• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.11 no.1
• /
• pp.81-91
• /
• 1997

본 논문에서는 시스템 모델링이 어렵과 복잡한 자동화 설비를 위한 간단한 지능제어방식을 제안하나. 제안된 방식은 시스템 모델링이 불확실한 시스템에 대하여 입력신호와 직접관계되지 않은 비선형 함수의 동정은 퍼지-신경회로망을 이용하고, 입력신호와 관계되는 비선형 함수는 동정을 하지 않고 임의의 양의 실수로 놓으므로 기존의 전체함수 동정보다 적은량으로 동정할 수 있고, 동정된 정보를 이용하여 비선형 제어기를 설계하는 간단한 제어방식이다. 제안된 제어 방식의 유용성을 확인하기 위하여 자동화 설비에 액츄에이터로 많이 사용되는 직류 서보전동기를 이용한 역진자 시스템에 적용하여 시뮬레이션 및 실험을 하고, 제안된 제어방식을 기존의 신경회로망 제어방식과 제어성능을 비교 검토한다.

• Proceedings of the KIEE Conference
• /
• 2001.07a
• /
• pp.318-322
• /
• 2001

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용한 단기 전력 수요 예측시스템에서 예측치별로 신뢰도를 계산하는 체계적인 방법을 제안한다. 예측시스템의 신뢰도를 추정하는 작업은 특히 신경회로망과 같은 경험적 모델을 실제 활용하기 위해서 필수적인 연구로 인식되고 있다. 본 논문에서 제안하는 출력별 신뢰 구간 계산 방법은 지역 표현하는 뉴로-퍼지 모델의 특성을 활용하여 학습된 퍼지 규칙 각각에 대해 신뢰도를 추정하는 Local reliability measure 기법을 사용한다. 제안된 신뢰도 계산이 가능한 단기 전력 수요 예측시스템은 먼저 결정 트리를 이용하여 초기 구조를 생성하고, 이를 초기 구조 뱅크에 저장한다. 저장된 초기 구조 뱅크를 이용하여 뉴로-퍼지 모델을 학습하고, 학습된 퍼지 규칙의 신뢰도를 추정한다. 제안된 시스템의 실효성을 검증하기 위해서 한국 전력에서 수집한 1996년과 1997년의 실제 전력 수요 데이터를 이용하여 한 시간 앞의 수요를 예측하는 모의 실험을 수행하고 실험 결과를 비교 분석한다.

• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.11 no.2
• /
• pp.102-109
• /
• 1997

The width of fuzzy membership function and control rule has an effect on performance of the fuzzy controller for electric equipment systems. In this paper, the neuro-fuzzy controller is proposed to im¬prove the performance of fuzzy controller. It has the width of membership function, that is adapted to the electrical parameter using multi-layer neural network, it is applied to first order electric power system with dead time and various plant constant. The related simulation resolts show that the pro¬posed neuro fuzzy controller are superior characteristics of improved performance

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.187-192
• /
• 2008

A saturation and deadzone compensator is designed for robot systems using fuzzy logic (FL) and neural network (NN). The classification property of FL system and the function approximation ability of the NN make them the natural candidate for the rejection of errors induced by the saturation and deadzone. The tuning algorithms are given for the fuzzy logic parameters and the NN weights, so that the saturation and deadzone compensation scheme becomes adaptive, guaranteeing small tracking errors and bounded parameter estimates. Formal nonlinear stability proofs are given to show that the tracking error is small. The NN saturation and FL deadzone compensator is simulated on a robot system to show its efficacy.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.19 no.8
• /
• pp.1503-1517
• /
• 1994

