둘 다 어느 정도 참이면 ‘그리고’는 어떻게 계산할까?
퍼지 논리의 핵심은 중간값을 허용하는 데서 한 걸음 더 나아가, 그 값들을 어떤 규칙으로 결합하는지 밝히는 데 있습니다.
그림에서 무엇을 볼까요?
입력 0.8과 0.6에 대해 최솟값 0.6, 곱 0.48, 우카시에비치 연언 0.4를 비교한 계산표.
아래 표는 LTCT가 직접 계산한 예시입니다. 입력값 0.8과 0.6에 최솟값 연언을 적용하면 0.6, 곱 연언을 적용하면 0.48, 우카시에비치의 강한 연언을 적용하면 0.4가 됩니다. 표의 차이는 계산 실수가 아니라 앞에서 택한 약속의 차이입니다. 이름을 외우기보다 각 행에 적힌 계산 규칙을 실제 숫자에 적용해 보세요.
밝기와 조용함의 평가는 이 글에서 정한 가상의 진리 정도입니다. “방이 조용할 확률이 60%”라는 예측과 같은 뜻으로 사용하지 않았습니다. 특히 0.8×0.6이라는 곱셈이 나왔다고 해서 두 사건의 독립성을 가정한 확률 계산으로 바뀌지 않습니다. 숫자가 비슷해도 무엇을 수량화했는지가 다릅니다.
함께 확인할 점
진리 정도를 매기는 방식은 해당 상황의 모형화 선택입니다. 측정값·만족도·사건의 확률과 자동으로 동일시할 수 없습니다.
이 표는 세 연산의 차이를 보여 주며, 일상의 모든 모호한 표현에 하나의 연산이 가장 적합하다는 결론을 제공하지 않습니다.
생각해 볼 질문
두 값의 평균 0.7을 답으로 적었다면 무엇부터 확인해야 할까요?
