• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.811-813
• /
• 2004

본 논문에서는, 고유 얼굴 분포를 기반으로 하여 퍼지 이론을 이용한 얼굴 인식 기법을 제안한다 고유 얼굴의 가중치값들에 대해 각각의 분포를 이용한 소속도 함수가 계산되며. 소속도 함수를 통해 계산된 소속도는 신경망을 통해 학습된다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.2
• /
• pp.138-145
• /
• 2000

A identification algorithm that finds optimal fuzzy membership functions and rule base to fuzzy model isproposed and a fuzzy controller is designed to get more accurate position and velocity control of wheeled mobile robot. This procedure that is composed of three steps has its own unique process at each step. The elements of output term set are increased at first step and then the rule base is varied according to increase of the elements. The adjusted system is in competition with system which doesn't include any increased elements. The adjusted system will be removed if the system lost. Otherwise, the control system is replaced with the adjusted system. After finished regulation of output term set and rule base, searching for input membership functions is processed with constraints and fine tuning of output membership functions is done.

• Journal of the Korea Society of Computer and Information
• /
• v.11 no.3
• /
• pp.11-20
• /
• 2006

This paper describes the technique which utilizes a fuzzy neural network to sketch feature extraction in digital images. We configure an artificial neural network and make it learn fuzzy membership functions to decide a local threshold applying to sketch feature extraction. To do this. we put the learning data which is membership functions generated based on optimal feature map of a few standard images into the artificial neural network. The proposed technique extracts sketch features in an images very effectively and rapidly because the input fuzzy variable have some desirable characteristics for feature extraction such as dependency of local intensity and excellent performance and the proposed fuzzy neural network is learned from their membership functions, We show that the fuzzy neural network has a good performance in extracting sketch features without human intervention.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.90-93
• /
• 1998

입？출력 데이터 쌍만을 이용하여 규칙 및 소속 함수를 자동적으로 결정하는 자기 학습 퍼지 알고리즘 중에서, 가장 이해하기 용이하고 퍼지 규칙 및 소속 함수 생성이 빠른 방법으로 기울기 강하를 이용한 방법들이 있다. 기울기 강하를 이용한 방법중에서 가장 대표적인 Araki가 제안한 방법은 퍼지 조건부가 퍼지 집합 형태이고 결론부는 단일값으로 구성된 알고리즘으로써 입력 퍼지 공간을 세분화하면서 시스템을 규명해나가는 간단하면서도 효율적인 알고리즘이다. 그러나 이 방법은 퍼지 입력 변수가 증가하면 퍼지 공간이 세분화 되면서 소속 함수 및 규칙 생성 개수가 급격히 제곱배로 증가하는 문제점을 가지고 있다. 따라서, 본 논문에서는 퍼지 입력 변수가 증가함에 따라 급격히 퍼지 규칙 및 소속 함수의 수가 증가하는 Araki 알고리즘의 문제점을 분석하여 소속 함수 및 규칙 수의 급격한 증가를 억제하고 Araki 방법에 비해 학습속도가 현저히 향상된 새로운 방안을 제안한다. 연구 결과, Arki 방법이 입력 변수의 개수가 증가 할수록 규칙 수가 기하 급수적으로 많이 필요하였던 것에 비해 제안한 방법은 훨씬 적은 규칙 수로 우수한 성능을 얻을 \ulcorner 있었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05d
• /
• pp.741-746
• /
• 2002

본 논문에서는 학습자 스스로가 학습 능력을 조절하고 학습 내용과 시험 평가를 객관적으로 판단할 있는 자기 주도적 학습 내용 및 시험 평가 방법을 제안하였다. 제안된 자기 주도적 학습 내용 및 시험평가 방법은 삼각형 타입의 소속 함수와 퍼지 논리를 이용하여 학습 능력과 시험 능력의 소속도를 계산하고 각각에 대해 퍼지 등급도를 부여하였다. 학습 능력의 소속도와 시험 능력의 소속도에 대해서 퍼지 관계의 연산 및 합성에 의해 최종 소속도를 계산하고 퍼지 등급도를 결정하여 학습자가 학습 능력의 소속도와 시험 능력의 소속도 및 최종 퍼지 등급도를 분석하여 스스로 학습을 조정할 수 있도록 하였다. 그리고 제안된 연구 내용을 정보 검색사 필기 과목에 적용하여 구현하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.17 no.6
• /
• pp.799-803
• /
• 2007

