Genetic Algorithm(GA) is a parallel, global search technique modeled with the Darwinian principle of survival and reproduction of the fittest. Since Holland has proposed GA called the Simple GA, considerable research has focused of improving Simple GA performance. In this paper, I describe some methods of GA's modeling in different field.

로봇이 지니는 지역적 한계성을 극복하기 위하여 구륜 이동용 로봇에 대한 연구가 전세계적으로 진행되어지고 있으나, 구륜이동로보트는 모델링의 불활실성이나 nonholomic등의 제약조건에 의하여 제어기의 설계시 많은 문제들을 지니게 된다. [1][2]. 이러한 어려움을 해결하기 위해 퍼지 알고리즘을 이용한 제어기 설계가 이루어지고 있으나 제한된 범위게 머무르고 있는 상황이다. 본 연구에서는 유전알고리즘에 근거하여 소속함수 및 규칙부의 자율적 조졸을 수행하는 구륜이동로보트의 퍼지 제어기를 한다. 제시된 알고리즘에서 퍼지 입출력 소속함수의 조절을 각각 독립적으로 이루어지며, 출력 소속함수의 유사지표에 근거하여 규칙부의 조절이 이루어진다.

This paper presents a performance improvement of distributed fuzzy control system by changing the triangular membership function widths according to the input variables. The control region consists of 4 parts according to the sign of error and change of error terms. Each control part is operated by the suitable nonuniform triangular membership function. Through the simulation for the boiler-turbin model of a fossil power plant using decentralized contol, it is verified this proposal

본 논문에서는 뉴로퍼지제어기를 이용한 유도가열기의 시변부하에 대한 적응 정전력 제어를 하고자 한다. 유도가열기의 정전력 조절을 위해 IGBT를 사용한 위상전이형 펄스폭변조(PWM)와 PLL에 의한 부하공진주파수 추종형 펄스 주파수변수(PFM)가 조절되는 공진 고주파 인버터를 유용한 유도가열기를 설명하고, 실험 제작된 유도가열기에서의 부하에 대한 규정 전력 추종이 잘되고 있음이 실제적으로 논증되어졌다.

In this paper, we controlled a Rotary Inverted Pendulum System using Neuro-Fuzzy Controller(NFC). The inverted pendulum system is widely used as a typical example of an unstable nonlinear control system which is difficult to control. Fuzzy theory have been because membership functions and rules of a fuzzy controller are often given by experts or a fuzzy logic control system. This controller is a feedforward multilayered network which integrates the basic elements and functions of a tradtional fuzzy logic controller into a connectionist structure which has distributed learning abilities. Such NFC can be constructed from training examples by learning rule, and the structure can be trained to develop fuzzy logic rules and find optimal input/output membership functions. Using this controller, we presented the results that controlled a Rotary Inverted Pendulum System and the associated algorithms.

In general, the design of fuzzy logic controller has difficulties in the acquisition of expert's knowledge. So, some methods that can optimize the parameters for fuzzy logic controller automatically without expert knowledge was provided. Recently, tuning method for fuzzy logic controller using genetic algorithm(GA) were proposed in many papers. However, those are tuning methods for a part or some part of fuzzy logic controller. In this paper, we proposes auto tuning method for the whole part of tuzzy logic controller, such as parameters of membership functions for antecedence and consequence parts, rule base, scaling factor and the number of rule. Finally, second order dead time plant is provided to show the advantages of the proposed method.

The concept of fuzzy sets was introduced by Zad도 in his highly influential paper [5]. Using this concept, Chang [1] introduced a notion of fuzzy topological spaces which formally is the same one as for ordinary topological spaces. Observing that with Chang's definition constant maps between fuzzy topological spaces are not necessarily continuous, Lowen [2] gave an alternative and more natural definition for a fuzzy topological spaces and characterized the fuzzy compact spaces by means of prefilters in [4]. In this paper we give new characterizations of fuzzy compact spaces introduced in [2]. These results explain more clearly fuzzy compactness in fuzzy topological spaces.

In a fuzzy relation equation R=U=T, we find the bounde by U* and U* of the equation where U* is lower bound and U* is upper bound.

In this paper, we introduce th notion of limit in a usual fuzzy real function and investigate some of its properties.

In this papaers, we generalize the usual fuzzy metric on R, the set of all real numbers, and induce the fuzzy metric space(X, d) from a metric space(X, d)

We introduce new concepts of fuzzy $\gamma$-preopen($\gamma$-preclosed) sets and fuzzy $\gamma$-precontinuous($\gamma$-preopen, $\gamma$-preclosed) maps as generalizations of the concepts of fuzzy preopen and fuzzy precontinuous of Shahna [7].

In this paper, group intelligence "arrangement" bahavior of autonomous mobile robots(AMRs) is realized by the fuzzy rules. The fuzzy rules for the arrangement are generated from clustering the input-output data. Simulation shows that a small-number of fuzzy rules successfully realizes the arrangement behavior of AMRs.

우리는 자연계에서 새나 어류가 무리지어서 다니는 특이한 모습을 볼 수 있다. 본 논문을 복수 에이전트 모빌 로봇을 이용하여 이들이 효율적인 전략적 규칙으로부터 이런 복잡한 행동의 결과를 나타낼 수 있음을 보여준다. 모의 실험된 무리는 분산된 행동 모델로 구현되었으며 각각의 모빌 로봇간의 상대적으로 단순한 상호작용의 결과이다. 또한 여기서 모의 실험된 각각의 모빌 로봇은 동적인 환경을 감지함에 따라 움직이는 독립된 개체로서 자신의 움직임을 결정한다.

Mountain Method의 다른 형태인 Subtractive 클러스터링 알고리듬은 계산이 간단하고 기존의 클러스터링 방법들과는 달리 초기 클러스터 중심의 개수 선정이 필요 없기 때문에 클러스터를 추정하는데 효과적인 알고리듬이다. 또한 클러스터의 간격을 결정하는 파라미터의 값에 따라 클러스터의 개수를 다르게 할 수 있다. 그러나 이 파라미터에 의해 동일한 그룹(Class)내에서 여러 개의 클러스터 중심이 발생될 수도 있다. 본 논문에서는 Subtractive HyperBox 알고리듬을 사용하여 이 파라미터의 영향을 줄이고 발생한 클러스터 중심이 속한 그룹의 경계를 판정함으로서 같은 그룹내에서 하나의 클러스터만 발생하도록 하고, 순차적으로 클러스터링 한 후 결과를 Subtractive 클러스터링 알고리듬과 비교하여 보았다.

