• Journal of Intelligence and Information Systems
• /
• v.7 no.1
• /
• pp.135-147
• /
• 2001

This study proposes bankruptcy prediction model using fuzzy neural networks. Neural networks offer preeminent learning ability but they are often confronted with the inconsistent and unpredictable performance for noisy financial data. The existence of continuous data and large amounts of records may pose a challenging task to explicit concepts extraction from the raw data due to the huge data space determined by continuous input variables. The attempt to solve this problem is to transform each input variable in a way which may make it easier fur neural network to develop a predictive relationship. One of the methods selected for this is to map each continuous input variable to a series of overlapping fuzzy sets. Appropriately transforming each of the inputs into overlapping fuzzy membership sets provides an isomorphic mapping of the data to properly constructed membership values, and as such, no information is lost. In addition, it is easier far neural network to identify and model high-order interactions when the data is transformed in this way. Experimental results show that fuzzy neural network outperforms conventional neural network for the prediction of corporate bankruptcy.

• Journal of The Korean Association of Information Education
• /
• v.1 no.1
• /
• pp.28-37
• /
• 1997

This paper presents a new neural network based on fuzzy set and its application to invariant character recognition. The fuzzy neural network consists of five layers. The results of simulation show that the network can recognize characters in the case of distortion, translation, rotation and different sizes of handwritten characters and even with noise(8${\sim}$30%)). Translation, distortion, different sizes and noise are achieved by layer L2 and rotation invariant by layer L5. The network can recognize 108 examples of training with 100% recognition rate when they are shifted in eight directions by 1 pixel and 2 pixels. Also, the network can recognize all the distorted characters with 100% recognition rate. The simulations show that the test patterns cover a ${\pm}20^{\circ}$ range of rotation correctly. The proposed network can also recall correctly all the learned characters with 100% recognition rate. The proposed network is simple and its learning and recall speeds are very fast. This network also works for the segmentation and recognition of handwritten characters.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.7 no.5
• /
• pp.51-59
• /
• 1997

In this paper, we perform the position control of a DC servo motor using fuzzy neural controller. We use the Fuzzy controller for the position control, because the Fuzzy controller is designed simpler than other intelligent controller, but it is difficult to design for the triangle membership function format. Therefore we solve the problem using the BP learning method of neural network. The proposed Fuzzy neural network controller has been applied to the position control of various virtual plants. And the DC servo motor position control using the fuzzy neural network controller is performed as a real time experiment.

• 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.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.7 no.5
• /
• pp.46-50
• /
• 1997

In fuzzy logic control, static fuzzy rules cannot cope with significant changes of parameters of plants or environment. To solve this prohlem, self-organizing fuzzy control. neural-network-hased fuzzy logic control and so on have heen introduced so far. However, dynamically changed fuzzy rules of these schemes may make a fuzzy logic controller Fall into dangerous situations because the changed fuzzy rules may he incomplete or inconsistent. This paper proposes a new adaptive filzzy logic control scheme using a predictivc neural network. Although some parameters of a controlled plant or environment are changed, proposed fuzzy logic controller changes its decision outputs adaptively and robustly using unchanged initial fuzzy rules and the predictive errors generated hy the predictive neural network by on-line learning. Experimental results with a D<' servo-motor position control problem show that propnsed cnntrol scheme is very useful in the viewpoint of adaptability.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2006.05a
• /
• pp.352-357
• /
• 2006

매년 도로와 주차공간의 확장보다 차량의 수가 빠르게 증가하여 그에 따라 불법 주차 관리의 어려움이 증가하고 있다. 이러한 문제점을 해결하기 위해 지능형 주차 관리 시스템이 필요하게 되었다. 본 논문에서는 획득된 차량 영상에서 수직 에지의 특징을 이용하여 번호판 영역과 개별 코드를 추출하고, 추출된 개별 코드를 퍼지 신경망 알고리즘을 제안하여 학습 및 인식한다. 본 논문에서는 차량 번호판 영역을 검출하기 위해 프리윗 마스크를 적용하여 수직 에지를 찾고, 차량 번호판의 정보를 이용하여 잡음을 제거한 후에 차량 번호판 영역을 추출한다. 추출된 차량 번호판 영역은 반복 이진화방법을 적용하여 이진화하고, 이진화된 차량 번호판 영역에 대해서 수직 분포도와 수평 분포도를 이용하여 번호판의 개별 코드를 추출한다 추출된 개별 코드는 제안된 퍼지 신경망 알고리즘을 적용하여 인식한다. 제안된 퍼지 신경망은 입력층과 중간층간의 학습 구조로는 FCM 알고리즘을 적용하고 중간층과 출력층간의 학습 구조는 Max_Min 신경망을 적용한다. 제안된 방법의 추출 및 인식 성능을 평가하기 위하여 실제 차량 영상 150장을 대상으로 실험한 결과, 기존의 차량 번호판 인식 방법보다 효율적이고 인식 성능이 개선된 것을 확인하였다.

• 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.

• Korean Journal of Cognitive Science
• /
• v.13 no.1
• /
• pp.13-21
• /
• 2002

Fuzzy logic ignores some information in the reasoning process. Neural network is 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. Experiments are performed to compare search costs by sequential searching and searching by priority. The experimental results show that the searching by priority is more efficient than the sequential searching as the size of the fuzzy inference network becomes larder and an the number of searching increases.

• 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.

• 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.