• 한국동물학회:학술대회논문집
• /
• 한국동물학회 1999년도 한국생물과학협회 학술발표대회
• /
• pp.180.2-180
• /
• 1999

No Abstract, See Full Text

• International Journal of Control, Automation, and Systems
• /
• 제5권4호
• /
• pp.436-443
• /
• 2007

In this paper, an intelligent method called BELBIC (Brain Emotional Learning Based Intelligent Controller) is used to control of Locally Linear Neuro-Fuzzy Model (LOLIMOT) of Washing Machine. The Locally Linear Neuro-Fuzzy Model of Washing Machine is obtained based on previously extracted data. One of the important issues in using BELBIC is its parameters setting. On the other hand, the controller design for Washing Machine is a multi objective problem. Indeed, the two objectives, energy consumption and effectiveness of washing process, are main issues in this problem, and these two objectives are in contrast. Due to these challenges, a Multi Objective Genetic Algorithm is used for tuning the BELBIC parameters. The algorithm provides a set of non-dominated set points rather than a single point, so the designer has the advantage of selecting the desired set point. With considering the proper parameters after using additional assumptions, the simulation results show that this controller with optimal parameters has very good performance and considerable saving in energy consumption.

• Structural Engineering and Mechanics
• /
• 제47권3호
• /
• pp.401-419
• /
• 2013

In this study, the efficiency of adaptive neuro-fuzzy inference system (ANFIS) and genetic expression programming (GEP) in predicting the effects of infill walls on base reactions and roof drift of reinforced concrete frames were investigated. Current standards generally consider weight and fundamental period of structures in predicting base reactions and roof drift of structures by neglecting numbers of floors, bays, shear walls and infilled bays. Number of stories, number of bays in x and y directions, ratio of shear wall areas to the floor area, ratio of bays with infilled walls to total number bays and existence of open story were selected as parameters in GEP and ANFIS modeling. GEP and ANFIS have been widely used as alternative approaches to model complex systems. The effects of these parameters on base reactions and roof drift of RC frames were studied using 3D finite element method on 216 building models. Results obtained from 3D FEM models were used to in training and testing ANFIS and GEP models. In ANFIS and GEP models, number of floors, number of bays, ratio of shear walls and ratio of infilled bays were selected as input parameters, and base reactions and roof drifts were selected as output parameters. Results showed that the ANFIS and GEP models are capable of accurately predicting the base reactions and roof drifts of RC frames used in the training and testing phase of the study. The GEP model results better prediction compared to ANFIS model.

• 한국지능시스템학회논문지
• /
• 제11권8호
• /
• pp.754-759
• /
• 2001

본 논문은 주성분분석기법, 퍼지 클러스터링, ANFIS(Adaptive Neuro-Fuzzy Inference System)와 하이브리드 GA(Hybrid Genetic Algorithm)를 이용하여 GA 기반 TSK(Takagi-Sugeno-Kang) 퍼지 분류기를 제안한다. 먼저 구조동정은 주성분분석기법을 이용하여 데이터 성분간의 상관관계가 제거하도록 입력데이터를 변환하고, FCM(Fuzzy c-means) 클러스터링과 ANFIS의 융합을 통해 초기 TSK 퍼지 분류기를 구축한다. 구축된 초기 분류기의 파라미터를 초기집단으로 발생시켜 AGA(Adaptive GA)와 RLSE(Recursive Least Square Estimate)에 의해 파라미터 동정을 수행한다. 이렇게 함으로서 퍼지 클러스터링의 효율적인 입력공간분할로 ANFIS의 문제점을 해결할 수 있고, AGA에 의해 집단의 다양성 유지와 전역적인 최적해의 수렴을 가속화할 수 있다. 마지막으로, 제안된 방법은 Iris 데이터 분류문제에 적용하여 이전의 다른 논문에 비해 좋은 성능을 보임을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.382-382
• /
• 2011

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이며, 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 수위를 직접 예측함으로써 이러한 오차의 문제점을 극복 하고자 한다. Neuro-Fuzzy 모형은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 소속함수를 최적화함으로서 모형의 구조를 스스로 조직화한다. 따라서 수학적 알고리즘의 적용이 어려운 강우와 유출관계를 하천유역이라는 시스템에서 발생된 신호체계의 입 출력패턴으로 간주하고 인간의 사고과정을 근거로 추론과정을 거쳐 수문계의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 이러한 유전자 알고리즘은 전역 샘플링을 중심으로 한 수법으로 해 공간상에서 유전자의 개수만큼 복수의 탐색점을 설정할 뿐만 아니라 교배와 돌연변이 등으로 좁아지는 탐색점 바깥의 영역으로 탐색을 확장할 수 있기 때문에 지역해에 빠질 위험성이 크게 줄어든다. 따라서 예측과 패턴인식에 강한 뉴로퍼지 모형의 해 탐색방법을 유전자 알고리즘을 사용한다면 보다 정확한 해를 찾는 것이 가능할 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 상류의 수위자료로부터 하류의 단시간 수위예측에 관해 연구하였으며, 이를 위해 유전자 알고리즘을 이용항여 소속함수를 최적화 시키는 형태의 Neuro-Fuzzy모형에 대하여 연구하였다.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제7권4호
• /
• pp.750-769
• /
• 2015