기존의 교통 신호처리에 있어서는 교차로를 통과하는 차량의 숫자만으로 교통량의 많고 적음을 표시하였으나 정확한 교통 신호 처리에 있어서는 상대교차로의 지연차량수, 진입로의 길이 및 폭등이 고려되어야만 지체시간을 줄이는데 효과적임을 알 수 있다. 본 논문에서는 정확한 교통제어를 위해 진입로의 길이와 차량의 형태등을 고려한 도로상의 점유정도를 퍼지센서 알고리즘을 통해 혼잡량이라는 새로운 상징적 값으로 도출하고 실시간 구현을 위해 룩업 테이블 방식의 퍼지하드웨어를 구성하여 기존의 교통신호 처리 제어와 비교하여 차량 지체시간이 줄어듬을 보였다.

In recent years, there have been a number of applications of fuzzy logic in fuzzy reasoning system. The main objective of these applications is to approximate a decision making using the fuzzy reasoning system. This paper designs a fuzzy reasoning model for the decision making of registration fee at a private school, implements it applying for linguistic variables and fuzzy rules, and evaluates the practical availability of the model. The system accepts fuzzy rules, the type of membership functions, the domain of fuzzy sets and hedge, and fuzzifies the linguistic variables to generates fuzzy sets. The fuzzy sets generated are combined to constructs a solution fuzzy set. Finally, the system defuzzifies the solution fuzzy set to calculate a scalar value which is used for decision making.

본 논문에서는 선형 이진 신경회로망 (Linear Binary Neural Network)을 최소화 하기 위하여, 입력패턴의 그룹화 가능성을 측정하는 조건함수를 제시한다. 또한 이 조건식으로 그룹화 우선순위를 정하고 iteration을 통해 신경회로망을 합성하는 MSP Term Grouping Algorithm을 보인다. 여려가지 예제에 대한 실제적 합성 실험을 통해 기존의 알고리즘과 제시된 알고리즘을 비교한 결과는 제시된 알고리즘이 기존의 알고리즘 보다 작은 크기의 선형 이진 신경회로망을 합성할 수 있는 향상된 방법임을 보여준다.

Usually, Evolutionary Algorithms are considered more efficient for optimal system design, However, the performance of the system is determined by fitness function and system environment. In this paper, in order to overcome the limitation of the performance by this factor, we propose a co-evolutionary method that two populations constantly interact and coevolve. In this paper, we apply coevolution to neural network's evolving. So, one population is composed of the structure of neural networks and other population is composed of training patterns. The structure of neural networks evolve to optimal structure and, at the same time, training patterns coevolve to feature patterns. This method prevent the system from the limitation of the performance by random design of neural network structure and inadequate selection of training patterns. In this time neural networks are trained by evolution strategies that are able to apply to the unsupervised learning. And in the coding of neural networks, we propose the method to maintain nonredundancy and character preservingness that are essential factor of genetic coding. We show the validity and the effectiveness of the proposed scheme by applying it to the visual servoing of RV-M2 robot manipulators.

System identification is the task of inferring a mathematical description of a dynamic system from a series of measurements of the system. There are several motives for establishing mathematical descriptions of dynamic systems. Typical applications encompass simulation, prediction, fault diagnostics, and control system design. The paper demonstrates that neural networks can be used effective for the identification of nonlinear dynamical systems. The content of this paper concerns dynamic neural network models, where not all inputs to and outputs from the networks are measurable. Only one model type is treated, the well-known Innovation State Space model(Kalman Predictor). The identification is based only on input/output measurements, so in fact a non-linear Extended Kalman Filter problem is solved. Even for linear models this is a non-linear problem without any assurance of convergence, and in spite of this fact an attempt is made to apply the principles from linear models, an extend them to non-linear models. Computer simulation results reveal that the identification scheme suggested are practically feasible.

In this paper, applications of self-recurrent neural networks based of adaptive controller to position control of flexible robot link are considered. The self-recurrent neural networks can be used to approximate any continuous function to any desired degree of accuracy and the weights are updated by feedback-error learning algorithm. Therefore, a comparative analysis was mode with linear controller through an simulation. The results are presented to illustrate the advantages and improved performance of the proposed position tracking controller over the conventional linear controller.

신경망은 입출력 관계가 명시적으로 표현되기 어려운 경우에 수집된 데이터를 이용하여 원래의 함수를 근사할 수 있느 특성이 있다. 최근에는 신경망의 모델링 성능을 향상시키기 위하여 여러개의 모듈을 기반으로 신경망을 구성하는 모듈형 신경망이 활발히 연구되고 있다. 본 논문에서는 린덴마이어 시스템(L-시스템)의 문법적 적용을 통하여 이러한 모듈형 신경망의 구조를 결정하는 방법을 제시하고자 한다. L-시스템은 본래 식물의 성장과정을 기술하기 위하여 제안된 방법인데, 본 논문에서는 신경망의 모듈형 구조가 L-시스템의 문법을 통하여 적절히 결정됨을 보인다.

기존의 유전자 알고리즘과는 달리 대화형 유전자 알고리즘은 평가치를 인간이 제시할 수있기 때문에 인간의 직관이나 감성을 효과적으로 표현할 수 있다는 장점이 있다. 대화형 유전자 알고리즘을 기반으로 내용 기반 영상 검색 시스템을 구축한 바 있는데, 이 시스템은 웨이블렛 변환을 통하여 기술된 영상을 내용에 기반하여 검색할 수 있도록 한다. 본 논문에서는 이러한 웨이블렛 변환으로 얻어진 계수가 유전자 알고리즘의 염색체 표현으로 효과적인지를 실험적으로 평가하고자 한다. 소규모의 영상 데이터베이스에 대하여 실험한 결과 체이블렛 변환으로 기술된 염색테들이 유전자 알고리즘의 교차 연산에 대하여 의미있는 후보를 찾아낸다는 사실을 확인할 수 있다.

