• 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.

• 한국전자파학회논문지
• /
• 제29권8호
• /
• pp.624-631
• /
• 2018

위성 탑재체 합성 개구면 레이다(synthetic aperture radar: SAR) 시스템에서는 다양한 SAR 성능 변수의 제약조건을 충족하기 위해 안테나의 요구되는 특성을 분석하여야 한다. 본 논문에서는 결함 안테나 소자 존재 시 위성 SAR 안테나 빔 패턴을 최적화함으로써 SAR 시스템 성능변수를 최적화를 수행한다. SAR 시스템 성능변수 제약조건에 맞는 마스크 패턴을 설계한 후, 입자 군집 최적화(particle swarm optimization: PSO) 기법을 통해 마스크 패턴에 들어맞는 안테나 패턴 최적화 재합성을 수행한다. 시뮬레이션에서는 실제 위성 SAR 시스템 성능변수를 기반으로 안테나 빔 패턴 재합성을 수행하여 제안한 알고리즘의 성능을 확인한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1871_1872
• /
• 2009

본 논문 에서는 Type-2 퍼지 논리 시스템을 설계하고, 불확실한 정보를 갖는 입력 데이터에 대하여 Type-1 퍼지 논리 시스템과 성능을 비교한다. Type-1 퍼지 논리 시스템은 외부 잡음에 민감한 단점을 가지고 있는 반면, Type-2 퍼지 논리 시스템은 불확실한 정보를 잘 표현 할 수 있다. 따라서 Type-2 퍼지 논리 시스템을 이용하여 이러한 단점을 극복하고자 2가지의 모델을 설계한다. 첫 번째 모델은 규칙의 전 후반부가 Type-1 퍼지 집합으로 구성된 Type-1 퍼지 논리 시스템을 설계 한다. 두 번째는 규칙 전 후반부에 Type-2 퍼지 집합으로 구성된 Type-2 퍼지 논리 시스템을 설계한다. 여기서 규칙 전반부의 입력 공간 분할 및 FOU(Footprint Of Uncertainty)형성에는 FCM(Fuzzy C_Means) clustering 방법을 사용하고, 입자 군집 최적화(Particle Swarm Optimization) 알고리즘을 사용하여 최적의 파라미터를 설계한다. 본 논문 에서는 또한 입력 데이터에 인위적으로 가하는 노이즈에 따른 각각 모델의 성능을 비교한다. 마지막으로 비선형 모델 평가에 주로 사용되는 NOx 데이터를 제안된 모델에 적용하고, 실험을 통하여 노이즈가 첨가되고, 불확실한 정보를 다루기에 Type-1 퍼지 논리 시스템 보다 Type-2 퍼지 논리 시스템이 효율적이라는 것을 보인다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2008년도 춘계학술대회 학술발표회 논문집
• /
• pp.317-320
• /
• 2008

본 논문에서는 Type-1 퍼지 논리 시스템과 Type-2 퍼지 논리 시스템을 설계하고, 불확실한 정보를 갖는 입력 데이터에 대하여 각각의 성능을 비교한다. Type-1 퍼지 논리 시스템은 외부잡음에 민감한 단점을 가지고 있는 반면, Type-2 퍼지 논리 시스템은 불확실한 정보를 잘 표현할 수 있으며 효율적으로 취급한다. 따라서 Type-2 퍼지 논리 시스템을 이용하여 이러한 단점을 극복하고자 2가지의 모델을 설계한다. 첫 번째 모델은 규칙의 전 ${\cdot}$ 후반부가 불확실성을 표현 할 수 없는 Type-1 퍼지 집합으로 구성된 Type-1 퍼지 논리 시스템을 설계한다. 두 번째는 규칙 후반부만 Type-2 퍼지 집합으로 구성한 두가지의 Type-2 퍼지 논리 시스템을 설계한다. 여기서 규칙 전반부의 입력 공간 분할에는 Min-Max 방법의 균등분할을 사용하고, 규칙 후반부 멤버쉽 함수의 중심 결정에는 입자 군집 최적화(Particle Swarm Optimization) 알고리즘을 사용하여 동정한다. 또한 입력 데이터에 인위적으로 가하는 노이즈의 정도에 따른 각각 모델의 성능을 비교한다. 마지막으로 비선형 모델 평가에 주로 사용되는 가스로 시계열 데이터를 제안된 모델에 적용하고, 실험을 통하여 불확실한 정보를 다루기에 Type-1 퍼지 논리 시스템 보다 Type-2 퍼지 논리 시스템이 효율적이라는 것을 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.

