• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.11 no.4
• /
• pp.815-825
• /
• 2007

The existing web-based self-directed learning systems are in short for the ability of learning skills assessment. Even worse, hey only give test scores as an indicate for test skills, which is also not a good measure for learning skills assessment and makes it difficult to assess learning skills objectively and to present clear assessment criterion. In this paper, we proposed an improved self-directed learning system using fuzzy logic, which can be controlled by learners themselves and helps to evaluate their on learning process. We also implemented the system on the written examination of Engineer Information Processing. The purposed system lust calculates membership functions of learning tine, learning frequency, testing time, and test score. Using them the final membership functions of learning and test skills are calculated and presented in a graphical, i.e. mon understandable, way to user. The purposed system helps learners to assess their achievement and to plan future schedule, and the survey result on the students used the system also supports that.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.10a
• /
• pp.33-36
• /
• 1997

로봇이 지니는 지역적 한계성을 극복하기 위하여 구륜 이동용 로봇에 대한 연구가 전세계적으로 진행되어지고 있으나, 구륜이동로보트는 모델링의 불활실성이나 nonholomic등의 제약조건에 의하여 제어기의 설계시 많은 문제들을 지니게 된다. [1][2]. 이러한 어려움을 해결하기 위해 퍼지 알고리즘을 이용한 제어기 설계가 이루어지고 있으나 제한된 범위게 머무르고 있는 상황이다. 본 연구에서는 유전알고리즘에 근거하여 소속함수 및 규칙부의 자율적 조졸을 수행하는 구륜이동로보트의 퍼지 제어기를 한다. 제시된 알고리즘에서 퍼지 입출력 소속함수의 조절을 각각 독립적으로 이루어지며, 출력 소속함수의 유사지표에 근거하여 규칙부의 조절이 이루어진다.

• 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.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.3 no.4
• /
• pp.24-31
• /
• 1993

원전 증기발생기의 수위제어기를 퍼지제어기로 구성하는 경우 증기발생기의 단독운전이 아닌 전체발전소의 가동중에 소속함수 조정이 이루어져야 하는 제약환경을 고려할 때 많은 반복실행횟수를 필요로 하는 임의적인 시행착오방법이나 일반화되어 있지 않은 복잡한 방법보다는 보다 간단명료하고 예측가능한 조정경로를 통해 소속함수를 조정할 필요가 있다. 여기에서는 그 방안으로서 프로세스 제어응답의 최대초과량 상승시간의 합으로 평가함수를 도입하고 descent method를 이용하여 제어응답의 결과로 얻는 평가함수의 최소점을 따라 소속함수를 조정해가는 방법을 제시하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.5
• /
• pp.599-604
• /
• 2005

This paper presents fuzzy rules to predict diagnosis of Wisconsin breast cancer with minimized number of feature in put using the neural network with weighted fuzzy membership functions (NEWFM) and the non-overlap area distribution measurement method. NEWFM is capable of self-adapting weighted membership functions from the given the Wisconsin breast cancer clinical training data. n set of small, medium, and large weighted triangular membership functions in a hyperbox are used for representing n set of featured input. The membership functions are randomly distributed and weighted initially, and then their positions and weights are adjusted during learning. After learning, prediction rules are extracted directly from n set of enhanced bounded sums of n set of small, medium, and large weighted fuzzy membership functions. Then, the non-overlap area distribution measurement method is applied to select important features by deleting less important features. Two sets of prediction rules extracted from NEWFM using the selected 4 input features out of 9 features outperform to the current published results in number of set of rules, number of input features, and accuracy with 99.71%.

