• The Transactions of the Korea Information Processing Society
• /
• v.2 no.2
• /
• pp.209-214
• /
• 1995

It is very hard to identify the fuzzy rules and tune the membership functions of the fuzzy reasoning in fuzzy systems modeling .We propose a method which canautomatically identify the fuzzy rules and tune the membership functions of fuzzy reasoning simultaneously using artifical neural network. In this model,fuzzy rules are identified by backpropagation algorithm. The feasibility of the method is simulated by a simple robot manipulator.

• International Journal of Highway Engineering
• /
• v.13 no.1
• /
• pp.69-77
• /
• 2011

This study is to suggest a methodology to overcome the uncertainty and lack of reliability of data. The fuzzy reasoning model and the neural network model were developed in order to overcome the potential lack of reliability which may occur during the process of data collection. According to the result of comparison with the Poisson regression model, the suggested models showed better performance in the accuracy of the accident frequency prediction. It means that the more accurate accident frequency prediction model can be developed by the process of the uncertainty of raw data and the adjustment of errors in data by learning. Among the suggested models, the performance of the neural network model was better than that of the fuzzy reasoning model. The suggested models can evaluate the safety of signalized intersections in operation and/or planning, and ultimately contribute the reduction of accidents.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.251-252
• /
• 2008

Type-2 퍼지 집합은 Type-1 퍼지 집합에서는 다루기 어려운 언어적인 불확실성을 더욱 효과적으로 다룰 수 있다. TSK 퍼지 로직 시스템(TSK Fuzzy Logic Systems; TSK FLS)은 후반부를 1차 및 2차 함수식으로 나타내며 Mamdani 모델과 함께 가장 널리 사용되는 모델이다. 본 연구의 Interval Type-2 TSK FLS은 전반부에서 Type-2 퍼지 집합을 이용하고 후반부는 계수가 Type-1 퍼지집합인 1차식을 사용한다. 또한 전반부는 가우시안 형태의 Type-2 멤버쉽 함수를 사용하며, 오류역전파 학습알고리즘을 사용하여 파라미터들을 최적화 한다. 또한 학습에 앞서 PSO(Particle Swarm Optimization) 알고리즘을 사용하여 최적 학습률을 찾아 모델의 학습능력을 보다 효율적으로 한다. 본 논문에서는 Type-1과 Type-2 FLS의 성능을 가스로 공정 데이터를 적용하여 두 모델의 성능을 비교하고 노이즈를 추가한 데이터를 이용하여 노이즈에 대한 성능도 비교 분석한다.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.717-720
• /
• 2000

H.263의 시험모델인 TMN5를 최대한 적용하여 실험하였으며 분산, 엔트로피, 움직임 크기 등의 퍼지변수를 데이터 영역에서 추출하여 퍼지화하였다. 소속함수를 계산하기 위해 최소값으로 가장 분명한 퍼지값을 추출하였으며 퍼지집합을 위해서는 각 소속함수로부터의 요소를 더하는 의미에서 최대값을 선택하였다. 무게중심기법을 이용하여 최종 퍼지감도를 구하여 TMN5에 부가하였다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.1562-1563
• /
• 2007

본 논문에서는 퍼지 선형추론 기반 지능형 Dimming Converter의 새로운 구조 및 설계 방법론을 제안하고 일련의 수치적인 실험을 통하여 모델 및 시스템을 평가한다. 기존의 형광 램프용 디밍 전자식 안정기는 전용의 디밍 IC를 사용하여 전자식 안정기 대비 최대 83%의 램프 및 안정기의 수명 연장을 가능하게 했다. 하지만 이러한 장점은 사용자가 수동제어를 해야만 하는 불편함 뿐만 아니라, 수동 제어가 불가능 할 경우 램프의 에너지 절약 및 수명 연장이라는 실효를 얻을 수 없다. 따라서 본 논문에서는 퍼지 선형추론 기반의 지능형 이론 및 조도센서를 사용하여 최적의 능동적 디밍제어가 가능한 시스템을 제안하고 제안된 시스템을 안정기에 적용하고 기존 전자식 안정기대비 성능평가를 통하여 지능형 Dimming Converter의 우수성을 보인다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1375-1376
• /
• 2015

