|
서술해 보시오.
2. Membership Function 을 어떻게 만드느냐에 따라 공학을 Fuzzy에 적용시킬 때 중요하게 작용한다. Membership Function을 만들 때의 마음가짐 또는 idea는 무엇이라고 생각 하는가?
3. ㄱ,ㄴ 의 구분에 Fuzzy를 적용 시켜 보시오.
|
|
|
membership functions from training examples", fuzzy set and Systems, volume 84, issue 1, pp. 33-47, 1996.
[2]Witold Pedrycz, "Conditional Fuzzy C-Means" Pattern Recognition Letters, Volume 17, Issue 6, pp. 625-631, 1996.
[3]J-S. R. Jang, "Input Selection for ANFIS Learning", Preceeding of the 5th IE
|
|
|
membership (소속정도)
보통집합 (0, 1)
퍼지집합 (무한 지수) : 보통집합을 포함
퍼지집합은 애매한 경계(한계)를 가지는 집합으로 정의
특성함수(Characteristic function) : A
소속함수(Membership function) : A
공 퍼지집합(Empty fuzzy set)
정규
|
|
|
)가 구분적 연속
2. 퍼지수의 표현
3. 확장원리
Ⅷ. 퍼지이론과 퍼지집합
1. 일반적인 집합(Crisp Sets)
2. 퍼지 집합(Fuzzy Sets)
1) 소속도(membership grade,membership degree)
2) 퍼지 집합(fuzzy set)
Ⅸ. 향후 퍼지이론의 전망
Ⅹ. 결론
참고문헌
|
|
|
1. Fuzzy Neural Networks의 정의
Neural Networks의 특성
- 지식표현 : 구조화된 지식을 직접 표현하거나 추출할 수 없음
- 근사기능 : Adaptability을 통한 근사기능을 구현
- 학습기능 : Membership Function의 Weight조정을 통한 학습기능을 구현
- 모델구성
|
|
메뉴펼치기
