• 한국지능시스템학회논문지
• /
• 제25권3호
• /
• pp.242-247
• /
• 2015

본 논문은 방사형 기저함수 신경회로망(Radial Basis Function Neural Network) 패턴분류기를 기반으로 강수 에코와 비(非)강수 에코를 분류하는 방법을 제시한다. 강수 에코와 비(非)강수 에코를 분류하기 위하여 기상레이더 자료의 특성을 분석하였다. 이를 기반으로 UF 데이터의 전처리를 실시하여 입력변수(DZ, SDZ, VGZ, SPN, DZ_FR, VR)를 선정 하였고 학습데이터 및 테스트데이터로 구성하였다. 마지막으로, 기상청에서 사용되고 있는 QC 데이터는 제안된 알고리즘의 성능을 비교하기 위해 사용하였다.

• 자원리싸이클링
• /
• 제26권2호
• /
• pp.46-55
• /
• 2017

본 연구에서는 레이저유도붕괴분광(Laser Induced Breakdown Spectroscopy, LIBS)을 이용하여 방사형 기저함수 신경회로망(Radial Basis Function Neural Networks, RBFNNs) 분류기 설계방법론을 개발하고 실제 폐소형가전제품의 플라스틱 분류 시스템에 적용하였다. ABS, PP, PS와 같은 검정색 플라스틱을 구별하기 위해, 지능형 알고리즘 중 하나인 방사형 기저함수 신경회로망 분류기를 설계하였다. 획득한 입력변수는 주성분 분석법(Principal Component Analysis, PCA)을 이용하여 축소시켰으며, 군집화기법 중 하나인 K-means 클러스터링 방법을 이용해 여러 그룹으로 분할하였다. 전체 데이터는 학습 데이터와 테스트 데이터를 4:1의 비율로 나누었으며, 제안된 분류기의 성능 및 신뢰도를 평가하기 위하여 5-FCV(5-Fold Cross Validation) 기법을 사용하였다. 입력변수와 클러스터의 개수가 각각 5개인 경우, 제안된 분류기의 분류 성능은 96.78%로 나타났다. 또한, 제안된 분류기는 다른 분류기들과 비교하였을 경우 분류 성능의 관점에서 우수성을 보여주었다.

• 한국지능시스템학회논문지
• /
• 제23권6호
• /
• pp.533-538
• /
• 2013

최근 빈번히 일어나는 국지성 집중호우로 인해 피해가 급격히 증가하고 있다. 인구가 밀집한 수도권과 같은 경우 산사태와 토석류 및 홍수로 인해 인명 및 재산피해가 심각하다. 따라서 집중호우에 대한 예측의 중요성이 증가하고 있다. 우리나라 악천후 강수의 특징으로는 태풍과 집중호우로 구분된다. 이는 지속시간과 지역에 따라 차이를 보인다. 또한, 지역적인 강수는 계절에 따라 변동성이 크고 비선형적이기 때문에 강수를 예측하는데 어려움이 따른다. 본 논문에서는 기상청에서 현업으로 사용하는 초단기 기상 분석 및 예측시스템 (Korea Local Analysis and Prediction System; KLAPS)의 기상 관측 자료를 이용하여 초단기 호우 예측 패턴 모델을 구현한다. 그리고 악천후 시 피해가 큰 수도권을 중심으로 여름철 호우 특보를 예측한다. 유전자 알고리즘(Genetic Algorithm; GA) 기반 다항식 방사형 기저함수 신경회로망(Radial Basis Function Neural Networks; RBFNNs)을 이용하여 초단기 강수 예측 패턴 모델을 설계한다. 최적화된 분류기를 설계하기 위하여 유전자 알고리즘을 이용하여 주요 파라미터인 입력변수의 수, 다항식 차수, 퍼지화 계수, FCM(Fuzzy C-mean) 클러스터 수를 동조한다.

