Fuzzy  Expert  System

퍼지 전문가시스템의 개념 : 전문가의 방식은 어떤 특수한 문제해결을 위한 집약, 정리된 것이라고 말할수 있지만, 거기는 역시 인간의 사고과정의 축도가 보여진다. 인간의 사고과정은 불안정한 정보의 취득과 그 조작, 근사적 추론, 복잡한 대상의 평가, 불확실한 상황에서의 판단과 의사결정에서의 여러 모습에 의해 특징지어진다. 인간은 이러한 것들을 자연어를 통하여 말하고 실행한다. 애매한 언어에 의한 인간의 사고과정에 혹시 논리라고 부르는것이 있다면 그것은 역시 애매한 논리일 것이다. fuzzy논리는 fuzziness와 논리를 조합시켜 인간의 사고 모델을 위한 기술언어로 되는 것을 목표로 하고 있다....fuzzy control 은 제어에 있어서의 전문가시스템이라고 말할수 있으며 실제로 전문가시스템의 초기의 성공예는 fuzzy control 이었다고 말해도 과언이 아니다. IF THEN 형식으로 알고리즘을 기술한다는 방법을 Zadeh 는 1968년에 fuzzy 알고리즘 이라는 논문에 서술하고 있다. 통상 전문가시스템에서는 fuzziness를 취급하고 있지 않지만 Zadeh 는 언어적으로 애매하게 알고리즘을 기술하는 것으로 전문가시스템의 본질을 발견해내어 상당한 진전이 이뤄지게 되었다.

퍼지전문가시스템 :  전자신문사 : 전문가시스템이 지향하는 점은 종래의 이론으로는 잘 되지 않는 사항들, 즉 기계화할 수 없는 일을 인간들은 잘 소화하고 있기 때문에 그 인간의 지식과 경험을 살리자는 취지이다. 그러므로 전문가시스템으로는 애매한 사항에 대한 처리는 필요불가결한 것이다. 그렇다면 전문가시스템이야 말로 퍼지이론이 필요하며 퍼지이론의 첫째 응용분야는 전문가시스템이라고 말할 수 있다. 더구나 전문가시스템은 '만약 ... 이면, ... 이다' 라고 하는 추론의 형태를 갖는 룰을 사용하기 때문에 앞에서 말한 퍼지추론이 그대로 적용되는 분야인 것이다..... 차량 운전에서 퍼지룰을 만들어 보자. 우선 말로 표현해 보기로 하면' 차가 우측으로 향해 있으면 핸들을 좌측으로 돌려라.' '차가 놔측으로 향하면 핸들을 우로 돌려라.' 그리고 '똑바로 향하고 있으면 핸들은 그대로 두어라' 의 세 가지 정도는 누구든지 알 수 있다. 이것을 퍼지룰로 고치려면 차의 각도를 x, 핸들의 각도를 y,로 하면 다음과 같이 된다.....

퍼지룰1 - 만약 x가 우측이면 y를 좌측으로 돌려라.

퍼지룰2 - 만약 x가 좌측이면 u를 우측으로 돌려라.

퍼지룰3 - 만약 x가 똑바르면 y를 그대로 둬라..........

퍼지추론 (fuzzy inference) : '부자는 구두쇠이다.' 또는 '미인박명' 라고 하는 명제는 참인가? 거짓인가? 일상의 대부분의 명제는 이와같이 애매한 것이다. 그녀는 제법 미인이기 때문에 그다지 오래 살지 못할지도 모른다고 하는 애매한 추론은 우리들의 일상생활에서는 보통의 추론이 된다. 명제 그 자체도 애매하지만 더욱이 그것을 구성하고 있는 언어, 미인 이니 박명이니, 약간 부자라느니 제법 미인이라느니 하는 것도 마찬가지로 퍼지한 말이다. 이들을 사용한 애매한 추론은 기계에는 적용하기 곤란한 것이지만 사람에게는 아무렇지도 않게 통용된다....

근사 추론 (approximate reasoning) : 퍼지 전문가 시스템의 특징인 근사추론은 다음의 단계를 거친다.

1 단계 : 변환 규칙 (translation rule) 

translation rule 이란 변형된 형태나 합성된 형태의 명제에 대한 의미를, 그 성분이 되는 명제의 의미를 통해 유도하여 가능성 분포로서 나타내는 방법을 말한다. 그 규칙은 변형 (modification), 정성화 (qualification), 정량화 (quantification), 합성 (composition) 으로 구분할수 있으며, 각각 퍼지 변형자, 퍼지 정성자, 퍼지 정량자를 처리할수 있는 방법을 제공한다. 퍼지 변형자는 very, more or less, likely 등을 의미하며 퍼지 정성자는 very true, mostly false 등을 의미한다. 또한 명제가 and, or 또는 if-then 등에 의해 합성되는 경우 합성 규칙을 사용한다......  

2 단계 : 추론 규칙 (rules of inference)

추론규칙은 일반화된 연역추론 (generalized modus ponens) 이 가능하도록 추론의 복합규칙 (compositional rule of inference), 진리치 한정 방법 (truth value restriction), 보간법 (interpolation) 등 많은 방법들이 연구 되어 왔다. 이러한 연구는 대부분이 추론의 복합규칙을 중심으로 하고 있으며.....

3 단계 : 언어 근사 (linguistic approximation) 

추론의 결과가 미리 정의된 용어와 정확히 일치하지 않는 경우가 생길수 있는데 이 경우 가장 유사한 용어를 찾아내는 작업이 언어근사 이다. 기본적인 방법으로 퍼지집합 사이의 거리를 이용하는 방법이 있다. 즉 결과로 유도된 퍼지집합과 미리 정의된 용어의 퍼지집합들을 순차적으로 대응시켜 각각의 거리를 구하고 그중 최소값을 갖는 용어를 찾아내는 방법이다.  approximate reasoning에서 퍼지값을 계산하는 방법은 다음과 같다......

퍼지 전문가시스템에서의 불확실성 : 퍼지확률이 전문가시스템에 사용될 때 기존의 확률추론과는 차이가 있다. 전형적인 fuzzy rule을 생각해보자. If X is F then Y is G (확률 B를 가짐) 라는 rule을 조건확률로 쓰면 다음과 같다. P ( Y is G | X is F ) = B  즉 전통적인 확률이론을 사용한 기존 전문가시스템에서는 다음과 같다. P ( Y is not G | X is F ) = 1 - B 

그러나 F 가 fuzzy set이라면 위의 것은 다음과 같이 표현된다. P ( Y is G | X is F ) + P ( Y is not G | X is F ) ≥ 1  왜냐하면 fuzzy number 에서는 true, false 간의 중첩되는 부분이 있기 때문이다. 일반적으로 퍼지 시스템에서는 P(H | E) 이 반드시 1 - P(H′| E) 와 같은 것은 아니다......