• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.467-470
• /
• 2005

퍼지모델은 주로 경험적 방법에 의해 추출되기 때문에 보다 구체적이고 체계적인 방법에 의한 동정 및 최적화 될 필요성이 요구된다. 따라서 본 논문에서는 퍼지 모델의 전반부 및 후반부의 구조 동정과 파라미터 동정에 있어서 최적의 구조 및 파라미터를 찾기 위해 유전자 알고리즘을 이용한다. 초기 퍼지 모델을 설계하기 위해 유전자 알고리즘을 이용하여 입력 변수의 수, 선택될 입력 변수, 멤버쉽함수의 수, 그리고 후반부 형태를 결정한다. 구축된 퍼지 모델은 유전자 알고리즘에 의해 세대를 거듭하면서 전반부 파라미터를 자동 동조함으로써 최적의 퍼지 모델을 설계한다. 또한 구조 동정 및 파라미터 동정을 동시에 시행함으로서 정보 입자 기반 퍼지 모델의 유전자적 최적화를 도모한다. 마지막으로 제안된 퍼지 모델은 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• v.4 no.1
• /
• pp.7-11
• /
• 2004

This paper proposes a new immunotronic approach for the fault detection in hardware. The suggested method is, inspired by biology and its implementation is based on genetic algorithm. Tolerance conditions in the immunotronic system for fault detection correspond to the antibodies in the biological immune system. A novel algorithm of generating tolerance conditions is suggested based on the principle of the antibody diversity and GA optimization is employed to select mature tolerance conditions in immunotronic fault detection system. The suggested method is applied to the fault detection for MCNC benchmark FSMs (finite state machines) and its effectiveness is demonstrated by the computer simulation.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• v.7 no.4
• /
• pp.242-248
• /
• 2007

This paper analyzes on the chaos characteristics of the chaotic neural networks and presents the convergence condition. Although the transient chaos of neural network sould be beneficial to overcome the local minimum problem and speed up the learning, the permanent chaotic response gives adverse effect on optimization problems and makes neural network unstable in general. This paper investigates the dynamic characteristics of the chaotic neural networks with the chaotic dynamic neuron, and presents the convergence condition for stabilizing the chaotic neural networks.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.287-291
• /
• 2009

지구 온난화의 영향으로 최근 이상홍수에 의한 피해가 증가하고 있다. 국내 다목적댐의 경우 월별 목표수위를 기준으로 하는 저수지 운영률이 존재하지만 이것은 실제 이상홍수가 발생할 경우 저수지 운영에 도움을 주지 못하는 것이 현실이다. 본 연구에서는 자원배분문제의 최적해를 찾는데 사용되는 최적화기법의 하나인 선형계획법과 수자원 문제와 같이 불확실성이 산재해있고, 애매모호한 문제를 다루기에 적합한 퍼지제어 기법을 적용하여 이상홍수 발생 시 두 개 이상의 다목적댐 군을 연계운영하기 위한 퍼지 최적 운영 기법을 개발하는 것을 목표로 하였다. 시험유역으로는 낙동강 상류에 위치한 안동댐과 임하댐 유역을 대상으로 PMF 발생 시 댐의 안전성을 높이고 안동시 지점에서의 최대홍수량을 최소화하기 위한 퍼지최적운영기법을 개발하였다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1962-1963
• /
• 2011

본 연구에서는 패턴분류를 위해 최적화된 방사형 기저 함수 신경회로망(Radial Basis Function Neural Networks) 분류기를 제안한다. RBFNN은 입력층, 은닉층, 출력층의 3층 구조로 되어 있으며 Multi Dimension, Predictive ability, Robustness한 특징이 있다. RBFNN의 은닉층에는 기존의 활성함수가 아닌 Fuzzy C-means 클러스터링 알고리즘을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. RBFNN은 은닉층의 노드수와 FCM 클러스터링의 퍼지화 계수, 연결가중치의 다항식 타입이 모델의 성능의 향상에 영향을 미치기 때문에 최적화가 필요하며 본 논문에서는 Differential Evolution(DE) 알고리즘을 사용하여 모델의 구조 및 파라미터를 최적화시켜 모델의 성능을 향상시켰다. 제안된 모델을 평가하기 위해 패턴분류에 많이 사용되는 Iris 데이터와 Wine 데이터를 이용하였다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1865_1866
• /
• 2009

본 연구에서는 복잡하고 비선형 시스템의 모델을 동정하기 위해 Information Granulation에 기반한 퍼지추론 시스템의 새로운 범주를 소개한다. Information Granulation은 근접성, 유사성 EH는 기능성 등에 인하여 서로 결합되는 대상(특히, 데이터)의 연결된 모임으로 간주된다. HCM클러스터링에 의한 Information Granulation은 퍼지 규칙의 전반부 및 후반부에서 사용되는 멤버쉽 함수의 초기 정점과 다항식함수의 초기 값과 같은 퍼지 모델의 초기 파라미터를 결정하는데 도움을 준다. 그리고 초기 파라미터는 PSO 알고리즘과 최소자승법에 의해 효과적으로 동조된다. 제안된 모델은 Box와 jenkins가 사용한 가스로 공정[6]을 모델링하여 기존 퍼지 모델링 방법과 비교 평가한다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• 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.

• Journal of Information Processing Systems
• /
• v.7 no.3
• /
• pp.397-412
• /
• 2011

Granular Computing has emerged as a unified and coherent framework of designing, processing, and interpretation of information granules. Information granules are formalized within various frameworks such as sets (interval mathematics), fuzzy sets, rough sets, shadowed sets, probabilities (probability density functions), to name several the most visible approaches. In spite of the apparent diversity of the existing formalisms, there are some underlying commonalities articulated in terms of the fundamentals, algorithmic developments and ensuing application domains. In this study, we introduce two pivotal concepts: a principle of justifiable granularity and a method of an optimal information allocation where information granularity is regarded as an important design asset. We show that these two concepts are relevant to various formal setups of information granularity and offer constructs supporting the design of information granules and their processing. A suite of applied studies is focused on knowledge management in which case we identify several key categories of schemes present there.

• Journal of Institute of Control, Robotics and Systems
• /
• v.13 no.4
• /
• pp.365-370
• /
• 2007

This paper studies an automation problem of a heating, a ventilating, and an air conditioning (HVAC) for the development of smart space. The HVAC system is described by the fuzzy system for the stability analysis and the controller design. The linear matrix inequalities (LMIs) conditions are derived for the stabilization problem of the closed-loop system under the analog control. Also, it is required to digitally redesign the pre-designed the analog HVAC control system in order to accomplish the remote control via web. It is shown the this digital redesign problem can be converted to the convex optimization problem with the LMI constraints. An example is provided to show the effectiveness of the proposed method.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.523-527
• /
• 2004

This paper presents a new design methods of the short-term load forecasting system (STLFS) using the data mining. The proposed predictor takes form of the convex combination of the linear time series predictors for each inputs. The problem of estimating the consequent parameters is formulated by the convex optimization problem, which is to minimize the norm distance between the real load and the output of the linear time series estimator, The problem of estimating the premise parameters is to find the parameter value minimizing the error between the real load and the overall output. Finally, to show the feasibility of the proposed method, this paper provides the short-term load forecasting example.