웨이브릿 이론을 이용한 퍼지-신경망 구조의 최적화

The FNN Optimization Using The Wavelet Theory

  • 김용택 (중앙대학교 전자전기공학부) ;
  • 서재용 (중앙대학교 전자전기공학부) ;
  • 연정흠 (중앙대학교 전자전기공학부) ;
  • 김종수 (중앙대학교 전자전기공학부) ;
  • 전홍태 (중앙대학교 전자전기공학부)
  • 발행 : 2000.12.01

초록

본 논문에서는, 퍼지 신경망 시스템에 대한 최적의 규칙 베이스의 생성과 초기화를 이루기 위하여 웨이브릿 이론을 기반으로 한 퍼지 신경망 구조를 제안한다. 제안한 웨이브릿 기반의 퍼지 신경망 구조(WFNN)에서는 퍼지-신경망에 대하여 웨이브렛 함수의 성질과 다운스트레칭 메카니즘에 의하여 초기의 최적 퍼지 규칙 베이스를 구성하고 은닉층의 노드 개수를 최적화시키며, 에러 역전파 알고리즘에 의하여 각 파라미터의 조절과 학습이 진행된다. 역진자 시스템에 대한 모의 실험을 통하여 제안한 웨이브릿 기반의 퍼지 신경망 제어 시스템의 우수성을 검증하였다.

키워드

참고문헌

  1. IEEE Trans. Nerual Networks v.3 no.5 On fuzzy modeling using fuzzy neural network swith the Back-propagation algorithm S. Horikawa;T. Furuhashi;Y. Uchikawa
  2. IEEE Trans. Nerual Networks v.4 Analysis and synthesis offeed-forward neural network using discrete affine wavelet transformations Y.C. Pati;P.S. krishnaparasad
  3. IEEE Trans Signal Processing v.43 Wavelet neural networks for function learning J. Zhang;G.G. Walter;Y. Miao;W.N.W. Lee
  4. IEEE Trans. Nerual Networks v.8 no.2 Using Wavelet Networkin Nonparametric Estimation Zhang;Qinghua
  5. UCSC-CRL 94-47 Wavelets : An Elementary Introduction and Example Masami Ueda;Suresh Lodha
  6. Technical Report 849 Wavelets, Splines, Neurons, Fuzzies : How Good For Identification A. Judisky;Q. Zhang;B. Delyon;P.Y. Glorennec;A. Benveniste
  7. IEEE Trans. Neural Networks v.10 Wavelet Decomposition and Radial Basis Function Networks for System Monitoring Andreas Ikonomopoulos;Akira Endou
  8. Neuro-Fuzzy and soft Computing J.S.R. Jang;C.T. Sun;E. Mizutani