• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 1998년도 춘계종합학술대회
• /
• pp.321-326
• /
• 1998

본 논문에서는 정밀 제어와 온-라인 제어를 위하여 유전 알고리즘을 이용한 퍼지-신경망 제어기를 제안하였다. 제안된 제어기의 설계방법은 다음과 같은 3단계의 동조과정으로 구성한다. 1) 퍼지 제어기의 비퍼지화 연산을 신경망을 이용하여 함수근사화 시킨 후, 퍼지-신경망 제어기를 구성한다. 2) 플랜트에 적합한 퍼지 소속함수의 형태를 얻기 위해 유전 알고리즘을 이용하여 근사화된 퍼지 소속함수를 찾는다. 3) 근사화된 초기 퍼지 소속함수를 퍼지-신경망 제어기에 의해 적응학습으로 최적의 퍼지 소속함수를 얻고, 또한 플랜트의 파라미터 변동이나 외부환경의 변화에 대해 적응할 수 있도록 최적의 퍼지 소속함수를 추정한다. 제안된 제어기의 성능을 평가하기 위하여 DC 서보모터의 속도제어에 적용하였다.

• Journal of information and communication convergence engineering
• /
• 제3권1호
• /
• pp.43-48
• /
• 2005

In this paper, the adaptive fuzzy logic controller(AFLC) is proposed, which uses real-coding genetic algorithm showing a good performance on convergence velocity and diversity of population among evolutionary computations. The effectiveness of the proposed AFLC was demonstrated by computer simulation for speed control system of AC servo motor. As a result of simulation for the AC servo motor, it is shown the proposed AFLC has the better performance on overshoot, settling time and rising time than the PI controller which is used when tuning AFLC.

• 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(C)
• /
• pp.380-384
• /
• 2010

기후온난화, 국지성 호우 및 대규모 태풍으로 인한 피해가 증대되면서 사회 경제적 손실 또한 날로 증가하고 있어 재해로 인한 피해 발생가능성을 효율적으로 예측하는 모델을 통한 선제적 대응이 필요하다. 재난 재해의 위험성 분석 방법은 주로 확률 통계기법을 기반으로 하는 연구가 주류를 이루었으나, 본 논문에서는 포착된 현상의 데이터를 이용해 그 데이터를 지배하는 경험적 규칙성을 학습하고 획득하는데 다른 기법보다 탁월한 성능을 가진 신경망 모델을 적용하여 자연재해 피해예측 모델을 연구하였다. 1991년부터 2005년 사이에 우리나라에서 발생한 자연재해의 피해자료와 기상개황 자료를 이용하여 지역별 자연재해로 인한 피해를 예측하는 신경망 모델은 우리나라 232개 행정구역에 대하여 누적강우량과 최대풍속, 그리고 재해사상 발생 5일 이내의 선행강우량을 입력변수로 하고 총 피해액을 출력변수로 한다. 또한 학습을 통한 최적의 해를 찾기 위해 신경망의 매개변수 학습률, 모멘텀, 편의값을 유전자알고리즘으로 결정하여 학습을 수행 하였다.

• Computers and Concrete
• /
• 제24권3호
• /
• pp.271-282
• /
• 2019

Concrete undergoes a series of thermo-based physio-chemical changes once exposed to elevated temperatures. Such changes adversely alter the composition of concrete and oftentimes lead to fire-induced explosive spalling. Spalling is a multidimensional, complex and most of all sophisticated phenomenon with the potential to cause significant damage to fire-exposed concrete structures. Despite past and recent research efforts, we continue to be short of a systematic methodology that is able of accurately assessing the tendency of concrete to spall under fire conditions. In order to bridge this knowledge gap, this study explores integrating novel artificial intelligence (AI) techniques; namely, artificial neural network (ANN), adaptive neuro-fuzzy inference system (ANFIS) and genetic algorithm (GA), together with traditional statistical analysis (multilinear regression (MLR)), to arrive at state-of-the-art procedures to predict occurrence of fire-induced spalling. Through a comprehensive datadriven examination of actual fire tests, this study demonstrates that AI techniques provide attractive tools capable of predicting fire-induced spalling phenomenon with high precision.

