퍼지와 신경망의 차

1.퍼지논리

퍼지 논리는 1970년대 초, 로트피 지드(R. E. Zadeh)에 의해 제안된 개념으로, 전통적인 이론의 한계를 극복하기 위한 수단으로 자리잡았다. 기존의 이론들은 고전 집합론에 기반하여 명확하게 정의된 0 또는 1, 참 또는 거짓의 이분법적(True/False) 사고를 기반으로 한다. 하지만 현실 세계의 많은 상황은 이와 같은 명확한 경계를 갖지 않는다. 예를 들어, `뜨겁다`, `차갑다`와 같은 표현은 주관적이며 상황에 따라 다르게 해석될 수 있다. 이러한 문제를 해결하기 위해 퍼지 논리는 `부분적 진리` 개념을 도입한다. 다시 말해, 어떤 요소가 특정 집합에 속하는 정도를 0과 1 사이의 값을 통해 표현할 수 있다. 이를 통해 정보나 지식의 불확실성과 모호성을 모델링할 수 있게 된다. 퍼지 논리의 핵심은 퍼지 집합이다. 퍼지 집합은 각각의 요소에 대해 그 소속 정도를 나타내는 멤버십 함수(Membership Function)를 가지고 있다. 이 함수는 0에서 1 사이의 값을 가지며, 0은 `전혀 소속되지 않음`을, 1은 `완전히 소속됨`을 나타낸다. 예를 들어, `높은 온도`라는 개념을 생각해보면, 70도는 `높은 온도`에 대한 멤버십 값이 높을 것이고, 30도는 낮을 것…