• International Journal of Fuzzy Logic and Intelligent Systems
• /
• v.5 no.3
• /
• pp.200-205
• /
• 2005

The objectives of this study were to introduce the easiest and most proper applications of datamining in industrial processes. Applying datamining in manufacturing is very different from applying it in marketing. Misapplication of datamining in manufacturing system results in significant problems. Therefore, it is very important to determine the best procedure and technique in advance. In previous studies, related literature has been introduced, but there has not been much description of datamining applications. Research has not often referred to descriptions of particular examples dealing with application problems in manufacturing. In this study, a datamining roadmap was proposed to support datamining applications for industrial processes. The roadmap was classified into three stages, and each stage was categorized into reasonable classes according to the datamining purposed. Each category includes representative techniques for datamining that have been broadly applied over decades. Those techniques differ according to developers and application purposes; however, in this paper, exemplary methods are described. Based on the datamining roadmap, nonexperts can determine procedures and techniques for datamining in their applications.

• Computers and Concrete
• /
• v.16 no.3
• /
• pp.399-414
• /
• 2015

Nowadays, fiber reinforced polymer (FRP) composites are widely used for rehabilitation, repair and strengthening of reinforced concrete (RC) structures. Also, recent advances in concrete technology have led to the production of high strength concrete, HSC. Such concrete due to its very high compression strength is less ductile; so in seismic areas, ductility is an important factor in design of HSC members (especially FRP strengthened members) under flexure. In this study, the Adaptive Neuro-Fuzzy Inference System (ANFIS) and multiple regression analysis are used to predict the curvature ductility factor of FRP strengthened reinforced HSC (RHSC) beams. Also, the effects of concrete strength, steel reinforcement ratio and externally reinforcement (FRP) stiffness on the complete moment-curvature behavior and the curvature ductility factor of the FRP strengthened RHSC beams are evaluated using the analytical approach. Results indicate that the predictions of ANFIS and multiple regression models for the curvature ductility factor are accurate to within -0.22% and 1.87% error for practical applications respectively. Finally, the effects of height to wide ratio (h/b) of the cross section on the proposed models are investigated.

• Proceedings of the Safety Management and Science Conference
• /
• 1999.11a
• /
• pp.133-146
• /
• 1999

오늘날의 산업용 로봇, CNC 공작기계 및 여러 산업설비들은 시스템간에 관계가 복잡하게 연결되어 높은 신뢰성(reliability)을 달성하여 왔다. 그러나 가동시 발생하는 결과의 고장 가능성은 적은 반면에, 고장 발생의 파급 효과는 매우 높은 것으로 나타났다. 따라서 복잡한 구조의 산업설비들에 대한 안전진단 결과들을 적절하게 분석하고 관리할 필요성이 크게 대두되고 있다. 이러한 안전진단 작업은 여러 가지 정량적ㆍ정성적인 방법들을 포함하는 전형적인 분석방법이 필요하다. 최근에는 고장탐색, 진단처리 작업 및 신뢰성 분석 작업에 지식기반(knowledge-based)을 기초로한 퍼지 전문가 시스템을 적용하고자 하는 시도가 많이 이루어지고 있다. 안전진단 분석에 관한 일반화된 지식은 이들 후속 단계들에서 상당히 효율적일 수 있다. 그러나 이러한 연구를 수행하기에는 지금까지 상대적으로 열악한 계산 도구들을 이용하였기 때문에 안전진단 분석을 행하기에는 한계가 있었다. 그러나 오늘날 컴퓨터를 이용하여 위의 여러 단계들의 수행과정에 안전진단 분석을 행할 수 있는 적절한 방법으로써, 지식-기반(knowledge-base) 전문가 시스템들을 이용하는 방법을 연구하고 있다. 이에 본 연구는 시스템의 설계단계 뿐만 아니라, 시스템의 가동ㆍ유지ㆍ보수ㆍ수리시에도 비전문가가 고장안전진단을 수행할 수 있도록 하는데 목표를 두었다.

