비누향수 스토어

비누향수

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 방송통신대공학/기술

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

3개
전체 판매량

78개
최근 3개월 판매량

1개
자료후기 점수

평균A+
자료문의 응답률

-

전체자료 3개

빅데이터의 정의와 특징 분석기술의 종류

빅데이터의 정의와 특징,분석기술의 종류목차Ⅰ. 서론Ⅱ. 본론1. 빅데이터의 정의2. 빅데이터의 특징3. 빅데이터 분석기술의 종류Ⅲ. 결론Ⅳ. 참고문헌Ⅰ. 서론바야흐로 빅데이터 시대에 접어들었다. 데이터라는 개념은 그다지 새로운 개념이 아니지만, 언제부터인가 ‘빅데이터’라는 새로운 용어가 등장하며 많은 사람들의 관심을 받게 되었다. 이런 변화가 생긴 배경은 무엇일까?오늘날의 빅데이터는 과거의 데이터와 차이가 있다. 빅데이터와 데이터의 차이점은 바로 데이터의 양, 빠른 생성 속도와 다양성 등에 있다고 할 수 있다.과거에는 데이터를 사람이 일일이 기록하는 방식으로 수집이 되었지만 이제는 디지털 환경이 스스로 기록하고 자동으로 수집하는 것이다. 이처럼 다양한 분야에서 수많은 종류의 데이터가 엄청난 속도로 쌓이면서 ‘빅데이터’가 등장하게 되었다.그림1. 인터넷 기업의 등장과 글로벌 디지털 데이터 규모Ⅱ. 본론1. 빅데이터의 정의그렇다면 ‘빅데이터’란 구체적으로 무엇을 가리키는 것일까? 빅데이터란 디지털 환경에서 생성되는 데이터로 그 규모가 방대하고, 생성 주기도 짧고, 형태도 수치 데이터뿐 아니라 문자와 영상 데이터를 포함하는 대규모 데이터를 말한다.빅데이터는 ‘빅(Big)+데이터(Data)’식의 단순 합성어가 아니다. 빅데이터를 ‘어마어마하게 많은 데이터’라는 식으로 받아들이면 본질적인 의미와 가치를 놓치게 된다. 기존의 기업 환경에서 사용되는 ‘구조화된 데이터’는 물론 메타정보와 센서 데이터, 공정 제어 데이터 등 미처 활용하지 못하고 있는 ‘반구조화된 데이터’, 여기에 사진, 이미지처럼 지금까지 기업에서 활용하기 어려웠던 멀티미디어 데이터인 ‘비구조화 데이터’를 모두 포함하는 것이 빅데이터다.여기서 구조화된 데이터, 반구조화된 데이터, 비구조화된 데이터란 다음과 같이 정의할 수 있다.(1) 구조화된 데이터: 관계형 데이터베이스에서 데이터 형식이 정규화되어 있고 데이터 스키마가 지원된다. 구조화된 데이터의 장점은 데이터 간에 연계성을 바탕으로 다양한 데이터 조합을 만들어서 데이터 정렬과 분석을 쉽고 빠르게 할 수 있다는 것이다.(2) 반-구조화 데이터: 다소 정형화된 파일이 데이터 속성인 메타데이터를 가지며 자체적으로 데이터에 관한 서술이 가능한 형태나, 혹은 데이터베이스 형태는 아니지만 XML 형태로 서술되고 구조화되어 있는 데이터이다.(3) 준구조화 데이터: 일관성이 없는 데이터의 형식을 갖는 것으로, 일반적으로 웹사이트에서 사용자에 의해 발생하는 클릭 스트림 데이터가 이에 해당한다. 