• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.187-190
• /
• 2002

주어진 시스템의 정확한 제어를 위해 뉴로-퍼지 제어시스템의 성공적인 제어는 그 네트웍의 구성에 크게 의존한다. 현재 유전알고리즘을 사용한 제어기 구조의 최적화 방법에 대한 많은 연구가 이루어지고 있으나, 기존의 유전 알고리즘은 고정된 길이의 스트링 구조로 인하여 적합한 연계(linkage)를 얻기 어렵다는 단점이 있다 본 논문에서는 뉴로-퍼지 제어기의 구조적 최적화 설계의 새로운 방법을 제안한다. 여기서, 우리는 구조적으로 최적화 된 뉴로-퍼지 제어기를 설계하기 위해 가변길이 스트링을 사용하는 메시 유전 알고리즘(messy Genetic Algorithm mGA)을 사용한다. 그리고 제안된 방법의 우수성을 증명하기 위해 대표적인 비선형 시스템인 cart-pole 시스템에 제안된 방법을 적용한다.

• Proceedings of the KIEE Conference
• /
• 2002.07d
• /
• pp.2846-2849
• /
• 2002

본 논문은 뉴로-퍼지 시스템에서의 규칙 선택 및 모델 학술에 대하여 EM 알고리즘을 기반으로 하는 구조 동정을 제안한다. 뉴로-퍼지 모델링에서의 초기 파라미터가 학습과정에서의 모델 성능에 큰 영향을 주고 있다. 주어진 데이터에 근거한 파라미터 추정에는 다양한 방법들이 소개되고 응용되어져 왔는데 이전 연구들에서 볼 수 있는 HCM, FCM 등은 데이터와의 유클리디언 거리를 최소화하는 중심점을 파라미터로 선택하는 등의 방법과 퍼지 균등화 등은 데이터의 확률 밀도함수를 이용하여 파라미터를 추정하였다. 제안된 방법에서는 데이터에서의 Maximum Likelihood Estimator를 기반으로 하는 방법으로 EM 알고리즘을 이용하였다. 초기 파라미터의 결정에서 EM 알고리즘을 이용하여 뉴로-퍼지 모델의 전제부 소속함수 파라미터 추정을 실시한다. EM 알고리즘을 이용한 퍼지 모델의 특징으로는 전제부가 클러스터링에 의하여 생성되므로 입력의 차원이나 소속함수의 수가 증가하여도 규칙의 수는 증가하지 않는다. 이를 자동차 MPG 예제를 통하여 제안된 방법의 유용성을 보이고자 한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.9 no.5
• /
• pp.472-479
• /
• 1999

In this paper, we propose a land cover pattern classifier for remote sensing image by using neuro-fuzzy algorithm. The proposed pattem classifier has a 3-layer feed-forward architecture that is derived from generic fuzzy perceptrons, and the weights are con~posed of h u y sets. We also implement a neuro-fuzzy pattern classification system in the Visual C++ environment. To measure the performance of this, we compare it with the conventional neural networks with back-propagation learning and the Maximum-likelihood algorithms. We classified the remote sensing image into the eight classes covered the majority of land cover feature, selected the same training sites. Experimental results show that the proposed classifier performs well especially in the mixed composition area having many classes rather than the conventional systems.

• The Transactions of the Korea Information Processing Society
• /
• v.13 no.2
• /
• pp.13-17
• /
• 2024

In this paper, union-based rule antecedent neuro-fuzzy controller, which can guarantee a parsimonious knowledge base with reduced number of rules, is proposed. The proposed neuro-fuzzy controller allows union operation of input fuzzy sets in the antecedents to cover bigger input domain compared with the complete structure rule which consists of AND combination of all input variables in its premise. To construct the proposed neuro-fuzzy controller, we consider the multiple-term unified logic processor (MULP) which consists of OR and AND fuzzy neurons. The fuzzy neurons exhibit learning abilities as they come with a collection of adjustable connection weights. In the development stage, the genetic algorithm (GA) constructs a Boolean skeleton of the proposed neuro-fuzzy controller, while the stochastic reinforcement learning refines the binary connections of the GA-optimized controller for further improvement of the performance index. An inverted pendulum system is considered to verify the effectiveness of the proposed method by simulation and experiment.