In this paper, we proposed effective modeling method to nonlinear complex system. Fuzzy Neural Network(FNN) was used as basic model. FNN was fused of Fuzzy Inference which has linguistic property and Neural Network which has learning ability and high tolerence level. This paper, we used FNN which was proposed by Yamakawa. The FNN used Simple Inference as fuzzy inference method and Error Back Propagation Algorithm as learning rule. This structure has better property than other structure at learning speed and convergence ability. But it has difficulty at definition of membership function. We used Hard c-Mean method to overcome this difficulty. To evaluate proposed method. We applied the proposed method to waste water treatment process. We obtained better performance than conventional model.

본 논문에서는 기존 FCM(Fuzzy C-Means) 타입 클러스터링 알고리즘의 선은 향상을 위한 설계 방법을 제시한다. 우선 클러스터의 응집성(compactness)과 분리성(separation)을 동시에 고려한 성능 지수를 정의하고, 이를 진화 프로그램을 통하여 최적화 한다. 또한 실험을 통하여 기존 연구들과의 비교 및 제안된 방법론의 유효성을 보인다.

At the on-line control method FLC(Fuzzy Logic Controller) is stronger to the disturbance than a classical controller and its overshoot of the initialized value is excellent. The fuzzy controller can do a proper control, though it doesn't know the mathematical model of the system or the parameter value. But to make the control rule of the fuzzy controller through an expert's experiance has a changes of the control system, the control rule is fixed, it can't adjust to the environment changes of the control system, the controller output value has a minute error and it can't convergence correctly to the desired value[1][2]. There are many ways to eliminate the minute error[3][4][5], but in this paper suggests EP-FNNIC(Fuzzy Neurla Network Intelligence Controller) intelligence controller which combines FLC with NN(Neural Network) and EP(Evolution Programming). The output characteristics of EP-FNNIC controller will be compared and analyzed with FLC. It will be showed that this EP-FN IC controller converge correctly to the desirable value without any error. The convergence speed, overshoot, rising time, error of steady state of controller of these two kinds also will be compared.

정수처리 공정은 응집, 침전, 여과, 살균소독 처리로 이루어지며, 이 가운데 약품주입에 의한 응집 침전 처리는 상수처리시스템에서 가장 핵심 부분이 된다. 투입해야할 약품의 양은 여러 가지 조건에 따라 달라지는데 원수의 탁도, 수온, 그리고 pH등의 여러 요인이 있다. 본 논문에서는 jar테스트의 결과를 이용하여 최초 물의 상태에 따라 약품의 주입량을 간단하게 결정짓는 룰의 유도를 다루고 있다. 이러한 간이룰의 유도를 위하여 엔트로피 이론을 적용하였다. 이 이론을 이용하여 출력변수인 유출수질(탁도)의 만족/불만족의 상태에 따라 입력변수인 유입수질(탁도, 수온, pH 알칼리도 등) 과 결정변수인 약품투입량에 대한 간이룰을 유도하고 시험용 데이터에 이 룰에 적응시켜 그 결과를 알아보았다.

본 논문은 원격 제어기가 CCD 카메라를 이용해 이동로봇의 상태를 파악해서 무선으로 이동 로봇을 제어하고, 사용자는 인터넷을 통해 원격 제어기와 통신하면서 이동로봇을 조종하여 이동로봇이 장애물을 피해 가면서 원하는 위치까지 이동할 수 있게 하는 알고리즘을 제안한다. 제안하는 알고리즘인 Land Gambling DT를 통해 일단 경로계획을 하고 생성된 경로를 따라 이동로봇이 이동 중 장애물이 있는 경우 VFH를 이용하여 장애물을 피해 가는 것이다.

본 논문에서는 평균 차량속도를 향상시키고 평균 차량대기시간을 줄이는 새로운 최적 교통신호주기산출방법을 제안한다. 전자교통신호등은 차량은 교차로에 많을때에는 교통신호주기을 연장 할 수 있고 교차로에 차량이 적을 경우에는 교통신호주기를 단축할 수 있다. 그러나 요즈음과 같이 교통체증이 많아서 평균주행속도가 10km - 20km 로 서행우전할 수 밖에 없을때에는 전자신호등의 기능을 수행할 수 없다. 그러므로 본 논문에서는 승용차대기시간을 단축하기위해서 최적 경로 알고리즘을 사용하여 목적지까지 가장 빠르게 도착할 수 있는 교통신호설계 소프트웨어 Tool을 개발하였다. 컴퓨터 모의실험결과 G.P.S.를 자동차에 내장하여 최단경로선택을 하는 차량이 기존의 최적경로선택기능이 없는 차량보다 승용타대기시간 및 평균주행속도가 10% - 32% 가량 개선시킬 수 있음을 입증하였다.

This paper studies a method for making more efficient classification rules in the ID3 using the rough set theory. Decision tree technique of the ID3 always uses all the attributes in a table of examples for making a new decision tree, but rough set technique can in advance eleminate dispensable attributes. And the former generates only one type of classification rules, but the latter generates all the possibles types of them. The rules generated by the rough set technique are the simplist from as proved by the rough set theory. Therefore, ID3, applying the rough set technique, can reduct the size of the table of examples, generate the simplist form of the classification rules, and also implement an effectie classification system.

최근들어 가전제품은 90년대를 전후로 고품질화, 고기능화, 다양화, 지능화로의 추세가 한층 가속화되도 있다. 즉 퍼지, 신경회로망, 카오스, 유전자 알고리즘등으로 대표되는 soft computing 기술을 적용하여 가전제품의 인공지능화를 추구해 왔으며 한편으로는 첨단이론을 적요안 가전제품의 수명은 점점 단축되고 있는 실정이다. 한편 환경보호에 대한 사회 전반적인 인식의 확대호 에너지 절약에 대한 관심이 고조되고 있다. 따라서 세탁기 사용에 있어서 세탁량을 정확히 감지하여 오감지로 인한 과도한 세탁수 사용을 방지할 수 있는 알고리즘을 개발하면 한정된 에너지를 절약하는데 큰 기여를 할 수 있다. Soft computing 기술의 하나인 Rough set 이론을 적용하여 세탁량(포량)감지 알고리즘개발에 관해 기술한다.