• 한국지능시스템학회논문지
• /
• 제25권4호
• /
• pp.355-360
• /
• 2015

본 논문에서는 필기체 숫자를 인식하기 위해 주성분 분석법(PCA) 기반 방사형 기저함수 신경회로망(pRBFNNs) 패턴 분류기를 설계한다. 제안된 패턴 분류기는 PCA를 이용한 데이터 전처리 단계와 pRBFNNs를 이용한 분류 단계로 구성된다. 전처리 단계에서는 PCA를 사용하여 주어진 데이터의 정보손실을 최소화한 특징데이터를 생성하고, 이를 분류 단계인 pRBFNNs의 입력으로 사용한다. 제안된 분류기의 조건부에서는 Fuzzy C-Means(FCM) 클러스터링 알고리즘으로 구성하였고, 연결가중치는 1차 선형식을 사용하였다. 결론부에서는 최소자승법(LSE)을 사용하여 다항식 계수를 구하였다. 제안된 분류기의 성능평가를 위해 대표적인 필기체 숫자데이터인 MNIST 데이터를 사용하였으며, 제안된 분류기의 결과를 기존 다른 분류기들과 비교한다.

• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.536-541
• /
• 2014

기상레이더를 통해 취득된 데이터에는 지형에코, 파랑에코, 이상에코, 그리고 청천에코등이 존재한다. 각 에코는 여러 종류의 비강수에코이고, 이 비강수에코를 제거하기 위해 각 에코들의 특성을 분석하였다. 기상레이더 데이터는 매우 방대한 양이기 때문에 전처리 절차를 통해 분석된다. 본 논문에서는 클러스터링 기반 방사형 기저함수 신경회로망(RBFNNs : Radial Basis Function Neural Networks)과 에코 판단 모듈을 이용하여 기상레이더 데이터에서 강수에코와 비강수에코들을 구별하기 위한 에코 패턴분류기를 설계하였다. HCM(Hard C-Mean) 클러스터링 기반 RBFNNs 와 FCM(Fuzzy C-Mean) 클러스터링 기반 RBFNNs를 이용하여 출력성능은 비교 및 분석된다.

• 제어로봇시스템학회논문지
• /
• 제17권8호
• /
• pp.731-738
• /
• 2011

In this paper, we introduce an advanced architecture of K-Means clustering-based polynomial Radial Basis Function Neural Networks (p-RBFNNs) designed with the aid of SSOA (Space Search Optimization Algorithm) and develop a comprehensive design methodology supporting their construction. In order to design the optimized p-RBFNNs, a center value of each receptive field is determined by running the K-Means clustering algorithm and then the center value and the width of the corresponding receptive field are optimized through SSOA. The connections (weights) of the proposed p-RBFNNs are of functional character and are realized by considering three types of polynomials. In addition, a WLSE (Weighted Least Square Estimation) is used to estimate the coefficients of polynomials (serving as functional connections of the network) of each node from output node. Therefore, a local learning capability and an interpretability of the proposed model are improved. The proposed model is illustrated with the use of nonlinear function, NOx called Machine Learning dataset. A comparative analysis reveals that the proposed model exhibits higher accuracy and superb predictive capability in comparison to some previous models available in the literature.

• 전기학회논문지
• /
• 제61권1호
• /
• pp.135-142
• /
• 2012

In this paper, we proposed a new architecture called radial basis function-based polynomial neural networks classifier that consists of heterogeneous neural networks such as radial basis function neural networks and polynomial neural networks. The underlying architecture of the proposed model equals to polynomial neural networks(PNNs) while polynomial neurons in PNNs are composed of Fuzzy-c means-based radial basis function neural networks(FCM-based RBFNNs) instead of the conventional polynomial function. We consider PNNs to find the optimal local models and use RBFNNs to cover the high dimensionality problems. Also, in the hidden layer of RBFNNs, FCM algorithm is used to produce some clusters based on the similarity of given dataset. The proposed model depends on some parameters such as the number of input variables in PNNs, the number of clusters and fuzzification coefficient in FCM and polynomial type in RBFNNs. A multiobjective particle swarm optimization using crowding distance (MoPSO-CD) is exploited in order to carry out both structural and parametric optimization of the proposed networks. MoPSO is introduced for not only the performance of model but also complexity and interpretability. The usefulness of the proposed model as a classifier is evaluated with the aid of some benchmark datasets such as iris and liver.

