• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.1846-1847
• /
• 2007

본 논문에서는 비선형 공정의 모델링 성능을 향상시키기 위하여 퍼지 엔트로피 분석을 통해 새로운 클러스터를 생성하고, 이 클러스터를 퍼지 모델의 새로운 규칙으로 추가하는 자기구성 퍼지 모델을 제안한다. 퍼지 엔트로피가 상대적으로 큰 데이터 집합으로 새로운 클러스터를 구성하면 퍼지 모델의 애매모호한 정도가 작아져서 모델링 오차가 줄어들 가능성이 크게 된다. 제안한 방법의 유용성을 입증하기 위해 이를 Box-Jenkins의 가스로 공정에 적용하여 퍼지 규칙수의 증가에 따른 모델링 성능의 변화를 보이고, 기존의 방법에 의한 모델링 결과와 비교한다.

• 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.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.1
• /
• pp.12-18
• /
• 2011

In this paper, we proposed Interval Type-2 polynomial Radial Basis Function Neural Networks. In the receptive filed of hidden layer, Interval Type-2 fuzzy set is used. The characteristic of Interval Type-2 fuzzy set has Footprint Of Uncertainly(FOU), which denotes a certain level of robustness in the presence of un-known information when compared with the type-1 fuzzy set. In order to improve the performance of proposed model, we used the linear polynomial function as connection weight of network. The parameters such as center values of receptive field, constant deviation, and connection weight between hidden layer and output layer are optimized by Conjugate Gradient Method(CGM) and Space Search Evolutionary Algorithm(SSEA). The proposed model is applied to gas furnace dataset and its result are compared with those reported in the previous studies.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.153-154
• /
• 2008

본 논문의 Type-2 TSK 퍼지 논리 시스템(Fuzzy Logic System; FLS)은 전반부 멤버쉽 함수로 가우시안 형태의 Type-2 퍼지 집합을 이용하고 후반부는 계수가 상수인 1차 선형식을 사용한다. 또한 Type-1 TSK 퍼지 논리 시스템을 Type-2 TSK 퍼지 논리 시스템으로 확장하고 제안된 모델을 가스로 공정 데이터와 sugeno 데이터에 적용한다. 여기서 인위적인 노이즈를 갖는 입력 데이터를 사용하여 제안된 모델의 성능이 기존의 모델보다 우수함을 수치적인 예로 보인다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1845-1846
• /
• 2008

Type-2 퍼지 집합은 언어의 불확실성을 다루기 위하여 고안된 Type-1 퍼지집합의 확장이다. TSK 퍼지 로직 시스템(TSK Fuzzy Logic Systems; TSK FLS)은 Mamdani FLS과 함께 가장 널리 사용되는 퍼지 로직 시스템 모델이다. 본 논문에서는 Type-2 퍼지 집합을 이용하여 전반부 멤버쉽 함수를 구성하고 후반부 다항식 함수를 상수와 1차식, 2차식으로 확장한 다항식 Type-2 TSK FLS 설계한다. 다항식 Type-2 TSK FLS의 파라미터를 동정하기 위해 Back-propagation 방법을 사용한다. 제안된 다항식 Type-2 TSK FLS을 노이즈 섞인 비선형 시스템의 모델링에 적용하여 그 성능을 비교 분석한다.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.95-96
• /
• 2008

본 논문에서는 시계열 예측 공정의 모델링을 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 기존의 Type-1 퍼지 논리 시스템(Fuzzy Logic System, FLS)은 외부의 노이즈와 같은 불확실성에 민감한 단점이 있다. 그러나 Type 퍼지 논기 시스템은 불확실한 정보까지 멤버쉽 함수로 표현함으로서 효과적으로 취급할 수 있다. 여기서 불확실한 정보를 표현하기 위해 규칙의 전 후반부 멤버쉽 함수로 삼각형 형태의 Type-2 퍼지 집합을 사용한다. 전반부의 경우 HCM 클러스터링을 사용하여 입력 데이터들 간의 거리를 중심으로 멤버쉽 함수를 정의하고, 후반부는 입자 군집 최적화(Particle Swarm Optimization) 알고리즘으로 멤버쉽 함수의 정점을 동조한다. 제안된 모델은 표준 모델 평가에 주로 사용되는 가스로 시계열 데이터를 적용하고, 특정 데이터로 노이즈에 영향 받은 데이터를 사용하여 수치 석인 예를 보인다.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.57-58
• /
• 2008

