• 한국건설관리학회:학술대회논문집
• /
• 한국건설관리학회 2003년도 학술대회지
• /
• pp.473-476
• /
• 2003

본 논문에서는 일반적인 건설공사에 있어서 불확실성 모델링을 사용한 체계적인 퍼지위험도 분석기법 및 절차를 제시하였다. 본 논문에서 제시한 기법 및 절차는 전문가의 경험과 주관적인 판단을 이용해서 공사관련 위험사건들의 확률을 결정함으로써 건설공사의 위험도분석을 보다 실제적으로 할 수 있으며 퍼지집합이론 및 퍼지수 개념을 사용한 불확실모델링은 불명확하고 변동이 많은 건설공사에 내재된 사건들을 제어하는 데 효과적이다. 이는 위험도 분석을 위한 객관적인 자료가 부족하고 또 이로 인해 불가피하게 전문가의 경험에 주관적인 자료에 의존하는 한국과 같은 나라에서는 본 연구에서 제시한 불확실 모델링 절차는 정량적인 위험도 분석을 가능하게 함으로써 위험도 관리를 위해서도 매우 유용하게 쓰일 수 있다.

• 콘크리트학회논문집
• /
• 제14권6호
• /
• pp.1022-1031
• /
• 2002

본 연구에서는 분규ㆍ회귀목-적응 뉴고 퍼지추론 시스템을 사용하여 교량 구조물에 대한 유용한 모델을 제시하였다. 퍼지결정목은 데이터집합의 입력영역이 서로 다른 영역으로 분류되고 하나의 부호나 값으로 나타내지며 데이터 정점에서 특정화시키기 위한 활동영역으로 할당되기도 한다. 분류문제로 사용되는 결정목은 가끔 퍼지결정목이라고 불려지는데, 각 최종점은 주어진 특정백터의 예측등급을 나타낸다. 회귀문제에 사용되는 결정목을 가끔 퍼지회귀목이라고 하는데, 이 때 최종점 영역은 주어진 입력백터의 예측 출력 값을 상수나 방정식으로 나타낼 수 있다. 분류ㆍ회귀목은 관련된 입력값을 선택하여 입력구역에서 분류 할 수 있는 반면에 적응 뉴로 퍼지추론 시스템은 회귀문제를 수정하고 이틀의 회귀문제를 보다 연속적이면서 간략하게 만들 수 있음을 주목해야 한다. 따라서 분류ㆍ회귀목과 적응 뉴로 퍼지추론 시스템은 서로 상보적인 것이며, 이들의 조합은 퍼지모델링을 위해 실직적인 근사식으로 구성된다.

• 한국지능시스템학회논문지
• /
• 제26권1호
• /
• pp.87-92
• /
• 2016

본 논문에서는 일반적인 신경회로망의 단점인 느린 학습속도를 획기적으로 개선한 네트워크인 Extreme Learning Machine과 전문가들의 언어적 정보들을 기술 할 수 있는 퍼지 이론을 접목한 퍼지 Extreme Learning Machine을 최적화하기 위하여 Particle Swarm Optimization 알고리즘을 이용하였다. 퍼지 Extreme Learning Machine의 활성화 함수를 일반적인 시그모이드 함수를 사용하지 않고, 퍼지 C-Means 클러스터링 알고리즘의 활성화 레벨 함수를 이용하였다. Particle Swarm Optimization 알고리즘과 같은 최적화 알고리즘을 통하여 퍼지 Extreme Learning Machine의 활성화 함수의 파라미터들을 최적화 한다. Particle Swarm Optimization과 같은 최적화 알고리즘을 통한 제안된 모델의 최적화 하고 최적화된 모델의 분류성능을 평가하기 위하여 다양한 머신 러닝 데이터 집합을 사용하여 평가한다.

