• 한국지능시스템학회논문지
• /
• 제7권2호
• /
• pp.96-105
• /
• 1997

본 논문에서는 복잡한 비선형 시스템의 모델동정을 위해 퍼지모델링의 새로운 방법이 제안된다. 제안된 FPNN모델링은 공정시스템의 입출력 데이터로부터 GMDH방법과 퍼지구현규칙을 이용하여 시스템의 구조와 파라미터 동정을 구현한다. 퍼지구현규칙의 전반부 구조와 파라미터 동정을 위하여 GMDH 방법과 희귀다항식 퍼지추론 방법이 사용되고 최적 후반부 파라미터 동정을 위하여 최소자승법이 사용된다. 가스로 시계열데이타 및 하수처리시스템의 활성화의 공정 데이터가 제안한 FPNN 모델링의 성능을 평가하기 위해 상용된다. 제안된 방법이 기존의 다른 논문과 비교하여 더 높은 정확도를 가진 지능형 모델을 생성함을 보인다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1993년도 정기총회 및 추계학술대회 논문집 학회본부
• /
• pp.326-328
• /
• 1993

Modelling theory, based on differential equations, is not an adequate tool for solving the problems of complex system. Identification of complex system using GMDH(group method of data handling) is more appropriate for this problems. In this paper, GMDH algorithm is used to identify the nonlinear plant and to design model following nonlinear control system. Simulation for the DC motor show the good performance of model following nonlinear control system.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.130-133
• /
• 2000

In this paper, a new design methodology named FNNN(Fuzzy Polynomial Neural Network) algorithm is proposed to identify the structure and parameters of fuzzy model using PNN(Polynomial Neural Network) structure and a fuzzy inference method. The PNN is the extended structure of the GMDH(Group Method of Data Handling), and uses several types of polynomials such as linear, quadratic and modified quadratic besides the biquadratic polynomial used in the GMDH. The premise of fuzzy inference rules defines by triangular and gaussian type membership function. The fuzzy inference method uses simplified and regression polynomial inference method which is based on the consequence of fuzzy rule expressed with a polynomial such as linear, quadratic and modified quadratic equation are used. Each node of the FPNN is defined as fuzzy rules and its structure is a kind of neuro-fuzzy architecture Several numerical example are used to evaluate the performance of out proposed model. Also we used the training data and testing data set to obtain a balance between the approximation and generalization of proposed model.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.473-473
• /
• 2011

Group method of data handling neural networks model (GMDH-NNM) is used to estimate daily reference evapotranspiration (ETo) using limited climatic variables such as max temperature ($T_{max}$), min temperature ($T_{min}$), mean wind speed ($W_{mean}$), mean relative humidity ($RH_{mean}$) and sunshine duration (SD). And, for the performances of GMDH-NNM, it consists of training and test performances, respectively. The training and test performances are carried out using daily time series data, respectively. From this research, we evaluate the impact of GMDH-NNM for the modeling of the nonlinear time series data. We should, thus, construct the credible data of the daily ETo data using GMDH-NNM, and can suggest the methodology for the irrigation and drainage networks system. Furthermore, this research represents that the strong nonlinear relationship such as ETo modeling can be generalized using GMDH-NNM.

• 한국지능시스템학회논문지
• /
• 제7권3호
• /
• pp.65-71
• /
• 1997

신경 회로망의 출현으로 비선형 시스템 모델링에 대한 관힘이 다시 고조되고 있다. 따라서 본 논문에서는 미지의 비선형 시스템을 동적으로 인식하기 위해 GMDH(Group Method of Data Handling) 일고리즘을 사용한 DPNN(Dynamic Polynomial Neural Network)을 제안한다. GMDH를 사용한 동적 시스템의 인신은 일렬의 입/출력 데이타를 인가하여 필요한 계수들의 집합을 동적으로 산출함으로써 훈련시킨다. 또한 DPNN을 이용하여 비선형 시스템을 제어하기 위해, MRA(Model Reference Adaptive Control)를 설계한다. 결과에서 컴퓨터 시뮬레이션을 통해 DPNN을 사용한 모델링과 제어가 잘 수행됨을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1596-1599
• /
• 2010

