신경회로망을 이용한 퍼지룰의 추론과 학습에 관한 연구

A Study on Reasoning and Learning of Fuzzy Rules Using Neural Networks

퍼지제어룰은 일반적으로 시스템에 대한 전문오퍼레이터나 기술자가 갖고 있는 애매모호함을 포함하고 있는 제어지식을 시스템의 입 출력 분할에 의해 if-then이라는 언어적 룰로서 표현하는 것으로 전문오퍼레이터나 기술자의 제어지식 자체의 부정확과 룰의 불완전등으로 완전하게 표현한다는 것은 대단히 어렵다. 이러한 불완전한 룰의 정확도를 시스템 동작 후에도 연속적으로 높이기 위한 방법으로서 신경회로망에 의한 퍼지 추론과 학습을 제시한다. 이 방식은 시스템의 퍼지롤의 후건부를 층상신경회로망의 역전파(Back-propagation) 학습방법에 의한 정확도를 증진시키고, 전건부의 적합도를 연상기억방식에 의해 추론하는 방식으로서, 이 방식을 이용하여 한정된 구역 내에서 숙련된 기술과 지식이 필요한 차의 안전하고 신속한 정차를 위한 Auto-Parking Fuzzy Controller를 설계하고 시뮬레이션을 통해 그 타당성을 입증하였다.

A rules of fuzzy control is to represent an expert‘s and engineer‘s ambiguous control knowledge of system with some lingustic rules. This rule is very difficult to represent perfectly because expert‘s knowledge is not precise and the rule is not perfect. We propose the fuzzy reasoning and learning to upgrade precision of imperfect rules successively after system running. In the proposed method, the precision of the backward part of a fuzzy rule is improved by back propagation learning method. Also, the method reasons the compatibility degree of the forward part of fuzzy rule by associative memory method. This method this is successfully applied to design auto-parking fuzzy controller in which expert‘s technology and knowledge are required in the limited area.