Abstract
The purpose of this paper is to develope a neurofuzzy system for a ship design which can determine efficiently design values e.g. principal dimensions and hull factors in a conceptual design. The neurofuzzy system for a ship design(NeFHull) applies a information about given input-output data to fuzzy theories and deals these fuzzificated values with neural networks, e.g. first, redefines normalized input-output data ad membership functions and then executes these fuzzficated information with backpropagation neural networks. We use a hybrid learning algorithm in the training of neural networks and examine the usefulness of suggested method through mathematical and mechanical examples.
본 연구는 선박의 개념 설계 단계에서 설계 변수-주요 치수 및 선형 요소 등-들을 효율적으로 도출할 수 있는 선박 설계용 뉴로 퍼지 시스템 개발을 내용으로 한다. 선박 설계용 뉴로 퍼지 시스템(NeFHull)은 주어진 입출력 데이터에 대한 정보를 퍼지 이론으로 처리하여, 이를 신경회로망에 적용하는 것으로, 무차원화한 입출력 데이터로부터 소속 함수로 입력 패턴을 재 정의한 후, 신경 회로망으로 그 정보를 처리한다. 신경 회로망 학습에는 혼합 학습 방법을 사용하였으며, 수학적 공학적 예를 통해 본 방법을 유용성을 검토하였다.