This paper propose the systematic procedure of the fuzzy model based controller for the continuous nonlinear system. Fuzzy controller have been successfully applied to many uncertain and complex industrial plants. The design of the fuzzy controller mainly depends on the knowledge from the expert who are familiar with the plant by trial and error. Therefore we need more systematic approach to the design of the fuzzy controller. In this paper, we design fuzzy model based controller applied to the nonlinear system. Unlike the design procedures reported in[8] and[9], we use the nonlinear process directly in designing the controller. This controller has been successfully applied to an inverted pendulum.

In this paper, a fuzzy precompensated PI controller for inverter-type air-conditioner is presented. The presented control scheme is composed of a fuzzy logic precompensator and PI controller, in which two control schemes are serially connected. The rules of the fuzzy precompensator is designed to improve the performance by considering the nonlinear characteristics of a temperature dynamics. The experimental results show the effectiveness of the proposed controller.

Generally, though we use the vision sensor or arc sensor in welding process, it is difficult to define the welding parameters which can be applied to the weld quality control. Especially, the important parameters is Arc Voltage, Welding Current, Welding Speed in arc welding process and they affect the decision of weld bead shape, the stability of welding process and the decision of weld quality. Therefore, it is difficult to determine the unique relationship between the weld bead geometry and the combination of various welding condition. Due to the various difficulties as mentioned, we intend to use Fuzzy Logic and Neural Network to solve these problems. Therefore, the combination of Fuzzy Logic and Neural network has an effect on removing the weld defects, improving the weld quality and turning the desired weld bead shape. Finally, this system can be used under what kind of welding process adequately and help us make an estimate of the weld bead shape and remove the weld defects.

본 연구는 용접게에 퍼지이론을 적용하여 작업자의 비숙련성 및 용접모재의 형상에 따라 변동되는 아크상태에 항상 일정하게 유지되도록 하는 제어방식ㅇ르 제안한다. 기존의 방식은 작업자 스스로 아크상태를 판단하고 아크길이의 변화를 주었다. 이에 비하여, 퍼지 용접기는 적업자가 기준 용접전압 및 용접전류를 설정한 후, 용접을 할 때 발생하는 아크상태를 숙련자의 경험에 바탕을 둔 퍼지제어기를 이용한다. 그러므로써 퍼지제어기의 출력부가 출력전압을 조절하여 균일한 용접효과가 나오도록 하는데 목적을 두었다.

In this paper is proposed a new direct adaptive fuzzy controller that dan ve applied for tracking control of a class of uncertain nonlinear SISO systems. It is shown that, in the presence of the perturbations such as fuzzy approximation error and external disturbance, boundedness of all the signals in the system is ensured, while under the assumption of no perturbations, the stability of the overall system in guaranteed. Also, the concept of persistent excitation in the adaptive fuzzy control systems is introduced to guarantee the convergence and the boundedness of adaptation parameter in the proposed controllers. Simulation example shows the effectiveness of the proposed method in the presence of fuzzy approximation error and external disturbance.

In this paper, we generalize Kolmogorov' strong law of large numbers to the the case of independent fuzzy random variables.

퍼지 관계 개념을 응용한 퍼지 정보 검색은 형태론에 입각한 기존의 정보 검색과는 달리 문서와 용어의 의미론에 근거하는 정보검색을 할 수 있다. 퍼지 정보 검색은 문헌의 집합 용어의 집합으로 나누고 문헌과 용어의 관계성을 문서 $\times$ 용어이 관계 행렬로 나타내며 퍼지 관계곱 연산을 이용하여 시소러스(thesaurus)를 형성하고 사용자로부터 주어진 질의 적합한 문서를 제공한다. 그러나 이러한 퍼지 관계곱 연산은 매우 큰 시간 복합도를 요구하는 연산이고 퍼지값은 부동소수점으로 표현해야하므로 대용량의 문서 시스템에 적용할 수 없어 비현실적이다. 부동소수점 연산은 연산속도가 느리고 저장공간도 많이 요구하므로 부동소수점 연산을 비트 연산으로 대체할 수 있다면 처리속도와 처리공간에 있어 성능 향상을 기대할 수 있다. 본 연구는 퍼지 정보 검색의 시소러스 형성에 있어 $\alpha$-cut 적용의 시기를 조정하여 성능을 향상하는 방법을 제안한다.

This paper is to arrange systematically the geometrical & physical data for real ships and to develop the graphic user interface program for initial hull design using NFHFD, which save the distributed information about hull form database and can output multi-variables.

본 논문에서는 사용이 편리하여 산업 발전의 원동력이 되고 있는 전기에너지의 이용합리화의 수단의 하나인 디맨드 감시/제어 장치에 대한 퍼지제어의 적용에 대해 제안한다. 이 장치는 전력사용이 많은 300㎾이상의 수용가에 있어서 피크(Peak)시 전력이 계약전력을 초과하지 않도록 감시/제어하여 에너지 사용의 합리화 및 전기요금 절감효과를 도모할수 있는 에너지 기기의 개발에 기여할 수 있다. 본 연구에서는 효율적인 디맨드 감시/제어를 위해 지수평활법을 이용한 부하예측과 퍼지제어기를 제안하고자 한다.

FCM(Fuzzy Cognitive Map) is a fuzzy signed directed graph for representing causal reasoning which has fuzziness between causal concepts. Authors have already proposed FCM-based fault diagnostic scheme and verified its usefulness. However, the previously proposed scheme has the problem of lower diagnostic resolution as in the case of other qualitative approaches. In order to improve the diagnostic resolution, a concept of fuzzy number is introduced into the basic FCM-based fault diagnostic algorithm. By incorporation the fuzzy number into fault FCM models, quantitative information such as the transfer gain between the state variables can be effectively utilized for better diagnostic resolution. Furthermore, an enhanced TAM(Temporal Associative Memory) recall procedure and modified and modified pattern matching scheme are also proposed.