Type-2 퍼지 집합은 언어의 불확실성을 다루기 위하여 고안된 Type-1 퍼지집합의 확장이다. TSK 퍼지 로직 시스템(TSK Fuzzy Logic Systems; TSK FLS)은 Mamdani FLS과 함께 가장 널리 사용되는 퍼지 로직 시스템 모델이다. 본 논문에서는 Type-2 퍼지 집합을 이용하여 전반부 멤버쉽 함수를 구성하고 후반부 다항식 함수를 상수와 1차식, 2차식으로 확장한 다항식 Type-2 TSK FLS 설계한다. 다항식 Type-2 TSK FLS의 파라미터를 동정하기 위해 Back-propagation 방법을 사용한다. 제안된 다항식 Type-2 TSK FLS을 노이즈 섞인 비선형 시스템의 모델링에 적용하여 그 성능을 비교 분석한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.1
• /
• pp.25-33
• /
• 2009

Recently, the TS fuzzy models that include the linear equations in the consequent part are widely used for time series forecasting, and the prediction performance of them is somewhat dependent on the characteristics of time series such as stationariness. Thus, a new prediction method is suggested in this paper which is especially effective to nonstationary time series prediction. First, data preprocessing is introduced to extract the patterns and regularities of time series well, and then multiple model TS fuzzy predictors are constructed. Next, an appropriate model is chosen for each input data by an adaptive model selection mechanism based on rough sets, and the prediction is going. Finally, the error compensation procedure is added to improve the performance by decreasing the prediction error. Computer simulations are performed on typical cases to verify the effectiveness of the proposed method. It may be very useful for the prediction of time series with uncertainty and/or nonstationariness because it handles and reflects better the characteristics of data.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.335-338
• /
• 2004

본 논문에서는 기존의 정보량(Entropy) 기반 클러스터링 기법을 향상시키기 위한 방법으로서 퍼지 정보량을 이용하였다 가우시안 혼합 모델을 이용하면, 프로토타입의 목적 함수를 이용하는 클러스터링 기법보다 향상된 결과를 얻을 수 있고, Parameter의 조정이 요구되지 않는다. 그러나, 가우시안 혼합 모델의 사용은 주어진 패턴 집합을 클러스터링하는데 계산량의 증가를 초래하게 된다. 본 논문에서는 가우시안 혼합 모델의 정형화에 요구되는 계산량을 감소시키는 방법을 제시한다 또한 퍼지정보량(Fuzzy Entropy)을 적용하여 기존의 정보량 기반의 클러스터링 결과와 비교 분석하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.442-445
• /
• 2004

본 논문은 유전자 기반 퍼지다항식 뉴럴네트워크(Genetic based fuzzy polynomial neural networks： gFPNN)를 제안한다. gFPNN 구조는 퍼지집합을 기반으로 설계되며, 유전자 알고리즘에 의해 구조 및 파라미터를 최적화한 구조이다. 퍼지집합을 기반으로 설계되어진 퍼지뉴럴네트워크는 간략추론 구조와 선형추론 구조로 설계된다. 본 논문에서는 간략추론 및 선형추론 구조를 통합 및 확장한 퍼지다항식 뉴럴네트워크를 설계한다. 이 구조는 연결가중치를 이용하여 회귀다항식을 네트워크 구조로 표현하며, 간략추론(Type 0), 선형추론(Type 1), 회귀다항식추론(Type 2)을 모두 포함한다. 또한 퍼지규칙 후반부의 다항식 차수를 각 규칙에 대해 다르게 선택할 수 있으며, 일률적인 형식의 구조를 벗어나 주어진 시스템의 특성에 따라 유연한 구조를 설계할 수 있도록 한다. 여기에 더하여, 네트워크 구조와 파라미터 동조에 유전자 알고리즘을 적용하며, 구조와 파라미터 동정에 대한 효율적인 방법을 논의한다. 제안된 모델의 평가를 위해 수치예제를 이용한다.