• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 춘계학술대회 학술발표 논문집
• /
• pp.29-33
• /
• 2001

We propose fuzzy least-squares regression analysis by few error term data and test the slop by fuzzy hypotheses membership function for fuzzy number data with agreement index. Finding the agreement index by area for fuzzy hypotheses membership function and membership function of confidence interval, we obtain the results to acceptance or reject for the test of fuzzy hypotheses.

• Journal of applied mathematics & informatics
• /
• 제8권1호
• /
• pp.213-223
• /
• 2001

The use of fuzzy number over interval of confidence instead of possibilitic consideration for solving fuzzy equation is proposed. This approach of solving fuzzy equation by interval arithmetic and ${\alpha}$-cuts has a considerable advantage. Through theoretical analysis, an illustrative example and computational results, we show that the proposed approach is more general and straight-forword.

• 한국지능시스템학회논문지
• /
• 제15권5호
• /
• pp.533-537
• /
• 2005

리커트 척도는 어떤 의도의 질문에 대한 동의를 수치적으로 나타내는 방법으로서 주로 5점 척도를 많이 사용하나 여러번 질문에서 응답자체가 애매성을 가지고 있다. 본 연구에서는 3점 척도의 응답의 애매성을 5점 척도의 멤버쉽 함수로 나타낸 후 한 항목의 응답의 95% 신뢰구간을 다시 멤버쉽함수로 하여 그 데이터를 퍼지가설검정하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 추계학술대회 학술발표 논문집
• /
• pp.255-258
• /
• 2000

We prepose fuzzy statistical test of fuzzy hypotheses membership function with fuzzy number data. Finding the maximum grade of the meeting point for fuzzy hypotheses membership function and membership function of confidence interval. By the maximum grade, we obtain the results to acceptance or reject for the test of fuzzy hypotheses.

• 한국지능시스템학회논문지
• /
• 제18권4호
• /
• pp.445-450
• /
• 2008

퍼지시스템의 신뢰도를 분석하기 위해서 기존의 연구에서는 퍼지시스템의 구성요소의 신뢰도를 0과 1사이의 실수, 퍼지숫자, 신용구간, 모호집합, 구간값 퍼지집합 등으로 표현하였다. 본 논문에서 우리는 전체집합 [0, 1]에서 정의되는 구간값 모호집합을 기반으로 퍼지시스템의 신뢰도를 표현하고 분석하는 방법을 제안한다. 구간값 모호집합에서는 기존 모호집합[12, 14]의 상한과 하한을 각각 구간으로 표현한다. 그러므로 퍼지시스템의 신뢰도를 더 유연한 방법으로 표현하고 분석하는 것을 가능하게 한다. 제안한 방법은 Kumar[14]가 언급한 복잡한 퍼지 사다리꼴숫자 연간보다는 퍼지 삼각숫자의 간단한 산술연산을 사용하기 때문에 제안된 방법의 실행속도는 기존의 방법보다 실행이 더 빠르다.

• 한국지능시스템학회논문지
• /
• 제11권4호
• /
• pp.293-301
• /
• 2001

본 논문은 신경회로망과 같은 경험적 모델에서 출력별로 신뢰 구간을 추정하는 세 가지 대표적인 방법을 검토하고, 검토한 방법을 뉴로-퍼지 모델에 적용하여 장단점을 비교 분석한다. 본 논문에서 고려한 출력별 신뢰 구간 계산 방법은 cross-validation을 이용한 stacked generalization, 회귀 모델에서 유도된 predictive error bar, 지역 표현하는 신경회로망의 특성에 기반한 local reliability measure이다. 간단한 함수 근사화 문제와 혼돈 시계열 예측 문제를 이용하여 모의 실험을 수행하고, 세 가지 신뢰도 추정 방법의 성능을 정량적, 정성적으로 비교 분석한다. 분석 결과를 기초로 각 방법의 장단점 및 특성을 고찰하고, 모델링 문제에서 모델의 출력별 신뢰 구간 계산 방법의 실제 적용 가능성을 탐색한다.

• 품질경영학회지
• /
• 제20권1호
• /
• pp.118-125
• /
• 1992

Studies upto date for estimating the reliability by means of one accarate value contain risks of many erroneous options. The objective of this paper is to presents a fault tree analueis model on the basis of the membership functions of trape Zoidal fuzzy number after imposing an interval of Confidence on the residual possibility theory. The results from the model Show that the value of Stability was reliable.

• 인터넷정보학회논문지
• /
• 제8권3호
• /
• pp.99-107
• /
• 2007

일반적으로 퍼지시스템의 신뢰도는 0과 1사이의 실수, 퍼지숫자, 신용구간, 구간값 퍼지집합,모호집합 등으로 표현하고 분석한다. 본 논문은 시스템에서 가중 구성요소의 중요도를 반영하는 가중값을 갖는 가중 구성요소를 위한 퍼지시스템의 신뢰도를 분석하는 방법을 설명한다. 퍼지시스템에서 가중 구성요소들의 신뢰도와 가중간은 삼각 퍼지숫자로 표현한다. 제안한 방법은 삼각 퍼지숫자의 퍼지산술연산을 사용하고 가중 구성요소의 가중값을 고려한다. 그러므로 기존의 방법들 보다 실행속도가 더 빠르고 그리고 더 유연한 실행이 가능하다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권11호
• /
• pp.979-985
• /
• 2006

기존 연구에서 퍼지시스템의 신뢰도는 0과 1사이의 실수, 퍼지숫자, 신용구간 등으로 표현하고 분석한다. 본 논문에서, 우리는 퍼지시스템의 가중 구성요소의 신뢰도와 가중 구성요소의 중요도를 반영하는 가중값을 전체집합 [0, 1]에서 정의되는 모호집합으로 표현하고 분석하는 방법을 제안한다. 모호집합은 참 소속함수와 거짓 소속함수로 구성된 구간으로 표현된다. 따라서 모호집합은 퍼지시스템의 신뢰도와 가중값를 더 유연한 방법으로 표현하는 것을 가능하게 한다. 제안된 방법은 퍼지시스템내의 가중 구성요소의 가중값을 고려하므로, 제안한 방법의 신뢰도분석은 기존의 방법들 보다 더 유연하고 효과적이다.

• 인터넷정보학회논문지
• /
• 제15권3호
• /
• pp.109-116
• /
• 2014

본 논문에서는 분류 성능을 향상하기 위해서 Takagi-Sugeno(T-S) 퍼지 모델 기반의 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions; NEWFM)을 이용한 새로운 인스턴스 선택을 제안하였다. 제안하는 인스턴스 선택은 T-S 퍼지 모델에서의 가중 평균 역퍼지화와 통계학에서 사용하는 정규분포의 신뢰구간과 같은 구간 선택을 이용하여 인스턴스를 선택하였다. 제안하는 인스턴스 선택의 분류 성능을 평가하기 위해서 인스턴스 사용 전/후에 따라서 분류 성능을 비교하였다. 인스턴스 사용 전/후에 따른 분류 성능은 각각 77.33%, 78.19%로 나타났다. 또한 인스턴스 사용 전/후에 따른 분류 성능 간에 차이점을 보여주기 위해서 통계학에서 사용하는 맥니마 검정을 사용하였다. 맥니마 검정의 결과로 유의 확률이 0.05보다 적게 나오므로 인스턴스 선택의 분류 성능이 인스턴스 선택을 하지 않는 경우의 분류 성능보다 우수함을 확인 할 수가 있었다.