• Journal of KIISE:Computer Systems and Theory
• /
• v.26 no.4
• /
• pp.472-487
• /
• 1999

본 논문에서는 효율적인 이동성 관리를 위한 이동성 예측 기법을 소개한다. 이동 컴퓨팅 환경에서는 사용자가 지리적 위치의 제약없이 언제, 어디서나 다른 네트워크 시스템과 메시지를 주고 받을수 있다. 그러나, 통신자원의 부족, 잦은 접속단절 , 사용자의 움직임 등과같은 이동 컴퓨팅 시스템의 특징 때문에, 지능적이고 효율적인 이동성관리가 요구된다. 이동 컴퓨팅 시스템이 지능적이고 효율적인 이동성관리를 통하여 높은 질의 서비스를 제공하기 위해서는 이동 사용자의 움직임 패턴들을 능동적으로 고려하는 것이 바람직하다. 본 논문에서는 이동 사용자의 과거수일, 수개월동안의 움직임 패턴 즉, 이동사용자의 위치연혁으로부터 미래 위치를 예측하는 지능적 이동성 예측기법(intelligent mobility prediction scheme)을 제안한다. 모델링 방법으로서 뉴로-퍼지 추론시스템(neuro-fuzzy inference system)을 이용한다. 뉴로-퍼지 추론 시스템이 이동 사용자가 움직이게 되는 미래 위치를 예측하기 때문에 , 본 논문에서의 이동성 예측 기법은 통신채널의 사전 배당, 부족한 자원의 사전 할당등을 위해서 사용될 수 있다. 게다가, 본 논문의 시뮬레이션 결과는 제안하는 기법이 다양한 이동 환경에 대해서 높은 예측 정확도를 갖음을 보여준다.

• Proceedings of the KIEE Conference
• /
• 2005.07d
• /
• pp.2879-2881
• /
• 2005

본 논문에서는 뉴로-퍼지 모델의 전제부 소속함수의 새로운 학습방법을 통한 모델링 기법을 제안한다. 모델의 크기와 학습시간을 줄이는 기법으로 클러스터링 기법을 이용한 모델의 초기 파라미터 결정 방법이 있다. 이는 클러스터링 후 이들 파라미터를 다시 모델에 적용하여 모델을 학습하는 순차적 방법으로써 모델의 학습이 끝난 후의 전제부 파라미터가 클러스터링 파라미터와 연관성을 가지지 못하는 경우가 발생하였다. 또한 오차미분 기반 학습에서는 전제부 초기치가 국부적 최적해에서 벋어나지 못하는 문제점을 가지고 있다. 본 논문에서는 자율적으로 클러스터의 수를 추정하며 이들 파라미터를 최적화하며 이를 이용하여 뉴로-퍼지 모델의 학습을 실시하는 학습기법을 제안하였다. 제안된 방법에서는 기존의 오차미분 기반 학습을 클러스터링 기반 학습으로 확장하였으며 이를 이용한 모델의 성능을 기존의 연구결과와 비교하여 우수성을 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2002.05a
• /
• pp.245-250
• /
• 2002

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.16 no.10
• /
• pp.1833-1840
• /
• 1992

In the diagnostic process for automobile, Neuro-Fuzzy technique was compared with the conventional diagnostic method for the verification of performance, and proto-type system was developed. For the utilities of the system, 1/3 octave filter(band-pass filter) and A/D converter were used for data acquisition and then data were analyzed using octave band processing and pattern recognition using hamming network algorithm. In order to raise the reliability of the diagnostic results by considering many operating variables and condition of automobile to be diagnosed, fuzzy inference technique was applied in combining several information. The validation of this diagnostic system was examined through computer simulation and experiment, and it showed an acceptable performance for diagnostic process.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.279-282
• /
• 2002

본 논문에서는 뉴로-퍼지 모델에서 입력 공간의 효율적인 분할을 위하여 계층적 클러스터링방법을 이용하고 있다. 기존의 HCM, FCM 등에서 초기치를 임의로 선택함으로써 데이터의 클러스터를 생성하였으나 제안된 방법은 계층적인 클러스터링을 이용하여 각 데이터간의 정보를 이용하여 클러스터링을 좀더 일반화하였다. 임의로 주어진 초기치에 의하여 클러스터의 형태가 바뀔 수 있는 문제점을 각각의 데이터 정보를 이용함으로써 이러한 문제를 해결하고자 하였다. 이를 자동차 연료 예측 문제에 적용하여 제안된 방법의 유용성을 보이고자 한다.

