 이물질이 발견되지 않는 정도의 물 ) 깨끗한 물의 문장은 참이 되며 다른 경우 , 즉 지저분한 것이 아주 조금만 포함되어 있어도 이 문장은 거짓이 되며 물은 깨끗하지 않은 것이 된다 . 이러한 정의에서는 어떠한 예외도 존재하지 않는다 .

• 그러나 퍼지집합에서의 완벽히 깨끗한 물에 대한 정의에서 완벽히 깨끗한 물은 100% 의 소속도 를 가진다 . 그러나 약간 더러운 물은 100% 는 아니지만 아직은 깨끗한 물이며 아마도 95%정도는 될 것이다 . 조금 더 더러운 물은 95% 정도는 아니고 약 90% 정도일 것이다 . 따라서 , 하나의 정확한 값 으로서 깨끗한 물의 정의에 관련된 집합 내의 모든 값은 다른 소속도와 진리도를 가진 셀 수 없이 많은 깨끗한 물이 존재할 가능성이 있다 . 이 경우 , 더러운 물이 깨끗한 물의 집합의 일부분이 될 수 있으나 0% ( 또는 0) 의 소속도와 0의 진리도를 가지게 된다 . 한편 , 더러운 물이라고 불리는 퍼지집합을 정의하면 완벽히 깨끗한 물은 더러운 물의 집합에서 0% 의 소속도를 갖는 반면에 , 더러운 물은 그 집합에서 100% 의 소속도를 갖는다 . 깨끗한 물에서 90% 의 소속도를 갖는 물은 더러운 물에서 15% 의 소속도를 갖게 된다 . 따라서 만일 두 개의 정의된 집합을 갖는다면 고려 대상인 물에 대해 두 개의 정의된 값을 가지게 되며 , 각 집합의 요소들은 각각 다른 소속도를 갖는다 .



3. 멤버십 함수

• 멤버십 함수란 말 그대로 각 집합 내에서 해당 퍼지 집합을 도식화 한 것을 말한다 .

- 멤버십함수 vs 크리스프함수

– 멤버십함수 : 퍼지집합을 그래프화 하여 나타낸 것을 말한다 .– 크리스프함수 : 속하느냐 (1) 속하지 않느냐 (0) 만을 나타냄 .( 컴퓨터로 표현 가능 )

속할 때

1

0

속하지 않을 때

x∈X

μ

4. 규 칙 기 반 (Rule Base)

• 퍼지추론 규칙기반 (fuzzy inference rule base) 은 시스템의 제어기에 해당하며 진리표 로직에 기초하고 있다 .

• 규칙기반 (rule base) 은 퍼지집합과 입력 변수 , 그리고 출력 변수들과 연관된 규칙의 집합이며 각 경우에 있어서 해야 할 일을 결정하게 해준다 .

• 일반적으로 입력과 출력의 개수에 따라서 다음 중에서 하나의 형태를 갖는다 .



규칙기반 예시 if <조건 > then <실행 > if <조건 1 과 ( 또는 ) 조건 2> then 실행 if <조건 2 과 ( 또는 ) 조건 2> then <실행 1 과 ( 또는 ) 실행 2>

• 온도를 입력 변수로 갖는 시스템에서 습도는 두 번째 입력이고 , 에어컨의 출력설정이 출력이 되며 퍼지규칙 (fuzzy rule) 은 다음과 같다 . → 만약 온도가 뜨겁고 습도가 습하다면 출력을 높여라 .

• 다음과 같이 다시 쓸 수 있다 → 만약 온도가 뜨겁거나 습도가 습하면 출력을 높여라 .

• 진리표에서 첫 번째 경우에는 두 조건이 참이어야 실행되는 반면에 , 두 번째 경우는 조건 중 하나만 참이면 실행된다 . 위 값은 모두 퍼지값 이므로 또는 /그리고의 규칙을 평가하려면 또는과 그리고가 무엇을 의미하는가를 정의할 필요가 있다 .

" 그리고 (and)" 연산에 의한 결과는 두 값 중의 최소값이다 . " 또는 (or)" 연산에 의한 결과는 두 값 중의 최대값이다 .

