• Journal of the Korean Institute of Navigation
• /
• v.23 no.4
• /
• pp.97-104
• /
• 1999

본 논문은 퍼지신경망을 이용한 유연성 단일 링크 로봇 매니퓰레이터의 위치제어에 관한 논문이다. 제안된 퍼지신경망 모델은 전건부와 결론부에 퍼지집합을 갖는 퍼지규칙으로 구성된 퍼지모델을 표현하고, 퍼지추론을 수행하는 기능을 가진다. 유연성 로봇 매니퓰레이터에 대한 동적모델을 유도하고, 시뮬레이션을 통해 PID 제어기와 비교 분석하였다. 그 결과 제안된 제어기가 PID 제어기보다도 개선된 성능을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.130-132
• /
• 2001

신경망을 이용한 추천 기술은 항목이나 사용자간의 가중치를 학습할 수 있고, 자료 유형에 상관없이 데이터 처리가 용이하다. 또한 최근 연구를 통해서 그 우수성이 입증되고 있다. 그러나 사용자간의 상관관계로 추천하는 사용자 신경망 모델과 항목간의 상관관계로 추천하는 항목 신경망 모델이 서로 다른 관점으로 다른 선호도를 제시한 경우에 선택한 모델의 선호도에 따라 시스템의 성능이 좌우된다. 그러므로 효율적이고 성능이 우수한 추천 시스템을 위해 사용자와 항목 신경망 모델의 통합 방법을 제안한다. 두 모델 사이에 우선 순위를 결정하여 통합하는 순차적 통합 방법과 두 모델을 동시에 고려하는 병렬적 통합방법을 제안한다. 그러나 두 통합 방법은 선호도 예측 기준에 있어서 정적이고, 문제에 대한 적응성이 없다. 그러므로 신경망(퍼셉트론, 다층 퍼셉트론)을 이용한 통합 방법을 제안한다. 또한 퍼지의 소속함수를 이용하여 퍼지 추론를 적용한 통합 방법을 제안하고, 패턴 인식 분야에서 사용하는 BKS 방법을 적응하여 두 신경망 모델을 통합하여 실험한다. 본 논문에서는 사용자와 항목 신경망 모델을 통합함으로써 기존의 추천 기술인 연관 규칙과 단일 신경망 모델을 이용한 추천보다 우수함을 보이고 있다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.77-80
• /
• 2003

신경망의 퍼셉트론 학습법에는 이진 또는 연속 활성화 함수가 사용된다. 초기 연결강도는 임의의 값으로 설정하며, 목표치와 실제 출력과의 차이를 이용하는 것이 주된 특징이다. 즉 구해진 오차는 학습률에 따라서 다음 단계의 연결강도에 영향을 주게 된다. 이런 경우 학습률이 너무 크면 수렴성을 보장할 수 없으며, 반대로 너무 작게 선정하면 학습이 매우 느리게 진행되는 단점이 발생한다. 이런 이유로 능동적인 학습률의 변화는 신경망의 퍼셉트론 학습법에 중요한 관건이 리며, 주어진 문제를 최적으로 학습을 위해서는 결국 상황에 따른 적절한 학습률 조정이 필요하다. 본 논문에서는 학습률 조정에 퍼지 모델을 적용하는 신경망 학습 방법을 제안하고자 한다. 제안한 방법에 의한 학습은 오차의 변화에 따라 학습률을 조정하는 방식을 사용하였고, 그 결과 연결강도를 능동적으로 변화시켜 효과적인 학습 결과를 얻었다. 학습률 변화는 'Sugeno 퍼지 모델'을 이용하여 구현하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.60-63
• /
• 2008

본 논문에서는 신경망 모델(neural network model)과 유전자 알고리즘(genetic algorithm)을 이용한 실시간 경로 계획(real-time path-planning)과 퍼지 룰(fuzzy rule)을 이용한 효율적인 다중경로계획(multiple path-planning)을 제안한다. 실시간 경로 계획은 빠른 시간 내에 최적 경로의 생성이 반드시 수행되어야 하므로, 본 논문에서는 경로 계획 중 장애물 지역과 비장애물 지역을 빠르게 확인하기 위해 신경망 모델을 이용하여, 이동 방향 및 최적경로 탐색을 위하여 유전자 알고리즘을 이용하였다. 또한 충돌 구역에서의 효율적인 다중 경로 계획을 위해, 퍼지를 이용하여 경로를 재계획 하였다. 퍼지의 경우, 현재 위치에서 목표 지점으로의 방향을 계산하기 위한 퍼지 소속 함수와 현재 위치와 충돌 구역까지의 거리 값을 가중치로 세우고 퍼지 룰을 결정하여 경로계획을 수행하였다. 시뮬레이션을 통해 실험해본 결과, 퍼지 룰을 사용했을 때 사용하지 않았을 때 보다 좋은 성능을 나타남을 확인할 수 있었다.