The success of a fuzzy neural network(FNN) control system solving any given problem critically depends on the architecture of the network. Various attempts have been made in optimizing its structure using genetic algorithm automated designs. This paper presents a new approach to structurally optimized designs of FNN models. A messy genetic algorithm is used to obtain structurally optimized FNN models. Structural optimization is regarded important before neural networks based learning is switched into. We have applied the method to the problem of a numerical approximation

In this paper, a fuzzy model based on the polynomial Neural Network(PNN) structure is proposed to estimate the emission pattern for air pollutant in power plants. The new algorithm uses PNN algorithm based on Group Method of Data Handling (GMDH) algorithm and fuzzy reasoning in order to identify the premise structure and parameter of fuzzy implications rules, and the least square method in order to identify the optimal consequence parameters. Both time series data for the gas furnace and data for the NOx emission process of gas turbine power plants are used for the purpose of evaluating the performance of the fuzzy model. The simulation results show that the proposed technique can produce the optimal fuzzy model with higher accuracy anhd feasibility than other works achieved previously.

In this paper we will develope the immnized recurrent neural network control system of a robot manipulator with high robustness in dynamically changing environment conditions. Immune system detects and eliminates the non-self materials called antigen such as virus, bacteria and so on which come from inside and outside of the living system, so plays an important role in maintaining its own system against dynamically changing environments. We apply this concept to a robot manipulator and evaluate the effectiveness of the above proposed system.

As an approach to develope a control system with robustness in changing control environment conditions, this paper will propose a robot manipulator control system using multilayer neural network and immune algorithm. The proposed immune algorithm which has the characteristics of immune system such as distributed and anomaly detection, probabilistic detection, learning and memory, consists of the innate immune algorithm and the adaptive immune algorithm. We will demonstrate the effectiveness of the proposed control system with simulations of a 2-link robot manipulator.

This paper presents an adaptive quantization of image sequences using the Radial Basis Function Network(RBFN) which classifies interframe image blocks. The clssification algorithm consists of two steps. Blocks are classified into NA(No Activity), SA(Small Activity), VA(Verical Activity), and HA(Horizontal Activity) classes according to edges, image activity and AC anergy distribution. RBFN is trained using the classification results of the above algorithm, which are nonlinear classification features are acquired from the complexity and variability of difference blocks. Simulation result shows that the the adaptive quantization using the RBFN method produced better results better results than that of the sorting and MLP methods.

최근 인공지능연구에서는 기호즈의와 커넥션니즘이 독립적으로 연구되어 왔으나 차츰 융합의 필요성이 절실히 요구되고 있다. 본 연구에서는 먼저 기호주의의 일부분인 고전논리를 확장한 다치논리와 커넥션니즘의 기본부분인 신경회로망을 융합한 다치신경망을 구성하고, BP에 기반을 둔 학습 MVL 네트워크를 이용하여 해석한다. 본 논문에서는 이러한 구성 및 해석방법을 확장하여 비고전적인 다치신경회로망을 구성하는 방법을 제안한다.

일반적으로 직진 경로를 주행하는 이동로봇의 오차 보정을 위해서는 PI 제어기의 계수 보정이 필요하다. 본 논문에서는 직진 경로를 주행하는 이동로봇의 양쪽 바퀴에서 얻어진 엔코더의 값으로 측정하고, 측정되어진 엔코더의 값을 이용하여 방향과 움직임의 오차를 보정해주는 알고리즘을 PI제어기와 유전알고리즘을 사용하여 최적의 파라미터를 구할 수 있는 방법을 제안하였다.

신경회로망은 높은 정확도의 학습 결과를 제시하는 장점을 가지고 있어서 패턴 인식을 포함한 여러 분야에서 널리 사용되어지고 있다. 그러나 신경회로망의 설계에 있어 최적의 뉴런과 층의 개수, 그리고 그 연결 등의 기하학적 해답을 제시하기가 어렵고, 서은이 우수하다고 알려진 역전파 학습 알고리즘도 오차가 없는 완벽한 학습 결과를 제시하지 못하며, 상당히 많은 학습 시간이 걸린다는 단점들을 가지고 있다. 이러한 단점들을 극복하기 위해 선형 신경회로망을 합성하는 새로운 방법을 제안하는데, 이진 함수 최소화(binary function minimization)과정을 거친 minimal-sum-of-product(MSP)를 통해서 이진 클래스 패턴(binary class pattem)을 표현 함으로써 오차가 없는 학습 결과를 얻을 수 있으며, 학습에 필요한 패턴과 학습에 걸리는 시간도 대폭 줄일수 있다. 본 논문에서는 유전자 알고리즘을 이용하여 선형 신경회로망을 합성하는 방법을 제안하며, 여러 가지 예제를 통해 제안한 방법의 우수성을 보인다.

현재에 주로 개발되어 상용화가 시작되고 있는 음성인식 시스템의 대부분은 단어인식을 기분으로 하는 시스템으로 적용 단어수를 늘려줌으로서 인식범위를 늘일 수 있으나, 그에 따라 검색해야하는 단어수가 늘어남으로서 전체적인 시스템의 속도 및 성능이 저하되는 경향이 있다. 이러한 단점의 극복을 위하여 본 논문에서는 HMM(Hidden Markov Model)과 GA(Genetic Algorithm)를 이용한 한국어 음성의 음소단위 인식 시스템을 구현하였다. 음성 특징으로는 LPC Cepstrum 계수를 사용하였으며, 인식시는 인식대상이 되는 단어에 대하여 GA(Genetic Algorithm)을 통하여 각 음소를 분리하고, 음소단위로 학습된 HMM 파라미터를 적용하여 인식함으로써 각각의 음소별 가능하도록 하는 방법을 제안하였다.

Recently, the genetic algorithm has been applied to the various types of optimization problems and these attempts have very successfully. However, in most cases on these approaches, there is not given by investigator about to the theoritical analysis. The reason that the analysis of the dynamics for genetic algorithm is not clear, is the probablitic aspect of genetic algorithm. In this paper, we investigate the analysis of the internal dynamics for genetic algorithm using stochastic differential method. In addition, we provide a new genetic algorithm, based on the study of the convergence property for the genetic algorithm.