• Journal of Korea Society of Industrial Information Systems
• /
• v.4 no.2
• /
• pp.7-13
• /
• 1999

This paper propose a fuzzy regression method using fuzzy neural networks when a membership value is attached to each input -output pair. First, an architecture of fuzzy neural networks with fuzzy weights and fuzzy biases is shown. Next, a cost function is defined using the fuzzy output from the fuzzy neural network and the corresponding target output with a membership value. A learning algorithm is derived from the cost function. The derived learning algorithm trains the fuzzy neural network so that the level set of the fuzzy output includes the target output. Last, the proposed method is applied to the quality evaluation problem of injection molding

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.41 no.3
• /
• pp.27-36
• /
• 2004

Detection and recognition of human faces in images can be considered as an important aspect for applications that involve interaction between human and computer. In this paper, we propose a face recognition method using eigenfaces and fuzzy neural networks. The Principal Components Analysis (PCA) is one of the most successful technique that have been used to recognize faces in images. In this technique the eigenvectors (eigenfaces) and eigenvalues of an image is extracted from a covariance matrix which is constructed form image database. Face recognition is Performed by projecting an unknown image into the subspace spanned by the eigenfaces and by comparing its position in the face space with the positions of known indivisuals. Based on this technique, we propose a new algorithm for face recognition consisting of 5 steps including preprocessing, eigenfaces generation, design of fuzzy membership function, training of neural network, and recognition. First, each face image in the face database is preprocessed and eigenfaces are created. Fuzzy membership degrees are assigned to 135 eigenface weights, and these membership degrees are then inputted to a neural network to be trained. After training, the output value of the neural network is intupreted as the degree of face closeness to each face in the training database.

• Journal of Digital Contents Society
• /
• v.18 no.1
• /
• pp.217-224
• /
• 2017

Recently, we have been continued effort that chaotic theory apply into love model which is an area of social science. To make the chaotic behaviors in the differential equation that represent as Romeo and Juliet, we apply an external force to the differential equation. However, this external force have disadvantage that cannot exactly represent for emotion of human. In this paper, to solve these advantage, we introduce triangular fuzzy membership function to provide the external force that can describe most similar status for action and word of human in the love model of Romeo and Juliet. Also, to confirm the chaotic behaviors in the love model of Romeo and Juliet with proposed fuzzy membership function, we use time series and phase plane.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.359-361
• /
• 2008

This paper presents the fuzzy minutiae-based matching to improve the accuracy of the difference between template and imput fingerprint image. Minutiae-based matching method is the most well-known and widely used method for fingerprint matching. However, fingerprint pressure, dryness of the skin, skin disease, sweat, dirt, grease, and humidity in the air cause the noisy fingerprint images and the distortion is produced by users moving their fingers on the scanner surface. The input image may be rejected from the Fingerprint Recognition System, because the distorted fingerprint image is very different from the original image. Large tolerence boxes and fuzzy discriminant function is required to improve the accuracy.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2004.05b
• /
• pp.162-165
• /
• 2004

대부분의 이진화 알고리즘은 임계치를 결정하기 위하여 히스토그램을 사용하여 밝기 분포를 분석한다. 배경과 물체의 명도차이가 큰 경우에는 분할을 위해 양봉 히스토그램을 보일 때는 최적의 임계치를 한기 위해 히스토그램 골짜기를 선택하는 것만으로도 양호한 임계치 결과를 얻을 수 있으나, 배경과 물체의 밝기 차이가 크지 않거나 자기 분포가 양봉 특성을 보이지 않을 때는 히스토그램 분석만으로 적절한 임계치를 얻기 어렵다. 본 논문에서는 RGB 컬러 모형의 각 색상에 대하여 퍼지 소속 함수를 적용하고, 그 결과를 이용해 배경에 비해 가독성이 높은 특징들을 배경과 분리하는 방법을 제시한다. 제안된 이진화 방법은 RGB의 각 색상에 퍼지 소속 함수를 적용하여 얻은 값들을 이용해 이진화한다. 기존의 임계치를 이용한 이진화 방법에 비해 잡음 영역을 상당히 제거 할 수 있으며, 컨테이너 영상에 적용한 결과, 기존의 방법에 비해 효율적인 것을 확인하였다.