• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2008년도 춘계학술대회 학술발표회 논문집
• /
• pp.325-328
• /
• 2008

본 논문에서는 비선형 모델의 설계를 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 퍼지 논리 시스템의 멤버쉽 함수와 규칙의 구조는 불확실성이 존재하는 언어적인 정보 또는 수치적 데이터를 바탕으로 설계된다. 기존의 Type-1 퍼지 논리 시스템은 외부의 노이즈와 같은 불확실성을 효율적으로 취급할 수 없다. 그러나 Type-2 퍼지 논리 시스템은 불확실한 정보까지 멤버쉽 함수로 표현함으로서 불확실성을 효과적으로 다룰 수 있다. 따라서 본 논문에서는 규칙의 전 ${\cdot}$ 후반부가 Type-2 퍼지 집합으로 구성된 Type-2 퍼지 논리 시스템을 설계하고 불확실성의 변화에 대한 비선형 모델의 성능을 비교한다. 여기서 규칙 전반부 멤버쉽 함수의 정점 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 퍼지 집합의 정점 결정에는 입자 군집 최적화(PSO : Particle Swarm Optimization) 알고리즘을 사용한다. 마지막으로, 비선형 모델 평가에 대표적으로 이용되는 가스로 시계열 데이터를 제안된 모델에 적용하고, 입력 데이터에 인위적인 노이즈가 포함되었을 경우 Type-2 퍼지 논리 시스템이 기존의 Type-1 퍼지 논리 시스템보다 우수함을 보인다.

• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.161-161
• /
• 2017

본 연구는 효율적인 매개변수 추정 방법인 Isolated-Speciation Particle Swarm Optimization(ISPSO)와 불확실도 분석 기법인 GLUE를 결합한 ISPSO-GLUE의 개념을 도입하였다. 임의 매개변수 추출을 방식인 GLUE 기법과 ISPSO-GLUE와의 효율성 비교를 위해 분포형 강우-유출모형인 TOPMODEL에 적용하였으며, 추정된 매개변수에 대한 모의 유량치를 이용하여 성능을 비교하였다. 연구대상지는 Texas의 $1000{\times}2000km^2$ 크기 내외의 두 유역을 택하였으며, 2002-2007년을 보정기간으로 하고, 2008-2013년을 검증기간으로 설정하였다. 불확실도 분석에 10개의 TOPMODEL 매개변수를 이용하고, 우도함수로는 Nash-Sutcliffe(NS) Coefficient이용하여 0.6이상 기준으로 행동모형을 구분하였다. 분석 결과 모수 추정성능면에서, 누적 최대 NS 값과 행동 모형의 개수는 전반적으로 ISPSO-GLUE에서 큰 값을 보였으나, 불확실도 구간에 속하는 관측치는 GLUE에서 더 높은 경향을 보였다. 이는 ISPSO-GLUE의 편향된 모수 추정으로 불확실도 구간이 작아지며, 포함되는 관측치가 GLUE에 비하여 적게 되는 것으로 확인되었다. ISPSO-GLUE의 개선을 통하여 TOPMODEL에 대한 적용성을 증진시키고, 값비싼 수문모형에 대한 매개변수 추정에 더 큰 효과를 가져올 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.113-113
• /
• 2018

본 연구는 다목적 입자군집최적화(Particle Swarm Optimization, PSO) 알고리즘을 SWAT(Soil and Water Assessment Tool) 모형에 적용하여 자동보정 알고리즘의 적용 가능성을 평가하고자 한다. PSO 알고리즘은 Python을 활용해 다목적 함수를 고려할 수 있도록 새롭게 개발되었다. SWAT 모형의 유출 해석은 안성천의 공도 수위 관측소 상류유역($366.5km^2$)을 대상으로 하였으며, 공도 지점의 2000년부터 2017년까지의 일 유량 자료를 이용하여 검보정하였다. 모형을 위한 기상자료는 공도유역 주변 3개 기상관측소(수원, 천안, 이천)의 일별 강수량, 최고 및 최저기온, 평균 풍속, 상대습도 및 일사량을 구축하였다. SWAT 모형의 유출 해석은 결정계수(Coefficient of determination, $R^2$), RMSE(Root mean square error), Nash-Sutcliffe 모형효율계수(NSE) 및 IOA(index of agreement) 등을 활용하여, 기존 연구 결과와 PSO 알고리즘을 활용한 결과를 비교 분석하고자 한다. 본 연구에서 개발한 다목적 PSO 알고리즘을 활용한 SWAT모형의 유출 해석은 보다 높은 정확도를 얻을 수 있을 것으로 예상되며, Python으로 개발되어 SWAT모형 이외에도 널리 적용될 수 있을 것으로 판단된다.