클릭 스트림 데이터는 웹사이트에서 발생하는 사용자의 다양한 경험 데이터이다.(4) 비구조화 데이터: 일반 텍스트 기반의 데이터로 분석이 가능한 데이터이다. 텍스화되지 않은 데이터로는 이미자 파일과 동영상과 같은 멀티미디어 데이터가 있다.현재 빅데이터의 분야에서는 데이터 구조화를 위해 센서 데이터, 웹로그 파일, 클릭 스트림, 소셜 네트워킹 피드 등 원시데이터를 다양한 방식으로 전환하고자 한다. 이를 통해 데이터의 다양한 형식을 수용하는 패러다임의 전환이 일어나고 있다.2. 빅데이터의 특징빅데이터 개념은 시장조사업체 메타그룹(현 가트너)이 만들었다. 당시 메타그룹은 데이터가 규모(Volume), 속도(Velocity), 다양성(Variety) 등을 갖추면서 급성장하고 있다고 분석하고 2002년에 '3V'의 속성을 보이는 데이터를 빅데이터라고 명명했다.이처럼 빅데이터는 개념상 규모(Volume), 속도(Velocity), 다양성(Variety) 등이 기존의 데이터에 비해 우위에 있다고 평가된다.IBA도 빅데이터를 정의했는데, 메타그룹이 말한 속성에서 '진실성(Veracity)'이라는 요소를 더해 '4V'로 명명하고 있다. 이 특징은 각각 다음과 같은 의미를 갖는다.(1) 대량성(규모): 데이터의 물리적 크기에 관한 것이다. 크기는 기업 데이터, 웹 데이터, 센서 데이터 등 페타바이트(PB) 규모로 확장된 데이터를 말한다.(2) 다양성: 데이터의 형태에 관한 것이다. 기존의 기업 데이터 환경에서 사용하는 관계형 데이터베이스에 저장된 데이터인지, 웹 로그나 기기 데이터와 같은 데이터인지, 비디오나 이미지 같은 비정형 데이터인지 등 데이터의 형태에 따라 그 종류가 나뉜다. 빅데이터는 이 모든 데이터를 포함하기 때문에 이를 다룰 수 있는 기술이 요구된다.(3) 속도: 데이터 처리 능력에 관한 것이다. 데이터를 수집 · 가공 · 분석하는 일련의 과정을 실시간 또는 일정 주기에 맞춰 처리할 수 있어야 한다.(4) 진실성: 빅데이터 분석을 통해 얻은 통찰력은 신뢰가 제고됨을 의미한다.3. 빅데이터 분석기술의 종류데이터 마이닝(Data Mining)이란 대규모 데이터에서 의미 있는 정보를 추출하는 것을 말한다. 특히 웹에서 엄청나게 빠른 속도로 생성되는 웹 페이지(web page) 콘텐츠와 웹 로그(web log), 소셜네트워크 서비스의 텍스트 정보와 영상과 같은 비구조화 데이터를 분석하기 위한 다양한 방법론이 등장해 데이터 마이닝의 포괄 범위는 확장되고 있다.그림2. 데이터 마이닝 표준 처리 과정데이터마이닝에는 지도학습과 비지도학습이 있다. 지도학습은 정답을 알려주고 학습을 진행하는 것으로, 의사결정나무, 인공신경망, 로지스틱회귀분석, 앙상블 분석 등이 해당된다. 비지도학습은 정답을 알려주지 않고 데이터 들을 군집화하는 것으로 데이터의 숨겨진 특징이나 구조를 발견하는 데 사용된다. 연관규칙분석, 군집분석 등이 해당된다.(1) 연관규칙분석 (장바구니 분석)연관규칙분석은 흔히 장바구니 분석 또는 서열 분석이라고도 한다. 