The learning speed of the neural networks, the most important factor in applying to real problems, greatly depends on the learning rate of the networks, Three approaches-empirical, deterministic, and stochastic ones-have been proposed to date. We proposed a new learning-rate selection algorithm using an evolutionary programming search scheme. Even though the performance of our method showed better than those of the other methods, it was found that taking much time for selecting evolutionary learning rates made the performance of our method degrade. This was caused by using static intervals (called static windows) in order to update learning rates. Out algorithm with static windows updated the learning rates showed good performance or didn't update the learning rates even though previously updated learning rates shoved bad performance. This paper introduce a window control scheme to avoid such problems. With the window control scheme, our algorithm try to update the learning ra es only when the learning performance is continuously bad during a specified interval. If previously selected learning rates show good performance, new algorithm will not update the learning rates. This diminish the updating time of learning rates greatly. As a result, our algorithm with the window control scheme show better performance than that with static windows. In this paper, we will describe the previous and new algorithm and experimental results.

This paper presents recognition of high impedance fault patterns based of chaotic features using the Radial Basis Function Network(RBFN). The chaos attractor is reconstructed from the fault current data for pattern recognition. The RBFN successfully classifies the three kinds of fault pattems and one normal pattem.

Rule minimization technique adapted from rough set theory was applied to remove redundant knowledge which is not necessary to make a knowledge base. New algorithm to diagnose fault using Improved Fuzzy Cognitive Maps(I-FCMs), and Fuzzy Associative Memory(FAM) is proposed. I-FCM[22] is superior to gathering knowledge from many experts and descries dynamic behaviors of systems very well. I-FCM is not only a knowledge base, but also a inference engine. FAM has learning capability like neural network[12]. Rule minimization and composition of I-FCM and FAM make it possible to construct compact knowledge base and breaks the border between inference engine and knowledge base.

소프트웨어 재사용은 새로운 소프트웨어 개발에 소용되는 시간과 비용을 현저히 감소시켜 소프트웨어 개발환경과 생산성을 향상시키는 방법으로, 소프트웨어 위기를 해결하기 위한 중요한 방법이다. 그러나 소프트웨어 부품을 위한 형식 명세서(formal specification)의 부족, 소프트웨어 재사용에 대한 부정적 심리적인 효과 등의 이유 때문에 현실적으로 재사용이 잘 이루어지고 있지 않다. 이러한 문제들을 해결하기 위해서는 부품의 품질 보증에 관한 연구가 소프트웨어 재사용에 관한 연구 분야에서 최우선적으로 이루어져야 하지만, 기존의 연구들은 일반적으로 설정된 재사용 품질 기준을 표준으로 하였으므로, 사용자의 요구가 복잡하고, 다양화되면서 소프트웨어의 크기, 알고리즘과 구조의 복잡도는 증가있는 변화하는 환경에 능동적으로 대처하지 못하고 있다. 그러므로 본 연구에서는 새로운 부품의 삽입과 기존 부품들의 삭제, 분류 기준의 변경 등의 환경 변화에 능동적으로 대처할 수 있는 적응성이 있는 재사용성 결정 모델을 제안한다. 이 모델은 적응성 있는 재사용 결정 알고리즘을 찾기 위해서 데이터에 숨겨진 패턴들을 발견하는 효율적인 알고 ？遲\ulcorner 제공하는 Rough set 이론을 이용한다.

패턴인식중에서 가장 기본적인 문제인 판별문제를 대상으로 러프집합을 이용한 판별분석을 행하는 신경망의 학습알고리즘을 제안한다. 어떤군에 속할 것인가의 경계영역을 명확히 하는 것을 목적으로 한다. 2군 판별의 문제를 각 데이터가 각 군에 속한 정도를 표현하는 소속함수(membership function)을 이용하며, 경계영역에 대한 문제는 소속함수를 구간치 함수로 확장하여 가능성과 필연성을 동시에 표현할 수 있는 학습 알고리즘을 제안한다.

In this paper we will discuss a type of inductive learning called learning from examples, whose task is to induce general descriptions of concepts from specific instances of these concepts. In many real life situations however new instances can be added to the set of instances. It is first proposed within the framework of rough set theory, for such cases, an algorithm to find minimal set of rules for decision tables without recalculation for overall set of instances. The method of learning presented here is based on a rough set concept proposed by Pawlak[2]. It is shown an algorithm to fund minimal set of rules using reduct change theorems giving criteria for minimum recalculation and an illustrative example.

A novel fuzzy basis function vector-based adaptive control approach for Multi-input and Multi-output(MIMO) system is presented in this paper, in which the nonlinear plants is first linearised, the fuzzy basis function vector is then introduced to adaptively learn the upper bound of the system uncertainty vector, and its output is used as the parameters of the compensator in the sense that both the asymptotic error convergence can be obtained for the colsed loop nonlinear control system.

칼만 필터는 피드백 제어의 형태를 사용하는 플랜트를 추정한다. 플랜트의 잡음이나 측정 외란이 발생하더라도 상태를 추정하여 최적의 제어를 행한다. 상태를 추정하기 위하여 칼만 필터의 이득 Kk를 저절하고, 이 이득은 칼만 필터의 파라메터인 측정 오차 공분산 Rk과 프로세서 잡음 오차 공분산 Qk를 조정함으로써 뛰어난 필터 수행을 얻을 수 있다. 그러나 필터 파라메터 Rk, Qk는 필터 연산 이전에 측정되어야 하지만, 현재는 전문가가 전문적인 지식을 바탕으로 파라메터를 조정하여 시스템을 제어하고 있다. 따라서 이러한 비효율적인 작업을 퍼지 논리 제어기를 이용하여 온-라인에서 최적의 파라메터 Rk를 구하고자 한다.

The problem of mathematical model for an unknown system by measureing its input-output data pairs is generally referred to as state estimates. The state estimation problem is often of importance in its own right since we may want to know the value of the states. For instance, in navigation, we may take noisy positional fixes using satelite or radar navigation, and the estimator can use these measurements to provide accurate estimates of current position, hedaing, and velocity. And the state estimates can also be used for control purposes. Then it is very important to know the state of plant. In this paper, the theory of the minimization of a loss function was used to design the fuzzy system. Here, the used teory is Least Square Esimation method. This parametrization has the Linear in the parameters charcteristic that allows standard parameter estimation technique to be used to estimate the parameters of the fuzzy system. The combination of the fuzzy system and the estimation m thod then performs as a nonlinear estimator. If several fuzzy label are defined for the input variables at the antecedent part, the fuzzy system then behaves as a collection of nonlinear estimators where different regions of rules have different parameters. In simulation results, the fuzzy model controlled a difference in the structure between the actual plant and the fuzzy estimator. It is also proved that the fuzzy system is equivalent to its transformed system. therefore we was able to get the state space equation of system with the estimated paramater.

