• ICROS
• /
• v.1 no.3
• /
• pp.83-91
• /
• 1995

이 글에서는 신경회로망의 장점과 퍼지논리의 장점을 최대한 이용하며 각각의 단점을 보완하는 뉴로-퍼지 융합 기술과 현재 연구의 흐름을 간단히 살펴보았다. 비구조적인 정보 뿐만 아니라 구조적인 정보까지도 신경회로망의 영역 안에서 처리할 수 있는 새로운 뉴로-퍼지 회로망을 소개하였다. 소개한 뉴로-퍼지 회로망은 비퍼지화와 비퍼지화에 의해 발생하는 오차를 잘 보상할 수 있을 뿐만 아니라, 최적의 입출력 퍼지 소속 함수의 중심점과 모양을 찾을 수 있는 장점이 있다. 또한, 그 특성을 알지 못하는 임의의 비선형 동적 시스템에서 입출력 데이터만 얻을 수 있으며 시스템을 모델할 수 있는 퍼지 규칙을 언어적인 방법과 수치적인 방법으로 표현할 수 있으며 간단한 예제를 통한 시뮬레이션 결과를 보였다. 소개한 뉴로-퍼지 회로망을 이용하여 뉴로-퍼지 제어기를 구성할 수도 있으며, 또한 시스템의 역 퍼지 규칙을 찾는데 이용할 수도 있다. 향후 보다 우수한 일반화 성능을 가질 수 있는 뉴로-퍼지 회로망의 개발이 필요하며, 충분한 입출력 데이터를 얻는 방법의 연구도 필요하다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.129-132
• /
• 2002

본 논문은 웨이브렛 변환 다중해상도 분해(multi-resolution Analysis : MRA)와 적응성 뉴로-퍼지 인터페이스 시스템(Adaptive Neuro-Fuzzy Inference System : ANFIS)을 기반으로 한 웨이브렛 신경망을 가지고 임의의 비선형 함수 학습 근사화를 개선하는 것이다. ANFIS 구조는 벨형 퍼지 함수로 구성이 되었고, 웨이브렛 신경망은 전파 알고리즘과 역전파 신경망 알고리즘으로 구성되었다. 여기 웨이브렛 구성은 단일 크기이고, ANFIS 기반 웨이브렛 신경망의 학습을 위해 역전파 알고리즘을 사용하였다. 1차원과 2차원 함수에서 웨이브렛 전달 파라미터 학습과 ANFIS의 벨형 소속 함수를 이용한 ANFIS 모델 기반 웨이브렛 신경망의 웨이브렛 기저 수 감소와 수렴 속도 성능이 기존의 알고리즘 보다 개선되었음을 확인하였다.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.16 no.5
• /
• pp.484-493
• /
• 2011

The MPPT algorithm using neuro-fuzzy controller is proposed to improve the performance of fuzzy controller in this paper. The width of membership function and fuzzy rule have an effect on the performance of fuzzy controller. The neuro-fuzzy controller has the response characteristic which is superior to the existing fuzzy controller, because of using the optimal width of the fuzzy membership function through the neural learning. The superior control characteristic of a proposed algorithm is confirmed through simulation and experiment results.

• Journal of Korea Water Resources Association
• /
• v.44 no.7
• /
• pp.537-551
• /
• 2011

Based on optimal input data combination selected in the earlier study, Neuro-Fuzzy flood forecasting model linked Takagi-Sugeno fuzzy inference theory with neural network in Wangsukcheon and Gabcheon is established. The established model was applied to Wangsukcheon and Gabcheon and water levels for lead time of 0.5 hr, 1 hr, 1.5 hr, 2.0 hr, 2.5 hr, 3.0 hr are forecasted. For the verification of the model, the comparisons between forecasting floods and observation data are presented. The forecasted results have shown good agreements with observed data. Additionally to evaluate quantitatively for applicability of the model, various statistical errors such as Root Mean Square Error are calculated. As a result of the flood forecasting can be simulated successfully without large errors in all statistical error. This study can greatly contribute to the construction of a high accuracy flood information system that secure lead time in medium and small streams.