장바구니 분석이란 장바구니에 무엇이 같이 들어 있는지에 대한 분석이고, 서열 분석이란 'A를 산 다음에 B를 산다'는 개념으로, 기업의 데이터베이스에서 상품의 구매, 서비스 등 일련의 거래 또는 사건들 간의 규칙을 발견하기 위해 적용된다.(2) 군집분석군집분석은 각 객체의 유사성이 높은 대상 집단으로 분류하고, 군집에 속한 객체들의 유사성과 서로 다른 군집에 속한 객체간의 상이성을 규명하는 분석 방법이다. 특성에 따라 고객을 여러 개의 배타적인 집단으로 나누고 군집의 개수나 구조에 대한 가정 없이 데이터들 사이의 거리를 기준으로 군집화를 유도한다. 라이프 스타일에 따른 소비자군을 분류하여 시장 전략 수립 등에 활용한다.(3) 분류분석분류분석은 데이터가 어떤 그룹에 속하는지 예측하는데 사용한다. 클러스터링과 유사하지만, 분류분석은 각 그룹이 정의되어 있다. 카드회사에서 회원들의 가입정보를 통해 1년후 신용 등급을 알거나 고객들의 속성을 이용해 이탈일자를 예측하는 데 사용된다.(4) 예측분석예측분석은 시계열 분석처럼 시간에 따른 값 두 개만을 이용해 앞으로의 매출 또는 온도 등을 예측하는 것이다. 여러 개의 다양한 설명변수(독립변수)가 아닌 한개의 설명변수로 생각하며, 레코드의 연속형 속성의 값을 알아맞히는 것이다. 카드회사 회원들의 가입정보를 통해 연 매출액을 알아내거나 할 때 사용된다.Ⅲ. 결론데이터가 크다고 해서 곧 가치가 있다고 말할 수는 없다. 큰 데이터를 분석하고 처리할 수 있는 연산 기술이 없다면 빅데이터는 오히려 저장공간만 축내는 존재가 된다. 오늘날에 이르러 저장 비용과 연산 비용이 감소함에 따라 이제 빅데이터는 경제성을 가지며 우리 삶의 일부가 되었다.이처럼 빅데이터를 다루는 일이 중요해지면서, 이를 책임져야 할 전문가의 필요성도 높아지고 있다. 데이터를 수집하고 정리하고 분석해 보기 편한 자료를 만드는 전문가의 역할이 중요해진 것이다. 그에 반해 아직까지도 빅데이터와 관련된 직업과 직무를 어떻게 정의하고 구분지어야 하는지에 대한 논의는 계속 진행되고 있다는 점은 다소 아쉽지만, 이렇게 빅데이터에 대한 관심과 교육이 날로 높아진다면, 머지 않아 더 많은 분야에서 빅데이터가 사용되어 인간 사회에 유익을 가져다줄 것이라고 전망된다.참고문헌이재홍, 『4차 산업혁명 시대 대한민국의 기회』, 메디치미디어, 2017이지영, 『용어로 보는 IT』, 블로터, 2013조성준 외, 『빅데이터 커리어 가이드북』, 길벗, 2021정용찬, 『빅데이터』, 커뮤니케이션북스, 2013정용찬, 『빅데이터 혁명과 미디어 정책 이슈』(KISDI Premium Report 12-02), 정보통신정책연구원, 2012정우진, 『빅데이터를 말하다』, 클라우드북스, 2013최홍규, 『소셜 빅데이터 마이닝을 활용한 미디어 분석 방법』, 클라우드북스, 2017Chapman, Pete et al.(2000년) CRISP-DM 1.0 Step-by-step data mining guide. SPSS.개발자가 데이터 분석 준전문가 되기 (https://wikidocs.net/book/3558)