Recently many studies have been conducted of fuzzy modeling since it can describe a nonlinear system better than the conventional methods. A famous researcher, M. Sugeno, suggested a fuzzy model which superbly describes a nonlinear system. In this paper, we suggest a new identification method for Sugeno-typo fuzzy model. The suggested algorithm is much simpler than the original identification strategy adopted in [1]. The algorithm suggested in this paper is somewhat similar to that of [2]. that is, the algorithm suggested in this paper consists of two consists of two steps: coarse tuning and fine tuning. In this paper, double clustering strategy is proposed for coarse tuning. Finally, the results of computer simulation are given to demonstrate the validity of this algorithm.

We introduce a notion of fuzzy L-convergence of filters and show that the collection of fuzzy L-convergence spaces forms a cartesian closed topological category.

멀티미디어가 발달함에 딸 이를 위한 다양한 검색 기법들이 제안되고 있다. 본 논문에서는 WeCAM 시스템에서 비디오 검색을 하기 위한 텍스처 성분과 영상의 윤곽선 특징을 동시에 이용한 검색 기법을 제안한다. 텍스처 특성 추출에는 8$\times$8 블록 DCT를 기반으로한 DCT-par와 DCT-energy 기법을 적용하고 윤곽선 추출에는 DCT의 대각선 계수를 이용하는 기법을 이용한다. WebCAM으로 생성된 비디오는 MPEG표준을 따르는 것으로 가정하고 있으며, 압축된 데이터에 디코딩 과정없이 직접 검색 기법을 적용함으로써 처리 시간을 단축할수 있다는 장점이 있다.

In this paper, We proposed a parallel structure of the Neural Network model to nonlinear complex system. Neural Network was used as basic model which has learning ability and high tolerence level. This paper, we used Neural Network which has BP(Error Back Propagation Algorithm) model. But it sometimes has difficulty to append characteristic of input data to nonlinear system. So that, I used HCM(hard c-Means) method of clustering technique to append property of input data. Clustering Algorithms are used extensively not only to organized categorize data, but are also useful for data compression and model construction. Gas furance, a sewage treatment process are used to evaluate the performance of the proposed model and then obtained higher accuracy than other previous medels.

퍼지 속성 공간(fuzzy property space)은 데이터베이스의 각 객체를 분류하고 분석하는데 유용한 도구로서 사용됨을 보였다[1]. 이는 수학적인 속성 집합 이론(property set theory)[2]에 근간을 두고 만들어진 이론으로, 데이터의 분석에 무척 유리한 도구로 사용될 수 있다. 본 연구에서는 근래에 들어 많은 연구가 이루어지고 있는 분산 데이터베이스 환경(distributed database management)에서 이를 응용해보고자 시도하였다. 즉, 분산 환경에서 어떠한 객체의 데이터를 상호 교환하고자 하는 간단한 상호 작용(object interoperability)을 수행함에 있어, 각 시스템은 이들 상호간의 규약에 의한 합치(object integration)를 이룰 수 있어야 한다. 여기에 퍼지 속성 공간을 이용하여, 가장 근사한 합치를 이룰 수 있도록 하는 것이다. 예를 들어, A와 B 두 개의 시스템에서 객체의 상호 작용을 수행한다. 하면, A시스템의 하나의 객체를 두 개의 공통된 속성 공간에 위치시키고, B라는 시스템에서 이를 다시 해석하여 자신의 데이터베이스에 입력으로 받아들이는 방식을 채택하여 상호 작용의 연산을 설계하는 방식이다.

인터넷의 웹은 여러 곳에 분산되어 있을 뿐만 아니라 끊임없이 동적으로 변화하는 특성이 있기 때문에, 보통의 인덱스를 통한 정보검색 방법에는 한계가 있다. 이러한 웹의 특성을 적절히 살리면서 원하는 정보를 신속하게 검색하기 위하여, 본 논문에서는 여러 개의 에이전트가 인공생명 기법에 의해 조직되어 정보를 검색하는 온라인 에이전트를 소개한다. 이것은 각각의 에이전트에 의하여 검색된 문서가 얼마나 질의에 가까운가에 따라서 해당 에이전트를 만이 살아 남아 문서를 가져오도록 함으로써, 불필요한 문서를 검색하지 않게 되어 단위 시간에 원하는 문서를 많이 얻어올 수 있는 장점이 있다. 실제 웹 환경에서 실험한 결과 종래의 폭우선 검색이나 랜덤검색에 비하여 좋은 결과를 내는 것을 볼 수 있었다.

본 논문은 신경회로망과 Gabor변환을 홍채인식에 대한 연구이다. 현재 재발되고 있는 신원확인을 위한 여러 가지 인식 시스템 중 홍채인식의 특성과 비교우위적 장점을 소개하고, LVQ 신경회로망을 효과적인 초기화 방법과 Gabor변환을 이용한 홍채테이터의 특징추출에 대하여 논한다.

일정 학습계수와 이진 강화함수를 지닌 자기조직화 형상지도(Self-Organizing Feature Map)신경회로망을 FPGA위에 하드웨어로 구현하였다. 원래의 SOFM 알고리즘에서 학습계수가 시간 종속형인데 반하여, 본 논문에서 하드웨어로 구현한 알고리즘에서는 학습계수가 일정인 값으로 고정되며 이로 인한 성능저하를 보상하기 위하여 이진 강화함수를 부가하였다. 제안한 알고리즘은 복잡한 곱셈 연산을 필요로 하지 않으므로 하드웨어 구현시 보다 쉽게 구현 가능한 특징이 있다. 1개의 덧셈/뺄셈기와 2개의 덧셈기로 구성된 단위 뉴런은 형대가 단순하면서 반복적이므로 하나의 FPGA위에서도 다수의 뉴런을 구현 할 수 있으며 비교적 소수의 제어 신호로서 이들을 모두 제어 가능할 수 있도록 설계하였다. 실험결과 각 구성부분은 모두 이상 없이 올바로 동작하였으며 각 부분이 모두 종합된 전체 시스템도 이상 없이 동작함을 알 수 있었다.