• Korean Journal of Child Studies
• /
• v.18 no.2
• /
• pp.283-297
• /
• 1997

This study examined the development of verbatim and gist memory, and the effects of the relevance and inferential direction of the task on the development of the verbatim and gist memory. The subjects were second, fourth and sixth grade children in elementary schools. Each age group consisted of forty children. Eight sets of inference tasks were administered to each subject. In the task, the relevent and the extraneous sentences were mixed for inferential direction. The sentences that described 'which term is more' were inserted in half of the task and the sentences that indicated the direct numbers were included in the other half of the task. The task was presented by the audio tape in which instruction was recorded by one speaker. Results showed that (1) age differences in verbatim memory were significant but age differences in gist memory were not significant. These results indicate that the processes of verbatim and gist memory are separate and independent. (2) The relevance and inferential direction of the task affect gist memory but no verbatim memory. This result also supported independence between verbatim and gist memory. It was suggested that these results can be interpreted in terms of fuzzy trace theory.

• Journal of Electrical Engineering and Technology
• /
• v.5 no.2
• /
• pp.209-219
• /
• 2010

In this paper, a novel dynamic available transfer capability (DATC) has been computed for real time applications using three different intelligent techniques viz. i) back propagation algorithm (BPA), ii) radial basis function (RBF), and iii) adaptive neuro fuzzy inference system (ANFIS) for the first time. The conventional method of DATC is tedious and time consuming. DATC is concerned with calculating the maximum increase in point to point transfer such that the transient response remains stable and viable. The ATC information is to be continuously updated in real time and made available to market participants through an internet based Open Access Same time Information System (OASIS). The independent system operator (ISO) evaluates the transaction in real time on the basis of DATC information. The dynamic contingency screening method [1] has been utilized and critical contingencies are selected for the computation of DATC using the energy function based potential energy boundary surface (PEBS) method. The PEBS based DATC has been utilized to generate patterns for the intelligent techniques. The three different intelligent methods are tested on New England 68-bus 16 machine and 39-bus 10 machine systems and results are compared with the conventional PEBS method.

• 한국방재학회:학술대회논문집
• /
• 2008.02a
• /
• pp.405-408
• /
• 2008

Up to now, a lot of houses, roads and other urban facilities have been damaged by natural disasters such as flash floods and landslides. It is reported that the size and frequency of disasters are growing greatly due to global warming. In order to mitigate such disaster, flood forecasting and alerting systems have been developed for the Han river, Geum river, Nak-dong river and Young-san river. These systems, however, do not help small municipal departments cope with the threat of flood. In this study, a real-time urban flood forecasting service (U-FFS) is developed for ubiquitous computing city which includes small river basins. A test bed is deployed at Tan-cheon in Gyeonggido to verify U-FFS. It is found that U-FFS can forecast the water level of outlet of river basin and provide real-time data through internet during heavy rain. Furthermore, it is expected that U-FFS presented in this study can be applied to ubiquitous computing city (u-City) and/or other cities which have suffered from flood damage for a long time.

• Proceedings of the KIEE Conference
• /
• 2001.07d
• /
• pp.2744-2746
• /
• 2001

이 논문에서는 이동 로봇을 위하여 퍼지이론과 Dempster-Shafer 이론을 이용한 불확실한 환경에서의 센서기반 네비게이션 방법을 제안한다. 제안된 제어기는 장애물 회피 동작과 목적지 찾기 동작을 위한 2개의 행동 모듈로 구성되어 있다. 2개의 행동 모듈은 각각 퍼지 이론으로 학습되었고, 적절한 행동 선택 방법으로 선택되게끔 하였다. 견고한 퍼지 제어기를 가진 로봇이 실험 환경내에서 안전하게 움직이기 위하여 자동으로 지도를 구축(Map Building) 하도록 하였다. 이 실험에서 구성된 맵은 평면상의 격자를 중심으로 작성되었고 로봇의 센서에서 읽어들인 센서 값은 D-S 추론 이론을 이용하여 기존의 맵과 혼합되어진다. 즉, 로봇이 움직일때 마다 실험 환경내에서 새로운 정보를 읽어 들이고, 그 정보로 인하여 기존의 지도가 새로운 지도로 갱신되는 것이다. 이러한 작업을 거치면서 로봇은 장애물과 충돌없이 배회하는 것 뿐 아니라 설정된 목적지까지도 쉽게 찾아갈 수가 있다. 실험에 대한 안정성과 확신을 검증 받기 위하여 실제 로봇에 적용하기보다는 먼저 이동 로봇의 시뮬레이션으로 실험 해 보고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.606-609
• /
• 2015