공학/기술| 2022.01.12| 9페이지| 3,000원| 조회(214)

빅데이터, 전산개론, 학점은행

미리보기

닫기
큐 자료구조와 이진트리의 너비 탐색 (C언어) 평가A+최고예요

자료구조 과제큐 자료구조와이진트리의 너비 탐색목차1. 큐 자료구조 개념2. 트리의 너비 탐색 연산 알고리즘3. 트리 탐색 출력 결과 화면4. 정리 및 느낀점5. 참고문헌큐 자료구조 개념큐(queue)는 한쪽 방향으로 데이터가 삽입되고 반대 방향으로 데이터가 삭제되는 구조다. 따라서 큐는 가장 먼저 삽입된 데이터가 가장 먼저 삭제되므로 선입 선출(FIFO, First-In First-Out) 구조라고도 불린다.그림 SEQ 그림 * ARABIC 1. 큐의 구조이와 같은 큐에 데이터를 넣고 빼는 연산은 각각 enqueue, dequeue라고 한다. 스택에서 데이터를 넣고 빼는 연산을 가리켜 각각 push, pop이라 하는 것과 유사하다.enqueue: 큐에 데이터를 넣는 연산dequeue: 큐에서 데이터를 꺼내는 연산트리의 너비 탐색 연산 알고리즘너비 우선 탐색(breadth first search: BFS)은 시작 정점으로부터 가까운 정점을 먼저 방문하고 멀리 떨어져 있는 정점을 나중에 방문하는 순회 방법이다. 너비 우선 탐색을 위해서는 방문한 정점들을 차례로 저장한 후 꺼낼 수 있는 자료구조인 큐가 필요하다. 즉, 정점이 방문될 때마다 큐에 방문된 정점을 삽입하고, 더 이상 방문할 인접 정점이 없는 경우 큐의 앞에서 정점을 꺼내어 그 정점과 인접한 정점들을 모두 차례대로 방문하게 된다. 초기 상태의 큐에는 시작 정점만이 저장되고, 너비 우선 탐색 과정은 큐가 소진될때까지 계속한다. 따라서 아래와 같은 구조의 이진 트리가 있다면, 아래와 같은 과정으로 탐색되며, 최종 탐색순서는 마지막 그림과 같다. (트리 그림 하단의 표는 큐를 의미하며, 주황색 원은 탐색완료됨을 의미한다.)위 트리에 대한 BFS 탐색 코드는 다음과 같다.#include#include#include#define MAX_QSIZE 10// 트리노드 정의typedef struct treeNode{char data;struct treeNode* left, * right;}treeNode;typedef treeNode* element;// 큐 정의typedef struct QType{element queue[MAX_QSIZE];int front, rear;}QType;// 샘플트리 생성treeNode n1 = { '3',NULL,NULL };treeNode n2 = { '4',NULL,NULL };treeNode n3 = { '5',NULL,NULL };treeNode n4 = { '6',NULL,NULL };treeNode n5 = { '1',&n1,&n2 };treeNode n6 = { '2',&n3,&n4 };treeNode n7 = { '0',&n5,&n6 };treeNode* root = &n7;void init(QType* q){q->front = 0, q->rear = 0;}int is_empty(QType* q){return q->front == q->rear;}int is_full(QType* q){return (q->rear + 1) % MAX_QSIZE == q->front;}void enqueue(QType* q, element item){if (is_full(q)){printf("큐가 꽉 찼습니다.n");return;}q->rear = (q->rear + 1) % MAX_QSIZE;q->queue[q->rear] = item;}treeNode* dequeue(QType* q){if (is_empty(q)){printf("큐가 비었습니다.n");exit(1);} else {q->front = (q->front + 1) % MAX_QSIZE;return q->queue[q->front];}}// 너비우선탐색void bfs_search(treeNode* root){QType q;init(&q);if (root == NULL) return;enqueue(&q, root);while (!is_empty(&q)){root = dequeue(&q);printf("%c ", root->data);if (root->left) enqueue(&q, root->left); //왼쪽 자식이 존재하면if (root->right) enqueue(&q, root->right); //오른쪽 자식이 존재하면}puts(" ");}int main(){printf("너비우선탐색 순서: ");bfs_search(root);}트리 탐색 출력 결과 화면그림 SEQ 그림 * ARABIC 3. 코드 실행 결과 (https://csacademy.com/workspace/)정리 및 느낀점그래프의 탐색에는 너비 우선 탐색(BFS, Breadth First Search)와 깊이 우선 탐색(DFS, Depth Frist Search)가 있다. 그리고 트리의 순회에는 전위, 후위, 중위 순회가 있다. 하지만 이 3가지 방법 외에도 레벨 순회 방법이 있는데, 이것이 바로 BFS와 거의 동일한 기법이다.아직은 C언어를 막 배우기 시작한 터라 이전까지는 간단한 소스만 구현해 봤었는데, 이번 기회를 통해 트리의 탐색을 구현해보게 되었다. 더불어 기존의 전위, 후위, 중위 순회 외에 레벨 순회에 대한 내용도 새롭게 접해보게 되었다. 또한, 트리 및 그래프의 탐색에 대해 알아보며, 이러한 탐색이 실생활에 어떻게 적용되는지에 대해서도 다시금 생각해보게 되었다. 아직은 이론적인 내용을 이해하는 데에 그치지만, 이 내용들을 잘 정리하여서 효율적인 프로그램 설계 및 운영에 잘 활용할 수 있기를 기대해 본다.참고문헌김종훈, 김종진, 『컴퓨터 개론』, 한빛아카데미, 2013윤성우, 『윤성우의 열혈 자료구조』, 오렌지미디어, 2012천인국 외, 『C언어로 쉽게 풀어쓴 자료구조』, 생능출판, 2014* 그 외 참고문헌김동수, 『쉽게 배우는 자료구조』, 글로벌, 2014이상진, 『자료구조 입문』, 프리렉, 2016이석호, 『자료구조와 C』, 정익사, 2004이지영, 『C로 배우는 쉬운 자료구조』, 한빛미디어, 2016주우석, 『C•C++로 배우는 자료구조론』, 한빛미디어, 2015

공학/기술| 2021.11.05| 7페이지| 2,500원| 조회(621)

