• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.613-615
• /
• 2004

수치적인 데이터를 분류하기 위한 대표적인 방법은 퍼지 규칙을 사용하는 것이다. 하지만 퍼지 규칙을 이용하는 방법은 퍼지 소속 함수를 어떻게 정의하느냐에 따라 퍼지 분류의 성능이 크게 영향을 받는다는 문제점이 있다. 따라서 퍼지 규칙을 쉽게 이해하기 위해서는 가능한 퍼지 규칙의 수를 적게 유지하는 것이 필요하다. 본 논문에서는 효과적이며 이해하기 쉬운 퍼지 규칙을 생성하기 위해 기울기 강하법을 기반으로 하는 소속 함수 학습 방법을 제안한다 에러율을 감소하기 위해 Penalty 연산과 Reward 연산을 통해 소속 함수가 반복적으로 조절된다 새로운 소속 함수는 Coverage 연산에 의해 생성된다. 또한 이해하기 쉬운 퍼지 규칙을 최적화하기 위해 학습된 소속 함수골 퍼지 결정 트리에 적용한다. 본 논문에서 제안한 알고리즘의 타당성을 확인하기 위해 벤치 마크 데이터인 Iris, Wisconsin Breast Cancer, Plma, Bupa 데이터를 이용하여 실험 결과를 보인다. 실험 결과를 통해 제안한 알고리즘이 기존의 C4.5와 FID 3.1 알고리즘보다 더 효과적이거나 비슷한 성능을 보임을 알 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.769-771
• /
• 2005

데이터 특성이 연속적이고 애매할 때 퍼지규칙으로 분류 규칙을 표현하는 것은 매우 유용하고 효과적이다. 그러나 일반적으로 정확하지 않은 데이터 특성에 대해서 소속함수를 결정한다는 것은 어려운 일이다. 본 논문에서는 진화알고리즘을 이용하여 효과적인 퍼지 분류 규칙을 자동으로 생성하는 방법을 제안한다. 제안한 방법에서 규칙의 정확성과 이해성을 고려하여 최적화된 소속함수를 생성하기 위해 진화알고리즘을 사용한다. 먼저 지도 군집화로 진화를 위한 초기 소속함수를 생성한다. 진화알고리즘은 전역적 최적 해를 찾는데 효과적이다. 그러나 시간에 대한 효율성이 낮다. 특히 모델 최적화 문제에서는 개체 평가 단계에서 많은 시간이 소요된다. 따라서 본 논문에서는 전체 데이터를 여러 개의 부분 데이터들로 나누고 개체들은 전체 데이터 대신 매번 부분 데이터를 임의적으로 선택하여 개체를 평가함으로써 수행 시간을 단축시킬 수 있는 진화 방법을 제안한다. 제안한 퍼지 분류 규칙 생성 방법의 타당성을 검증하기 위한 실험 데이터로 UCI에서 제공하는 데이터들을 사용하였으며, 실험 결과는 기존 방법에 비해 평균적으로 더 효과적임을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.05a
• /
• pp.121-125
• /
• 2001

본 논문에서는 자동적인 퍼지 규칙 생성을 위해 퍼지 균등화(Fuzzy Equalization)와 유전알고리즘(Genetic Algorithm)을 이용한 TSK 퍼지 시스템의 구축을 다룬다. Pedrycz에 의해 제안된 퍼지 균등화 방법은 수치적인 데이터로부터 확률분포함수를 구축한 후 전체공간상에서 이들을 적절히 표현할 수 있는 소속함수를 생성한다. 이렇게 구축된 각 입력에 대한 소속함수는 유전알고리즘에 의해 입력공간이 분할되며 결론부 파라미터는 최소자승법에 의해 추정되어 진다. 제안된 방법은 그리드 분할로 인해 규칙의 수가 증가하는 문제를 해결하고 학습데이터와 검증데이터에 의해 타당한 입력공간분할과 퍼지 규칙을 생성할 수 있다. 시뮬레이션의 예로서 Box-Jenkins의 가스로 데이터의 모델링에 적용하여 제안된 방법의 유용성을 알 수 있다.

• Journal of Intelligence and Information Systems
• /
• v.1 no.1
• /
• pp.43-59
• /
• 1995

본 논문에서는 규칙기반 지식표현에서 퍼지값과 확신도를 사용할 때 발생하는 문제점을 살펴본다. 이들 문제점 해결을 위해서 규칙의 매칭시에 발생하는 퍼지매칭, 퍼지비교, 구간내의 포함에 대한 만족정돌르 평가하는 척도를 제안하다. 또한, 퍼지값과 확신도를 사용하는 규칙기반 지식표현에 대해 적용가능한 추론방법을 소개한다. 한편, 일반규칙과 퍼지생성규칙을 전문가시스템에서 동시에 융통성있게 사용하는 방법을 제시한다. 끝으로 제안된 방법들을 고려하여 설계한 퍼지 전문가시스템 개발도구인 FOPS5에 대하여 소개한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1995.10b
• /
• pp.203-210
• /
• 1995

