• 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.

• 전기학회논문지
• /
• 제59권5호
• /
• pp.981-989
• /
• 2010

In this study, we introduce a new architecture of fuzzy inference system. In the fuzzy inference system, we use Fuzzy C-Means clustering algorithm to form the premise part of the rules. The membership functions standing in the premise part of fuzzy rules do not assume any explicit functional forms, but for any input the resulting activation levels of such radial basis functions directly depend upon the distance between data points by means of the Fuzzy C-Means clustering. As the consequent part of fuzzy rules of the fuzzy inference system (being the local model representing input output relation in the corresponding sub-space), four types of polynomial are considered, namely constant, linear, quadratic and modified quadratic. This offers a significant level of design flexibility as each rule could come with a different type of the local model in its consequence. Either the Least Square Estimator (LSE) or the weighted Least Square Estimator (WLSE)-based learning is exploited to estimate the coefficients of the consequent polynomial of fuzzy rules. In fuzzy modeling, complexity and interpretability (or simplicity) as well as accuracy of the obtained model are essential design criteria. The performance of the fuzzy inference system is directly affected by some parameters such as e.g., the fuzzification coefficient used in the FCM, the number of rules(clusters) and the order of polynomial in the consequent part of the rules. Accordingly we can obtain preferred model structure through an adjustment of such parameters of the fuzzy inference system. Moreover the comparative experimental study between WLSE and LSE is analyzed according to the change of the number of clusters(rules) as well as polynomial type. The superiority of the proposed model is illustrated and also demonstrated with the use of Automobile Miles per Gallon(MPG), Boston housing called Machine Learning dataset, and Mackey-glass time series dataset.

• 정보학연구
• /
• 제5권4호
• /
• pp.129-137
• /
• 2002

본 논문에서는 컴퓨터 통신 네트워크의 데이터 안전을 위해서 다항식을 인수분해 하는 데 어려움이 있는 공개키 다항식 배낭 암호시스템 알고리즘을 제안하였다. 제안된 공개키 다항식 배낭 암호시스템은 먼저, 초증가 벡터 P를 변환하여 다항식 벡터 Q(x,y,z)를 형성하고, 다항식 g(x,y,z)를 선택한다. 이러한 두개의 다항식 Q(x,y,z)와 g(x,y,z)를 공개키로 한다. 공개키 다항식 Q(x,y,z), g(x,y,z)와 난수 $\alpha$를 사용하여 평문을 암호화하여 암호문 R(x,y,z)을 수신자에게 보낸다. 수신자는 암호문 R(x,y,z)을 g(x,y,z)=0의 근, x, y와 z 그리고 비밀키 벡터의 초증가성을 사용하여 평문을 구하게 된다. 따라서 해독과정에서 3변수 다항식 g(x,y,z)=0의 인수분해의 어려움 때문에 안전성을 갖는 공개키 다항식 배낭 암호시스템으로 된다. 제안된 공개키 다항식 배낭 암호시스템의 타당성을 컴퓨터 시뮬레이션을 통하여 입증하였다.

• 전자공학회논문지CI
• /
• 제39권3호
• /
• pp.18-31
• /
• 2002

본 연구는 뉴로퍼지 네트워크와 다항식 뉴럴네트워크를 합성한 하이브리드 모델링 구조인 고급 뉴로퍼지 다항식 네트워크(Advanced neurofuzzy polynomial networks ; ANFPN)를 제안한다. 제안된 네트워크 구조는 높은 비선형 규칙 기반 모델로, CI(Computational Intelligence)의 기술, 즉 퍼지집합, 뉴럴네트워크, 유전자 알고리즘에 의해 설계되어진다. 뉴로퍼지 네트워크는 ANFPN 구조의 전반부를, 다항식 뉴럴네트워크는 후반부를 구성한다. ANFPN의 전반부에서, 뉴로퍼지 네트워크는 간략추론, 오류역전파 학습 규칙을 이용한다. 멤버쉽함수의 파라미터, 학습율, 모멘텀 계수는 유전자 최적화를 이용하여 조절된다. ANFPN의 후반부 구조로서 다항식 뉴럴네트워크는 학습을 통해 생성되는(전개되는) 유연한 네트워크 구조이다. 특히 다항식 뉴럴네트워크의 층과 노드 수는 고정되어 있지 않고 동적으로 생성된다. 본 연구에서는, 2가지 형태의 ANFPN 구조를 제안한다. 즉 기본 구조와 변형된 구조이다. 여기서 기본 구조와 변형된 구조는 다항식 뉴럴네트워크 구조의 각 층에서 입력변수의 수와 회귀다항식의 차수에 의존한다. 두 결합 구조의 특징 때문에 공정 시스템의 비선형적인 특성을 고려할 수 있고 보다 우수한 예측능력을 가진 좋은 출력선응을 얻을 수 있게 한다. ANFPN의 유용성과 실용성은 2개의 수치 예제를 통해 논의된다. 제안된 ANFPN은 기존의 모델보다 높은 정밀도와 예측능력을 가진 모델을 생성함을 보인다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 합동 추계학술대회 논문집 정보 및 제어부문
• /
• pp.424-427
• /
• 2001

In this study, we introduce a concept of neurofuzzy polynomial networks (NFPN), a hybrid modeling architecture combining neurofuzzy networks (NFN) and polynomial neural networks(PNN). NFN contributes to the formation of the premise part of the rule-based structure of the NFPN. The consequence part of the NFPN is designed using PNN. The parameters of the membership functions, learning rates and momentum coefficients are adjusted with the use of genetic optimization. We introduce two kinds of NFPN architectures, namely the basic and the modified one. Owing to the specific features of two combined architectures, it is possible to consider the nonlinear characteristics of process system and to obtain the better output performance with superb predictive ability.