자료구조, 이진트리, 큐, 학점은행

미리보기

닫기
퍼지집합의 개념, 대수적 성질, 사례 평가A+최고예요

퍼지집합(FUZZY SET)목차Ⅰ. 서론1. 퍼지집합의 등장2. 퍼지집합 등장의 사전 배경Ⅱ. 본론1. 퍼지집합의 개념2. 퍼지집합의 연산 및 대수적 성질3. 퍼지집합의 응용 분야4. 퍼지집합의 사용 사례Ⅲ. 결론Ⅳ. 참고문헌서론1. 퍼지집합의 등장퍼지집합은 버클리 캘리포니아 대학의 교수로 재임했던 자데(Loft A. Zadeh)에 의해 처음 제창되었고, 불확실한 상태를 표현할 수 있다는 의미에서 ‘애매한, 불분명한’을 의미하는 ‘fuzzy’라는 영단어를 이용해 이 이론은 퍼지 이론(fuzzy theory)이라고 명명됐다.“일반적인 수학의 의미에 있어서 집합이란 어떤 것이 집합에 속하는가 또는 속하지 않는가를 판정해 명확히 속하는 것들만을 모아서 집합으로 하지만 fuzzy 집합에서는 그것에 속하는가 또는 속하지 않는가가 명확히 정해져 있지 않은 것을 대상으로 한다.”실상 이러한 불분명한 기준은 수학적으로 정의하기 어렵다. 실제로 퍼지 이론은 이러한 특성 때문에 초기 수학자들에게는 인정받기가 어려웠다.2. 퍼지집합 등장의 사전 배경하지만 퍼지논리가 어떠한 역사적 축적없이 갑자기 돌출된 것은 아니다. 철학자 블록(Black)은 1937년 '애매함(Vagueness)' 이라는 논문에서 퍼지논리의 제창자인 자데보다 약 30년 앞서서 애매한 집합을 정의했다.또한 파스칼은 이성, 보편성, 물질을 중시했던 데카르트와 달리 감성, 개별성, 정신을 중시하며 확률론을 창시하기도 했다. 확률론은 애매성의 양상 중 '랜덤니스(randomness)'를 다루는 이론이며, 퍼지논리가 나오기 전에 애매성을 다룬 거의 유일한 이론이라고 할 수 있다.수학 발전의 역사를 보면, 수학은 그리스 기하학의 특성에 나타나 있는 ‘관념적인 수학’에서 ‘결정론적인 수학(미적분학)’으로, 그리고 ‘우연적인 수학(확률론과 통계학)’으로 발전해 왔다. 이 ‘우연’ 후에 ‘애매모호함’을 다루는 퍼지 이론이 등장한 것은 자연스러운 흐름이라 할 수도 있다.결국 퍼지집합은 1965년 자데(Zadeh)에 의해 처음 등합에 대응하는 고전논리가 ‘이진 논리’인 데 반해서 퍼지집합에 대응하는 퍼지논리는 단위 구간 위의 무한한 모든 값을 취할 수 있으므로 '무한 다가 논리'라고 할 수 있다.그림 SEQ 그림 * ARABIC 1. 보통 집합과 퍼지 집합의 표현소속함수 표시법은 다음과 같다.: A = (x, μA(x))예를 들어 1부터 10까지의 자연수 중 작은 것의 집합 A에 대해, 임의로 1, 2, 3, 4, 5가 작은 수이며, 각 원소가 속하는 정도를 다음과 같이 가정해본다.A = {(1,1), (2, 0.9), (3, 0.75), (4, 0.5), (5, 0.25)}그러면 다음과 같이 그래프를 그려볼 수 있다.그림 SEQ 그림 * ARABIC 2. 퍼지함수 그래프의 예시2. 퍼지집합의 연산 및 대수적 성질퍼지집합에서는 다양한 연산이 가능하지만 보통집합의 연장선상에서 연산을 다음과 같이 정의할 수 있다. (전체집합 X과 퍼지집합 A, B)가. 기본적 연산과 성질(1) A = B ⇔ ∀x∈X μA(x) = μB(x)(2) A⊆B ⇔ ∀x∈X μA(x) = μB(x)예: "1보다 매우 큰 실수"의 퍼지집합은 "1보다 큰 실수"의 퍼지집합에 포함된다.