• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.301-304
• /
• 2007

학습법칙은 신경회로망의 성능에 중요한 영향을 미친다. 본 논문은 데이터와 클러스터들의 대표값들 사이의 거리를 고려하여 학습률을 정하는 새로운 퍼지 학습법칙을 제안한다. 클러스터들의 대표값을 조정할 때, 이러한 고려는 outlier에 비하여 결정경계선 근처에 있는 데이터의 반영도를 높임으로써 outlier의 클러스터의 대표값에 미치는 영향도를 낮출 수 있다. 따라서 outlier들이 결정경계선을 악화시키는 것을 방지할 수 있다. 이 새로운 퍼지 학습법칙을 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망에 적용하였다. 제안한 퍼지 신경회로망과 다른 감독 신경회로망들의 성능을 비교하기 위하여 iris 데이터를 사용하였다. iris 데이터를 사용하여 테스트한 결과 제안한 퍼지 신경회로망의 성능이 우수함을 보였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.17 no.4
• /
• pp.472-476
• /
• 2007

Learning rule affects importantly the performance of neural network. This paper proposes a new fuzzy learning rule that uses the learning rate considering the distance between the input vector and the prototypes of classes. When the learning rule updates the prototypes of classes, this consideration reduces the effect of outlier on the prototypes of classes. This comes from making the effect of the input vector, which locates near the decision boundary, larger than an outlier. Therefore, it can prevents an outlier from deteriorating the decision boundary. This new fuzzy learning rule is integrated into IAFC(Integrated Adaptive Fuzzy Clustering) fuzzy neural network. Iris data set is used to compare the performance of the proposed fuzzy neural network with those of other supervised neural networks. The results show that the proposed fuzzy neural network is better than other supervised neural networks.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.17 no.2
• /
• pp.226-231
• /
• 2007

This paper presents a method of colored object extraction from an image using the fuzzy neural network. Fuzzy neural network divides an image into two clusters. It extracts the prototypes of Cb and Cr of object and background by controlling the vigilance parameter. The proposed method extracted object regardless of the position, the size, and the intensity of object. We compared the performance of the proposed method with that of the method of using subjective threshold value. And, we compared the performance of the proposed method with that of the method of using subjective threshold value by using several images with added noises.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.09b
• /
• pp.63-66
• /
• 2003

본 논문에서는 범주형(categorical) 데이터의 분류를 위한 새로운 기법을 제시한다. 기존의 대표적인 퍼지 군집화 방법인 fuzzy k-modes 알고리즘은 군집 (cluster)의 중심을 단일값으로 표현한 반면, 제안하는 기법에서는 이를 퍼지값으로 정의한다. 이와 같은 퍼지 중심 표현기법을 도입함으로써 범주형 데이터의 분류시에 발생하는 불확실성을 최소화할 수 있다. 기존의 대표적인 방법들과의 비교실험으로 통해 제안한 방법의 성능을 검증하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.197-202
• /
• 2006

본 논문에서는 퍼지 신경회로망을 사용하여 영상에서 물체를 배경으로부터 추출해내는 방법을 제시하였다. 퍼지 신경회로망의 vigilance parameter를 조정하여 영상을 2개의 클래스로 분류하고, 물체 영역과 배경영역의 Cb와 Cr의 대표값을 추출하였다. 제안한 방법을 사용하여 물체색상의 위치 및 크기와 밝기에 상관없이 물체영역을 추출하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.7 no.3
• /
• pp.21-33
• /
• 1997

In this paper, a method of self-organizing for fuzzy logic controller(FLC) through learning of the proper direction of coritrol is proposed. In case of designing a self-organizing FLC for unknown dynamic plants based on the gradient descent method, it is difficult to identify the desirable direction of the change of control inpul. in which the error would be decreased. To resolve this problem, we propose a method as fo1lows:at first, assign representative values for the direction of change of error with respect to control input to each partitioned region of the states, and then, learn the fuzzy control rules using the reinforced representative values through iterative trials. 'The proposed self-organizing FLC has simple structure and it is easy to design. The validity of the proposed method is proved by the computer simulation for an inverted pendulum system.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.109-112
• /
• 2006