The geometry of engineering systems affects their performances. For this reason, the shape of engineering systems needs to be optimized in the initial design stage. However, engineering system design problems consist of multi-objective optimization and the performance analysis using commercial code or numerical analysis is generally time-consuming. To solve these problems, many engineers perform the optimization using the approximation model (response surface). The Response Surface Method (RSM) is generally used to predict the system performance in engineering research field, but RSM presents some prediction errors for highly nonlinear systems. The major objective of this research is to establish an optimal design method for multi-objective problems and confirm its applicability. The proposed process is composed of three parts: definition of geometry, generation of response surface, and optimization process. To reduce the time for performance analysis and minimize the prediction errors, the approximation model is generated using the Backpropagation Artificial Neural Network (BPANN) which is considered as Neuro-Response Surface Method (NRSM). The optimization is done for the generated response surface by non-dominated sorting genetic algorithm-II (NSGA-II). Through case studies of marine system and ship structure (substructure of floating offshore wind turbine considering hydrodynamics performances and bulk carrier bottom stiffened panels considering structure performance), we have confirmed the applicability of the proposed method for multi-objective side constraint optimization problems.

• 통합자연과학논문집
• /
• 제11권4호
• /
• pp.167-183
• /
• 2018

Electroencephalogram (EEG) recording provides a new way to support human-machine communication. It gives us an opportunity to analyze the neuro-dynamics of human cognition. Machine learning is a powerful for the EEG classification. In addition, machine learning can compensate for high variability of EEG when analyzing data in real time. However, the optimal EEG electrode location must be prioritized in order to extract the most relevant features from brain wave data. In this paper, we propose an intelligent system model for the extraction of EEG data by training the optimal electrode location of EEG in a specific problem. The proposed system is basically a fuzzy system and uses a neural network structurally. The fuzzy clustering method is used to determine the optimal number of fuzzy rules using the features extracted from the EEG data. The parameters and weight values found in the process of determining the number of rules determined here must be tuned for optimization in the learning process. Genetic algorithms are used to obtain optimized parameters. We present useful results by using optimal rule numbers and non - symmetric membership function using EEG data for four movements with the right arm through various experiments.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.1952-1954
• /
• 2001

In this paper, we propose the neuro-fuzzy modeling method using VmGA (Virus messy Genetic Algorithm) for the complex nonlinear system. VmGA has more effective and adaptive structure than sGA. in this paper, we suggest a new coding method for applying the model's input and output data to the optimal number of rules in fuzzy models and the structure and parameter identification of membership functions simultaneously. The proposed method realizes the optimal fuzzy inference system using the learning ability of neural network. For fine-tune of parameters identified by VmGA, back- propagation algorithm is used for optimizing the parameter of fuzzy set. The proposed fuzzy modeling method is applied to a nonlinear system to prove the superiority of the proposed approach through comparing with ANFIS.

• 대한토목학회논문집
• /
• 제37권6호
• /
• pp.949-963
• /
• 2017

본 연구는 도시홍수 피해저감을 위한 비구조적 대책의 일환으로 배수펌프장의 효율적인 운영방안을 제시하고자 한다. 배수펌프장 내의 수위를 뉴로-퍼지모형을 통하여 예측하고 예측되는 내수위에 따라 유전자 알고리즘 기법을 적용하여 배수펌프장의 운영룰을 결정하고자 한다. 뉴로-퍼지모형 구축시 배수구역의 지형적 특성을 반영하기 위하여 공간적 매개변수를 고려한 GeoANFIS모형을 개발하였고 배수펌프장 내 최고수위를 저하시키면서 반복적인 정지와 운영이 발생하지 않도록 벌칙유형의 유전자 알고리즘을 적용하였다. 마포 배수구역 내 5개의 배수펌프장(마포, 합정, 상수, 봉인, 당인)에 대하여 개발 모형의 적용성을 검증하였다. 이러한 운영룰의 개발로 효과적으로 내배수 시설을 운영할 수 있을 것으로 판단된다.

• 제어로봇시스템학회논문지
• /
• 제5권2호
• /
• pp.189-199
• /
• 1999

This paper presents an optimization algorithm for a stable Self Dynamic Neural Network(SDNN) using genetic algorithm. Optimized SDNN is applied to a problem of controlling nonlinear dynamical systems. SDNN is dynamic mapping and is better suited for dynamical systems than static forward neural network. The real-time implementation is very important, and thus the neuro controller also needs to be designed such that it converges with a relatively small number of training cycles. SDW has considerably fewer weights than DNN. Since there is no interlink among the hidden layer. The object of proposed algorithm is that the number of self dynamic neuron node and the gradient of activation functions are simultaneously optimized by genetic algorithms. To guarantee convergence, an analytic method based on the Lyapunov function is used to find a stable learning for the SDNN. The ability and effectiveness of identifying and controlling a nonlinear dynamic system using the proposed optimized SDNN considering stability is demonstrated by case studies.