• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.509-514
• /
• 2015

본 논문에서는 인공 신경망의 일종인 Extreme Learning Machine의 학습 알고리즘을 기반으로 하여 노이즈에 강한 특성을 보이는 퍼지 집합 이론을 이용한 새로운 패턴 분류기를 제안 한다. 기존 인공 신경망에 비해 학습속도가 매우 빠르며, 모델의 일반화 성능이 우수하다고 알려진 Extreme Learning Machine의 학습 알고리즘을 퍼지 패턴 분류기에 적용하여 퍼지 패턴 분류기의 학습 속도와 패턴 분류 일반화 성능을 개선 한다. 제안된 퍼지패턴 분류기의 학습 속도와 일반화 성능을 평가하기 위하여, 다양한 머신 러닝 데이터 집합을 사용한다.

• Journal of Electrical Engineering and Technology
• /
• 제3권1호
• /
• pp.108-114
• /
• 2008

Polynomial networks have been known to have excellent properties as classifiers and universal approximators to the optimal Bayes classifier. In this paper, the use of polynomial neural networks is proposed for efficient implementation of the polynomial-based classifiers. The polynomial neural network is a trainable device consisting of some rules and three processes. The three processes are assumption, effect, and fuzzy inference. The assumption process is driven by fuzzy c-means and the effect processes deals with a polynomial function. A learning algorithm for the polynomial neural network is developed and its performance is compared with that of previous studies.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 C
• /
• pp.1203-1205
• /
• 1998

Fault Detection of power system must be rapid and precise over input signal without relation to any disturbance. But, it is difficult to detect current unbalance, over voltage, and underfrequency for digital relay comparison of fault perfectly. In this paper, we measure each phase current and infer type of fault using fuzzy pattern classification.

• 융합신호처리학회논문지
• /
• 제8권3호
• /
• pp.185-191
• /
• 2007

윈격탐사 영상은 파장대에 따라 나누어진 여러 개의 밴드로부터 수집된 다중분광 이미지 데이터이다. 위성영상 분류는 원격탐사 처리 과정에 있어서 가장 중요한 분석 기법으로써 영상을 구성하는 각각의 화소들 중 비슷한 분광 특성을 갖는 것끼리 집단화시켜주는 방법이다. 본 논문에서는 PFCM 알고리즘을 응용한 원격탐사 영상의 패턴분류 방법에 관하여 연구하였다. PFCM 알고리즘은 각 데이터와 특정 클러스터 중심과의 거리에 대한 소속정도를 고려한 FCM 클러스터링 알고리즘과 데이터와 해당 클러스터 중심과의 거리에 의존하여 패턴의 전형성(typicality)을 고려한 PCM 클러스터링 알고리즘을 결합한 방법이다. 본 연구에서는 분류 항목별 학습데이터를 선정한 후 이를 PFCM 알고리즘에 적용하여 감독분류를 수행하였다. Landsat TM과 IKONOS 원격탐사 위성영상을 이용하여 PFCM 알고리즘의 적용성을 검증하였다. PFCM 알고리즘을 이용한 감독분류는 PCM, FCM 분류방법보다 좋은 결과를 보여주었으며, 또한 전통적인 분류방법인 최대우도분류보다도 정확도가 더 높은 결과를 보여주었다.

• 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.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1994년도 추계학술발표회 발표논문집; 연세대학교경영관, 서울; 8 Oct. 1994
• /
• pp.378-384
• /
• 1994

• 비파괴검사학회지
• /
• 제17권1호
• /
• pp.11-22
• /
• 1997

원자력발전소 압력용기 및 배관은 많은 용접부를 포함하고 있으며 용접부내 결함은 크기, 위치 및 형태에 따라 압력용기 및 배관의 건전성에 커다란 영향을 미친다. 따라서 주요 압력용기와 배관의 용접부에 대해서는 가동 전 중 검사시 초음파 탐상시험을 실시하여 그 건전성을 확인하고 있다. 초음파 결함 신호로부터의 결함 분류는 비파괴 평가에 있어 매우 중요하며 초음파 형상 인식 방법이 적당하다. 본 논문에서는 탄소강 압력용기 용접부에 내재하는 결함으로부터 얻어진 초음파 결함 신호의 형상 인식을 위한 절차로써 데이터 수집, 특징 추출, 특징 선택 및 결함 분류를 하였으며, 결함 분류에 있어 결함의 종류를 크게 선형(linear)과 체적(volumetric)의 두 종류로 분류함에 있어 퍼지이론을 적용하여 퍼지이론을 적용한 초음파 형상 인식 기법의 가능성 및 효율성을 제시하였고 그 결과 기존의 분류기(classifier)들에 비해 보다 우수한 결과를 얻을 수 있었다.

• 전자공학회논문지B
• /
• 제33B권2호
• /
• pp.118-130
• /
• 1996

Fuzzy inference is very useful in expressing ambiguous problems quantitatively and solving them. But like the most of the knowledge based inference systems. It has many difficulties in constructing rules and no learning capability is available. In this paper, we proposed a fuzzy inference system based on fuzy associative memory to solve such problems. The inference system proposed in this paper is mainly composed of learning phase and inference phase. In the learning phase, the system initializes it's basic structure by determining fuzzy membership functions, and constructs fuzzy rules in the form of weights using learning function of fuzzy associative memory. In the inference phase, the system conducts actual inference using the constructed fuzzy rules. We applied the fuzzy inference system proposed in this paper to a pattern classification problem and show the results in the experiment.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.956-958
• /
• 1995

This paper presents the automatic construction of fuzzy rule-based systems for diagnosing the faults of complex systems. Generally, fuzzy systems work well when we can use expert's experience to articulate fuzzy IF-THEN rules and memberships for fuzzy sets. When we cannot do this, we should generate the fuzzy rules and membership functions for fuzzy sets directly from experimental data. In this paper, we propose a new method on how to extract fuzzy sets and fuzzy rules. We also introduce an efficient fine-tunning algorithm of the parameters of membership functions.

• 한국지능시스템학회논문지
• /
• 제11권2호
• /
• pp.178-183
• /
• 2001

Welding is essential for the manufacture of a range of engineering components which may vary from very large structures such as ships and bridges to very complex structures such as aircraft engines, or miniature components for microelectronic applications. Especially, a domestic situation of the welding automation is still depend on the arc sensing system in comparison to the vision sensing system. Specially, the gap-detecting of workpiece using conventional arc sensor is proposed in this study. As a same principle, a welding current varies with the size of a welding gap. This study introduce to the fuzzy membership filter to cancel a high frequency noise of welding current, and ART2 which has the competitive learning network classifies the signal patterns the filtered welding signal. A welding current possesses a specific pattern according to the existence or the size of a welding gap. These specific patterns result in different classification in comparison with an occasion for no welding gap. The patterns in each case of 1mm, 2mm, 3mm and no welding gap are identified by the artificial neural network.