• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2017-2019
• /
• 2003

열악한 환경에서 동작해야 하거나 물리적 접근이 어려운 곳에 장착되는 센서 시스템의 경우, 유선에 의한 정보전달이 어려울 뿐만 아니라 센서 내 전원설비가 제한적인 수도 있다. 따라서 본 논문에서는 이러한 문제점에 대한 해결책으로서 밧데리없이 유도결합에 의하여 원격 센서로부터 정보 취득이 가능한 한 방법을 제안하였다. 이 방법은 전원공급에 의한 유도 결합식의 원격 센서 시스템과는 달리, 원격 센서의 정전용량을 변 복조 과정 없이 재귀적 최소 자승 추정법에 의해 센서의 정전용량을 고정도로 추정하는 것이다. 이를 위하여 시 스템의 유도결합 모델을 사용하였으며, 모델 파라미터가 시간에 따라 변화하는 경우에는 망각률을 사용하여 정확도가 높은 원격 센서 시스템을 구현할 수 있었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.8
• /
• pp.754-759
• /
• 2001

In this paper, we propose a TSK(Takagi-Sugeno-Kang)-type fuzzy classifier using PCA(Principal Component Analysis), FCM(Fuzzy c-Means) clustering, ANFIS(Adaptive Neuro-Fuzzy Inference System) and hybrid GA(Genetic Algorithm). First, input data is transformed to reduce correlation among the data components by PCA. FCM clustering is applied to obtain a initial TSK-type fuzzy classifier. Parameter identification is performed by AGA(Adaptive GA) and RLSE(Recursive Least Square Estimate). Finally, we applied the proposed method to Iris data classificationl problems and obtained a better performance than previous works.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.12a
• /
• pp.233-236
• /
• 2001

In this paper, we propose a TSK-type fuzzy classifier using PCA(Principal Component Analysis), FCM(Fuzzy C-Means) clustering and hybrid GA(genetic algorithm). First, input data is transformed to reduce correlation among the data components by PCA. FCM clustering is applied to obtain a initial TSK-type fuzzy classifier. Parameter identification is performed by AGA(Adaptive Genetic Algorithm) and RLSE(Recursive Least Square Estimate). we applied the proposed method to Iris data classification problems and obtained a better performance than previous works.

• Proceedings of the Korean Society of Marine Engineers Conference
• /
• 2005.11a
• /
• pp.45-46
• /
• 2005

In this paper, a passive telemetry sensor system using Unscented Kalman Filter(UKF) is proposed. Specially, to show the effective tracking performance of the UKF, we compared with the tracking performance of Recursive Least Square Estimation (RLSE) using linearization.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.1787-1788
• /
• 2006

In this paper, a noisy passive telemetry sensor system using Unscented Kalman Filter (UKF) is proposed. To overcome these trouble problems such as a power limitation and a estimation complexity that the general passive telemetry sensor system including IC chip has, the principle of inductive coupling was applied to the modelling of a passive telemetry sensor system (PTSS) and its noisy capacitive parameter was estimated by the UKF algorithm. Specialty, to show the effective tracking performance of the UKF, we compared with the tracking performance of Recursive Least Square Estimation (RLSE) using linearization

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.121-124
• /
• 2006

본 논문에서는 Bacterial Foraging Algorithm과 FCM(fuzzy c-means)클러스터링을 이용하여 TSK(Takagi-Sugeno-Kang)형태의 퍼지 규칙 생성과 퍼지 시스템(FCM-ANFIS)을 효과적으로 구축하는 방법을 제안한다. 구조동정에서는 먼저 PCA(Principal Component Analysis)을 이용하여 입력 데이터 성분간의 상관관계를 제거한 후에 FCM을 이용하여 클러스터를 생성하고 성능지표에 근거해서 타당한 클러스터의 수, 즉 퍼지 규칙의 수를 얻는다. 파라미터 동정에서는 Bacterial Foraging Algorithm을 이용하여 전제부 파라미터를 최적화 시킨다. 결론부 파라미터는 RLSE(Recursive Least Square Estimate)에 의해 추정되어진다. PCA(Principal Component Analysis)와 FCM을 적용함으로써 타당한 규칙 수를 생성하였고 Bacterial Foraging Algorithm을 이용하여 최적의 전제부 파라미터를 구하였다. 제안된 방법의 성능을 평가하기 위하여 Box-Jenkins의 가스로 데이터와 Rice taste 데이터의 모델링에 적용하였고 우수한 성능을 보임을 알 수 있었다.

• The Transactions of the Korean Institute of Electrical Engineers P
• /
• v.51 no.2
• /
• pp.99-104
• /
• 2002

In this paper, we construct a hybrid intelligent controller based on a fusion scheme of GA(Genetic Algorithm) and FCM(Fuzzy C-Means) clustering-based ANFIS(Adaptive Neuro-Fuzzy Inference System). In the structure identification, a set of fuzzy rules are generated for a given criterion by FCM clustering algorithm. In the parameter identification, premise parameters are optimally searched by adaptive GA. On the other hand, consequent parameters are estimated by RLSE(Recursive Least Square Estimate) to reduce the search space. Finally, we applied the proposed method to the truck backer-upper control and obtained a better performance than previous works.

• 제어로봇시스템학회:학술대회논문집
• /
• 2002.10a
• /
• pp.109.6-109
• /
• 2002

In this paper, the scheme of fuzzy system construction using GA(genetic algorithm) and FCM(Fuzzy c-means) clustering algorithm is proposed for TSK(Takagi-Sugeno-Kang) type fuzzy system. in the structure identification, input data is trans-formed by PCA(Principal Component Analysis) to reduce the correlation among input data components. And then, the number of fuzzy rule is obtained by a given performance criterion. In the parameter identification, the premise parameters are optimally searched by GA. On the other hand, the consequent parameters are estimated by RLSE(Recursive Least Square Estimate) to reduce the search space. From this, one can systematically obtain optimal parameter and the v..

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1343-1344
• /
• 2015

본 연구에서는 증분형 FCM(Incremental Fuzzy C-Means: Incremental FCM) 클러스터링 알고리즘을 기반으로 방사형 기저함수 신경회로망(Radial Basis Function Neural Networks: RBFNN) 패턴 분류기를 설계한다. 방사형 기저함수 신경회로망은 조건부에서 가우시안 함수 또는 FCM을 사용하여 적합도를 구하였지만, 제안된 분류기에서는 빅 데이터간의 적합도를 구하기 위해 증분형 FCM을 사용한다. 또한, 빅 데이터를 학습하기 위해 결론부에서 재귀최소자승법(Recursive Least Square Estimation: RLSE)을 사용하여 다항식 계수를 추정한다. 마지막으로 추론부에서는 증분형 FCM에서 구한 적합도와 재귀최소자승법으로 구한 다항식을 이용하여 최종 출력을 구한다.

• Proceedings of the KIEE Conference
• /
• 1998.07b
• /
• pp.578-580
• /
• 1998

The paper presents an approach to the structure identification based on the CART (Classification And Regression Tree) algorithm and to the parameter identification by hybrid learning method in neuro-fuzzy system. By using the CART algorithm, the proposed method can roughly estimate the numbers of membership function and fuzzy rule using the centers of decision regions. Then the parameter identification is carried out by the hybrid learning scheme using BP (Back-propagation) and RLSE (Recursive Least Square Estimation) from the numerical data. Finally, we will show it's usefulness for fuzzy modeling to truck backer upper control.