• 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.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.439-440
• /
• 2004

전력시스템의 부하주파수제어는 전력계통운용에 있어서 가장 중요하게 다루어야 한다. 본 논문에서는 강인한 퍼지제어기를 얻고자, 다층 신경회로망을 이용하여 퍼지제어기 멤버쉽 함수의 전건부 및 후건부 파라미터들을 시스템에 알맞게 자기 조정하기 위해 최급구배법에 근거한 오차 역전파 알고리즘으로 적응 학습시킬 수 있는 뉴로-퍼지제어기의 구조 및 알고리즘을 제안하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.384-389
• /
• 1998

본 논문은 특정 응용에 적합한 퍼지 제어기의 최적 설계 파라메터(퍼지 규칙과 소속 함수)를 찾는데 역전파 학습 과정과 유전 알고리즘을 결합한 Lamarckian 상호적응 기법을 이용한 뉴로-퍼지 제어기의 새로운 설계 방법을 제안한다. 설계 파라메타들은 진화에 의한 전역적 탐색을 통해 높은 포함값과 유용한 퍼지 규칙들을 갖는 규칙 베이스와 작은 근사화 오차와 좋은 제어 성능을 갖는 소속 함수들을 얻도록 제어기간 파라메타 조절을 수행하며, 학습에 의한 국부적 탐색을 통해 각 퍼지 제어기가 원하는 제어 결과를 나타내도록 제어기내 파라메타 조절을 수행한다. 제안한 상호적응 설계 방법은 유전 알고리즘의 모든 세대에서 역전파 학습이 이루어지므로 보다 좋은 근사화 능력을 나타나고, 사용한 무게 중심 비퍼지화기가 정확한 비퍼지화값을 계산하므로 보다 좋은 제어 성능을 가지며, 퍼지 규칙 베이스와 소속 함수들의 최적화 탐색 과정이 입출력 공간의 같은 퍼지 분할 상에서 통합된 적응 함수에 의하여 동시에 수행되므로 탐색을 위한 작업 공간이 아주 작아지는 장점이 있다. 시뮬레이션 결과는 Lamarckian 상호 적응에 의해 얻어진 FLC가 퍼지 규\ulcorner 수, 근사화 능력, 제어 성능등 모든면에서 다른 방법에 의해 얻어진 FLC보다 가장 우수함을 보여준다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2005.11a
• /
• pp.373-376
• /
• 2005

본 논문에서는 이와 같은 요청에 부합되는 강인한 처지제어기를 얻고자, 다층 신경회로망을 이용하여 퍼지제어기 멤버쉽 함수의 전건부 및 후건부 파라미터들을 시스템에 알맞게 자기 조정하기 위해 최급구배법(Steepest Gradient Method)에 근거한 오차 역전파 알고리즘으로 적응 학습시킬 수 있는 뉴로-퍼지제어기 (Neuro-Fuzzy Control : NFC)의 구조 및 알고리즘을 제안하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.5
• /
• pp.395-400
• /
• 2000

In this paper, we propose a new neuro-fuzzy controller based on reinforcement learning. The proposed system is composed of neuro-fuzzy controller which decides the behaviors of an agent, and dynamic recurrent neural networks(DRNNs) which criticise the result of the behaviors. Neuro-fuzzy controller is learned by reinforcement learning. Also, DRNNs are evolved by genetic algorithms and make internal reinforcement signal based on external reinforcement signal from environments and internal states. This output(internal reinforcement signal) is used as a teaching signal of neuro-fuzzy controller and keeps the controller on learning. The proposed system will be applied to controller optimization and adaptation with unknown environment. In order to verifY the effectiveness of the proposed system, it is applied to collision avoidance of an autonomous mobile robot on computer simulation.

• 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