본 연구에서는 support vector regression (SVR) 및 매개변수 최적화 알고리즘을 이용한 하천수위 예측모델을 구축하고 이를 실제 유역에 적용하여 모델 효율성을 평가하였다. 여기서, SVR은 하천수위를 예측하기 위한 예측모델로서 채택되었으며, 커널함수 (Kernel function)로서는 radial basis function (RBF)을 선택하였다. 최적화 알고리즘은 SVR의 최적 매개변수 (C?, cost parameter or regularization parameter; ${\gamma}$, RBF parameter; ${\epsilon}$, insensitive loss function parameter)를 탐색하기 위하여 적용되었다. 매개변수 최적화 알고리즘으로는 grid search (GS), genetic algorithm (GA), particle swarm optimization (PSO), artificial bee colony (ABC) 알고리즘을 채택하였으며, 비교분석을 통해 최적화 알고리즘의 적용성을 평가하였다. 또한 SVR과 최적화 알고리즘을 결합한 모델 (SVR-GS, SVR-GA, SVR-PSO, SVR-ABC)은 기존에 수자원 분야에서 널리 적용되어온 신경망(Artificial neural network, ANN) 및 뉴로퍼지 (Adaptive neuro-fuzzy inference system, ANFIS) 모델과 비교하였다. 그 결과, 모델 효율성 측면에서 SVR-GS, SVR-GA, SVR-PSO 및 SVR-ABC는 ANN보다 우수한 결과를 나타내었으며, ANFIS와는 비슷한 결과를 나타내었다. 또한 SVR-GA, SVR-PSO 및 SVR-ABC는 SVR-GS보다 상대적으로 우수한 결과를 나타내었으며, 모델 효율성 측면에서 SVR-PSO 및 SVR-ABC는 가장 우수한 모델 성능을 나타내었다. 따라서 본 연구에서 적용한 매개변수 최적화 알고리즘은 SVR의 매개변수를 최적화하는데 효과적임을 확인할 수 있었다. SVR과 최적화 알고리즘을 이용한 하천수위 예측모델은 기존의 ANN 및 ANFIS 모델과 더불어 하천수위 예측을 위한 효과적인 도구로 사용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.180-183
• /
• 2013

근래의 프로세서는 하나의 다이 위에 여러 개의 코어를 배치한 멀티코어 형태를 띠고 있다. 최근에는 프로세서의 에너지 소비량을 줄이기 위해 비대칭 멀티코어를 활용하여 동일한 성능을 유지하며 소비전력을 낮추는 방법에 대한 연구가 활발히 진행되고 있다. 비대칭 멀티코어의 장점을 최대한 활용하기 위해서는 대칭형 멀티코어와는 달리 실행해야 할 프로세스와 상이한 코어간의 작동 특성을 고려해야 한다. 본 논문에서는 전력 소비 효율 향상을 위해 프로세스 스케줄링 알고리즘에 하이브리드 인공지능 기술인 Adaptive Neuro Fuzzy Inference System (ANFIS)를 적용하여 각 프로세스에 적합한 코어를 찾아 할당하는 방법을 제안한다. 시뮬레이션 결과 제안하는 프로세스 스케줄러는 리눅스의 CFS 대비 평균 35.4% 낮은 Energy Delay Product (EDP)를 보였으며 이를 통해 하이브리드 인공지능을 적용한 프로세스 스케줄링 알고리즘의 유효성을 입증하였다.

• International Journal of Computer Science & Network Security
• /
• v.22 no.10
• /
• pp.171-176
• /
• 2022

A dramatic rise in the number of people dying from heart disease has prompted efforts to find a way to identify it sooner using efficient approaches. A variety of variables contribute to the condition and even hereditary factors. The current estimate approaches use an automated diagnostic system that fails to attain a high level of accuracy because it includes irrelevant dataset information. This paper presents an effective neural network with convolutional layers for classifying clinical data that is highly class-imbalanced. Traditional approaches rely on massive amounts of data rather than precise predictions. Data must be picked carefully in order to achieve an earlier prediction process. It's a setback for analysis if the data obtained is just partially complete. However, feature extraction is a major challenge in classification and prediction since increased data increases the training time of traditional machine learning classifiers. The work integrates the CNN-MDRP classifier (convolutional neural network (CNN)-based efficient multimodal disease risk prediction with TANFIS (tuned adaptive neuro-fuzzy inference system) for earlier accurate prediction. Perform data cleaning by transforming partial data to informative data from the dataset in this project. The recommended TANFIS tuning parameters are then improved using a Laplace Gaussian mutation-based grasshopper and moth flame optimization approach (LGM²G). The proposed approach yields a prediction accuracy of 98.40 percent when compared to current algorithms.