• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.315-315
• /
• 2000

In this paper, we perform the time series prediction using the SVM(Support Vector Machine). We make use of two different loss functions and two different kernel functions; i) Quadratic and $\varepsilon$-insensitive loss function are used; ii) GRBF(Gaussian Radial Basis Function) and ERBF(Exponential Radial Basis Function) are used. Mackey-Glass time series are used for prediction. For both cases, we compare the results by the SVM to those by ANN(Artificial Neural Network) and show the better performance by SVM than that by ANN.

• 한국지능시스템학회논문지
• /
• 제7권3호
• /
• pp.34-42
• /
• 1997

본 논문은 새로은 퍼지 규칙의 생성을 위한 학습 알고리즘과 시계열 예측에의 응용을 다루고 있다. 데이터에서 IF-THEN문 형태의 퍼지 규칙을 생성시키는 과정에서 동일한 전건부(IF문)에 대해 상이한 후건부(THEN문)가 생겨 모순된 규칙을 형성시키는 경향이 있다. 수정된 중심값 방법(Modified Center Method)으로 명명된 새로운 알고리즘은 이와 같은 모순된 규칙의 형성을 효과적으로 해결하여, 시계열 예측을 수행하는데 그 오차를 줄일 수 있다. 알고리즘의 효과를 살표보기 위해 Mackey-Glass time series와 Gas Furnace data 분석에 적용하였다.

• 한국지능시스템학회논문지
• /
• 제10권4호
• /
• pp.315-323
• /
• 2000

본 논문에서는 생명창발과 진화에 기반한 신경망 구성방법을 제안한다. 이 방법은 생뭉의 DNA 구조의 특성과 식물의 생장에 기반을 둔 방법이다. 본 논문에서 제안한 방법은 DNA 코딩 방법과 L-system의 생장 구칙을 이용하여 신경망을 구성하는 방법이닫. L-system은 병렬적인 제조합 규칙을 이용하여, DNA 코딩 방법은 표현의 제약이 없는 표기법이다. 또한 진화 알고리듬은 다윈의 자연도태를 모방한 탐색법으로 다양한 해공간의 표현과 높은 효율로 탐색이 가능하다. 본 논문에서는 이러한 방법들을 이용햐 신경망을 구성하고, 신경망의 Mackey-Glass, Sunspot, KOSPI 같은 시계열 예측분제에 적용하여 유효성을 입증하고자 한다.

• 사물인터넷융복합논문지
• /
• 제4권1호
• /
• pp.1-5
• /
• 2018

본 논문에서는 노이즈에 의해 훼손된 시계열 데이터의 모델링에 대하여 다룬다. 모델링 기법으로, 논싱글톤 퍼지 시스템을 사용한다. 논싱글톤 퍼지 시스템의 주요특징은 미지의 비선형시스템의 입력이 퍼지값으로 모델링 된다는데 있다. 그러므로 퍼지시스템에 인가되는 학습데이터나 입력데이터 등이 노이즈나 외부 환경에 의해 변형된 경우에 매우 유용하게 적용될 수 있다. 성능비교를 위해 벤치마크 데이터로 잘 알려진 Mackey-Glass 데이터를 사용한다. 이들 데이터 모델링을 통하여 결과를 비교, 분석하여 논싱글톤 퍼지시스템이 잡음에 대하여 보다 강인하고 효율적임을 본 논문에서 보인다.

• 융합신호처리학회논문지
• /
• 제3권4호
• /
• pp.62-66
• /
• 2002

SOCMAC 신경망에 의하여 Mackey-Glass의 비선형 시계열 예측을 시도하였다 다차원 연속 입력 변수를 가지는 문제는 요구되는 기억용량의 규모가 너무 커서 CMAC에서는 일반적으로 취급이 곤난한 대상이었으나 SOCMAC에서는 이것이 가능함을 보였다. 또한 학습과정에서 수용영역(receptive field)을 가변으로 하는 개선된 방법을 제시하였다. 예측오차는 TDNN(time-delayed neural network)이나 BP(back-propagation) 수준이었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 하계종합학술대회 논문집(3)
• /
• pp.5-8
• /
• 2000

In this paper, we propose new algorithms for the partition of input space and the generation of fuzzy control rules. The one consists of Shannon and extended fuzzy entropy function, the other consists of adaptive fuzzy neural system with back propagation teaming rule. The focus of this scheme is to realize the optimal fuzzy rule base with the minimal number of the parameters of the rules, reducing the complexity of the system. The proposed algorithm is tested with the time series prediction problem using Mackey-Glass chaotic time series.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.99-104
• /
• 1998

