• Tunnel and Underground Space
• /
• v.11 no.4
• /
• pp.289-300
• /
• 2001

In the design of tunnel, it contains inaccuracy of data, fuzziness of evaluation, observer error and so on. The face observation during tunnel excavation, therefore, plays an important role to raise stability and to reduce supporting cost. This study is carried out to minimize the subjectiveness of observer and to exactly evaluate the natural properties of ground during the face observation. For these purpose, fuzzy set theory and neuro-fuzzy techniques in artificial intelligent techniques are applied to the inference of the RMR value from the observation data. The correlation between original RMR vague and inferred RM $R_{_FU}$ and RM $R_{_NF}$ values from fuzzy set theory and neuro-fuzzy techniques is investigated using 46 data. The results show that good correlation between original RMR value and infected RM $R_{_FU}$ and RM $R_{_NF}$ value is observed when the correlation coefficients are ｜R｜=0.96 and ｜R｜=0.95 respectively. From these results, applicability of fuzzy set theory and neuro-fuzzy techniques to rock mats classification is proved to be sufficiently high enough. enough.

• 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 Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.289-292
• /
• 2005

본 논문에서는 클러스터링과 뉴로-퍼지 모델링을 동시에 실시하는 학습 기법을 제안하였다. 클러스터링을 이용하여 뉴로-퍼지 모델링을 실시하는 일반적인 경우, 클러스터링 학습을 실시한 후 학습된 파라미터를 뉴로-퍼지 모델의 초기 파라미터로 설정하고 모델을 다시 학습하는 방법을 취한다. 즉 클러스터링에서 클러스터의 수를 구하고 파라미터를 최적화함으로써 초기 구조동정과 파라미터 동정을 실시하며 이를 다시 뉴로-퍼지 모델에서 세부적인 파라미터 동정을 실시하는 것이다. 또한 모델에서의 학습은 출력데이터의 오차를 이용한 오차미분기반 학습으로 전제부 소속함수 파라미터를 수정하는 방법을 이용한다. 이 경우 클러스터링의 영향과 모델의 영향이 각각 별개로 고려될 수 있다. 따라서 본 논문에서는 클러스터링을 전제부 소속함수로 부여하고 클러스터링의 학습에 뉴로-퍼지 모델을 이용하면서 또한 모델의 학습에 클러스터링을 직접 적용하는 클러스터링 기반 뉴로-퍼지 모델링을 제안하였으며 이 경우 클러스터링의 학습과 모델의 학습이 동시에 이루어지며 뉴로-퍼지 모델에서 클러스터링의 효과를 직접적으로 확인할 수 있다. 제안된 방법의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• 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.

• Journal of the Institute of Electronics Engineers of Korea TE
• /
• v.39 no.4
• /
• pp.414-422
• /
• 2002

In this paper, we propose a new method of adaptive neuro-fuzzy control using CFCM(Conditional Fuzzy c-means) clustering and fuzzy equalization method to deal with adaptive control problem. First, in the off-line design, CFCM clustering performs structure identification of adaptive neuro-fuzzy control with the homogeneous properties of the given input and output data. The parameter identification are established by hybrid learning using back-propagation algorithm and RLSE(Recursive Least Square Estimate). In the on-line design, the premise and consequent parameters are tuned to RLSE with forgetting factor due to a characteristic of time variant. Finally, we applied the proposed method to the water temperature control system and obtained better results than previous works such as fuzzy control.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.567-570
• /
• 2004

기존의 엘리베이터 시스템은 모든 교통 상황에 대해서 고정된 속도 패턴을 사용함으로써 교통량 변화에 다양한 속도 패턴을 제공 할 수 없었다. 운송 속도와 승차감은 엘리베이터 속도 패턴을 결정하기 위한 두개의 중요한 요소이다. 기동과 정지 시에 변속 충격을 줄이기 위해서 가속과 감속 시간이 적절히 조정되어졌다. 운송능력을 향상시키기 위해서 교통량 변화에 맞추어 저크를 조정하였고 이와 같은 방법으로 6개의 속도 패턴 곡선과 엘리베이터의 속도 제어를 위해서 뉴로 퍼지 시스템을 구현하였다. 구현된 뉴로 퍼지 시스템은 2개의 입력변수와 1개의 출력을 가진 시스템이다. 전반부는 교통량의 변화를 나타내며 후반부는 입력에 대응되는 속도 패턴을 적용시켰다.

• Proceedings of the KIEE Conference
• /
• 2001.07a
• /
• pp.318-322
• /
• 2001

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용한 단기 전력 수요 예측시스템에서 예측치별로 신뢰도를 계산하는 체계적인 방법을 제안한다. 예측시스템의 신뢰도를 추정하는 작업은 특히 신경회로망과 같은 경험적 모델을 실제 활용하기 위해서 필수적인 연구로 인식되고 있다. 본 논문에서 제안하는 출력별 신뢰 구간 계산 방법은 지역 표현하는 뉴로-퍼지 모델의 특성을 활용하여 학습된 퍼지 규칙 각각에 대해 신뢰도를 추정하는 Local reliability measure 기법을 사용한다. 제안된 신뢰도 계산이 가능한 단기 전력 수요 예측시스템은 먼저 결정 트리를 이용하여 초기 구조를 생성하고, 이를 초기 구조 뱅크에 저장한다. 저장된 초기 구조 뱅크를 이용하여 뉴로-퍼지 모델을 학습하고, 학습된 퍼지 규칙의 신뢰도를 추정한다. 제안된 시스템의 실효성을 검증하기 위해서 한국 전력에서 수집한 1996년과 1997년의 실제 전력 수요 데이터를 이용하여 한 시간 앞의 수요를 예측하는 모의 실험을 수행하고 실험 결과를 비교 분석한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.5
• /
• pp.417-422
• /
• 2000

In this paper, an efficient fuzzy rule generation scheme for adaptive neuro-fuzzy system modeling using the Independent Component Analysis(ICA) as a preprocessing is proposed. Correlation between inputs was not considered in the conventional neuro- fuzzy modeling schemes, such that enormous number of rules and large amount of error were unavoidable. The correlation between inputs is weakened by employing ICA so that the number of rules and the amount of error are reduced. In simulation, the Box-Jenkins furnace data is used to verify the effectiveness of the proposed method.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.168-171
• /
• 2006

본 논문에서는 Particle Swarm Optimization 기법을 이용한 뉴로-퍼지 시스템의 파라미터 동정을 실시한다. PSO의 학습 및 군집 특성을 이용하여 시스템을 학습한다. 유전 알고리즘과 같은 무작위 탐색법을 이용하며 하나의 해 군집에 대해 다수 객체들이 탐색하는 기법을 통하여 최적해 부분의 탐색성능을 높여 전체 모델의 학습성능을 개선하고자 한다. 제안된 기법의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• Proceedings of the Korean Society for Rock Mechanics Conference
• /
• 2001.10a
• /
• pp.143-150
• /
• 2001