• Journal of the Society of Naval Architects of Korea
• /
• v.35 no.3
• /
• pp.79-87
• /
• 1998

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.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.5 no.4
• /
• pp.730-737
• /
• 2001

In this paper, an stabilization control method using adaptive neuro-fuzzy controller(ANFC) is proposed for modeling of nonlinear complex systems. The proposed adaptive neuro-fuzzy controller implements system structure and parameter identification using the intelligent schemes together with optimization theory, linguistic fuzzy implication rules, and neural networks from input and output data of processes. The results show that the proposed method can produce the intelligence model with higher accuracy than other works achieved previously.

• Proceedings of the KIEE Conference
• /
• 2007.11a
• /
• pp.242-243
• /
• 2007

본 논문은 1310nm 단일모드 광섬유를 이용하여 온도센서로 활용하기 위한 연구이다. 기존광섬유센서의 연구는 복잡한 여러 가지 기기를 이용하여 구성된 시스템이었다. 그리고 산란 변화를 주기 위하여 Bragg 격자나 Pulse generator를 이용하여 광주파수의 변화를 측정하거나, YAG 레이저를 이용 벌크형 시스템을 택하여 구성하였는데 실험 환경을 구성하는 어려움과 측정된 데이터의 정확도에 대한 문제점이 있었다. 본 연구에서 제안한 유도 브릴루앙 산란(sBs: stimulated Brillouin scattering)광을 이용한 온도센서 시스템은 기존의 측정방식 보다 간소화된 직렬방식의 시스템이다. 광주파수에서 발생하는 노이즈와 애매한 결과에 대해서 신뢰성과 정확도를 확보하기 위하여 지능형인 뉴로-퍼지 알고리즘을 이용하여 분석함으로써 기존 시스템 보다 정확한 데이터를 얻고자 하였다. 본 연구에서 sBs는 빛의 산란 특성 중 광주파수가 온도에 변화에 대해 각각의 온도 변화당 천이가 이루어졌음을 측정하였다. 시스템에서 출력된 데이터를 뉴로-퍼지로 분석한 변화율은 1.1MHz/의 결과를 얻었다.

• Journal of Biomedical Engineering Research
• /
• v.24 no.5
• /
• pp.465-471
• /
• 2003

The purpose of this research was to evaluate chronic stress using physiological parameters. Wistar rats were exposed to the sound stress for 14 days. Biosignals were acquired hourly. To develop a fuzzy inference system which can integrate physiological parameters. the parameters of the system were adjusted by the adaptive neuro-fuzzy inference system. Of the training dataset, input dataset was the physiological parameters from the biosignals and output dataset was the target values from the cortisol production. Physiological parameters were integrated using the fuzzy inference system. then 24-hour results were analyzed by the Cosinor method. Chronic stress was evaluated from the degree of circadian rhythm disturbance. Suppose that the degree of stress for initial rest period is 1. Then. the degree of stress after 14-day sound stress increased to 1.37, and increased to 1.47 after the 7-day recovery period. That is, the rat was exposed to 37%-increased amount of stress by the 14-day sound and did not recover after the 7-day recovery period.

• Journal of the Society of Naval Architects of Korea
• /
• v.40 no.1
• /
• pp.69-73
• /
• 2003

Neuro-Fuzzy System is to combine merits of fuzzy inference system and neural networks. The neuro-fuzzy system applies a information about given input-output data to fuzzy theories and deals these fuzzy values with neural networks, e.g. first, redefines normalized input-output data as membership functions and then executes thses fuzzy information with backpropagation neural networks. This paper describes an innovative application of the Taguchi method for the determination of these parameters to meet the training speed and accuracy requirements. Results drawn from this research show that the Taguchi method provides an effective means to enhance the performance of the neuro-fuzzy system in terms of the speed for learning and the accuracy for recall.