• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 제37회 하계학술대회 논문집 D
• /
• pp.2093-2094
• /
• 2006

본 논문에서는 입출력 데이터의 특성을 이용하기 위하여 HCM 클러스터링에 의한 정보 입자를 이용한 퍼지 뉴럴 네트워크의 설계를 제안하고 최적화한다. 대상 시스템의 입출력 데이터를 취득하여 데이터들간의 거리를 중심으로 멤버쉽 함수를 정의하고 각 규칙에 속한 입출력 데이터를 추출하여 후반부 추론에 적용한다. 또한, 앞서 정의된 멤버쉽 파라미터는 유전자 알고리즘을 이용하여 최적으로 동정하여 퍼지 뉴럴 네트워크를 최적화한다. 제안된 퍼지 뉴럴 네트워크는 삼각형 멤버쉽 함수를 이용하며, 후반부 추론에는 간략, 선형, 변형된 2차식을 이용한다. 제안된 퍼지 뉴럴 네트워크는 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.117-120
• /
• 2006

본 논문에서는 입출력 데이터의 특성을 이용하기 위하여 HCM 클러스터링에 의한 데이터 정보를 이용한 퍼지 뉴럴 네트워크의 설계를 제안하고 이를 최적화한다. 대상 시스템의 입출력 데이터를 취득하여 데이터들간의 거리를 중심으로 멤버쉽 함수를 정의하고 각 규칙에 속한 입출력 데이터를 추출하여 후반부 추론에 적용한다. 또한, 앞서 정의된 멤버쉽함수를 최적으로 동정하여 최적의 퍼지 뉴럴 네트워크를 설계한다. 제안된 퍼지 뉴럴 네트워크는 삼각형 멤버쉽 함수를 이용하며, 후반부 추론에는 간략, 선형, 변형된 2차식을 이용한다. 연결 가중치는 오류역전파 알고리즘을 이용하여 학습한다. 제안된 퍼지 뉴럴 네트워크는 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.115-117
• /
• 2004

인간과 인간 사이에 컨텍스트의 역할이 중요한 것처럼 기계가 컨텍스트를 인식할 수 있는 능력을 갖추는 것은 중요하다. 특히 지능적인 서비스를 제공하기 위해서는 고수준 컨텍스트를 추출하는 것이 필요하고, 최근 베이지안 네트워크를 이용해 컨텍스트를 추출하려는 연구가 많이 있었다. 그러나 대부분은 단순한 컨텍스트를 추출하는 연구들이고, 상황이나 사용자에 따라 다른 특성을 보이는 경우에 대한 처리는 하지 못하고 있다. 본 논문은 퍼지 소속 함수를 통해 각 센서에서 오는 정보를 전 처리하고, 이를 베이지안 네트워크를 이용해 고수준 컨텍스트로 추출하는 방법을 제안한다. 특히 여러 개의 퍼지 노드가 있을 경우 퍼지 소속값의 곱을 사용하여 베이지안 추론에 적용하였다. 각 센서의 정보를 처리하는 퍼지 소속 함수는 사용자가 쉽게 설계할 수 있고, 컨텍스트 추출모듈과 별개로 설계가 가능하기 때문에 베이지안 네트워크의 유연하고 적응적인 특성을 유지하면서 개인화가 가능하다. 제안한 방법의 유용성을 보이기 위해 실제 세계의 문제를 모델링한 베이지안 네트워크의 예를 보이고 이를 분석한다.

• 한국정보처리학회논문지
• /
• 제5권4호
• /
• pp.951-958
• /
• 1998

본 논문에서는 퍼지생성규칙을 표현한 퍼지페트리네트에서 사용할 수 있는 후진추론 알고리즘을 제안한다. 퍼지페트리 네트워크표현은 근사추론 시스템을 모형화하거나 퍼지추론엔진을 구현하는데 사용할 수 있다. 본 논문이 제안한 알고리즘은 단순히 min과 max 게산만을 하는 기존의 알고리즘과는 달리 퍼지생성규칙의 전제부와 결론부에 퍼지개념의 유무에 따라 적절한 믿음값평가함수을 사용하여 보다 더 인간적인 추론을 한다. 후진추론 알고리즘은 목표노드에서 시작노드까지의 후진추론 통로를 구한 후에 믿음값평가함수를 이용하여 목표노드의 믿음값을 구한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.631-633
• /
• 2005

다양한 형태의 상황 정보를 결합하여 추론하기 위해 베이지안 네트워크를 많이 사용한다. 그러나 일반 베이지안 네트워크는 각 노드의 상태가 이산적이기 때문에, 연속적이거나 여러 상태가 동시에 존재할 수 있는 현실의 상황 정보를 처리하기 어렵다. 본 논문에서는 이와 같은 베이지안 네트워크의 단점을 보완하기 위해 다양한 형태의 상황 정보를 퍼지를 통해 전처리하여 베이지안 네트워크를 통해 추론하는 퍼지 베이지안 네트워크를 제안한다. 유용성을 보이기 위해 음악 추천 에이전트를 설계하여 일반 베이지안 네트워크와 비교 실험한 결과, 제안한 방법으로 다양한 상황 정보에 대해 유연한 처리가 가능함을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제17권7호
• /
• pp.970-976
• /
• 2007