In this paper, we propose a novel synthesis method of GBSB(Generalized BSB)-based neural autoassociative memories in which we analyze qualitative properties of GBSB model, recast a design problem of an associative memory to LMIP(Linear Matrix Inequality Problem), and optimize the LMIP using LMI techniques. The obtained memory satisfies many of the required properties of associative memories and has some peculiar properties. Comparing experimental results with those of others, we show its correctness and effectiveness.

Recently, dynamic recurrent neural networks(DRNN) for identification of nonlinear dynamic systems have been researched extensively. In general, dynamic backpropagation was used to adjust the weights of neural networks. But, this method requires many complex calculations and has the possibility of falling into a local minimum. So, we propose a new approach to identify nonlinear dynamic systems using DRNN. In order to adjust the weights of neurons, we use evolution strategies, which is a method used to solve an optimal problem having many local minimums. DRNN trained by evolution strategies with mutation as the main operator can act as a plant emulator. And the fitness function of evolution strategies is based on the difference of the plant's outputs and DRNN's outputs. Thus, this new approach at identifying nonlinear dynamic system, when applied to the simulation of a two-link robot manipulator, demonstrates the performance and efficiency of this proposed approach.

This paper is concerned about the classification of objects together with muti-attributes such as remote sensing image data by using tolerance rough set. To produce more reliable relations from given attributes in the data, we define new similarity measures by using scaling. Our Method will be applied to classify multi-spectral image data.

본 논문에서는 사용자가 원하는 분위기의 칼라패턴을 추천하여 주는 칼라패턴 데이터 베이스 시스템을 제안하였다. 사용자가 원하는 분위기는 감각언어로 나타낼 수 있는데, 이 감각 언어를 이용한 9가지 심리적 척도의 감성 질의의 형태로 시스템에 입력되며 시스템은 입력된 질의와 칼라패턴의 감성 속성을 비교하여 사용자가 원하는 분위기의 칼라패턴을 추천한다. 이를 위하여 감각 언어의 9가지 실리적 척도에 대한 칼라패텬의 9가지으 감성 속성을 신경회로망을 이용하여 추출하였다. 칼라패턴 데이터 베이스 시스템은 패션 및 상품 디자인, 화랑의 회화 등의 데이터 베이스에서 소비자들의 요구에 좀 더 빠르게 접근하는 해결책을 제공해 줄 수 있을 것이다.

영상 평활화(Image Smoothing) 작업은 영상 신호 표본화, 정량화, 통신 이동과 같은 과정을 거치면서 잡음 등의 불필요한 신호가 포함된 디지털 영상의 잡음을 감소키는데 많이 이용되고 있다. 이와 같은 영상 평활화 작업에는 대부분 전역적인 공간 영역 혹은 주파수 영역의 전역적인 필터링 기법이 이용되고 있다. 그러나, 기존의 방법들은 왜곡된 잡음 픽셀들의 정보를 그대로 반영하기 때문에 잡음 제거 결과 복원 영상의 선명도는 크게 저해된다. 본 논문에서는 특히나 양자화 과정을 통해 잡음 정보의 변형이 극대화되어지는 압축 영상을 대상으로 하여 적절한 잡음제거 기법을 제안하고자 한다. 특히, 압축 영상의 잡음 추출은 1차 복호화 후의 공간 도메인에서, 추출된 잡음 제거는 주파수 도메인에서 수행함으로써 2차 복호화 후의 잡음제거 결과 영상은 압축 영상의 잡음 제거에 따른 본질적인 문제를 해결하였으며, 실험 결과 역시 다른 기존의 방법에 비해 우수한 성능을 발휘하였다.

This paper presents the process generating a SAC(Sectional Area Cure) by using ASMOD(Adaptive Spline Modeling of Observation Data). That is, we define SACs of real ships as B-spline curves by a hybrid cure approximation(which is the combination method of a B-spline fitting method and a genetic algorithm) and accumulate a database of control points. Then we let ASMOD learn from the correlation principal dimensions with control points.

증기 발생기 수위 제어기의 성능 향상은 발전소의 정기 횟수를 줄여 발전소 신뢰도 및 가동률을 향상시키고 또한 기타 여러 부품의 수명에도 영향을 주어 경제적으로 보다 효율적인 발전소 운영에 기여한다. 이러한 수위 제어의 발전을 위해서 본 연구에서는 E. Irvingd의 모델을 사용하였다. E. Irving이 모델이 단순화한 관계로 단점을 가지고는 있으나 프로그램화가 편리하고, 또한 증기 발생기의 특성을 잘 표현하기 때문에 이용하였다. 먼저 시스템의 출력, 즉 증기 발생기의 수위를 안정화시키기 위하여 퍼지 제어기를 Case by Case로 선정하여 제어를 하였으며, 그 다음으로 시스템의 두 입력, 증기량과 퍼지 제어기에서 선택되어진 급수 유량, 그리고 전 단계의 출력인 증기 발생기의 수위를 입력으로 하는 신경 회로망을 이용하여 시스템을 규명하였다.

자율 이동 로봇군은 스스로 주어진 과제를 수행하는 로봇을 말한다. 본 논문에서는 수행과제로서 등간격원을 형성하게 하였다. 이를 수생하기 위한 알고리듬을 고안하였고 여기에 퍼지를 사용하여 알고리듬의 단점을 보완하였다. 이 알고리듬을 가지고 시뮬레이션을 통해 다양한 행동 양식이 나타남을 알 수 있으며, 또한 카오틱 현상이 일어남을 알 수 있다. 본 논문에서는 알고리듬에 대한 소개를 하며 자율 이동 로봇군이 나타내는 다양한 행동을 살펴본다.

In this paper, we suggest a variable structure controller using the time-varying nonlinear sliding surface instead of the fixed sliding surface, which has been the robustness against parameter variations and extraneous disturbance during the reaching phase. As appling TS fuzzy algorithm to the regulation of the nonlinear sliding surface, the reaching time of the system trajectory is faster than the fixed method . This proposed scheme has better performance than the conventional method in reaching time parameter variation and extraneous disturbance. To demonstrate its performance, the proposed control algorithm is applied to a rotational inverted pendulum.