• Journal of the Korean Institute of Intelligent Systems
• /
• v.5 no.4
• /
• pp.77-86
• /
• 1995

The new architecture that fuzzy logic control(FLC) with difficulties for tuning membership function (MF) is parallel with neural networks(NN) to be learned from the output of FLC is proposed. Therefore proposed scheme has the characteristics to utilize the expert knowledge in design process, to be learned during the operation without any learning mode. In this architecture, the function of the FLC is to supply the sliding surface which is constructed on the phase plane by rule base for giving the desired control characteristics and learning criterion of NN and the stabilization of the control performance before NN is learned, The function of the NN is to let the system trajectory be tracked to the sliding surface and reached to the stable point.

• Journal of KIISE:Software and Applications
• /
• v.29 no.8
• /
• pp.565-572
• /
• 2002

학습과 추론을 위하여 유용한 방법으로 퍼지연상기억장치가 있다. 본 논문에서는 보다 효과적으로 추론결과를 유도하기 위하여 퍼지연상기억장치를 학습하는 단계에서 오류 역전파를 통하여 노드들 사이의 연결가중치를 재조정하는 방법과 퍼지규칙들을 간결화하는 방법을 제안한다. 제안된 방법은 비디오 데이타의 장면전환을 검출하는 분야에 적용하여 성능평가를 수행한다.

• Journal of the Korean Society for Precision Engineering
• /
• v.13 no.10
• /
• pp.105-111
• /
• 1996

This paper suggests the scheme to simultaneously accomplish prediction of fracture initiation and geomeytical configuration of deformation in metal forming processes using the artificial neural network. A three-layer neural network is used and a back propagation algorithm is adapted to train the network. The Cookcroft-Lathjam criterion is used to estimate whether fracture occurs during the deformation process. The geometrical configuration and the value of ductile fracture are measured by finite element method. The predictions of neural network and numerical results of simple upsetting are compared. The proposed scheme has successfully predicted the geometrical configuration and fracture initiation.

• Journal of the Korean Society for Precision Engineering
• /
• v.12 no.11
• /
• pp.118-124
• /
• 1995

In the paper, we have proposed a new technique to determine the initial billet for the forged products using a function approximation in neural network. A three-layer neural network is used and a back propagation algorithm is employed to train the network. An optimal billet which satisfied the forming limitation, minimum of incomplete filling in the die cavity, load and energy as well as more uniform distribution of effective strain, is determined by applying the ability of function approximation of the neural network. The amount of incomplete filling in the die, load and forming energy as well as effective strain are measured by the rigid-plastic finite element method. This new technique is applied to find the optimal billet size for the axisymmetric rib-web product in hot forging. This would reduce the number of finite element simulation for determining the optimal billet of forging products, further it is usefully adopted to physical modeling for the forging design

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.247-248
• /
• 2008

본 논문에서는 TYPE-2 퍼지 추론 기반의 RBF 뉴럴 네트워크(TYPE-2 Radial Basis Function Neural Network, T2RBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델의 은닉층은 TYPE-2 가우시안 활성 함수로 구성되며, 출력층은 Interval set 형태의 연결가중치를 갖는다. 여기에서 규칙 전반부 활성함수의 중심 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 Interval set 형태의 연결가중치 결정에는 경사 하강법(Gradient descent method)을 이용한 오류 역전파 알고리즘을 사용하여 학습한다. 또한, 최적의 모델을 설계하기 위한 학습율 및 활성함수의 활성화 영역 결정에는 입자 군집 최적화(PSO; Particle Swarm Optimization) 알고리즘으로 동조한다. 마지막으로, 제안된 모델의 평가를 위하여 모의 데이터 집합(Synthetic dadaset)을 적용하고 근사화 및 일반화 능력에 대하여 토의한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2017.01a
• /
• pp.151-154
• /
• 2017