본 논문에서는 주어진 입출력 데이터로부터 유전자 알고리즘을 이용하여 퍼지제어 기를 자동 생성하는 방법에 대하여 기술한다. 주어진 입출력 데이터를 표현하는 퍼지제어기 는 각 유전자에 암호화되고, 퍼지제어기를 표현하는 각 유전자들은 서로 정보를 교환함으로 써 주어진 데이터를 적절히 표현하는 퍼지제어기를 탐색하게 된다. 유전자는 각 입력 변수 의 언어항을 정의하고, 퍼지제어규칙은 정의된 언어항과 주어진 데이터로부터 생성된다. 탐 색과정에서 퍼지제어기의 제어규칙과 각 입력변수의 언어항의 개수와 위치는 계속 변화하여 주어진 입출력 데이터를 잘 설명하는 퍼지제어기를 찾는다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.439-442
• /
• 2007

본 논문은 퍼지 분류를 위한 퍼지 규칙베이스 시스템에 대한 최적화 해법으로서 유전 알고리즘에 대해 살펴본다. 즉 퍼지 규칙베이스를 이용하는 퍼지 분류 시스템을 최적화률 하는 유전 알고리즘을 제안한다. 본 논문에서 다루는 최적화는 추출되는 퍼지 규칙의 수와 퍼지 분류 시스템의 입력 패턴을 정확하게 분류하는 지에 대한 성능을 포괄적으로 수행하는 것을 의미한다. 마지막으로 본 논문에서 제안하는 유전 알고리즘을 이용하여 수치실험을 수행하고 그 결과를 통해 제안하는 알고리즘의 유효성과 효율성을 생성된 퍼지 규칙의 수와 퍼지 분류 시스템의 성능의 관점에서 논의한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.462-465
• /
• 2004

수치적인 데이터를 분류하기 위한 대표적인 방법은 퍼지 규칙을 사용하는 것이다. 하지만, 이러한 방법은 퍼지 소속 함수를 어떻게 정의하느냐에 따라 퍼지 분류의 성능이 크게 영향을 받는다는 문제점과 퍼지 규칙을 쉽게 이해하기 위해 가능한 퍼지 규칙의 수를 적게 유지해야한다는 문제점이 있다. 본 논문에서는 효과적이며 이해하기 쉬운 퍼지 규칙을 생성하기 위해 기울기 강하법을 기반으로 하는 소속 함수 학습 방법을 제안한다. 에러율을 감소하기 위해 Penalty 연산과 Reward 연산을 통해 소속 함수가 반복적으로 조절된다. 새로운 소속 함수는 Coverage 연산에 의해 생성된다. 또한 이해하기 쉬운 퍼지 규칙을 최적화하기 위해 학습된 소속 함수를 퍼지 결정 트리에 적용한다. 본 논문에서 제안한 알고리즘의 타당성을 확인하기 위해 벤치 마크 데이터인 Iris, Wisconsin Breast Cancer, Pima. Bupa 데이터를 이용하여 실험 결과를 보인다. 실험 결과를 통해 제안한 알고리즘이 기존의 C4.5와 FID 3.1 알고리즘보다 더 효과적이거나 비슷한 성능을 보임을 알 수 있다.

• Korean Journal of Cognitive Science
• /
• v.6 no.3
• /
• pp.25-40
• /
• 1995

This paper proposes a generating method of fuzzy rules by genetic and descent method (GAGDM),and its applied to classification problems.The number of inference rules and the shapes of membership function in the antecedent part are detemined by applying the genetic algorithm,and the real numbers of the consequent parts are derived by using the descent method.The aim of the proposed method is to generation a minmun set of fuzzy rules that can correctly classify all training patterns,and fiteness function of GA defined by the aim of th proposed method.Finally,in order to demonstrate the effectiveness of the present method,simulation results are shown.

• Korean Journal of Cognitive Science
• /
• v.4 no.1
• /
• pp.123-152
• /
• 1993

This paper discusses how to automatically extract fuzzy rules from given data.The fuzzy space which contain given data are fitst subdivided into a set of hypercubes.each of which contains the homogeneous data belonging to the same class, and then a fuzzy rule is defined based on the constructed hypercube.In order to dynamically agjust the size of a hypercube. the fuzzy space is to be splitted based on a center vector and then the splitted subspaces are to be merged throungh the adjacency relation.The membership functions.which are to be embedded in a fuzzy rule.are to be formed through analyzing the cummulative histogram of given data along each axis of the constructed hypercube.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.3
• /
• pp.194-202
• /
• 2000

In this paper, an efficient fuzzy rule generation scheme for Adaptive Network-based Fuzzy Inference System(ANFIS) using the conditional fuzzy-means(CFCM) and fuzzy equalization(FE) methods is proposed. Usually, the number of fuzzy rules exponentially increases by applying the gird partitioning of the input space, in conventional ANFIS approaches. Therefore, CFCM method is adopted to render the clusters which represent the given input and output fuzzy and FE method is used to automatically construct the fuzzy membership functions. From this, one can systematically obtain a small size of fuzzy rules which shows satisfying performance for the given problems. Finally, we applied the proposed method to the truck backer-upper control and Box-Jenkins modeling problems and obtained a better performance than previous works.