• 대한원격탐사학회지
• /
• 제15권1호
• /
• pp.39-50
• /
• 1999

위성에서 관측된 다 대역 위성영상 데이터를 이용목적에 따라 분류하기 위해서는 복잡한 처리과정과 많은 시간을 필요로 하며, 감독분류시 훈련 데이터의 선택과 고려되는 다양한 특징 값들은 분류 정확도를 좌우할 만큼 민감한 특성을 나타내고 있다. 따라서 본 논문에서는 훈련데이터의 선택과 다양한 특징 값들 중 실제 영상분류에 기여도가 높은 특징을 추출하기 위하여 퍼지 기반의 $\gamma$모델을 이용한 분류네트웍을 구성하였다. 훈련집합 선택시 분류하고자 하는 지역의 밝기 분포도, 텍스쳐 특징 그리고 NDVI(Normalized Difference Vegetation Index)를 분류에 사용될 특징으로 선택하였고, 분류네트웍 출력 값의 오류가 최소화 되도록 Gradient Desoent 방법을 이용하여 각 노드의 $\gamma$파라미터를 훈련시키는 과정을 채택하였다. 이러한 훈련을 통하여 얻어진 파라미터를 이용하면 각 노드의 연결특성을 알 수 있으며, 다양한 입력 노드의 특징들 중 영상분류에 기여도가 적은 특징들을 추출하여 제거할 수 있다.

• 한국건설관리학회논문집
• /
• 제15권1호
• /
• pp.51-61
• /
• 2014

건물의 사전 보수작업은 시설물이 제 기능을 발휘할 수 있도록 성능을 유지하고 향후에 발생할 수 있는 결함을 미연에 방지할 수 있다는 점에서 관심과 중요성이 증가하고 있다. 효과적인 사전 보수작업 수행을 위해 보수작업이 필요한 대상을 명확히 선정해야 하며 이를 위해 작업 대상이 가지는 상태에 대한 정확한 분석과 평가가 선행되어야 한다. 작업 대상의 성능 측정은 하나의 평가 기준에 대한 평가 보다는 여러 개의 평가 기준들을 동시에 고려한 평가가 측정의 정확성을 향상시킬 수 있다. 하지만 의사결정자의 주관적인 판단에 의해 측정값이 부정확한 평가 기준들이 존재할 수 있다. 이를 보완하고자 본 연구는 다양한 평가 기준을 이용한 사전 보수작업 대상의 성능 측정과 효과적인 작업 대상 선정을 위한 의사결정 지원 모델을 제시한다. 본 연구는 작업 대상 선정을 위한 평가 기준을 선정하고 기준별로 측정값을 종합하여 의사결정 과정에서 활용할 수 있도록 한다. 또한 건물의 상태 측정 시, 평가자의 주관적인 판단의 애매함으로 인해 발생하는 결과의 불확실성을 보완하고자 퍼지 집합을 사용하여 측정을 실시한다. 본 연구를 통해 의사결정자는 보수작업 대상 선정 과정에서 객관적인 평가를 위한 도구로 활용할 수 있다. 또한 본 모델은 의사결정자의 주관적인 의도에 따른 다양한 절충값을 얻을 수 있어, 의사결정자별 상이한 평가 방식을 반영할 수 있다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.479-482
• /
• 2005

본 논문에서는 퍼지 뉴럴네트워크의 새로운 구조인 Fuzzy Set-based Polynomial Neural Networks(FSPNN)을 소개한다. 제안된 모델은 일반적인 최적화 방법과 정보 입자를 이용하여 네트워크를 설계한다. 최종 구조는 Fuzzy Set-based Polynomial Neuron(FSPN)을 기반으로 설계한 FPNN과 동일하다. 첫째로 FSPNS의 종합적인 설계방법(유전자 알고리즘을 이용한 최적 구조 탐색)에 대해 소개한다. FSPNN에 관계되는 입력변수의 개수, 후반부 다항식의 차수, 멤버쉽 함수의 수 그리고 입력변수 개수에 따른 입력변수를 유전자 알고리즘을 통하여 동조한다. 두 번째로, 입력 변수의 개별적인 퍼지 규칙 형성과 퍼지 공간 분할 및 삼각형 멤버쉽 함수의 초기 정점을 HCM 클러스터링을 통한 Information Granules로 정의한다. 또한 데이터 입자의 중심을 이용하여 후반부의 구조를 결정한다. 이 네트워크의 성능은 기존에 퍼지 또는 뉴로퍼지 모델링에서 실험된 모델링 표준치를 이용하여 평가한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권11호
• /
• pp.1072-1079
• /
• 2003