• 규칙기반 내의 규칙의 총 개수는 각각의 입력 변수의 집합수를 곱한 값이다 . 세 개의 입력 변수가 있다면 규칙의 총 개수는 R = m × n × p 이다 .

5. 퍼지화

• 퍼지화 (fuzzification) 는 입력과 출력값 들을 그들의 소속함수 (membership function) 로 변환하는 과정이다 .

• 퍼지화의 결과는 다른 퍼지 변수들의 다양한 소속도를 표현하는 도표의 집합이다 .


정확한 값의 퍼지화 온도에 대한 퍼지 집합


6. 역 ( 비 ) 퍼지화

• 역 ( 비 ) 퍼지화 (defuzzification) 는 퍼지 출력값을 실제로 사용하기 위해서 등가의 정확한 값 (cri

sp value) 으로 변환하는 것이다 .

• 퍼지규칙이 평가되고 해당되는 값들이 연산되면 결과의 형태는 다른 출력 퍼지집합에 해당되는

소속도 (membership value) 에 관련된 수치값이 될 것이다 .

• Ex> 예를 들어 에어컨 출력의 강도 설정을 꺼짐 , 낮게 , 중간 , 최고로 퍼지화된다고 가정하자 .

규칙기반 (rule base) 에서 평가한 결과값이 25% 이면 낮게이고 75% 는 중간이다 .

역퍼지화는 에어컨 제어 시스템에 보낼 수 있는 단일값으로 변환하는 과정이다 .

역 퍼지화의 대표적인 방법 “무게 중심법”

• 이 방법에서는 구하고자 하는 소속집합의 출력에 대한 등가의 값을 구하기 위해 출력 소속집합의 최대 단일값 (maximum singleton value) 과 각 출력 변수에 대한 소속값을 곱한다 . 이러한 각 집합의 등가의 값들은 서로 더해지고 출력 소속값의 합으로 평균화됨으로써 등가 출력값이 출력으로 정의된다 .

(1) 각 출력 변수에 대한 소속도와 출력집합의 단일값을 곱한다 . (2) 이전 과정이 모든 값을 더하고 출력 소속도의 총합으로 나누어준다 .

• 예를 들면 에어컨 소속집합의 출력에서 얻어진 값들은 낮음이 0.4 이고 중간이 0.6 이며 , 낮음에 대한 단일값은 30%, 중간은 최대 출력의 50% 라고 가정하자 . 에어컨의 출력값은 다음과 같다 .


기본적인 Fuzzy 시스템의 구현 과정

Fuzzy 추론 시스템 구현의 진행

1) 퍼지 집합의 생성 = 퍼지 집합을 만들어 가능성을 구성한다 .

2) 규칙의 생성 = 입력들을 고려하여 상황에 따른 출력값 들을 예상한다 .

3) 멤버쉽 함수 /규칙을 기반으로한 퍼지 추론 = 소속함수의 곱을통해 만튼 규칙에 기반하여

추론한다 .

4) 역퍼지화 = 출력설정에 관련된 정확한 값을 찾기위해 역퍼지화 한다 .

◈ 세탁기의 단면도

Fuzzy 이론 적용 사례

Fuzzy 세탁기

1) 사람이 하는 세탁• 세탁물이 어느 정도 양인가 ?

• 세탁물이 어느 정도로 오염되어 있는가 ?

