|
퍼지 컨트롤러 다이어그램
그림6.27 FLC 제어기( 입력, 출력 범위는 -2∼2)
그림6.28 FLC 제어기( 입력 범위: 0∼0.7 , 출력 범위: -0∼2)
그림6.29 FLC 제어기( 입력: 0∼0.7 , 출력 범위는 0∼5.5)
◎룰 베이스
1. 입력이 low 이면, 출력이 low
2. 입력이 medium 이
|
|
|
■퍼지 논리는 의미적으로 막연한 개념들을 취급하는 퍼지집합론과 막연한 성질을 판단 및 전개할 수 있는 퍼지 측도로 구성
-주요 개념은 어떠한 부정확성에 대한 허용 가능성
■기호 및 수치 처리를 한다는 의미에서 기존 논리와 차이
-
|
|
|
장치와 밝기의 조정
비디오 캠코더
마쓰시타(파나소닉)
손에 의한 화면의 흔들림과 자동 초점장치를 조절함.
세탁기
대우(한국), 금성(한국), 히다치, 마쓰시타, 삼성(한국), 산요, 샤프
감지된 더러움의 정도와 옷감의 종류, 빨래의 양 및 물의
|
|
|
퍼지이론
⦁정의
⦁사례
5. 포터의 경쟁세력모델
⦁정의
⦁사례
6. 지식관리시스템
⦁정의
⦁사례
7. 지식재산권
⦁정의
⦁사례
8. 저작권
⦁정의
⦁사례
9. 상표권
⦁정의
⦁
|
|
|
퍼지의 조건부에 의한 입력 공간의 분할은 신경망의 분류 기능에 의한 분할과 비슷.
Fuzzy Neural Networks
- Fuzzy Theory + Neural Network Fuzzy Neural Network 1. Fuzzy Neural Networks의 정의
2. Fuzzy Neural Networks의 구조
3. Multi-Fuzzy Neural Networks의 구
|
|
|
[ERROR : 10731] 오류 발생.
|
|
|
기존의 ON OFF 방식의 경우는 가열 중에 계속 열을 빼았기므로 해서 생기는 열손실을 보충할 수가 없기 때문에 온도 변화 폭이 커지게 됩니다.
그러나 퍼지 제어의 경우는 상황 변화에 따라 좀더 자세한 제어를 할 수가 있으므로 좀더 양호한
|
|
|
0보다 큰 지 작은지 즉, 안전한지 파괴 될 것인지를 판단하는 방법이다. 리스크 매트릭스
Event Tree Analysis(ETA)
Fault Tree Analysis(FTA)
Fuzzy Event Tree Analysis(FETA)
Fuzzy Fault Tree Analysis(FFTA)
몬테칼로 시뮬레이션 기법
베이지안 기법
퍼지기법
|
|
|
어떻게 이용할 것인가가 중요한 문제가 된다 그러므로 이러한 것에 대한 논의가 앞으로 계속 있어야 할 것이다 1. 서두
2. 인공지능의역사
3. 인공지능응용분야 (총 15개분류)
4. 인공지능의 한계
5. 우리나라 인공지능의 현 주소
|
|
|
모형의 계층적 구조
3. 핵심성공요인들의 상대적 중요도의 결정
4. 성과측정치들에 관한 퍼지평가
5. 퍼지모형에 의한 전반적 경쟁력의 평가
6. 퍼지모형평가와 일반적 평가의 비교
Ⅴ. 기업경영평가
1. 1980년대 초 새로운 공기업 경영평
|
|
메뉴펼치기
