• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1996년도 추계학술대회 학술발표 논문집
• /
• pp.129-132
• /
• 1996

In this paper, we suggest a framework to represent the fuzziness in knowledge base as a perspective of the object-oriented paradigm. We divide the knowledge base in two parts. One is the object-base that stores the fuzzy propositions and the explanatory databases. The other is the rule-base that manages the rules between the fuzzy propositions. As the first step, we have to develop a new fuzzy object model that gives an easy way to represent the fuzzy propositions, that is, the fuzzy knowledge in the real world.

• 한국멀티미디어학회논문지
• /
• 제7권4호
• /
• pp.559-566
• /
• 2004

일반적으로 퍼지 생성규칙의 확신도와 규칙에 나타나는 퍼지 명제의 확신도는 0과 1사이의 실수로 표현한다. 만일 퍼지 생성규칙의 확신도와 퍼지 명제의 확신도를 구간값 퍼지 집합으로 표현한다면, 규칙기반시스템이 더 유연한 방법으로 퍼지 추론을 하는 것이 가능하게 된다. 본 논문에서는 퍼지 페트리네트와 이 네트에 기반을 둔 규칙 기반시스템을 위한 구간값 퍼지 집합 후진추론 알고리즘을 제안한다. 규칙 기반시스템에 있는 퍼지 생성규칙은 퍼지 페트리네트로 모형화된다. 여기에서 퍼지 생성규칙에 나타나는 퍼지 명제의 확신도와 규칙의 확신도는 구간값 퍼지 집합으로 표현한다. 여기에서 제안한 알고리즘은 목표노드에서 시작노드까지 후진추론 통로를 찾아낸 후 목표노드의 확신도를 계산한다. 구간값 퍼지 집합 후진추론 알고리즘은 규칙 기반 시스템이 더 유연하고 사람들이 하는 것과 같은 퍼지 후진추론을 가능하게 한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권5호
• /
• pp.625-631
• /
• 2004

일반적으로 퍼지 생성규칙의 확신도와 규칙에 나타나는 퍼지 명제의 확신도는 0과 1사이의 실수로 표현한다. 만일 퍼지 생성규칙의 확신도와 퍼지 명제의 확신도를 구간 값 퍼지 집합으로 표현한다면, 규칙기반시스템이 더 유연한 방법으로 퍼지 추론을 하는 것이 가능하게 된다[15］. 본 논문에서는 퍼지 페트리네트와 이 네트에 기반을 둔 규칙기반시스템을 위한 구간 값 퍼지 집합 추론 알고리즘을 제안한다. 규칙기반시스템에 있는 퍼지 생성규칙은 퍼지 페트리네트로 모형화 된다. 여기에서 퍼지 생성규칙에 나타나는 퍼지 명제의 확신도와 규칙의 확신도는 구간 값 퍼지 집합으로 표현한다. 제안한 구간 값 퍼지집합 추론알고리즘은 규칙기반시스템에서 더 유연한 퍼지추론을 하는 것을 가능하게 한다.

• 한국수학사학회지
• /
• 제12권2호
• /
• pp.151-158
• /
• 1999

In this paper, the concepts of semiprime $L$-fuzzy ideals and semiprimary $L$-fuzzy ideals of a $L$-fuzzy ring are introduced and some fundamental propositions proved. And we investigate the relation between fuzzy nil radical and semiprimary.

• 인터넷정보학회논문지
• /
• 제5권4호
• /
• pp.115-124
• /
• 2004

본 논문에서는 가중 퍼지 페트리네트에 기반을 둔 규칙기반시스템을 위한 가중 퍼지 후진추론 알고리즘을 제안한다. 규칙기반시스템에 있는 퍼지 생성규칙은 가중 퍼지 페트리네트로 모형화된다. 여기에서 퍼지 생성규칙에 나타나는 퍼지 명제의 진리값과 규칙의 확신도는 퍼지 숫자로 표현한다. 그리고 규칙에 나타나는 퍼지 명제의 가중값도 퍼지 숫자로 표현하다. 제안한 가중 퍼지 후진추론 알고리즘은 목표노드에서 초기노드까지 후진추론 통로를 생성한 후 목표노드의 확신도를 계산한다. 우리가 제안한 알고리즘은 규칙기반시스템이 더 유연하고 사람과 같은 방법으로 가중 퍼지 후진추론을 하는 것을 가능하게 한다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권1호
• /
• pp.7-12
• /
• 2005