본 연구에서는 퍼지 추론 메커니즘에 기반 한 다항식 네트워크 패턴 분류기(Polynomial Network Pattern Classifier; PNC)를 설계하고 Particle Swarm Optimization 알고리즘을 이용하여 PNC 파라미터, 즉, 학습률, 모멘텀 계수, FCM 클러스터링의 퍼지화 계수(fuzzification Coefficient)를 최적화한다. 제안된 PNC 구조는 FCM 클러스터링에 기반한 분할 함수를 활성 함수로 사용하며, 다항식 함수로 구성된 연결가중치를 사용함으로서 기존 신경회로망 분류기의 선형적인 특성을 개선한다. PNC 구조는 언어적 해석관점에서 "If-then"의 퍼지 규칙으로 표현되며 퍼지 추론 메커니즘에 의해 구동된다. 즉 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 나뉘어 네트워크 구조가 형성된다. 조건부는 FCM 클러스터링을 사용하여 입력 공간을 분할하고, 결론부는 분할된 로컬 영역을 다항식 함수로 표현한다. 마지막으로, 네트워크의 최종출력은 추론부의 퍼지추론에 의한다. 제안된 PNC는 다항식 기반 구조의 퍼지 추론 특성으로 인해 출력 공간상에 비선형 판별 함수(nonlinear discernment function)가 생성되어 분류기로서의 성능을 높인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 추계학술발표대회 및 정기총회
• /
• pp.1203-1206
• /
• 2005

현재 무선 센서 네트워크에서 에너지 효율성을 고려한 많은 라우팅 프로토콜이 연구되고 있다. 하지만 기존에 제안된 무선 센서 네트워크 라우팅 프로토콜은 특정 상황 및 응용에 특화되어 있기 때문에, 동적으로 변화하는 네트워크 상에서는 데이터 전달의 정확성 및 에너지 효율성이 떨어지는 문제점이 있다. 본 연구에서는 이러한 문제점을 개선하기 위하여 퍼지 추론 시스템을 이용한 라우팅 프로토콜 선택 기법과 라우팅 프로토콜의 동적 배치 기법을 기반으로 한 퍼지 적응형 라우팅(FAR) 알고리즘을 제안한다.

• 정보처리학회논문지C
• /
• 제11C권4호
• /
• pp.429-438
• /
• 2004

본 논문에서는 정책기반의 IP 네트워크 관리구조에서 임의의 노드에 유입되어지는 트래픽에 대하여 퍼지 추론 방식을 사용한 어드미션 제어 구조를 설계하였다. 제안된 제어구조는 기존 정의된 정책 요구수준과 네트워크 상태에 따라 자원 할당을 결정하는 방식을 사용하였다. 이는 기존의 바이너리 방식의 정책 적용방식을 개선하여 사전에 정의된 임의의 005 정책에 대하여 예측할 수 없는 네트워크의 상태에 따라 적응적인 어드미션 제어를 제공함으로서 네트워크의 자원을 효율적으로 사용할 수 있도록 하였다. 볼 논문에서 설계한 퍼지 제어기를 통하여 제한된 환경에서의 시뮬레이션을 수행한 결과 비퍼지 환경에 비하여 트래픽의 패턴에 따라 평균 26%의 패킷 거부율을 향상하였고, 이는 퍼지 컨트롤러에 의해서 네트워크의 상태에 따라 비퍼지 환경에서의 수락/거절 동작이 아닌 소프트한 적응성을 보여주었기 때문이다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 제38회 하계학술대회
• /
• pp.1815-1816
• /
• 2007

본 논문에서는 데이터의 특성을 이용한 정보 입자 기반 퍼지 뉴럴 네트워크의 연속적 최적화를 제안한다. 데이터들간의 거리를 중심으로 C-Means 클러스터링 알고리즘을 이용하여 멤버쉽 함수를 정의하고 각 중심의 후반부 중심값을 이용하여 후반부 학습에 적용한다. 구조/파라미터 동정에 있어서 실수 코딩 기반 유전자 알고리즘을 이용하여 입력변수의 수, 입력 변수의 선택, 멤버쉽함수의 수, 후반부 형태와 같은 시스템의 입력 구조와 전반부 멤버쉽함수의 정점 및 학습율과 모멘텀 계수와 같은 파라미터를 최적으로 동정한다. 또한, 구조 연산과 파라미터 연산의 연속적 동조 방법을 이용하여 퍼지 뉴럴 네트워크를 최적화한다. 제안된 퍼지 뉴럴 네트워크는 삼각형 멤버쉽 함수를 이용하며, 후반부 추론에는 간략, 선형, 변형된 2차식을 이용한다. 제안된 퍼지 뉴럴 네트워크는 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• 지능정보연구
• /
• 제1권2호
• /
• pp.33-55
• /
• 1995

포지인식도(Fuzzy Cognitive Map : FCM)는 추상적이고 비구조적이며 동적인 응용영역에서 전문가의 인과관계 지식(causal knowledge)을 표현하는데 매우 유용한 도구이다. FCM이 기존의 다른 네트워크 형태의 지식표현방법과 다른 차이점은 대상 문제의 개념변수들을 퍼지집합으로 묘사하고, 개념 변수간의 관계를 퍼지 인과관계로 다룬다는 것이다. 그런데 FCM의 특성이 아직 충분히 논의되지 않은 상태에서는 FCM의 적용에 있어 오류가 일어날 수 있다. 본 논문의 목적은 첫째, FCM의 특성과 의미를 보다 명확히 하여 이론적인 측면을 보강하고자 한다. 이를 위해 논리적관계(implication)와는 다른 인과관계의 정의를 다시 확인하고, 이정의에 기초한 퍼지 인과관계의 특성을 파악하고, 퍼지 인과관계와 대비되는 퍼지 부분인과관계 및 단방향 개념변수를 새로이 정의함으로써 FCM구축에 있어 잘못된 이해가 없게 하며, 둘째, FCM에서는 추론 방식이 갖추어야 할 원칙을 명시하고 이에 따라 이러한 원칙을 준수하는 새로운 추론 방식을 제시한다.