• 전기학회논문지
• /
• 제66권5호
• /
• pp.833-842
• /
• 2017

In this study, the design methodology of radial basis function neural networks based on incremental K-means clustering is introduced for learning and processing the big data. If there is a lot of dataset to be trained, general clustering may not learn dataset due to the lack of memory capacity. However, the on-line processing of big data could be effectively realized through the parameters operation of recursive least square estimation as well as the sequential operation of incremental clustering algorithm. Radial basis function neural networks consist of condition part, conclusion part and aggregation part. In the condition part, incremental K-means clustering algorithms is used tweights of the conclusion part are given as linear function and parameters are calculated using recursive least squareo get the center points of data and find the fitness using gaussian function as the activation function. Connection s estimation. In the aggregation part, a final output is obtained by center of gravity method. Using machine learning data, performance index are shown and compared with other models. Also, the performance of the incremental K-means clustering based-RBFNNs is carried out by using PSO. This study demonstrates that the proposed model shows the superiority of algorithmic design from the viewpoint of on-line processing for big data.

• 한국지능시스템학회논문지
• /
• 제23권5호
• /
• pp.473-478
• /
• 2013

본 논문에서는 KLAPS(Korea Local Analysis and Prediction System)의 재분석 자료를 이용하여 지능형 뉴로-퍼지 알고리즘 RBFNNs(Polynomial-based Radial Basis Function Neural Networks) 기반 호우특보 판별 모델을 개발한다. 기존의 호우예측 시스템들의 예측능력은 일반적으로 기상데이터의 가공 기법의 영향을 받는다. 본 연구에서는 이를 보완하기 위하여 기상데이터의 전처리를 통한 호우예측 방법을 소개한다. 기상 데이터 전처리 기법은 KLAPS 데이터를 기반으로 지점별 변환, 누적강수량 생성, 시계열 데이터 가공, 호우특보 추출 방식에 의하여 설계된다. 최종적으로, 향후 t(t=1,2,3) 시간 후 6시간 동안 누적강수량에 대해 예측하고 호우특보를 결정하기 위한 정보를 제공한다. 또한 다항식의 형태, 규칙의 개수, 퍼지화 계수와 같은 제안된 모델의 중요 파라미터는 최적화 기법인 차분 진화(Differential Evolution; DE)를 이용하여 최적화한다.

• 한국지능시스템학회논문지
• /
• 제24권2호
• /
• pp.173-178
• /
• 2014

본 연구에서는 ASM기반 $(2D)^2$ 하이브리드 전처리 알고리즘을 이용한 얼굴인식 분류기와 그것의 설계방법론을 소개한다. 얼굴인식을 위한 이미지는 외부 환경에 쉽게 영향을 받기 때문에, 전처리 단계로 이러한 문제를 해결하기 위해서 ASM을 사용하였다. 특히 사람 얼굴의 특징 추출을 목적으로 널리 이용되고 있다. ASM을 이용해 얼굴영역을 추출 한 뒤 PCA와 LDA를 이용한 $(2D)^2$ 하이브리드 전처리 알고리즘을 이용하여 차원을 축소한다. 전처리 알고리즘을 통한 얼굴데이터는 제안된 다항식 기반 방사형 기저함수 신경회로망의 입력으로 사용된다. 기존의 신경회로망과는 달리 제안된 지능형 패턴 분류기는 강인한 네트워크 특성을 가지며, 예측능력이 우수할 뿐만 아니라 다차원 입출력에 대한 문제도 해결했다. 분류기의 중요한 필수 설계 파라미터(행의 고유벡터의 수, 열의 고유벡터의 수, 클러스터의 수, 퍼지화 계수)는 ABC알고리즘에 의해 최적화 되어진다. 얼굴인식에 많이 사용되는 Yale과 AT&T를 사용하여 인식률을 평가하였다.