• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권7호
• /
• pp.723-730
• /
• 2000

퍼지숫자는 보통숫자와는 달리 애매모호한 값을 표현하기 때문에, 어느 퍼지숫자가 다른 퍼지숫자보다 큰지 작은지를 명확히 기술하기 어렵다. 따라서, 주어진 퍼지숫자의 집합 내에서, 어느 퍼지숫자가 몇 번째로 큰지, 또는 k번째로 큰 퍼지숫자가 어느 것인지 역시 애매모호할 수밖에 없다. 본 논문에서는 퍼지숫자의 순위와 k번째로 큰 퍼지숫자를 결정하기 위하여 퍼지집합을 이용하는 방법을 제안한다. 제안하는 방법은 퍼지숫자들 사이에 퍼지대소관계가 주어졌다고 가정하며, 이를 이용하여 퍼지숫자의 순위와 k번째 큰 퍼지숫자를 결정한다. 제안하는 방법은 어느 한 퍼지숫자가 취할 수 있는 모든 순위를 퍼지집합으로 표현하며, k번째로 큰 퍼지숫자가 될 수 있는 모든 퍼지숫자들을 퍼지집합으로 표현한다.

• 인터넷정보학회논문지
• /
• 제4권4호
• /
• pp.45-51
• /
• 2003

일반적으로 퍼지객체지향자료모형에서 속성값은 퍼지집합을 표현한다. 만일 퍼지객체지향자료모형에서 속성값을 구간값 퍼지집합으로 표현할 수 있다면, 퍼지객체지향자료모형에서 사용하는 속성값을 더 유연하게 표현하는 것이 가능하다. 퍼지객체지향자료모형의 상속구조에 나타나는 프레임내에 있는 속성값을 구하기 위해 구간값 퍼지집합을 사용하는 우선순위 논리곱연산을 이용하여 계산한다. 이 방법은 속성값의 소속정도가 기존의 퍼지집합이 아닌 구간값 퍼지집합으로 표현하는 지식정보처리분야에서 사용할 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1901_1902
• /
• 2009

본 논문에서는 Interval Type-2 퍼지 집합을 이용한 퍼지집합 기반 퍼지뉴럴네트워크를 설계하고 최적화한다. Interval Type-2 퍼지뉴럴네트워크는 각 입력 변수에 따른 서로 분리된 입력 공간을 분할함으로서 네트워크 및 규칙을 구성한다. 규칙의 전반부는 퍼지 입력 공간을 개별적으로 분할하여 표현하고, 각 공간은 Interval Type-2 퍼지 집합으로 구성된다. 규칙의 후반부는 Interval 집합을 이용하여 다항식으로서 표현되며, 오류역전파 알고리즘을 이용하여 연결가중치인 후반부 다항식을 학습한다. 또한, 각 입력에 대한 전반부 멤버쉽함수의 정점과 불확실성 계수 그리고 학습률 및 모멘텀 계수를 유전자 알고리즘을 이용하여 최적 동조한다. 제안된 네트워크는 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• 한국멀티미디어학회논문지
• /
• 제7권4호
• /
• pp.559-566
• /
• 2004

일반적으로 퍼지 생성규칙의 확신도와 규칙에 나타나는 퍼지 명제의 확신도는 0과 1사이의 실수로 표현한다. 만일 퍼지 생성규칙의 확신도와 퍼지 명제의 확신도를 구간값 퍼지 집합으로 표현한다면, 규칙기반시스템이 더 유연한 방법으로 퍼지 추론을 하는 것이 가능하게 된다. 본 논문에서는 퍼지 페트리네트와 이 네트에 기반을 둔 규칙 기반시스템을 위한 구간값 퍼지 집합 후진추론 알고리즘을 제안한다. 규칙 기반시스템에 있는 퍼지 생성규칙은 퍼지 페트리네트로 모형화된다. 여기에서 퍼지 생성규칙에 나타나는 퍼지 명제의 확신도와 규칙의 확신도는 구간값 퍼지 집합으로 표현한다. 여기에서 제안한 알고리즘은 목표노드에서 시작노드까지 후진추론 통로를 찾아낸 후 목표노드의 확신도를 계산한다. 구간값 퍼지 집합 후진추론 알고리즘은 규칙 기반 시스템이 더 유연하고 사람들이 하는 것과 같은 퍼지 후진추론을 가능하게 한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권5호
• /
• pp.625-631
• /
• 2004

일반적으로 퍼지 생성규칙의 확신도와 규칙에 나타나는 퍼지 명제의 확신도는 0과 1사이의 실수로 표현한다. 만일 퍼지 생성규칙의 확신도와 퍼지 명제의 확신도를 구간 값 퍼지 집합으로 표현한다면, 규칙기반시스템이 더 유연한 방법으로 퍼지 추론을 하는 것이 가능하게 된다[15］. 본 논문에서는 퍼지 페트리네트와 이 네트에 기반을 둔 규칙기반시스템을 위한 구간 값 퍼지 집합 추론 알고리즘을 제안한다. 규칙기반시스템에 있는 퍼지 생성규칙은 퍼지 페트리네트로 모형화 된다. 여기에서 퍼지 생성규칙에 나타나는 퍼지 명제의 확신도와 규칙의 확신도는 구간 값 퍼지 집합으로 표현한다. 제안한 구간 값 퍼지집합 추론알고리즘은 규칙기반시스템에서 더 유연한 퍼지추론을 하는 것을 가능하게 한다.

