• Journal of Korea Water Resources Association
• /
• v.35 no.5
• /
• pp.619-629
• /
• 2002

Water in the atmosphere is circulated by reciprocal action of various factors in the climate system. Otherwise, any climate phenomenon could not occur of itself. Thus, we have tried to understand the climate change by analysis of the factors. In this study, the fuzzy theory which is useful to express inaccurate and approximate nature in the real world is used for forecasting precipitation influenced by the factors. Forecasting models used in this study are neuro-fuzzy system and a Markov chain and those are applied to precipitation forecasting of illinois. Various atmosphere circulation factors(like soil moisture and temperature) influencing the climate change are considered to forecast precipitation. As a forecasting result, it can be found that the considerations of the factors are helpful to increase the forecastibility of the models and the neuro-fuzzy system gives us relatively more accurate forecasts.

• Proceedings of the KIEE Conference
• /
• 1998.07b
• /
• pp.471-473
• /
• 1998

본 논문에서는 뉴로-퍼지 제어기를 이용한 능동 소음제어기를 구현하였다. 능동 소음제어기는 잡음에 의하여 왜곡된 신호로부터 잡음을 제거하여 원 신호를 복원하는 제어시스템이다. 일반적으로 잡음의 특성이 시간에 따라 변화하고, 전달특성이 비선형적이므로 고정된 제어기에 의해서는 제어할 수 없다. 이 논문에서는 뉴로-퍼지 제어기를 사용하였고, 파라미터를 오차 역전과 학습을 통하여 변화시킴으로써 잡음의 특성에 효과적으로 적응하는 능동 소음제어기를 구성하였다. 시뮬레이션을 통하여 여러 종류의 신호에 대해서 랜덤 노이즈를 발생시키고 구성된 제어기의 성능을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.170-173
• /
• 2002

본 논문에서는 여러 분야에서 널리 응용되고 있는 적응 뉴로-퍼지 시스템(ANFIS)에서의 효과적인 퍼지 규칙 생성방법을 제안한다. ANFIS의 성능 개선을 위해 구조동정을 수행함에 있어서 전제부 파라미터는 EM(Expectation-Maximization) 알고리즘을 적용하였으며, 파라미터학습은 Jang에 의한 하이브리드 방법을 적용한다. 여기서 초기의 중심과 분산을 구하기 위해 FCM(Fuzzy c-means) 클러스터링 기법을 사용하였다. 이렇게 함으로서 적은 규칙 수를 가지면서도 효율적인 퍼지 규칙을 얻을 수 있도록 하였다. 이들 방법의 유용함을 보이고자 Box-Jenkins의 가스로 데이터에 적용하여 제안된 방법이 이전의 연구보다 좋은 결과를 보임을 보이고자 한다

• 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.

• Journal of the Korea Concrete Institute
• /
• v.14 no.6
• /
• pp.1022-1031
• /
• 2002

This paper presents efficient models for bridge structures using CART-ANFIS (classification and regression tree-adaptive neuro fuzzy inference system). A fuzzy decision tree partitions the input space of a data set into mutually exclusive regions, each region is assigned a label, a value, or an action to characterize its data points. Fuzzy decision trees used for classification problems are often called fuzzy classification trees, and each terminal node contains a label that indicates the predicted class of a given feature vector. In the same vein, decision trees used for regression problems are often called fuzzy regression trees, and the terminal node labels may be constants or equations that specify the predicted output value of a given input vector. Note that CART can select relevant inputs and do tree partitioning of the input space, while ANFIS refines the regression and makes it continuous and smooth everywhere. Thus it can be seen that CART and ANFIS are complementary and their combination constitutes a solid approach to fuzzy modeling.

• 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.

• 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.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.5
• /
• pp.533-538
• /
• 2004

This paper proposes a systematic method to develop short-term electrical load forecasting systems using neuro-fuzzy models. The proposed system predicts the electrical loads with the lead times of 1 hour, 24 hour, and 168 hour. To do so, the load forecasting system first builds an initial structure off-line for each hour of four day types and then stores the resultant initial structures in the initial structure bank. 96 initial structures are constructed for each prediction lead time. Whenever a prediction needs to be made, the proposed system initializes the neuro-fuzzy model with the appropriate initial structure stored and trains the initialized prediction modell. To improve the performance of the prediction system in terms of accuracy and reliability at the same time, the prediction model employs only two inputs. It makes possible to interpret the fuzzy rules to be learned. In order to demonstrate the viability of the proposed method, we develop a load forecasting system by using the real load data collected during 1996 and 1997 at KEPCO. Simulation results reveal that the prediction system developed in this paper can achieve a remarkable improvement on both accuracy and reliability

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.282-288
• /
• 1998

본 논문에서는 뉴로-퍼지 제어기를 이용하여 밀폐공간에서의 능동 소음 제어기를 구현하였다. 능동 소음 제어기는 잡음에 의하여 왜곡된 신호로부터 잡음을 제거하여 원 신호를 복원하는 제어시스템이다. 일반적으로 잡음의 특성이 시간에 따라 변화라고, 전달특성이 비선형적이므로 고정된 제어기에 의해서는 제어할 수 없다. 이 논문에서는 뉴로-퍼지 제어기를 사용하여 파라미터를 오차 역전파 학습을 통하여 변화시킴으로써 잡응의 특성에 효과적을 적응하는 능동 소음 제어기를 구성하였다. 원신호는 음성신호를 사용하였으며 실제 소음과 소음 전달경로인 1차경로를 통과한 왜곡된 소음은 실험에 의해 얻은 데이터를 사용하였다. 제어신호의 전달경로인 2차경로는 100[kHz]에서 1[kHz]까지의 주파수 특성을 고려하여 curve fitting 방법을 사용하여 4차로 모델링한 결과를 사용하였다. 제안한 능동 소음 제어기의 성능을 시뮬레이션을 통하여 확인하였다.

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.17 no.1
• /
• pp.101-111
• /
• 1993

Many processes such as machining, injection-moulding and metal-forming are usually operated by hydraulic servo-systems. The dynamic characteristics of these systems are complex and highly non-linear and are often subjected to the uncertain external disturbances associated with the processes. Consequently, the conventional approach to the controller design for these systems may not guarantee accurate tracking control performance. An effective neuro-fuzzy controller is proposed to realize an accurate hydraulic servo-system regardless of the uncertainties and the external disturbances. For this purpose, first, we develop a simplified fuzzy logic controller which have multidimensional and unsymmetric membership functions. Secondly, we develop a neural network which consists of the parameters of the fuzzy logic controller. It is show that the neural network has both learning capability and linguistic representation capability. The proposed controller was implemented on a hydraulic servo-system. Feedback error learning architecture is adopted which uses the feedback error directly without passing through the dynamics or inverse transfer function of the hydraulic servo-system to train the neuro-fuzzy controller. A series of simulations was performed for the position-tracking control of the system subjected to external disturbances. The results of simulations show that regardless of inherent non-linearities and disturbances, an accuracy tracking-control performance is obtained using the proposed neuro-fuzzy controller.