• 한국지능시스템학회논문지
• /
• 제10권4호
• /
• pp.343-350
• /
• 2000

본 논문에서는, 최적 시스템을 위해서 FNN과 PNN에 기반을 둔 Multi-FPNN(다중 퍼지 다항식 뉴럴네트워크) 모델을 제안한다. 여기서 FNN 구조는 각각의 분리된 입력변수에 의해 분할된 퍼지 입력공간을 사용해서 설게되고, 간략 퍼지추론 방법과 오류 역전파 알고리즘을 이용한다. FNN은 더 좋은 출력성능을 얻기 위해 PNN과 결합한다. GMDH 방법에 기초한 PNN 구조의 각 노드는 1차 및 2차 고계 다항식의 두 형태를 사용하고, 그 노드의 입력의 입력은 2, 3, 4의 세 종류의 다변수 입력을 사용한다. 그리고 다중 FPNN 모델의 구조와 파라미터를 동정하기 위햐 HCM 크러스터링방법과 유전자 알고리즘을 사용한다. 여기서, 시스템을 위해 데이터 전처리 기능을 수행하는 HCM 클러스터링 방법은 입출력 공간분할에 의해 다중 FPNN 구조를 결정하기 위해 사용된다. 모델의 근사화와 일반화 능력 사이에 충분한 군형을 ？기 위해 하중계수를 가진 합성 성능지수(목적함수)를 사용한다. 데이터 개수, 비선형의 정도(입.출력 데이터 분포)에 위존하는 이 합성 목적함수의 하중계수의 선택 및 조절을 통하여 최적의 다중 FPNN모델을 설계하는 것이 유용하고 효과적임을 보인다. 본 연구는 두 개의 대표적 수치예의 도움으로 설명되고, 그 모델의 근사화 및 일만화 능력에 관련된 합성 성능 지수가 평가되고, 도한 토의된다.

• 전자공학회논문지CI
• /
• 제39권3호
• /
• pp.18-31
• /
• 2002

본 연구는 뉴로퍼지 네트워크와 다항식 뉴럴네트워크를 합성한 하이브리드 모델링 구조인 고급 뉴로퍼지 다항식 네트워크(Advanced neurofuzzy polynomial networks ; ANFPN)를 제안한다. 제안된 네트워크 구조는 높은 비선형 규칙 기반 모델로, CI(Computational Intelligence)의 기술, 즉 퍼지집합, 뉴럴네트워크, 유전자 알고리즘에 의해 설계되어진다. 뉴로퍼지 네트워크는 ANFPN 구조의 전반부를, 다항식 뉴럴네트워크는 후반부를 구성한다. ANFPN의 전반부에서, 뉴로퍼지 네트워크는 간략추론, 오류역전파 학습 규칙을 이용한다. 멤버쉽함수의 파라미터, 학습율, 모멘텀 계수는 유전자 최적화를 이용하여 조절된다. ANFPN의 후반부 구조로서 다항식 뉴럴네트워크는 학습을 통해 생성되는(전개되는) 유연한 네트워크 구조이다. 특히 다항식 뉴럴네트워크의 층과 노드 수는 고정되어 있지 않고 동적으로 생성된다. 본 연구에서는, 2가지 형태의 ANFPN 구조를 제안한다. 즉 기본 구조와 변형된 구조이다. 여기서 기본 구조와 변형된 구조는 다항식 뉴럴네트워크 구조의 각 층에서 입력변수의 수와 회귀다항식의 차수에 의존한다. 두 결합 구조의 특징 때문에 공정 시스템의 비선형적인 특성을 고려할 수 있고 보다 우수한 예측능력을 가진 좋은 출력선응을 얻을 수 있게 한다. ANFPN의 유용성과 실용성은 2개의 수치 예제를 통해 논의된다. 제안된 ANFPN은 기존의 모델보다 높은 정밀도와 예측능력을 가진 모델을 생성함을 보인다.

• 대기
• /
• 제24권4호
• /
• pp.565-571
• /
• 2014

본 연구에서는 국가태풍센터에서 운영하는 북서태평양 태풍 진로 계절예측모델의 6월부터 10월까지의 고정된 예측시점을 현업 예보자가 목적에 따라 3개월 단위로 그 예측기간을 조정할 수 있도록 개선하였다. 여름철과 가을철 태풍 전망을 발표하는 기상청 장기예보 일정에 부합해 예측결과를 산출하기 위해 계절별로 나누어 북서태평양의 대표적 태풍 진로 유형을 새로 분류하고 각 유형별 대규모 순환장과의 상관성을 분석해서 예측모델을 개발하였다. 이 모델들의 성능을 평가하고 현업에서의 활용 가능성을 확인하기 위해 교차타당화 방법을 이용해 1982년부터 2010년까지 과거기간 동안의 예측성능을 검증하였다. 태풍 진로 밀도의 예측에 있어 관측과 모델 값의 상관계수는 여름철에 0.70, 가을철에 0.55 정도를 보였으며, 이는 예측치가 관측에서 나타난 변동성의 99% 유의수준에서 모의되는 것으로 나타났다. 두 계절 모두 기후적인 관점에서 우수한 예측성능을 보였고, 또한 기존에 개발되었던 6월부터 10월까지 기간을 대상으로 하는 모델의 성능과 비슷한 수준인 것으로 나타났다. 이러한 예측 대상기간의 수정은 사용자가 본 모델의 초기 입력자료로 사용되는 네임리스트 입력 파라미터를 조정해 쉽게 조절할 수 있다. 또한 본 모델 예측 결과에 한반도 비상구역의 결과를 집중해서 산출하는 후처리 모듈을 추가하여 현업 예보에서 신속하게 모델을 구동하고 정확한 한반도 태풍활동 예측결과를 산출할 수 있도록 하였다. 비록 가을철 한반도 비상구역 태풍활동의 피크 해 모의에 한계성이 일부 나타났으나 향후 새로운 예측인자 도입 및 최적화, 다른 회귀분석 방법 시험 등을 통해 극복할 수 있을 것이다. 이 연구를 통해 개발된 3개월 단위 예측 모듈, 유저 친화적 인터페이스, 그리고 후처리 스크립트 추가를 통한 한반도 지역 예측기능들은 기상청 국가태풍센터의 태풍 장기 예보 업무에 큰 도움이 될 것으로 기대된다.