Group method of data handling neural networks model (GMDH-NNM) is used to estimate daily pan evaporation (PE) using limited climatic variables such as max temperature ($T_{max}$), min temperature ($T_{min}$), mean wind speed ($W_{mean}$), mean relative humidity ($RH_{mean}$) and sunshine duration (SD). And, for the performances of GMDH-NNM, it is composed of training and test performances, respectively. The training and test performances are carried out using daily time series data, respectively. From this research, we evaluate the impact of GMDH-NNM for the modeling of the nonlinear time series data. We should, thus, construct the credible data of the daily PE data using GMDH-NNM, and can suggest the methodology for the irrigation and drainage networks system. Furthermore, this research represents that the strong nonlinear relationship such as pan evaporation modeling can be generalized using GMDH-NNM.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.866-869
• /
• 2018

본 논문에서는 운전자의 충돌 회피 행동을 집중하여 GMDH 기법을 기초로 한 인간의 운전 행동 분석을 나타내고 있다. 운전 데이터는 3D 시각정보를 제공하는 CAVE 기반의 3차원 운전 시뮬레이터를 사용하여 취득하였다. 운전 행동의 수학적 모델을 구축하기 위해 GMDH를 도입하여 측정된 데이터를 GMDH에 적용하였다. 획득한 모델로부터, 3D 환경 하에서의 충돌 회피 행동에서 전후 차간 거리($x_1$), 전후 차간 상대속도 ($x_2$) 및 좌우 상대위치 ($x_4$)가 중요한 역할을 한다는 것을 알 수 있었다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1995년도 추계학술대회발표논문집; 서울대학교, 서울; 30 Sep. 1995
• /
• pp.387-395
• /
• 1995

롤(Roll)의 주물 가공 시스템의 성능(Performance)분석의 문제는 일반적으로 관련된 많은 요인들 때문에 매우 복잡하다. 롤 제조 시스템의 성능과 관련된 주요 요인으로서 주형(Moulding) 제작, 원재료의 용해, 후처리 및 가공 공정 의 요인들을 들 수 있다. 본 연구에서는 이러한 복잡한 롤의 주물 및 가공공 정상의 요인들로부터 롤 제조 시스템의 불량률을 평가하기 위하여 발견적인 방법인 GMDH(Group Method Data Handling)-Type 모델링 방법을 이용하 였다. 롤 주물 가공 시스템의 성능을 불량률로 두고 이에 주요 영향 요인들 의 입력 Data를 위하여 현장 자료로부터 상하한 값을 구하여, Hyper-Cube 프로그램을 이용하여 필요한 수의 Data를 보완하여 사용하였다. 시스템 성능 과 관련된 인자들을 2개식 가능한 조합을 하고 이들 각각의 조합들에 대하 여 6개항으로 된 예측식으로 회귀분석하고 일정 수준 이상의 결과들만을 다 음 단계의 자료로 사용하였다. GMDH 방법은 매 단계마다 영향이 적은 변 수조합을 제외시키므로 최종 해는 그 정확성이 매우 높다. 본 연구를 위하여 GMDH 알고리즘에 따라 계산할수 있는 전산 프로그램을 개발하여 사용하였 으며, 적용예를 롤 주물제조공정에 응용하여 보였다.. 분석된 자료에 의하면 예측 오차가 매우 적음을 보였다.

• 센서학회지
• /
• 제14권2호
• /
• pp.109-115
• /
• 2005

Calibration is a prerequisite procedure for employing a camera as a 3D sensor in an automated machines like robots. As accurate sensing is possible only when the vision sensor is calibrated accurately, many different approaches and models have been proposed for increasing calibration accuracy. Particularly an important factor which greatly affects the calibration accuracy is the nonlinearity in the mapping between 3D world and corresponding 2D image. In this paper GMDH algorithm is used to learn the nonlinearity without physical modelling. The technique proposed can be effective in various situations where the levels of noises and characteristics of nonlinear distortion are different. In simulations and an experiment, the proposed technique showed good and reliable results.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 추계학술대회 논문집 학회본부 B
• /
• pp.675-677
• /
• 1998

In this paper, we propose the fuzzy inference algorithm with multi-layer structure. MFIS(Multi-layer Fuzzy Inference System) uses PNN(Polynomial Neural networks) structure and the fuzzy inference method. The PNN is the extended structure of the GMDH(Group Method of Data Hendling), and uses several types of polynomials such as linear, quadratic and cubic, as well as the biquadratic polynomial used in the GMDH. In the fuzzy inference method, the simplified and regression polynomial inference methods are used. Here, the regression polynomial inference is based on consequence of fuzzy rules with the polynomial equations such as linear, quadratic and cubic equation. Each node of the MFIS is defined as fuzzy rules and its structure is a kind of neuro-fuzzy structure. We use the training and testing data set to obtain a balance between the approximation and the generalization of process model. Several numerical examples are used to evaluate the performance of the our proposed model.