• 위를 판단하여 세탁 정도와 시간을 결정

2) Fuzzy 세탁기가 하는 세탁• 세탁물이 어느 정도 양인가 ? -> 입력 값

• 세탁물이 어느 정도로 오염되어 있는가 ?->입력값

• 위를 판단하여 세탁 정도와 시간을 결정 -> 퍼지 제어룰로 표현


세탁수 투과도의 시간별 변화량


1. Fuzzy 집합의 생성

1) 입력 = 빨래의 양 , 오염도

2) 출력 = 빨래에 걸리는 시간

3) 퍼지 집합

오염도아주 더러움더 러 움깨 끗 함

빨래 시간

아주 긴시간긴 시 간보통시간짧은 시간

아주 짧은시간

빨래양

아주 많음

많은 수준

적은 수준

아주 적음


2. 규칙기반의 생성

아주 많음아주 많음아주 많음많은 수준많은 수준많은 수준적은 수준적은 수준적은 수준아주 적음아주 적음아주 적음

입력 1

아주 더러움 더러움깨끗함아주 더러움 더러움깨끗함아주 더러움 더러움깨끗함아주 더러움 더러움깨끗함

입력 2

아주 긴 시간아주 긴 시간긴 시간긴 시간긴 시간보통 시간보통 시간보통 시간짧은 시간짧은 시간아주 짧은 시간아주 짧은 시간

출 력

3. 멤버쉽 함수 구현 / 규칙 기반 퍼지 추론


빨래양

소 속

도

아주

많음

많은

수준

적은

수준

아주

적음

더러움

아

주더

러움

더러

움

꺠끗

함

빨래 시간

Very

-long

long

Nom

al


4. 역 퍼지화 소속집합의 최대 단일값 (maximum singleton value) 과 각 출력 변수에 대한 소속값을 곱한다 ,

각 집합의 등가의 값들은 서로 더해지고 출력 소속값의 합으로 평균화됨으로써 등가 출력값이 출력으로 정의된다 .

만약 낮음이 0.4 이고 중간이 0.6 이며 , 낮음에 대한 단일값은 30%,

중간은 최대출력의 50% 라고 가정한다면

0.4 X 30% + 0.6 X 50%출력 = --------------------- = 42% 0.4+0.6

거친 노면위를 달리는 이동 로봇의 제어

• 로봇의 입력 : 노면의 경사 / 노면의 지형

• 출력 : 로봇의 속도

• 경사의 범위를 -60°로 할 것이고 이를 급 내리막 , 내리막 , 평지 , 오르막 , 급 오르막으로 분류

• 노면의 지형은 매우 거침 , 거침 , 보통 부드러움 , 매우 부드러움 으로 분류할 것이다 . 범위는 0~100

• 출력속도는 시속 0 ~ 8.25 km/h 의 범위로 하고 이를 매우 느림 , 느림 , 보통 , 빠름 매우 빠름으로 분류

Fuzzy 추론의 응용


만일 경사가 큰 양방향이고 노면은 매우 거침이면 속도는 매우 느림 . 만일 경사가 큰 양방향이고 노면은 거침이면 속도는 느림 . 만일 경사가 큰 양방향이고 노면은 보통이면 속도는 중간 . 만일 경사가 큰 양방향이고 노면은 부드러움이면 속도는 중간 . 만일 경사가 양방향이고 노면은 매우 거침이면 속도는 매우 느림 . 만일 경사가 양방향이고 노면은 거침이면 속도는 느림 . 만일 경사가 양방향이고 노면은 보통이면 속도는 중간 . 만일 경사가 양방향이고 노면은 부드러움이면 속도는 빠름 . 만일 경사가 기준이고 노면은 매우 거침이면 속도는 느림 . 만일 경사가 기준이고 노면은 거침이면 속도는 중간 . 만일 경사가 기준이고 노면은 보통이면 속도는 빠름 . 만일 경사가 기준이고 노면은 부드러움이면 속도는 매우 빠름 . 만일 경사가 음방향이고 노면은 매우 거침이면 속도는 매우 느림 . 만일 경사가 음방향이고 노면은 거침이면 속도는 매우 느림 . 만일 경사가 음방향이고 노면은 보통이면 속도는 느림 . 만일 경사가 음방향이고 노면은 부드러움이면 속도는 중간 . 만일 경사가 큰 음방향이고 노면은 매우 거침이면 속도는 빠름 . 만일 경사가 큰 음방향이고 노면은 매우 거침이면 속도는 매우 느림 만일 경사가 큰 음방향이고 노면은 매우 거침이면 속도는 매우 느림 . 만일 경사가 큰 음방향이고 노면은 매우 거침이면 속도는 느림 .

규칙기반 (Rule Base) 의 생성

멤버쉽 함수 구성 / 규칙 기반 퍼지 추론



Fuzzy 추론 시스템 구현의 진행

1) 퍼지 집합의 생성 = 퍼지 집합을 만들어 가능성을 구성한다 .