This paper deals with the fuzzy modeling for the complex and uncertain nonlinear systems, in which conventional and mathematical models may fail to give satisfactory results. Finally, we provide numerical examples to evaluate the feasibility and generality of the proposed method in this paper. The expert system which introduces fuzzy logic in order to process uncertainties is called fuzzy expert system. The fuzzy expert system, however, has a potential problem which may lead to inappropriate results due to the ignorance of some information by applying fuzzy logic in reasoning process in addition to the knowledge acquisition problem. In order to overcome these problems, We construct fuzzy inference network by extending the concept of reasoning network in this paper. In the fuzzy inference network, the propositions which form fuzzy rules are represented by nodes. And these nodes have the truth values representing the belief values of each proposition. The logical operators between propositions of rules are represented by links. And the traditional propagation rule is modified.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권9호
• /
• pp.927-935
• /
• 2005

규칙기반시스템에서 퍼지 생성규칙의 확신도와 규칙에 나타나는 퍼지 술어의 확신도는 0과 1사이의 실수로 표현한다. 만일 퍼지 생성규칙의 확신도와 퍼지 술어의 확신도를 모호집합에 기반을 둔 0과 1사이의 모호숫자와 같은 구간으로 표현한다면, 규칙기반시스템이 더 유연한 방법으로 퍼지추론을 하는 것이 가능하게 된다[18]. 우리는 모호집합 추론을 자동으로 실행하는 효율적인 알고리즘을 제안하였다. 이 모호집합 추론 알고리즘은 규칙기반시스템이 더 유연하고 효율적인 추론을 실행하는 것을 허용한다.

• East Asian mathematical journal
• /
• 제24권3호
• /
• pp.213-221
• /
• 2008

In this paper, a new class of fuzzy topological spaces called ordered fuzzy pre-extremally disconnected spaces is introduced. Tietze extension theorem for ordered fuzzy pre-extremally disconnected spaces has been discussed as in [9] besides proving several other propositions and lemmas.

• 한국지능시스템학회논문지
• /
• 제1권1호
• /
• pp.9-25
• /
• 1991

This tutorial paper has been written for biologists, physicians or beginners in fuzzy sets theory and applications. This field is introduced in the framework of medical diagnosis problems. The paper describes and illustrates with practical examples, a general methodology of special interest in the processing of borderline cases, that allows a graded assignment of diagnoses to patients. A pattern of medical knowledge consists of a tableau with linguistic entries or of fuzzy propositions. Relationships between symptoms and diagnoses are interpreted as labels of fuzzy sets. It is shown how possibility measures (soft matching) can be used and combined to derive diagnoses after measurements on collected data. The concepts and methods are illustrated in a biomedical application on inflammatory protein variations. In the case of poor diagnostic classifications, it is introduced appropriate ponderations, acting on the characterizations of proteins, in order to decrease their relative influence. As a consequence, when pattern matching is achieved, the final ranking of inflammatory syndromes assigned to a given patient might change to better fit the actual classification. Defuzzification of results (i.e. diagnostic groups assigned to patients) is performed as a non fuzzy sets partition issued from a "separating power", and not as the center of gravity method commonly employed in fuzzy control. It is then introduced a model of fuzzy connectionist expert system, in which an artificial neural network is designed to build the knowledge base of an expert system, from training examples (this model can also be used for specifications of rules in fuzzy logic control). Two types of weights are associated with the connections: primary linguistic weights, interpreted as labels of fuzzy sets, and secondary numerical weights. Cell activation is computed through MIN-MAX fuzzy equations of the weights. Learning consists in finding the (numerical) weights and the network topology. This feed forward network is described and illustrated in the same biomedical domain as in the first part.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 ISIS 2003
• /
• pp.579-582
• /
• 2003

In this paper, we propose a 4-step inference method needed for constructing a natural language communication system. The method is used to obtain fuzzy quantifier Q′when QA is Fisr τ⇔ Q′(m′A) is mF is m"is τ is inferred (Q, Q′: quantifiers, A: fuzzy subject, m′, m": modifiers, y: fuzzy predicate, τ: truth qualifier). We show that Q′is resolved step by step for two types of Q, including a non-increasing type (few,...) and a non-decreasing type(most,...).