• 한국군사과학기술학회지
• /
• 제26권2호
• /
• pp.122-128
• /
• 2023

The target must be located within the main-lobe of the antenna in order to measure the direction of the target by using sum-delta monopulse technique. The most common way if the target is located within the main-lobe is to compare the amplitude of the sum channel received signal with the delta channel received signal. However, in the case of the single-ring circular array antenna, it is difficult to apply the conventional method due to its structural limitation where antenna elements do not exist in the center of the array. In this paper, we proposed a novel method to identify whether a target is located within the main-lobe by appropriately adjusting the feeding amplitude of each element constituting the single-ring circular array antenna through the particle swarm optimization method. Simulation results showed that the proposed method can determine whether the target is located within the main-lobe of the single-ring circular array antenna.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.99-99
• /
• 2021

본 연구에서는 기상 자료와 적설 특성 자료의 관계를 도출하고, 이와 추계 일기 생성 모형을 활용하여 합성 적설심 시계열을 모의하는 방법에 대하여 제안한다. 추계 일기 생성 모형에서는 적설량을 직접 모의하지 않기 때문에 강수량을 적설량으로 변환해야한다. 이를 위해 도입한 관계식은 다음과 같다. 첫째로 기상청 적설 예보의 적설 유무 판단 기준을 이용하였다. 이 기준에서는 상대습도와 지상기온에 따라 강수의 형태를 비, 눈, 진눈깨비로 구분한다. 둘째로 강수가 적설로 판단되었을 때 강수량을 신적설심으로 환산하는 수상당량비를 지상기온과 회귀 분석하였다. 선행 연구에 따라 3시간 1 mm 이상 5 mm 이하 강수와 3시간 5 mm 이상 강수 사상에 대하여 나누어 sigmoid형 곡선을 이용하여 회귀 분석하였다. 마지막으로 융설에 의한 적설심 감소량을 지상기온과 복사량의 함수로 표현하였으며, 각 변수의 계수는 입자 군집 최적화 방법을 통하여 보정하였다. 추계 일기 생성 모형으로는 AWE-GEN 모형을 활용하였으며, 시험 자료로 강릉(105) 종관기상관측소의 24년 기간(1982-2005) 자료를 활용하여 합성 적설심 시계열을 생성하였다. 합성 적설심 시계열 모의 과정은 다음과 같다. (1) 추계 일기 생성 모형으로 합성 일기 자료 생성, (2) 강수 발생 시 적설 유무 판단, (3) 적설로 판단 시 수상당량비를 계산하여 신적설심 추정, (4) 기존 적설심에 신적설심을 더하고, 적설심 감소량만큼 감소. 위와 같은 과정으로 200년 길이 합성 적설심 시계열을 모의한 결과 극한 사상을 과소 추정하는 경향이 나타나 추가적인 개선이 필요한 것으로 판단된다.

• 전기학회논문지
• /
• 제67권8호
• /
• pp.1071-1079
• /
• 2018

In this study, the design methodology as well as network architecture of Support Vector Machine based Polynomial Neural Network, which is a kind of the dynamically generated neural networks, is introduced. The Support Vector Machine based polynomial neural networks is given as a novel network architecture redesigned with the aid of polynomial neural networks and Support Vector Machine. The generic polynomial neural networks, whose nodes are made of polynomials, are dynamically generated in each layer-wise. The individual nodes of the support vector machine based polynomial neural networks is constructed as a support vector machine, and the nodes as well as layers of the support vector machine based polynomial neural networks are dynamically generated as like the generation process of the generic polynomial neural networks. Support vector machine is well known as a sort of robust pattern classifiers. In addition, in order to enhance the structural flexibility as well as the classification performance of the proposed classifier, multi-objective particle swarm optimization is used. In other words, the optimization algorithm leads to sequentially successive generation of each layer of support vector based polynomial neural networks. The bench mark data sets are used to demonstrate the pattern classification performance of the proposed classifiers through the comparison of the generalization ability of the proposed classifier with some already studied classifiers.