그림 SEQ 그림 * ARABIC 3. A={x:x>>1}과 B={x:x>1}의 포함관계(3) 합집합: A∪B ⇔ ∀x∈X μA∪B(x) = max{ μA(x), μB(x)}(4) 교집합: A∩B ⇔ ∀x∈X μA∩B(x) = min{ μA(x), μB(x)}그림 SEQ 그림 * ARABIC 4. 합집합과 교집합(5) 여집합: Ac ⇔ ∀x∈X μAc(x) = 1- μA(x)예: X=[1, 100]가 연령을 표시하고 "young"을 젊은 사람들의 연령이라 하면 "young"의 여집합 "not young"은 그림과 같다.그림 SEQ 그림 * ARABIC 5. 퍼지집합 "young"과 여집합 "not young"(6) 차집합: A – B = A∩Bc그림 SEQ 그림 * ARABIC 6. 퍼지집합의 차집합 A-B(7) 기타또한 퍼지결합법칙(結合法則, associative law)의 성립T(T(a,b),c)=T(a,T(b,c))라. 합연산함수 S:[0.1]×[0.1]→[0.1]가 다음의 공리를 만족할 때 함수 S 를 T-conorm(triangular conorm)이라 하며 이 S-norm 의 성질을 만족하는 연산을 합연산이라 한다.(1) 공리 S-1 경계조건(境界條件, boundary condition)S(0,0)=0S(0,a)=aS(1,a)=1S(1,1)=1(2) 공리 S-2 단조성(單調性, monotonic)∀a,b,c,d∈[0,1] a≤c, b≤d⇒S(a,b)≤S(c,d)(3) 공리 S-3 교환법칙(交換法則, commutative law)의 성립S(a,b)=S(b,a)(4) 공리 S-4 결합법칙(結合法則, associative law)의 성립S(S(a,b)c)=S(a,S(b,c))마. 예제어느 카센터의 정비기사 K 씨는 자동차 고장의 원인을 진단하려고 한다. 그는 자동차의 시동을 거는 것과 파워와 배기가스는 배터리 또는 엔진오일과 관계가 있다고 판단하고 있다. 그는 시동과 배터리는 아주 밀접한 관계가 있는 반면, 배터리는 파워와 배기가스와는 별 관계가 없고, 엔진오일은 시동과는 좀 관계가 있고, 파워와 배기가스와는 관계가 있다고 할 수도 없고, 없다고 할 수도 없다고 생각하고 있다. K 씨가 고장난 자동차를 조사한 결과 시동을 걸기는 어려우나 파워나 배기가스에는 별 문제가 없었다고 한다면 고장난 원인은 무엇일까? K 씨는 시동이 잘 걸리지 않는 것을 미루어 보아 시동과 가장 밀접한 관계를 가지는 배터리의 상태를 고장난 원인으로 우선 간주할 것이고, 엔진오일이 나쁜 것은 고장의 원인이 될 가능성이 낮다고 생각할 것이다.K 씨의 지식을 퍼지관계 R 로 나타내고 출력B를 관찰하여 입력A를 규명하려고 할 때, 다음과 같이 모델링할 수 있다.A : 원인들의 집합B : 증상들의 집합a1: 배터리가 안 좋음a2: 엔진오일이 안 좋음b1: 시동이 어려움b2: 파워b3: 배기가스B = {(b1, 1983년 디시젼 프로덕트사는 퍼지추론 의사결정 시스템인 Reveal을 개발- NASA 또한 우주탐사에 퍼지이론을 응용하는 방법을 연구(2) 일본의 퍼지이론 활용- 1970년 오사카대학의 마사하루 교수에 의한 이라는 논문을 발표하면서 퍼지이론 연구 시작- 1985년 IFSA(국제 퍼지시스템 학회)가 일본에 지부를 설치- 가전 산업에의 응용단계를 넘어 경영진단, 경영예측, 소비자 심리, 의료디자인, 컴퓨터 그래픽 등 다방면에 걸쳐 연구 개발(3) 한국의 퍼지이론 활용- 1990년 말에 KFMS(한국 퍼지 시스템 학회)가 창설된 이후로 퍼지이론의 연구가 활성화- 1989년 서강대학교 전산과에서 국내 처음으로 이라는 강의를 개설하며 연구 분위기 조성나. 