본 논문은 효과적인 시계열 예측을 위한 새로운 퍼지 학습방법을 제안한다. 기존의 학습방법에서는 입력 데이터를 F(y(t),y(t-1),y(t-2)..)의 형태로 주어 예측을 수행했으나 본 논문에서 제안한 방법에서는 입력 데이터를 F(y(t)-y(t-1),y(t-1)-y(t-2)..)로 설정한다. 이것은 각 입력값의 차이를 새로운 입력으로 사용함으로써 유사한 시계열 분포를 좀더 능동적인 퍼지 규칙으로 만들기 때문에 Non-stationary한 데이터뿐만 아니라 기존의 시계열 데이터 예측방법 보다 나은 결과를 나타낸다. 알고리즘의 수행능력을 살펴보기 위해 Mackey-Glass time series와 Lorenz data를 사용하였다.

• 한국지능시스템학회논문지
• /
• 제18권6호
• /
• pp.842-848
• /
• 2008

본 논문에서는 비선형 모델의 설계를 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 제안된 모델은 규칙의 전 후반부가 Type-2 퍼지 집합으로 주어진 Type-2 퍼지 논리 시스템을 설계하고 불확실성의 변화에 대한 비선형 모델의 성능을 해석한다 여기서 규칙 전반부 멤버쉽 함수의 정점 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 무반부 퍼지 집합의 정점 결정에는 경사 하강법(Gradient descent method)을 이용한 오류 역전파 알고리즘을 사용하여 학습한다. 또한, 제안된 모델에 관련된 파라미터는 입자 군집 최적화(Particle Swarm Optimization; PSO) 알고리즘으로 동조한다. 제안된 모델은 모의 데이터집합(Synthetic dadaset), Mackey-Glass 시계열 공정 데이터를 적용하여 논증되고, 기존 Type-1 퍼지 논리 시스템과의 근사화 및 일반화 능력에 대하여 비교 토의한다.

• 한국멀티미디어학회논문지
• /
• 제3권2호
• /
• pp.201-208
• /
• 2000

이 논문에서는 시계열 예측을 위하여 퍼지 엔트로피에 의한 입력공간의 분할과 퍼지 제어규칙을 자동으로 생성하는 방법을 제안하고, Mackey-Glass 데이터 Set을 이용한 시계열 예측 문제에 적용하여 그 성능을 검증한다. 이 방법은 샤논 함수와 퍼지 엔트로피 함수를 이용하여 입력공간을 분할하고, 분할된 부 공간에 대해 이력 데이터와 부합할 수 있는 각각의 규칙에 등급을 정하여 불필요한 제어규칙을 제거하여 최적의 규칙베이스를 구성하도록 한다. 적용되는 퍼지 신경망의 기본적인 구조는 퍼지 제어기의 규칙베이스와 추론의 과정을 신경회로망을 이용하여 구현하며 퍼지 제어규칙의 매개변수들은 최대 급경사 강하법에 의해 적응되어진다. 제안되는 알고리즘을 매개변수의 수를 줄이기 위하여 제어 규칙의 결론부의 출력값은 신경망의 가중치로 구성하여 퍼지 신경망의 복잡도를 줄임으로서 추론형과 기술형 접근법을 혼합한 형태의 학습 알고리즘이다.

• 한국인터넷방송통신학회논문지
• /
• 제11권4호
• /
• pp.91-97
• /
• 2011

본 논문에서는 Mackey-Glass시계열의 예측에서 유전자알고리즘을 이용하는 구조적인 동정과 뉴로퍼지에 의한 파라미터 동정의 학습방법과 하이브리드 시스템을 제안하였다. 본 방법은 두 가지로 구성되었다. 하나는 입력공간에 대한 분할을 통하여 유전 알고리즘을 이용하여 퍼지 규칙베이스를 구축하고 다른 하나는 이 규칙베이스를 토대로 기울기 최하강법을 이용하여 제어규칙의 변수에 대한 파라미터 동정이다. 제안된 방법을 성능을 검증하기 위하여 입력의 패턴을 시간간격에 따라서 x(t-3), x(t-6)과 x(t-9)의 세 가지로 구성하였다. 많은 시뮬레이션을 통하여 유전알고리즘에 의한 구조적인 동정으로 인하여 학습초기에 오차가 작은 것을 알 수 있었다. 표2에서와 같이 성능을 확인 할 수 있었다.