• 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
• /
• 2004.04b
• /
• pp.565-567
• /
• 2004

본 연구에서는 효과적인 패턴 분류를 위한 방법론으로서 수정된 퍼지 최대최소 신경망 모델을 제안하고 그 유용성을 고찰한다 제안된 모델에서 각 하이퍼박스는 다차원의 특징공간상에서 한 영역으로 정의되며 각 특징에 대하여 가중치 개념이 추가된 소속함수를 갖는다. 이는 기존의 FMM 신경망에서 모든 특징에 대하여 균일하게 고려되었던 특징의 상대적 중요도를 서로 다른 값으로 반영할 수 있게 한다. 본 연구에서는 제안된 모델의 동작특성 및 학습방법을 소개하며, 실제 패턴 분류문제에 적용한 실험결과를 통하여 제안된 이론의 타당성을 평가한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1998.11a
• /
• pp.202-207
• /
• 1998

본 논문에서는 유전자 알고리즘을 이용하여 불확실한 비선형 시스템의 퍼지-신경 회로망 모델링을 제안하였다. 제안한 퍼지-신경 회로망 모델링을 위한 학습 알고리즘은 다음과 같은 세 단계로 나누어 진행한다. 첫 번째 단계에서는 퍼지 모델의 소속 함수의 중심간과 표준편차를 구하여 초기 퍼지소속 함수를 결정한다. 두 번째 단계에서는 새로운 알고리즘을 통하여 언어적 퍼지 규칙을 만든다. 마지막 세 번째 단계에서는 유전자 알고리즘을 이용하여 중심값과 표준편차를 최적화함으로써 퍼지 모델의 소속 함수를 조절한다. 제안된 유전자 알고리즘의 장점은 흔히 신경 회로망에서 널리 쓰이는 역전파 알고리즘이 갖는 지역 최소점에 빠지는 현상이 없다는 것이다. 제안한 알고리즘의 유용성을 확인하기 위하여 일반적으로 가장 많이 쓰이는 비선형 시스템에 대하여 시뮬레이션 하여 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.399-401
• /
• 1998

단일 문자 인식과 달리 연속 필기 패턴의 인식은 근본적인 필기 패턴의 형태적 특성을 충분히 고려할 필요가 있으며 다양한 형태의 패턴에 대한 특징이나 정보를 사용하여 종합적으로 판단 할 수 있는 모델의 유연성이 요구된다. 신경망의 학습 기능은 패턴의 왜곡과 잡음 등에 크게 영향을 받지 않으면서 인식에 필요한 특징의 추출이나 패턴 부류에 해당하는 노드의 반응을 스스로 학습시킬 수 있고, 다양한 형태의 정보를 쉽게 통합할 수 있는 유연한 구조를 제공한다. 퍼지 이론(Fuzzy theory)은 일정한 규칙이나 수학적 모델로 표현하기 어려운 패턴의 애매한 특징을 모델링할 수 있기 때문에 인식 대상의 총체적 특징을 추출해 신경망에 효과적으로 적용할 수 있다. 본 논문에서는 연속 필기 숫자 패턴을 인식을 위한 신경망과 퍼지 이론을 이용한 통합 신경망 모델을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11a
• /
• pp.287-290
• /
• 2003

퍼지값을 크기 순서에 의해 나열하는 연구는 많이 이루어져 왔다. 그러나 기존의 방법들은 퍼지값을 제안된 기준에 의해 독자적으로 해석하여, 비교결과를 산출하는 것이 대부분이다. 본 논문에서는 사용자의 의견 또는 선호도를 반영한 학습데이터를 신경망을 이용하여 학습하는 방법을 제안한다. 이 학습이 끝난 후 얻어지는 신경망은 주어진 학습데이터를 이용하여 사용자의 퍼지값에 대한 모델을 생성하게된다.

• 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.