2) 규칙의 생성 = 입력들을 고려하여 상황에 따른 출력값 들을 예상한다 .

3) 멤버쉽 함수 /규칙을 기반으로한 퍼지 추론 = 소속함수의 곱을통해 만튼 규칙에 기반하여

추론한다 .

4) 역퍼지화 = 출력설정에 관련된 정확한 값을 찾기위해 역퍼지화 한다 .

소스보기

생활 주변의 Fuzzy

전자 산업 분야 비디오 캠코더 , 세탁기 , 온수기 , 에어컨 , TV, 진공 청소기

중공업 분야 보일러 - 터빈 , 아아크 용접기 , 화력발전소

제어 계측분야

의료기기 분야

서보시스템 , 하수처리 및 관리 , 잠수정제어

알레르기 진단 장비 , 혈압 측정기

로봇산업 분야 순응 제어기 , 모빌 로봇 , 정밀 부품 조립 , 능동제어

교통제어 분야 엘리베이터 제어 , 자기 부양 장치

패턴인식 분야 한글인식 , 펜 컴퓨터 , 칼라 복사기 , CRT 제조

전력산업 분야 부하 변동 주파수 제어 , 전력 손실 복원

분 류 종 류

의사결정 지원 연애 시뮬레이션 게임 , 앙케이트 조사

1 단계 추론으로 단순한 기술 적용

전문가의 지식을 사실과 규칙으로 나누어 복잡한 추론 과정을 진행

Fuzzy 기술 응용분야


Fuzzy 를 이용한 교통 제어

• 문제 : 교차로에 진입 /대기하는 차량의 수에 따라 얼마나 유도리 있는 신호주기를 허용해야 하나

1) input 과 output 의 정의 , 퍼지 집합의 생성

2) 규칙 기반 생성

3) 퍼지화

4) 역 퍼지화

IT 분야에서 Fuzzy 의 사용

◈ Game◈ 패턴 인식

◈ 능동제어◈ 자동차속제어

◈ 혈압 측정

응 용

Ahnlab 에서 Fuzzy 를 이용한다면…우리 회사는최고 수준의보안상태를

유지 할것이야 !

일상 업무에 대한 Fuzzy 응용

수정된 부분에 따른 관련 test case의 종류와 양 선택

• 문제 : 새 빌드 /패치 /제품이 나왔을 때 수정된 부분에 따라 집중적으로 테스트를 해볼 수 있도록 할 수 없을까 ?( 그로 인한 시간 단축과 집중적 테스트를 통해 효율적 운영이 가능할 수 있으므로 )

1) input 과 output 의 정의 , 퍼지 집합의 생성 - 수정된 부분 - 패치 /빌드가 나온지 얼마나 지났는가 - 이번 패치 /빌드에서 해결될 이슈의 수

2) 규칙 기반 생성 - 엔진이 매우많이 업데이트됐고 이번 패치에서 해결될 이슈의 수가 아주 많다 = 야근예약 - 수정된 부분이 매우 적으며 이번 패치에서 해결될 이슈의 수가 적다 = 칼퇴근

3) 퍼지화

4) 역 퍼지화

Fuzzy 의 미래

퍼지이론은 전부가 아니다 , 하지만 기초가 된다

• 인공지능 , 응용시스템 = 퍼지이론 + 관련 전문지식 ( 유전자 알고리즘 등… .)

• 가까운 미래 ( 내일 ) 인류 최초의 인공지능 로봇의 유로파 탐사가 이루어진다고 한다 .

• 여러분은 어떤 응용이 만들어질 것이라고 생각하십니까 ?

- 1 인당 하나의 휴대폰을 가지고있다는 전제 하에 , 주변 통신기기의 분포를 분석해서 벨소리의 크기를 조절하는 스마트폰 기능

- 조깅을 할 목표거리별 사람의 통계적 심박수 , 구간별로 달성하고자 하는 페이스를 기준으로 음악을 자동으로 선택해주는 MP3

• 먼 미래에는 또 무엇이 만들어 질지 예상할 수 없다 .

• 하지만 인간의 편한 생활을 위해 발전했으면 하는 바람입니다 .

Technology

Fuzzy 추론과 it 분야 응용