• 한국해양공학회지
• /
• 제26권2호
• /
• pp.39-47
• /
• 2012

The objective of this study was to develop a strength prediction model using a polynomial regression analysis based on the experimental results obtained from ninety samples. As the results of a correlation analysis between various mixing factors and unconfined compressive strength using SPSS (statistical package for the social sciences), the governing factors in the strength of lightweight soil were found to be the crumb rubber content, bottom ash content,and water-cement ratio. After selecting the governing factors affecting the strength through the correlation analysis, a strength prediction model, which consisted of the selected governing factors, was developed using the polynomial regression analysis. The strengths calculated from the proposed model were similar to those resulting from laboratory tests (R2=87.5%). Therefore, the proposed model can be used to predict the strength of lightweight mixtures with various mixing ratios without time-consuming experimental tests.

• 충청수학회지
• /
• 제37권2호
• /
• pp.57-66
• /
• 2024

In this paper, we study how the Hilbert polynomial, associated with a reduced closed subscheme X of codimension 2 in ℙ^N, reveals geometric information about X. Although it is known that the Hilbert polynomial can tell us about the scheme's degree and arithmetic genus, we find additional geometric information it can provide for smooth varieties of codimension 2. To do this, we introduce the concept of Gotzmann coefficients, which helps to extract more information from the Hilbert polynomial. These coefficients are based on the binomial expansion of values of the Hilbert function. Our method involves combining techniques from initial ideals and partial elimination ideals in a novel way. We show how these coefficients can determine the degree of certain geometric features, such as the singular locus appearing in a generic projection, for smooth varieties of codimension 2.

• 한국정보전자통신기술학회논문지
• /
• 제8권5호
• /
• pp.345-353
• /
• 2015

소프트웨어 디버깅과정에서 오류의 발생 시간에 기초한 많은 소프트웨어 신뢰성 모형이 이미 연구되었다. 유한고장모형과 비동질적인 포아송과정을 이용하면 소프트웨어의 신뢰성 모형에 대한 모수 추정을 가능하게 한다. 소프트웨어를 사용자에게 인도하는 경우 인도시기를 결정할 때 조건부 고장률은 중요한 변수가 된다. 이러한 유한 고장 모형은 실제 다양한 상황에서 사용될 수 있다. 특성화 문제, 이상치의 검출, 선형 추정, 시스템 신뢰성 연구, 수명 시험, 생존 분석, 데이터 압축 및 많은 다른 분야의 연구에서 이들의 사용은 많은 연구에서 볼 수 있다. 통계 공정 관리(SPC)는 소프트웨어 오류의 예측을 모니터링 함으로써 소프트웨어의 신뢰성의 향상에 크게 기여할 수 있다. 관리도는 널리 소프트웨어 업계에서 소프트웨어 품질관리에 사용된다. 본 논문에서는 NHPP와 다항 위험 함수의 평균값을 기초한 관리 메카니즘을 제시하였다.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.793-798
• /
• 2012

In this paper, we explored the new method for extracting feature from the electroencephalography (EEG) signal based on linear regression technique with the orthonormal polynomial bases. At first, EEG signals from electrodes around motor cortex were selected and were filtered in both spatial and temporal filter using band pass filter for alpha and beta rhymic band which considered related to the synchronization and desynchonization of firing neurons population during motor imagery task. Signal from epoch length 1s were fitted into linear regression with Legendre polynomials bases and extract the linear regression weight as final features. We compared our feature to the state of art feature, power band feature in binary classification using support vector machine (SVM) with 5-fold cross validations for comparing the classification accuracy. The result showed that our proposed method improved the classification accuracy 5.44% in average of all subject over power band features in individual subject study and 84.5% of classification accuracy with forward feature selection improvement.

• 정보보호학회논문지
• /
• 제12권3호
• /
• pp.87-94
• /
• 2002

본 논문에서는 GF($2^m$)상에서 새로운 MSB 우선 곱셈 알고리즘을 제안하고, 셀룰라 오토마타(Cellular Automata, CA) 를 기반으로 한 곱셈기를 설계한다. 본 논문에서 제안한 곱셈기는 PBCA(Periodic Boundary CA)의 특성을 AOP(All One Polynomial)의 특성과 조화시킴으로써 기존의 구조에 비하여 정규성을 높이고 지연 시간을 줄일 수 있는 구조이다. 제안된 곱셈기는 공개키 암호화의 핵심이 되는 지수기의 구현을 위한 효율적인 기본구조로 사용될 것으로 기대된다.