• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.236-239
• /
• 2004

현대의 다양한 심리적 갈등을 해결하기 위해 많은 연구가 진행되어지고 있다. 기존지 심리 진단 방식은 전문 상담인을 직접 찾아가서 상담을 받고 진단해야 하는 등에 여러 과정을 거쳐야만 했다. 본 논문에서는 이러한 복잡한 과정을 거치지 않고 온라인상에서 사용자의 상태를 입력하면 퍼지 추론을 이용하여 현재 사용자의 심리상태를 파악하여 진단하는 진단시스템을 구성하였다. 또한 공격적 추론과 퇴행적 추론을 모두 고려한 복합추론으로 결과 값을 도출하는 방법을 제안하였고, 제안된 추론법을 심리진단 시스템에 적용하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.300-303
• /
• 1998

본 논문에서는 과거의 상황 및 그 변화 과정이 상태전이를 고려한 퍼지-신경망 추론 시스템을 제안한다. 각 객체의 과거의 상태 전이 관계를 퍼지 시계열에 의한 퍼지 관계식을 도입하여 현재상태를 추론하고, 퍼지-신경망을 이용하여 다음 상태를 추론한다.

• Journal of the Korean Society for information Management
• /
• v.7 no.1
• /
• pp.68-78
• /
• 1990

This paper shows the fuzzy reasoning process that is specifically designed to deal wit the inexactness or fuzziness in the expert systems. The impact of overall fuzzy reasoning reviewed when knowledge with certainty is provided. Also, the example of fuzzy reazoning used at probabilistic inference is presented.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.5
• /
• pp.395-399
• /
• 2001

This paper describes modular fuzzy inference systems(MFIS) with adaptive capability to extract fuzzy inference modules from observation data through the learning process. The proposed MFIS is based on the structural similarity to Tagaki-Sugeno fuzzy models and a modular neural architecture. The learning of MFIS is done by assigning new fuzzy inference modules and by updating the parameters of existing modules. The fuzzy inference modules consist of local model network and fuzzy gating network. The parameters of the MFIS are updated by the standard LMS algorithm. The performance of the MFIS is illustrated with adaptive control of a nonlinear dynamic system.

• Journal of Korea Multimedia Society
• /
• v.4 no.2
• /
• pp.189-196
• /
• 2001

Fuzzy logic ignores some information in the reasoning process. Neural networks are powerful tools for the pattern processing, but, not appropriate for the logical reasoning. To model human knowledge, besides pattern processing capability, the logical reasoning capability is equally important. Another new neural network called neural logic network is able to do the logical reasoning. Because the fuzzy inference is a fuzzy logical reasoning, we construct fuzzy inference network based on the neural logic network, extending the existing rule - inference network. and the traditional propagation rule is modified.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.9
• /
• pp.2447-2456
• /
• 1998

Edge detection in the presence of noise is a well-known problem. this pper atempts to implement edge detection algorithms using fuzzy reasoning of fuzzy membership models. It examines an application-motived approach for solving the problem. Our approach is divided into three stages; fitering, segmentation and tracing. Filtering removes the noise from the original image and segmentation determines the edges and deects them. Finally, tracing assembles the edges into the related structure. Proposed method can be used effectively on these procedures by using fuzzy reasoning based on fuzzy models. In is compared with the previous edge detectio algorithms with fvorable results. Simulation results of the research are presented and discussed.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.310-316
• /
• 1998

본 논문에서는 기존의 퍼지 제어규칙에비해 좋은 성능을 갖는 T-S(Takagi-Sugeno)퍼지 모델을 자기조직화 지도와 역전파 신경망을 이용하여 표현하고 제어기 구현을 위한 규칙의 자동 생성 방법을 제안한다. 제안된 방법은 신경망에 기초하여 T-S 퍼지 제어 규칙을 포현하므로써 학습 기능을 이용하여 지식 획득을 용이하게 하고, 입력 변수간의 퍼지 관계에 기반 하여 추론이 이루어지므로 각 퍼지 변수에 대한 소속 함수의 정의 과정이 불필요하게 된다. 또한 제어기로 구현되었을 때 규칙의 수나 퍼지화 및 비퍼지화 등이 구성된 추론망을 통하여 자동으로 수행될 수 있다. 때문에 퍼지 시스템의 구현이 쉽게 이루어 질 수 있게 한다. 제안된 방법을 자동차 궤도 안정화 모의 실험에 적용해 봄으로써 추론망이 규칙을 생성하여 타당한 추론을 하게 됨을 확인한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.247-249
• /
• 2002

본 논문은 퍼지 추론을 이용하여 소수문서로부터의 대표 용어들을 추출하고 가중치를 부여한 기존 방법의 유용성을 평가하고자 GIS (Generalized Instance Set) 알고리즘에 이를 적용시켜 보았다. GIS 는 학습 문서 집합에 대한 플러스터링 과정을 통해 문서 그룹들을 생성하고 이들에 대한 선형 분류기들을 유도한 뒤 k-NN 알고리즘을 적용하는 방법이다. GIS의 일반화(generalization) 과정에 Rocchio, Widrow-Hoff 및 퍼지 추론을 이용한 방법을 적용시켜 문서 분류 성능을 비교하였다. 긍정적 문서 집합에 대한 실험에서 비교적 우수한 성능 향상을 보여줌으로써 퍼지 추론을 이용한 방법의 유용성을 확인 할 수 있었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.17 no.6
• /
• pp.731-737
• /
• 2007

In this paper, we propose a system for analyzing nutrition status based on hierarchical fuzzy inference approach, where the hierarchical fuzzy approach used to analyze the transition process on the nutritional status from an obesity degree, the previous nutritional status, and the eating pattern with an individual. Moreover we discussed about the selection method of fuzzy membership intervals of the next layer to improve the reliability of inference results in hierarchical fuzzy system, where their intervals are modified by using statistical information of the defuzzified results obtained from the previous layer. To show the effectiveness of this system, we evaluated the nutritional status from the information of anthropometric measurement, biochemical test, and INQ on 113 people over the age of 65, and also analyzed their nutritional status.

• Journal of the Korea Society of Computer and Information
• /
• v.6 no.2
• /
• pp.48-57
• /
• 2001

In a fuzzy connectionist expert system(FCES), the knowledge base can be constructed of neural logic networks to represent fuzzy rules and their relationship, We call it fuzzy rule inference network. To find out the belief value of a conclusion, the traditional inference strategy in a FCES will back-propagate from a rule term of the conclusion and follow through the entire network sequentially This sequential search strategy is very inefficient. In this paper, to improve the above search strategy, we proposed fuzzy rule inference rule used in a FCES was modified. The proposed adaptive search strategy in fuzzy rule inference network searches the network according to the search priorities.