본 논문은 클래스들의 대표값들과 입력 벡터와의 거리를 사용한 새로운 퍼지 학습법칙을 제안한다. 이 새로운 퍼지 학습을 supervised IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망에 적용하였다. 이 새로운 신경회로망은 안정성을 유지하면서도 유연성을 가지고 있다. iris 데이터를 사용하여 테스트한 결과 supervised IAFC 신경회로망 4는 오류 역전파 신경회로망과 LVQ 알고리즘보다 성능이 우수하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.13 no.6
• /
• pp.661-666
• /
• 2003

In this paper, the conventional k-modes and fuzzy k-modes algorithms for clustering categorical data is extended by representing the clusters of categorical data with fuzzy centroids instead of the hard-type centroids used in the original algorithm. The hard-type centroids of the traditional algorithms had difficulties in dealing with ambiguous boundary data, which might be misclassified and lead to thelocal optima. Use of fuzzy centroids makes it possible to fully exploit the power of fuzzy sets in representing the uncertainty in the classification of categorical data. The distance measure between data and fuzzy centroids is more precise and effective than those of the k-modes and fuzzy k-modes. To test the proposed approach, the proposed algorithm and two conventional algorithms were used to cluster three categorical data sets. The proposed method was found to give markedly better clustering results.

• Proceedings of the KIEE Conference
• /
• 2002.07d
• /
• pp.2114-2116
• /
• 2002

본 논문은 개선된 Complex 방법을 이용한 하이브리드 퍼지 PID 제어기의 최적 자동동조 알고리즘을 제안한다. 제어응답은 퍼지제어기의 환산계수 값에 의해 여러 종류, 여러 형태로 변화하기 때문에 해당하는 제어계의 평가 기준을 만족하도록 제어 파라미터 값을 정하는 것이 중요하다. PID 파라미터 조정법에는 많은 방법이 제안되어 왔었다. 대표적인 예로서 Ziegler-Nichols, Cohen-Coon, Chien-Hrones-Reswick(CHR) 등에 의해 제안된 방법들이 있다. 본 논문에서는 개선된 Complex 방법을 이용한 강력한 자동동조 알고리즘이 하이브리드 퍼지 PID 제어기의 성능을 자동적으로 개선하기 위해 사용된다. 이 알고리즘은 하이브리드 퍼지 PID 파라미터와 환산계수를 제어출력 변화율과 제한조건에 따라 자동으로 추정한다. 지연시간을 갖는 1계, 2계 공정에 적용하고. 공정출력 기준치는 단위 입력으로 한다. 제어 결과의 성능평가를 위해 ITAE(Integral of Time multiplied by the Absolute value of Error)가 사용되며, 또한 제어기의 오버슈트도 토의된다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.145-148
• /
• 2007

생명과학분야에서 마이크로어레이 기술은 세포에서의 RNA 발현 프로파일을 관찰할 수 있도록 함으로써 생명현상의 규명 및 약물개발 둥에서 분자수준의 생명현상에 대한 관찰과 분석이 가능 해지고 있다. 마이크로어레이 데이터분석에서는 특정한 처리나 과정에서 현저한 특성을 보이는 유전자를 식별하기 위한 분석뿐만 아니라 유전자 전체인 게놈수준에서의 분석도 이루어진다. 최근 유전자의 발현이 다양한 조절, 신호전달 및 대사경로에 의해서 영향을 받고 있다는 관점에서 게놈수준의 분석에 관심이 증가하고 있다. 약물반응 실험에서는 약물에 대한 게놈수준의 발현 프로파일을 관찰하는 것도 많은 정보를 제공할 수 있다. 약물실험에서는 대조군과 실험군들간에 관심 있는 상대적인 발현특성을 갖는 유전자군을 전체적으로 추출하는 것이 필요한 경우가 있다. 예를 들면 정상군은 두개의 실험군에 대해서 중간청도의 발현정도를 갖는 유전자군을 식별하는 분석을 하는 경우, 생물학적인 데이터의 특성상 절대값을 비교하는 방법으로는 유용한 유전자들을 효과적으로 식별해 낼 수 없다. 이 논문에서는 정상군과 실험군들의 발현정도값의 경향을 판단하기 위해서 각 유전자에 대해서 집단별 대표값을 선정하여 퍼지집합으로 집단의 값의 범위를 결정하고, 이를 이용하여 특정 패턴을 갖는 유전자들을 식별해내는 방법을 제안하고, 실제 데이터를 통해서 실험한 결과를 보인다.