분야별 사례구분응용 분야가정용품공조장치, 온수기, 청소기, 세탁기, 전기밥솥, 냉장고, 전자조리기, 석유난방기, 비디오카메라, 텔레비전, 청소로보트 등광학기계카메라 초점 제어, 자동추미장치, 자동조리개제어의료기기신체장애자용 휠체어, 건강관리시스템, 의료진단기기자동차자동주행제어, 연소제어, 자동차 변속기 제어전차차량자동운행시스템, 차량안전제어건설용기중기 안정제어, 기중기 자동차운전, 유압 쇼벨, 터널의 굴착기계, 콘크리트의 분열 검진 시스템선박연결작업의 안정제어전자제어 부품광학터치판넬, 온도조절기, 퍼지 프로그램 컨트롤러섬유장력제어, 발송제어식품, 화학 제약공업화학첨가 합성공정, 보일러제어, 벨브개폐제어중공업전기장의 제어, 시멘트 원료조합기공공시설정수장 약제살포제어, 댐관리, 터널 환기제어전력, 가스송전선조사, 전력수요관리서비스 관련공공교통의 운행 관리, 현금자동지급기 지폐 제어자동화방전가공기, 레이저 용접기, 레이저 절단기항공, 우주로케트 자세제어기타화재경보시스템, 방범시스템표1: 퍼지이론 실용화 사례실제로 퍼지논리는 매우 광범위하게 응용되고 있다. 1974년 영국 런던대학의 Mamdani가 스팀엔진의 자동운전에 퍼지추론을 응용하여 좋은 결과를 얻었고, 이것은 퍼지추론을 제어에 응용한 효시가 되었다. 그후 1980년터, 혹은 인공지능의 한계로 여겨지는 것이 바로, 수치화하기 어려운 감성적인 세밀함, 직관에 의한 판단의 측면에서는 결국에는 인간이 우세하다고 생각되기 때문이다.그런데 이 퍼지이론은 추상적이고 감성적인 ‘비수학적, 비과학적’인 내용을 수치화한다. 그리고 이런 퍼지이론을 통해 발전된 인지과학은 결국 인류의 삶의 여러 측면에 도움을 주고 있다. 그런 면에서 퍼지이론은 인공지능 등 기계의 한계를 또 한번 제거한 진일보라고 볼 수 있다.하지만 여전히 퍼지이론이 완전히 실용화가 되기 위해서는 여러 과제가 남아 있다고도 본다.(1) 기초적 연구: 퍼지개념, 퍼지추론, 다치논리로서의 정리, 통일적 논리의 확립 등(2) 퍼지 컴퓨터에 관한 연구: 고성능 컴퓨터로서 퍼지 시스템의 적용, 퍼지 OS, 퍼지 컴퓨터의 아키텍쳐, 고성능 퍼지 컴퓨터 소자 개발 및 연구(3) 기계의 지능화: 적응제어와 학습제어 등의 지적제어, 환경제어, 유연한 사고 및 동작을 하는 컴퓨터 등(4) 인간/기계계: 인간상호의 인터페이스 해명, 유연한 인간의 맨-머신 인터페이스 개발, 자연언어처리, 퍼지 데이터베이스, 퍼지 전문가 시스템(5) 인간사회계: 인간의 행동 및 심리해석, 경제동향 및 사회현상의 모델화 예측, 의사결정 지원 등그럼에도 퍼지이론에 대한 지속적인 연구와 개발은, 인간의 두뇌에서 좌뇌가 이성을 통제하고 우뇌가 감성을 통제하여 균형 있는 판단을 내리는 것과 마찬가지로 앞으로 정확한 수치계산뿐 아니라 애매한 언어 이해와 추론 및 판단을 내릴 수 있는 컴퓨터 기술의 등장을 기대하게 한다. 앞으로 퍼지이론을 통해 더욱 인간, 사회 친화적으로 정밀하게 발달될 과학 기술에 귀추가 주목된다.참고문헌궤도 과학 커뮤니케이터, 「애매한 상황을 수학적으로 판단한다! 일상 속에 숨은 ‘퍼지 이론’」, 『삼성 디스플레이 뉴스룸』, 2020김광용, 「퍼지 이론 및 응용」, 『충대신문』, 2011박민용, “퍼지이론의 개요”, 정보통신 : 한국통신학회지(The journal of the Korean Institut2

공학/기술| 2021.11.05| 15페이지| 3,000원| 조회(792)

이산수학, 김영, 퍼지집합, 학점은행과제

미리보기

닫기