• 한국지능시스템학회논문지
• /
• 제18권4호
• /
• pp.445-450
• /
• 2008

퍼지시스템의 신뢰도를 분석하기 위해서 기존의 연구에서는 퍼지시스템의 구성요소의 신뢰도를 0과 1사이의 실수, 퍼지숫자, 신용구간, 모호집합, 구간값 퍼지집합 등으로 표현하였다. 본 논문에서 우리는 전체집합 [0, 1]에서 정의되는 구간값 모호집합을 기반으로 퍼지시스템의 신뢰도를 표현하고 분석하는 방법을 제안한다. 구간값 모호집합에서는 기존 모호집합[12, 14]의 상한과 하한을 각각 구간으로 표현한다. 그러므로 퍼지시스템의 신뢰도를 더 유연한 방법으로 표현하고 분석하는 것을 가능하게 한다. 제안한 방법은 Kumar[14]가 언급한 복잡한 퍼지 사다리꼴숫자 연간보다는 퍼지 삼각숫자의 간단한 산술연산을 사용하기 때문에 제안된 방법의 실행속도는 기존의 방법보다 실행이 더 빠르다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 춘계학술대회 학술발표 논문집 제14권 제1호
• /
• pp.303-306
• /
• 2004

기존의 퍼지 규칙에 기반을 둔 퍼지 다항식 뉴론(FPN)들로 구성된 SOFPNN은 데이터 수가 적고 비선형 요소가 많은 시스템에 대한 체계적이고 효율적인 최적 모델 을 구축할 수 있었으며 각 층 노드의 선택 입력을 변화시킴으로써 네트워크 구조 전체의 적응능력을 향상 시켰다. 유전자 알고리즘을 이용하여 자기구성 퍼지 다항식 뉴럴 네트워크의 입력변수의 수와 이에 해당되는 입력변수 그리고 규칙 후반부 다항식의 차수를 탐색하여 최적 의 자기구성 퍼지 다항식 뉴럴 네트워크를 구축한다. 그러나, SOFPNN의 기본 뉴론인 퍼지 규칙 기반 다항식 뉴론의 경우 입력변수가 많아질수록 규칙수가 기하급수적으로 증가한다는 단점을 가지고 있으나 본 노문에서 제안한 퍼지 집합 기반 다항식 뉴론(FSPN)의 규칙수는 입력 변수들이 서로 독립적이므로 규칙의 증가가 퍼지 규칙 기반 다항식 뉴런보다는 적다는 장점을 가지고 있다. 이러한 특성을 기반으로 기존의 SOFPNN의 노드에 퍼지 규칙 기반 다항식 뉴런 대신에 퍼지 집합 기반 다항식 뉴런을 적용한 SOFPNN을 제안하여 기존의 SOFPNN과 성능을 비교하였다. 최적의 자기 구성 퍼지 집합기반 다항식 뉴럴 네트워크를 구축하기 위하여 SOFPNN에서처럼 유전자 알고리즘을 이용하여 네트워크의 입력변수의 수와 이에 해당되는 입력변수 그리고 규칙 후반부 다항식의 차수를 탐색하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.167-171
• /
• 2007

본 논문은 패턴 분류 문제에 사용되는 퍼지 최대-최소 신경망 방법을 이용하여 특정 집합으로부터 새로운 특정 집합을 추출해내고 추출된 특정 집합으로부터 의미 있는 특정을 선택해 내는 새로운 방법을 제안한다. 퍼지 최대-최소 신경망은 패턴 분류를 위해 주로 사용이 되어 왔지만, 퍼지 최대-최소 신경망을 이용해 특정 집합의 값들을 패턴 공간내의 초상자의 집합으로 변환하고 변환된 초상자들끼리의 인접성을 척도로 단순한 연산을 통한 빠른 특정 집합을 선택하게 된다. 마지막으로 본 논문의 특정 집합 선택 방법을 하지 근전도 신호를 이용한 보행 패턴 분류에 적용해 보고, 그 결과를 기존 여러 특정 집합 선태 방법들과 비교해 봄으로써 제안한 방법의 타당성 및 적용 가능성을 알아본다.

• 한국지능시스템학회논문지
• /
• 제11권2호
• /
• pp.115-118
• /
• 2001

본 논문에서는 L-R 퍼지수의 집합-이론적 연산의 개념을 정의하고, 이들 개념의 성질들을 조사한다. 이들 연산들의 결과들을 이용하여 제2형 퍼지집합의 기수개념에 관하여 연구한다.

• 정보관리학회지
• /
• 제10권1호
• /
• pp.53-63
• /
• 1993

AND와 OR에 대한 연삭식으로 MIN과 MAX를 사용하는 기존의 퍼지 집합 모델은 많은 경우에 사람이 생각하는 것과 다른 문서값을 생성하기 때문에 정보 검색 모델로서 부적합하다고 비판되어 왔다. 퍼지 집합 이론이 도입된 이후로 AND OR에 대한 연삭식으로 다양한 퍼지 연산자들이 개발되어 왔다. 본 논문에서는 이러한 퍼지 연산자들의 문서값 생성 특성을 분석하고, MIN과 MAX 대신에 긍정적 보상 연산자라 불리는 퍼지 연산자를 사용할 것을 제안한다. 긍정적 보상 연산자를 사용하는 퍼지 집합 모델이 보다 우수한 검색 효율을 제공함을 실험을 통하여 입증한다.