• 한국지반공학회논문집
• /
• 제35권4호
• /
• pp.27-35
• /
• 2019

역해석 수행 시 상대적으로 복잡한 공간 및 목표 설계 변수가 많은 경우, 지반공학 분야에 적용하기 위한 연구를 수행하였다. 지반공학 다변수 문제에 대한 모델로 터널 분야 및 흙막이벽체에 대해서 Sharan 공식 및 Blum 방법을 사용하였다. 최적화 방법은 크게 결정론적인 방법 및 확률론적인 방법으로 구분된다. 본 연구에서는 전자 중 모의강화법(SA), 후자 중 차분진화 알고리즘(DEA), 입자 군집 최적화 알고리즘(PSO)을 선택하여 다변수 모델을 적용해서 비교하였다. 지반공학 다변수 역해석 문제에서 결정론적인 방법은 문제가 있음을 확인하였고, 차분진화 알고리즘의 우수성을 확인하였다. DEA는 Sharan의 이론 해에 대한 문제에서 평균 3.12%, Blum 문제에 대해서 평균 2.23% 오차율을 보였고, 반복 탐색 회수도 가장 작은 것으로 파악되었다. DEA 대비해서 SA는 117.39~167.13배, PSO는 2.43~6.91배의 탐색시간이 소요되었다. 지반공학 문제의 다변수 역해석에 차분진화 알고리즘을 적용하면, 계산속도 및 정확도가 향상될 것으로 기대된다.

• 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.

• 전기학회논문지
• /
• 제60권2호
• /
• pp.398-406
• /
• 2011

In this paper, we introduce a new architecture of PSO-based Polynomial Neural Networks (PNN) and discuss its comprehensive design methodology. The conventional PNN is based on a extended Group Method of Data Handling (GMDH) method, and utilized the polynomial order (viz. linear, quadratic, and modified quadratic) as well as the number of node inputs fixed (selected in advance by designer) at Polynomial Neurons located in each layer through a growth process of the network. Moreover it does not guarantee that the conventional PNN generated through learning results in the optimal network architecture. The PSO-based PNN results in a structurally optimized structure and comes with a higher level of flexibility that the one encountered in the conventional PNN. The PSO-based design procedure being applied at each layer of PNN leads to the selection of preferred PNs with specific local characteristics (such as the number of input variables, input variables, and the order of the polynomial) available within the PNN. In the sequel, two general optimization mechanisms of the PSO-based PNN are explored: the structural optimization is realized via PSO whereas in case of the parametric optimization we proceed with a standard least square method-based learning. To evaluate the performance of the PSO-based PNN, the model is experimented with using Gas furnace process data, and pH neutralization process data. For the characteristic analysis of the given entire data with non-linearity and the construction of efficient model, the given entire system data is partitioned into two type such as Division I(Training dataset and Testing dataset) and Division II(Training dataset, Validation dataset, and Testing dataset). A comparative analysis shows that the proposed PSO-based PNN is model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• 한국수자원학회논문집
• /
• 제50권12호
• /
• pp.837-847
• /
• 2017

본 연구에서는 소양강댐 유역의 수문기상인자들의 시공간적 변동성을 명확히 파악하기 위하여 지표해석모형을 구축하였다. 지표해석 모형으로는 Variable Infiltration Capacity (VIC) 모형을 사용하였으며, 모형의 공간 해상도는 10 km, 시간 해상도는 1일로 정하였다. 2007~2010년 기간의 일유량자료를 바탕으로 Isolated Particle Swarm Optimization 알고리즘을 사용하여 모형의 7개 매개변수를 보정하였고, 2011~2014년 기간의 일유량자료를 사용하여 모형을 검증하였다. 보정된 모형은 보정기간과 검증기간 모두에 대하여 0.90의 Nash-Sutcliffe Coefficient값과 0.95의 상관계수를 보였다. 소양강댐유역에 대하여 산출된 인자들은 여름철에 강우가 집중되어있는 우리나라의 계절적인 특성과 기온변화로 인한 장 단파 복사량의 변화와, 지표면 온도의 변화, 이로 인해 피복층에서의 증발과 식생 증산의 변화가 고려되어 총 증발산이 변화하는 경향이 잘 반영된 것으로 나타났다. 산출된 수문인자를 검증하기 위하여 지상관측토양수분자료와 비교하였다. 겨울철을 제외한 4~11월의 비교결과 두 자료의 추세선의 기울기는 1.087로 나타났고, 상관계수는 0.723의 값을 나타냈다. 이러한 본 연구의 결과는 지표해석모형이 우리나라 주요 댐 유역의 수문기상인자의 시공간적인 변화를 정확히 파악하는데 활용될 수 있으며, 나아가서는 더욱 정밀하고 효율적인 수자원계획을 수립하는 데에도 활용될 수 있다는 점을 시사한다.