초록
본 논문은 수치적인 데이터를 이용하여 시스템을 구성하는 퍼지 모델링에서 각각의 장점들을 유지하면서 순차적으로 성능을 개선하는 방법을 제안한다. 기존의 다양한 퍼지 모델링의 최적화 방법들은 각각의 뛰어난 최적화 기법을 이용하면서도 순차적으로 퍼지 모델의 성능을 개선하려하는 시도는 많지 않았다. 이에 본 논문에서는 각 단계별로 최적의 성능을 구현하고 이를 다음 단계에서 초기로 이용함으로써 퍼지 모델의 성능이 순차적으로 개선되는 것을 제안하였다. 이는 각각의 최적화 기법들을 지속적으로 이용함으로써 원하는 모델의 성능을 개선하고자 하는 것이다. 제안된 방법의 유용성을 Rice taste 데이터 모델에 적용하여 제안된 방법이 이전의 연구보다 좋은 결과를 보임을 알았다.
In this paper, we propose a sequentially optimization method for fuzzy inference system using fuzzy equalization and linguistic hedge. The fuzzy equalization does not require the usual learning step for generating fuzy rules. However, it is too sensitive for the given input-output data set. So, we adopt a sequential scheme which sequentially optimizes the fuzzy inference system. Here, the parameters of fuzzy membership function obtained from the fuzzy equalization are optimized by the genetic algorithm, and then they are also modified to increase the performance index using the linguistic hedge. Finally, we applied it to rice taste data and got better results than previous ones.