본 논문은 점층적으로 대규모 문서 분류를 할 수 있는 새로운 클러스터링 알고리즘에 대한 것으로, 고차원의 대규모 문서 집합에 대한 클러스터링을 수행하는 spherical k-means (SKM) 알고리즘과 점층적인 방식으로 클러스터링을 수행하는 퍼지(fuzzy) ART(adaptive resonance theory) 신경망의 특징을 이용하였다. 즉, SKM의 벡터 공간 모델과 개념벡터를 토대로 퍼지 ART의 경계변수의 개념을 결합한 것이다. 제시하는 알고리즘은 점층적 클러스터링의 지원과 함께 최적의 클러스터 수를 자동으로 결정할 뿐 아니라 이상치(outlier)와 노이즈(noise)에 의한 overfitting의 문제도 해결하였다. 또한 생성된 클러스터들의 질을 평가할 수 있는 응집도를 측정하는 목적 함수의 값에 있어서도 CLASSIC3 데이타 집합으로 실험한 결과 기존의 SKM에 비해 평균 8.04%의 향상된 응집도를 나타냈다.

• 한국지형학회지
• /
• 제26권2호
• /
• pp.1-14
• /
• 2019

This study analyzed the relativity between block stream and talus distributions by employing a likelihood ratio approach. Possible distribution sites for each debris slope landform were extracted by applying a spatial integration model, in which we combined fuzzy set model, Bayesian predictive model, and logistic regression model. Moreover, to verify model performance, a success rate curve was prepared by cross-validation. The results showed that elevation, slope, curvature, topographic wetness index, geology, soil drainage, and soil depth were closely related to the debris slope landform sites. In addition, all spatial integration models displayed an accuracy of over 90%. The accuracy of the distribution potential area map of the block stream was highest in the logistic regression model (93.79%). Eventually, the accuracy of the distribution potential area map of the talus was also highest in the logistic regression model (97.02%). We expect that the present results will provide essential data and propose methodologies to improve the performance of efficient and systematic micro-landform studies. Moreover, our research will potentially help to enhance field research and topographic resource management.

• 한국건설관리학회논문집
• /
• 제4권4호
• /
• pp.201-211
• /
• 2003

불확정 요소가 많은 건설 프로젝트에서 코스트 리스크의 분석은 관련 전문가의 통찰력이나 주관적 판단에 의존하는 경우가 많다. 하지만 국내 건설산업의 경우 코스트 리스크 분석시 객관적인 산출근거에 의한 확률만을 고려 할 뿐 계량적 측정이 어려운 주관적 요소를 합리 적으로 반영하기 위한 방법이나 절차를 갖고 있지 못하다. 이와 같은 관점에서 본 연구는 보다 신뢰성이 우수한 비용견적을 위해서 전문가의 주관적인 요소까지 종합적으로 평가하고, 리스크로 인한 비용의 변동을 정량적으로 분석할 수 있는 새로운 로스트 리스크 분석모델을 제시하였다 아울러 실무에서도 간단한 절차에 따라 모델을 체계적으로 수행할 수 있도록 편리한 사용자 인터페이스를 제공해 주는 프로토타입을 구현하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.247-248
• /
• 2008

본 논문에서는 TYPE-2 퍼지 추론 기반의 RBF 뉴럴 네트워크(TYPE-2 Radial Basis Function Neural Network, T2RBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델의 은닉층은 TYPE-2 가우시안 활성 함수로 구성되며, 출력층은 Interval set 형태의 연결가중치를 갖는다. 여기에서 규칙 전반부 활성함수의 중심 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 Interval set 형태의 연결가중치 결정에는 경사 하강법(Gradient descent method)을 이용한 오류 역전파 알고리즘을 사용하여 학습한다. 또한, 최적의 모델을 설계하기 위한 학습율 및 활성함수의 활성화 영역 결정에는 입자 군집 최적화(PSO; Particle Swarm Optimization) 알고리즘으로 동조한다. 마지막으로, 제안된 모델의 평가를 위하여 모의 데이터 집합(Synthetic dadaset)을 적용하고 근사화 및 일반화 능력에 대하여 토의한다.