소프트웨어의 개발과정 중 결함을 제거하는 작업인 디버깅을 위해서는 가장 먼저 그 결함의 정확한 위치를 찾아야한다. 이 작업은 많은 시간이 소요되며, 이 시간을 단축시키기 위한 결함 위치 식별 기법들이 소개되었다. 많은 기법들 중 프로그램 커버리지 정보를 학습하여 규칙을 분석하는 인공신경망 기반 선행 연구가 있다. 이를 기반으로 본 논문에서는 문장들 간의 관계를 추가적으로 파악하여 학습 데이터로 사용하는 기법을 제안한다. 특정 문장이 항상 지나는 테스트케이스들 중 나머지 다른 문장들이 지나는 테스트케이스의 비율을 통해 문장들 간의 관계를 나타낸다. 해당 비율을 계산하기 위해 조건부 확률인 베이지안 확률을 사용한다. 베이지안 확률을 통해 얻은 문장들의 관계에 따라 인공신경망 내에서 의심도를 결정하는 웨이트(weight)가 기존 기법과는 다르게 학습된다. 이 차이는 문장들의 의심도를 조정하며, 결과적으로 다중 결함 위치 식별의 정확도를 향상시킨다. 본 논문에서 제안한 기법을 이용하여 실험한 결과, Tarantula 대비 평균 39.8%, 기존 역전파 인공신경망(BPNN) 기반 기법 대비 평균 60.5%의 정확도 향상이 있었음을 확인할 수 있다.

• The Journal of the Acoustical Society of Korea
• /
• v.13 no.4
• /
• pp.60-68
• /
• 1994

In this paper we propose a new Hybrid learning rule applied to multilayer feedforward neural networks, which is constructed by combining Hebbian learning rule that is a good feature extractor and Back-Propagation(BP) learning rule that is an excellent classifier. Unlike the BP rule used in multi-layer perceptron(MLP), the proposed Hybrid learning rule is used for uptate of all connection weights except for output connection weigths becase the Hebbian learning in output layer does not guarantee learning convergence. To evaluate the performance, the proposed hybrid rule is applied to classifier problems in two dimensional space and shows better performance than the one applied only by the BP rule. In terms of learning speed the proposed rule converges faster than the conventional BP. For example, the learning of the proposed Hybrid can be done in 2/10 of the iterations that are required for BP, while the recognition rate of the proposed Hybrid is improved by about $0.778\%$ at the peak.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1998.11a
• /
• pp.202-207
• /
• 1998

본 논문에서는 유전자 알고리즘을 이용하여 불확실한 비선형 시스템의 퍼지-신경 회로망 모델링을 제안하였다. 제안한 퍼지-신경 회로망 모델링을 위한 학습 알고리즘은 다음과 같은 세 단계로 나누어 진행한다. 첫 번째 단계에서는 퍼지 모델의 소속 함수의 중심간과 표준편차를 구하여 초기 퍼지소속 함수를 결정한다. 두 번째 단계에서는 새로운 알고리즘을 통하여 언어적 퍼지 규칙을 만든다. 마지막 세 번째 단계에서는 유전자 알고리즘을 이용하여 중심값과 표준편차를 최적화함으로써 퍼지 모델의 소속 함수를 조절한다. 제안된 유전자 알고리즘의 장점은 흔히 신경 회로망에서 널리 쓰이는 역전파 알고리즘이 갖는 지역 최소점에 빠지는 현상이 없다는 것이다. 제안한 알고리즘의 유용성을 확인하기 위하여 일반적으로 가장 많이 쓰이는 비선형 시스템에 대하여 시뮬레이션 하여 확인하였다.

• The Transactions of the Korea Information Processing Society
• /
• v.2 no.5
• /
• pp.626-633
• /
• 1995

It is vary hard to identify the fuzzy rules and tune the membership functions of the fuzzy inference in fuzzy systems modeling, We propose a fuzzy neural network model which can automatically identify the fuzzy rules and tune the membership functions of fuzzy inference simultaneously using artificial neural networks, and modify backpropagation algorithm for improving the convergence. The proposed method is verified by the simulation for a robot manipulator.

• The KIPS Transactions:PartB
• /
• v.12B no.3 s.99
• /
• pp.349-356
• /
• 2005

Artificial Organism-used application areas are expanding at a break-neck speed with a view to getting things done in a dynamic and Informal environment. A use of general programming or traditional hi methods as the representation of Artificial Organism behavior knowledge in these areas can cause problems related to frequent modifications and bad response in an unpredictable situation. Strategies aimed at solving these problems in a machine-learning fashion includes Genetic Programming and Evolving Neural Networks. But the learning method of Artificial-Organism is not good yet, and can't represent life in the environment. With this in mind, this research is designed to come up with a new behavior evolution model. The model represents behavior knowledge with Classification Rules and Enhanced Backpropation Neural Networks and discriminate the denomination. To evaluate the model, the researcher applied it to problems with the competition of Artificial-Organism in the Simulator and compared with other system. The survey shows that the model prevails in terms of the speed and Qualify of learning. The model is characterized by the simultaneous learning of classification rules and neural networks represented on chromosomes with the help of Genetic Algorithm and the consolidation of learning ability caused by the hybrid processing of the classification rules and Enhanced Backpropagation Neural Network.