In this paper, we propose a new fuzzy membership function for FSVM(Fuzzy Support Vector Machines). We apply a fuzzy membership to each input point of SVM and reformulate SVM into fuzzy SVM (FSVM) such that different input points can make different contributions to the learning of decision surface. The proposed method enhances the SVM in reducing the effect of outliers and noises in data points. This paper compares classification and estimated performance of SVM, FSVM(1), and FSVM(2) model that are getting into the spotlight in time series prediction.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.40 no.5
• /
• pp.250-258
• /
• 2003

In this paper, an explanation regarding on-line identification of a fuzzy system is presented. The fuzzy system to be identified is assumed to be in the type of singleton consequent parts and be represented by a linear combination of fuzzy basis functions. For on-line identification, squared-cosine membership function is introduced to reduce the number of parameters to be identified and make the system consistent and differentiable. Then the parameters of the fuzzy system are identified on-line by the gradient search method and Extended Kalman Filter. Finally, a computer simulation is peformed to illustrate the validity of the suggested algorithms.

• Annual Conference on Human and Language Technology
• /
• 1991.10a
• /
• pp.300-306
• /
• 1991

본 논문에서는 온라인 한글 인식을 위하여 퍼지소속함수를 사용하였다. 획의 오인식으로 인한 문자의 오인식 문제를 해결하기 위하여 인식 시스템 내에서 획을 퍼지집합으로 표현하며, 자모를 인식하는데 사용되는 획의 중심점들 간의 방향은 퍼지소속 함수로 정의하여 추론한다. 본 논문에서 제시하는 퍼지추론 방법은 같은 획으로 시작되는 모든 자소에 대하여 적용되며, 애매모호한 상황하에서도 인식을 수행한다. 따라서 퍼지소속함수를 사용한 시스템은 종래에 오인식 되었던 애매한 글자들을 정확하게 인식할 수 있었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.6
• /
• pp.575-583
• /
• 2000

본 논문에서 임의의 데이터가 입력되면 기준 영상 중에서 가장 유사도가 큰 영상을 찾아 국부 승리자로 선택하고, 그 국부 승리자 중에서 전체 승리자를 선택하여 최종 출력값을 얻는 계층적 FGNN(Fuzzy Genetic Neural Network)을 제안하고, 이에 하이브리드 퍼지 소속함수와 유전자 알고리즘을 적용하였다. 하이브리드 퍼지 소속함수는 입력 값을 0~1 사이의 값으로 함으로써 시스템의 속도를 빠르게 하고 유전자 알고리즘을 입력값을 일정한 오차 이내로 하여 최적의 영상을 얻도록 하였다. 위의 계층적 FGNN 알고리즘을 회로 설계 및 검증하였다. 또한 제안한 FGNN을 이용하여 영상에 포함된 잡음을 제거하고, 이와 유사한 구조를 가진 FDNN(Fuzzy Decision Neural Network) 성능보다 FGNN의 성능이 우수함을 여러 가지 영상을 통하여 확인하였다. 또한 모의 실험 결과 영상에 대한 평균자승오차(MSE : Mean Square Error)를 비교하였으며, 그 결과 하이브리드 퍼지 함수와 유전자 알고리즘을 적용한 FGNN이 메디안 필터, OC, CO, FDNN 등에 비해 우수함을 확인하였다. FGNN 알고리즘을 Top-Down 방식으로 VHDL(VHSIC Hardware description Language)을 이용하여 코딩(Coding)하고, Synopsys 툴을 이용하여 하드웨어를 설계하였다. 이 알고리즘의 하드웨어는 총 5개의 블록으로 가지고 있고 각각의 블록은 파이프라인 형태로 구성하고, 이는 Synopsys 툴을 이용하여 동작 및 성능을 검증하였다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.4 no.2
• /
• pp.7-13
• /
• 1999

This paper propose a fuzzy regression method using fuzzy neural networks when a membership value is attached to each input -output pair. First, an architecture of fuzzy neural networks with fuzzy weights and fuzzy biases is shown. Next, a cost function is defined using the fuzzy output from the fuzzy neural network and the corresponding target output with a membership value. A learning algorithm is derived from the cost function. The derived learning algorithm trains the fuzzy neural network so that the level set of the fuzzy output includes the target output. Last, the proposed method is applied to the quality evaluation problem of injection molding