• Journal of Multimedia Information System
• /
• 제6권2호
• /
• pp.87-90
• /
• 2019

Machine learning techniques have been applied in almost all the domains of human life to aid and enhance the problem solving capabilities of the system. The field of medical science has improved to a greater extent with the advent and application of these techniques. Efficient expert systems using various soft computing techniques like artificial neural network, Fuzzy Logic, Genetic algorithm, Hybrid system, etc. are being developed to equip medical practitioner with better and effective diagnosing capabilities. In this paper, a comparative study to evaluate the predictive performance of subtractive clustering based ANFIS hybrid system (SCANFIS) with Fuzzy C-Means (FCM) based ANFIS system (FCMANFIS) for Alzheimer disease (AD) has been taken. To evaluate the performance of these two systems, three parameters i.e. root mean square error (RMSE), prediction accuracy and precision are implemented. Experimental results demonstrated that the FCMANFIS model produce better results when compared to SCANFIS model in predictive analysis of Alzheimer disease (AD).

• 융합보안논문지
• /
• 제18권5_1호
• /
• pp.59-66
• /
• 2018

기계학습을 이용하는 침입 탐지 시스템의 성능은 특징 집합의 구성과 크기에 크게 좌우된다. 탐지율과 같은 시스템의 탐지 정확도는 특징 집합의 구성에, 학습 및 탐지 시간은 특징 집합의 크기에 의존한다. 따라서 즉각적인 대응이 필수인 침입 탐지 시스템의 실시간 탐지가 가능하도록 하려면, 특징 집합은 크기가 작으면서도 적절한 특징들로 구성하여야 한다. 본 논문은 실시간 탐지를 위한 특징 집합 선택 문제를 해결하기 위해 사용했던 기존의 다목적 유전자 알고리즘에 특징 간의 Pearson 상관계수를 함께 사용하면 탐지율을 거의 낮추지 않으면서도 특징 집합의 크기를 줄일 수 있음을 보인다. 제안한 방법의 성능평가를 위해 NSL_KDD 데이터를 사용하여 10가지 공격 유형과 정상적인 트래픽을 구별하도록 인공신경망을 설계, 구현하여 실험한다.

• 전자공학회논문지CI
• /
• 제38권5호
• /
• pp.37-43
• /
• 2001

인터넷이 널리 이용되면서 네트워크나 호스트에 대한 불법적인 침입은 많은 위험요소가 되고 있다. 이러한 침입을 탐지하기 위하여 통계적기법, 데이터마이닝기법, 유전자 알고리즘/프로그래밍 기법 등을 이용한 이상현상 탐지모델들이 많이 제안되어 왔으나 새로운 유형의 침입에 대해서는 탐지능력이 떨어지는 단점이 있다. 본 논문에서는 THRE KBANN을 이용한 이상현상탐지모델을 제안하였는데, 이는 연속학습을 할 수 있도록 지식기반신경망을 개선한 것이다. 이 모델을 실험적 자료에 적용한 결과를 데이터마이닝기법을 적용한 경우와 비교하여 성능평가를 하였다. 그리고 새로운 침입유형을 탐지하기 위한 연속학습에 대한 성능도 평가하였다.

• Molecules and Cells
• /
• 제41권10호
• /
• pp.881-888
• /
• 2018

During the cortical development, cells in the brain acquire somatic mutations that can be implicated in various neurodevelopmental disorders. There is increasing evidence that brain somatic mutations lead to sporadic form of epileptic disorders with previously unknown etiology. In particular, malformation of cortical developments (MCD), ganglioglioma (GG) associated with intractable epilepsy and non-lesional focal epilepsy (NLFE) are known to be attributable to brain somatic mutations in mTOR pathway genes and others. In order to identify such somatic mutations presenting as low-level in epileptic brain tissues, the mutated cells should be enriched and sequenced with high-depth coverage. Nevertheless, there are a lot of technical limitations to accurately detect low-level of somatic mutations. Also, it is important to validate whether identified somatic mutations are truly causative for epileptic seizures or not. Furthermore, it will be necessary to understand the molecular mechanism of how brain somatic mutations disturb neuronal circuitry since epilepsy is a typical example of neural network disorder. In this review, we overview current genetic techniques and experimental tools in neuroscience that can address the existence and significance of brain somatic mutations in epileptic disorders as well as their effect on neuronal circuitry.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.