• 산업경영시스템학회지
• /
• 제40권1호
• /
• pp.95-104
• /
• 2017

This paper deals with solution methods for discrete and multi-valued optimization problems. The objective function of the problem incorporates noise effects generated in case that fitness evaluation is accomplished by computer based experiments such as Monte Carlo simulation or discrete event simulation. Meta heuristics including Genetic Algorithm (GA) and Discrete Particle Swarm Optimization (DPSO) can be used to solve these simulation based multi-valued optimization problems. In applying these population based meta heuristics to simulation based optimization problem, samples size to estimate the expected fitness value of a solution and population (particle) size in a generation (step) should be carefully determined to obtain reliable solutions. Under realistic environment with restriction on available computation time, there exists trade-off between these values. In this paper, the effects of sample and population sizes are analyzed under well-known multi-modal and multi-dimensional test functions with randomly generated noise effects. From the experimental results, it is shown that the performance of DPSO is superior to that of GA. While appropriate determination of population sizes is more important than sample size in GA, appropriate determination of sample size is more important than particle size in DPSO. Especially in DPSO, the solution quality under increasing sample sizes with steps is inferior to constant or decreasing sample sizes with steps. Furthermore, the performance of DPSO is improved when OCBA (Optimal Computing Budget Allocation) is incorporated in selecting the best particle in each step. In applying OCBA in DPSO, smaller value of incremental sample size is preferred to obtain better solutions.

• 한국자기학회지
• /
• 제27권2호
• /
• pp.63-69
• /
• 2017

함정은 작전 운용관점에서 음향적 및 자기적으로 정숙성이 요구되며, 그 중에서 함정에서 발생하는 자기장 신호는 근거리에서 적의 감시체계 및 기뢰체계 등 위협세력에 의해 쉽게 노출되게 된다. 따라서 아함의 생존성 증대를 위하여 함정의 자기장 신호저감을 위한 다양한 기법이 연구되고 있으며, 최근에는 단순히 자기장 신호의 크기 감소 뿐 만 아니라 자기장 신호의 변화율 성분에 대한 감소까지 추가적으로 요구되고 있다. 본 논문에서는 상용 전자기 유한요소해석 도구를 이용하여 함정 축소모델에 대한 유도 자기장 신호를 예측하고, 소자코일을 배치하였다. 그리고 기울기 구속조건을 고려한 입자 군집 최적화 알고리즘을 적용하여 소자코일의 최적 소자전류를 도출하였다. 기울기 구속조건 유/무에 따른 소자 후 자기장 신호를 비교함으로써 최적 소자기법의 타당성을 해석적으로 검증하였다.

• Composites Research
• /
• 제35권5호
• /
• pp.340-346
• /
• 2022

본 연구에서는 복합재료 블레이드에 대한 최적 구조설계 프레임워크를 구성하고, 이를 헬리콥터 블레이드에 적용하여 최적 구조설계를 수행하였다. 단면 형상의 경우 C형 및 D형 스파를 선택할 수 있게 구성하였으며, 최적설계 프레임워크는 유전자 알고리즘과 입자 군집 최적화 알고리즘을 결합한 PSGA를 활용하였다. 단면의 기하학적 모델링은 B-spline을 이용하여 구현하였고, 유한요소 모델 생성 프로그램 Gmsh를 통해 단면 유한요소모델을 만든 뒤 단면 해석 프로그램인 Ksec2D를 사용하여 구조해석 결과를 도출하였다. 본 최적설계 프레임워크를 HART II 블레이드에 적용하여 최적 구조설계를 수행한 결과, C형 스파 모델은 기준 형상 대비 무게 7.39%, D형 스파 모델은 6.65% 감소하였으며, 이때 전단중심은 모두 공력중심과 인접한(5% 이내) 결과를 도출하였다. 본 연구를 통해 일반적인 헬리콥터 블레이드의 단면에 적용할 수 있는 최적 구조설계 프레임워크의 유효성을 확인하였다.