본 논문은 퍼지 클러스터링을 이용한 규칙 성장 기반 퍼지 분류기의 설계에 대해서 소개한다. 본 논문의 목적은 퍼지 클러스터링을 통해 형성된 증가된 퍼지 규칙을 이용한 새로운 설계 방법론을 개발하는 것이다. 제안된 분류기는 네개의 기능적인 부분으로 구성된다. 퍼지 규칙의 전반부는 퍼지 클러스터링 알고리즘을 이용해 구성된 멤버쉽 함수를 나타낸다. 후반부는 지역 모델을 구성한다. 지역 모델의 파라미터는 가중 최소 자승법에 의해 추정된다. 추론부에서는, 각 퍼지 규칙의 에러 측정후, 가장 높은 에러를 갖는 하나의 퍼지 규칙이 선택된다. 규칙성장 부분에서는, 네트워크의 강화를 위해 규칙의 성장 과정이 이루어지며, 선택된 규칙은 제안된 분류기에서 더 나은 성능을 위해 두 개 또는 세 개의 세분화된 퍼지 규칙으로 나누어진다. 이러한 새로운 규칙은 context 기반 Fuzzy C-Means 클러스터링에 의해서 형성된다. 제안된 규칙 기반 분류기의 효용성을 토론하며, 머신 러닝 데이터를 이용하여 실험을 수행하였다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1887-1888
• /
• 2008

본 논문에서는 퍼지 추론 기반의 다항식 RBF 뉴럴네트워크(Polynomial Radial Basis Function Neural Network; pRBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델은 "IF-THEN" 형식으로 기술되는 퍼지 규칙에 의해 조건부, 결론부, 추론부의 기능적 모듈로 표현된다. 조건부의 입력공간 분할에는 HCM 클러스터링에 기반을 두어 구조가 결정되며, 기존에 주로 사용된 가우시안 함수를 RBF로 이용하고, 원뿔형태의 선형 함수를 제안한다. 또한 입력공간 분할시 데이터 집합의 특성을 반영하기 위해 분포상수를 각 입력마다 고려하여 설계함으로서 공간 분할의 정밀성을 높인다. 결론부에서는 기존 상수항의 연결가중치를 다항식 형태로 표현하는 pRBFNN을 제안한다. 제안한 모델의 성능을 평가하기 위해 Box와 Jenkins가 사용한 가스로 시계열 데이터를 적용하고, 기존 모델과의 근사화와 일반화 능력에 대하여 토의한다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.2093-2094
• /
• 2006

본 논문에서는 입출력 데이터의 특성을 이용하기 위하여 HCM 클러스터링에 의한 정보 입자를 이용한 퍼지 뉴럴 네트워크의 설계를 제안하고 최적화한다. 대상 시스템의 입출력 데이터를 취득하여 데이터들간의 거리를 중심으로 멤버쉽 함수를 정의하고 각 규칙에 속한 입출력 데이터를 추출하여 후반부 추론에 적용한다. 또한, 앞서 정의된 멤버쉽 파라미터는 유전자 알고리즘을 이용하여 최적으로 동정하여 퍼지 뉴럴 네트워크를 최적화한다. 제안된 퍼지 뉴럴 네트워크는 삼각형 멤버쉽 함수를 이용하며, 후반부 추론에는 간략, 선형, 변형된 2차식을 이용한다. 제안된 퍼지 뉴럴 네트워크는 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.117-120
• /
• 2006

본 논문에서는 입출력 데이터의 특성을 이용하기 위하여 HCM 클러스터링에 의한 데이터 정보를 이용한 퍼지 뉴럴 네트워크의 설계를 제안하고 이를 최적화한다. 대상 시스템의 입출력 데이터를 취득하여 데이터들간의 거리를 중심으로 멤버쉽 함수를 정의하고 각 규칙에 속한 입출력 데이터를 추출하여 후반부 추론에 적용한다. 또한, 앞서 정의된 멤버쉽함수를 최적으로 동정하여 최적의 퍼지 뉴럴 네트워크를 설계한다. 제안된 퍼지 뉴럴 네트워크는 삼각형 멤버쉽 함수를 이용하며, 후반부 추론에는 간략, 선형, 변형된 2차식을 이용한다. 연결 가중치는 오류역전파 알고리즘을 이용하여 학습한다. 제안된 퍼지 뉴럴 네트워크는 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.05a
• /
• pp.387-390
• /
• 2009

패턴 분류 문제는 기계 학습 분야에서 매우 중요한 연구 주제이다. 하지만 불완전 데이터는 실생활에서 매우 빈번히 발생 할 뿐만 아니라 분류 모델의 학습도가 낮다는 문제점을 지니고 있다. 불완전한 데이터를 다루는 것에 대한 많은 방법들이 제안되어 왔지만 대부분의 방법들이 훈련 단계에 집중하고 있다. 본 논문에서는 삼각 형태의 퍼지 함수를 이용하여 불완전 데이터의 분류 알고리즘을 제안한다. 제안한 기법에서는 불완전한 특징 벡터에서의 불완전 데이터를 추론하고 학습하였으며, 추론된 데이터의 가중치를 삼각 퍼지 함수 분류기에 적용하였다. 실험을 통하여 제안한 기법이 상대적으로 높은 인식률을 나타냄을 확인할 수 있었다.