Intelligent Motion Planning System(IMPS) is presented for a robot to achieve an efficient path toward the given target point in two dimensional unknown environment is constructed with unrestricted obstacle shapes. IMPS consists of three components for making intelligent motion. These components are real-time motion planning algorithm based on a discontinous boundary method, fuzzy neural network decision system for heuristic knowledge representation, and world modeling with forgetting and reinforcing memory cells. First of all, in real-time motion planning algorithm, the behavior-based architectural method is used to generate subgoal. A behavior generates a subgoal independently by using the method of discontinuous boundary in sensed area. The discontinuous boundary method is a new proposed fast obstacle avoidance algorithm. The second component is fuzzy neural network decision system for accomplishing the subgoal. The heuristic rules are imbedded on the fuzzy neural network to make an intelligent decision. The last one is a forgetting, reinforcing memory technique for the construction of external world map. The activation values of all activated memory cells in grid space are decreased monotonically and after all they are burned out. Therefore, after sufficient journey, robot can have a stationary world map even if the dynaic obstacles exist. Using the IMPS, several simulations show the efficient achievement of target point in unknown enviroment with obstcles of various shapes.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1889-1890
• /
• 2008

본 연구에서는 퍼지 추론 메커니즘에 기반 한 Polynomial RBF Neural Network(p-RBFNN)를 설계하고 얼굴인식 문제로 적용하여 분류기로서의 성능을 분석한다. 제안된 p-RBFNN 구조는 FCM 클러스터링에 기반 한 분할 함수를 활성 함수로 사용하며, 다항식 함수로 구성된 연결가중치를 사용함으로서 기존 신경회로망 분류기의 선형적인 특성을 개선한다. p-RBFNN 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. 또한 제안된 p-RBFNN을 얼굴인식 문제로 적용하여 성능을 분석한다.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.35S no.3
• /
• pp.150-158
• /
• 1998

This paper describes the classification of remotely sensed image data using fuzzy neural network, whose algorithm was obtained by replacing real numbers used for inputs and outputs in the standard back propagation algorithm with fuzzy numbers. In the proposed method, fuzzy patterns, generated based on the histogram ofeach category for the training data, are put into the fuzzy neural network with real numbers. The results show that the generalization and appoximation are better than that ofthe conventional network in determining the complex boundary of patterns.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.453-454
• /
• 2007

전력설비에 대한 부분방전 패턴인식은 결함의 차이에 따라 다양한 패턴의 차이를 보이고 있으며, 신경회로망을 비롯한 다양한 패턴인식 기법들이 적용되고 있다. 본 논문에서는 이의 일환으로 퍼지 집합 기반 퍼지뉴럴네트워크를 설계하여 초고압 XLPE 케이블 절연접속함의 모의 결합에 대해 부분방전 신호를 패턴인식하고자 한다. 부분방전 신호는 보이드 방전, 코로나 방전, 노이즈의 3개 클래스로 분류하게 되며, PRPDA 방법을 통해 556개의 입력 벡터와 3개의 출력 벡터를 가지며 총 120개의 패턴수를 가진다.

• Journal of the Society of Naval Architects of Korea
• /
• v.35 no.3
• /
• pp.79-87
• /
• 1998

The purpose of this paper is to develope a neurofuzzy system for a ship design which can determine efficiently design values e.g. principal dimensions and hull factors in a conceptual design. The neurofuzzy system for a ship design(NeFHull) applies a information about given input-output data to fuzzy theories and deals these fuzzificated values with neural networks, e.g. first, redefines normalized input-output data ad membership functions and then executes these fuzzficated information with backpropagation neural networks. We use a hybrid learning algorithm in the training of neural networks and examine the usefulness of suggested method through mathematical and mechanical examples.

• Journal of Korea Multimedia Society
• /
• v.3 no.2
• /
• pp.201-208
• /
• 2000

In this paper We describe an algorithm which is devised for 4he partition o# the input space and the generation of fuzzy rules by the fuzzy entropy and tested with the time series prediction problem using Mackey-Glass chaotic time series. This method divides the input space into several fuzzy regions and assigns a degree of each of the generated rules for the partitioned subspaces from the given data using the Shannon function and fuzzy entropy function generating the optimal knowledge base without the irrelevant rules. In this scheme the basic idea of the fuzzy neural network is to realize the fuzzy rules base and the process of reasoning by neural network and to make the corresponding parameters of the fuzzy control rules be adapted by the steepest descent algorithm. The Proposed algorithm has been naturally derived by means of the synergistic combination of the approximative approach and the descriptive approach. Each output of the rule's consequences has expressed with its connection weights in order to minimize the system parameters and reduce its complexities.