• 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 Korean Institute of Intelligent Systems
• /
• v.3 no.3
• /
• pp.38-54
• /
• 1993

퍼지 제어기(FLC)는 Max-Min CRI 방법을 이용하여 추론하는 시스템이다. 그러나 이 방법은 주관적인 멤버쉽 함수의 결정, 오류 발생 가중치 전략, 비합리적인 추론 규칙들의 조합이라는 세가지 문제점 때문에 원하는 추론 결과와 실제 추론 결과 사이에 상당한 오류 영역을 발생시킨다. 본 논문에서는 이를 해결하기 위해 퍼지 이론에 신경 회로망의 학습 기능이 융합되어 지능적으로 작동하는 뉴로-퍼지 시스템(INFS)을 제안한다. INFS는 이상의 문제 해결 방안이 지식 획득 단계, 적응 조절단계를 통해 작동함으로써 임의의 입력에 대해서도 추론이 가능한 시스템이다. 제안된 INFS를직류 계열 모니터에 적용한 결과 신경 회로망을 사용하지 않았을때 보다 오류 영역을 상당히 줄여주었다. 또한 학습 시간을 고려해 볼 때, INFS에서 사용하는 추론 방법(NCRI 방법)이 지금까지 다른 방법에 비해 휠씬 효율적이었다.

• The Journal of the Korea Contents Association
• /
• v.12 no.2
• /
• pp.1-9
• /
• 2012

This paper presents an algorithm for depression diagnosis using the Neural Network with Weighted Fuzzy Membership functions (NEWFM) and heart rate variability (HRV). In the algorithm, 22 different features were initially extracted from the HRV signal by frequency domain, time domain, wavelet transformed, and Poincar$\acute{e}$ transformed feature extraction methods; of these 6 optimal features were selected by significance evaluation using Non-overlap Area Distribution Measurement (NADM) based on NEWFM. The proposed algorithm uses these 6 optimal features to diagnose depression with an accuracy of 95.83%.

• Journal of the Institute of Electronics Engineers of Korea TE
• /
• v.39 no.4
• /
• pp.363-369
• /
• 2002

In this paper, it could improved on the arbitrary nonlinear function learning approximation which have the wavelet neural network based on Adaptive Neuro-Fuzzy Inference System(ANFIS) and the multi-resolution Analysis(MRA) of the wavelet transform. ANFIS structure is composed of a bell type fuzzy membership function, and the wavelet neural network structure become composed of the forward algorithm and the backpropagation neural network algorithm. This wavelet composition has a single size, and it is used the backpropagation algorithm for learning of the wavelet neural network based on ANFIS. It is confirmed to be improved the wavelet base number decrease and the convergence speed performances of the wavelet neural network based on ANFIS Model which is using the wavelet translation parameter learning and bell type membership function of ANFIS than the conventional algorithm from 1 dimension and 2 dimension functions.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.6 no.4
• /
• pp.49-60
• /
• 1996

The objective of this paper is to develop an adaptive learning method for fuzzy hypercubes using a neural network. An intelligent control system is proposed by exploiting only the merits of a fuzzy logic controller and a neural network, assuming that we can modify in real time the consequential parts of the rulebase with adaptive learning, and that initial fuzzy control rules are established in a temporarily stable region. We choose the structure of fuzzy hypercubes for the fuzzy controller, and utilize the Perceptron learning rule in order to upda1.e the fuzzy control ru1c:s on-line with the output errors. As a result, the effectiveness and the robustness of this intelligent controller are shown with application of the proposed adaptive fuzzy-neuro controller to control of the cart-pole system.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1043-1047
• /
• 2007

수질오염사고로 발생할 수 있는 시나리오를 통해서 스스로 수질오염사고를 판단할 수 있는 지능형 알고리즘들을 검토하였다. 지능형 알고리즘의 학습을 위해 개발된 기준축과 학습지표는 적절한 결과를 유도하는데 유용하였다. 다층신경망, 뉴로-퍼지 알고리즘은 TOC와 DO의 이상 수질에 대하여 안정, 주의, 경고 상태를 적합하게 구별하는 것으로 나타났으며, 다중퍼셉트론 알고리즘은 모호한 자료에 대해서는 판단능력이 부족한 것으로 나타났다. 구조가 단순하지만 양방향 연산을 수행하는 BAM(Bidirectional Associative Memory) 알고리즘은 다층신경망과 뉴로-퍼지 알고리즘과 비교할 때, 학습 및 구동시간이 짧을 뿐만아니라 결과 또한 안정적인 것으로 나타났다.