• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.252-256
• /
• 1997

The success of a fuzzy neural network(FNN) control system solving any given problem critically depends on the architecture of the network. Various attempts have been made in optimizing its structure using genetic algorithm automated designs. This paper presents a new approach to structurally optimized designs of FNN models. A messy genetic algorithm is used to obtain structurally optimized FNN models. Structural optimization is regarded important before neural networks based learning is switched into. We have applied the method to the problem of a numerical approximation

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 춘계학술대회 학술발표 논문집
• /
• pp.267-270
• /
• 1997

In this paper, we proposed an optimazation method using Genetic Algorithm for nonlinear system modeling. Fuzzy Neural Network(FNNs) was used as basic model of nonlinear system. FNNs was fused of Fuzzy Inference which has linguistic property and Neural Network which has learning ability and high tolerence level. This paper, We used FNNs which was proposed by Yamakawa. The FNNs was composed Simple Inference and Error Back Propagation Algorithm. To obtain optimal model, parameter of membership function, learning rate and momentum coefficient of FNNs are tuned using genetic algorithm. And we used simplex algorithm additionaly to overcome limit of genetic algorithm. For the purpose of evaluation of proposed method, we applied proposed method to traffic choice process and waste water treatment process, and then obtained more precise model than other previous optimization methods and objective model.

• 한국항공우주학회지
• /
• 제37권5호
• /
• pp.425-432
• /
• 2009

본 연구에서는 오일러 CFD코드에서 얻은 데이터를 이용하여 2차원 익형의 비정상 공력하중을 모델링하고 예측할 수 있는 신경망의 능력을 확인하였다. 신경망 모델은 감독자 관리 학습을 기반으로 하여 르벤버그-마쿼트 알고리즘, 그리고 여기에 유전알고리즘을 결합시킨 혼합형 유전알고리즘을 사용하여 구성하고 각 경우에 대하여 그 효율성을 비교 분석하였다. 복잡한 시스템을 모사하는 신경망을 학습시키는 데는 혼합형유전알고리즘이 더 효율적이라는 것을 보였으며 신경망모델에 의한 2차원 익형의 비정상공력하중 예측결과 실제 수치결과와 비교적 정확하게 일치하여 신경망 모델이 축소모델로서의 기능을 발휘하는 것을 입증하였다.

• 한국지능시스템학회논문지
• /
• 제11권3호
• /
• pp.215-222
• /
• 2001

신경망은 선형 시스템뿐만 아니라 비선형 시스템에 있어서도 탁월한 모델링 및 예측 성능을 갖고 있다. 하지만 좋은 성능을 갖는 신경망을 구현하기 위해서는 최적화 해야할 파라미터들이 있다. 은닉층의 뉴런의 수, 학습율, 모멘텀, 학습오차 등이 그것인데 이러한 파라미터들은 경험에 의해서, 또는 문헌들에서 제시하는 값들을 선택하여 사용하는 것이 일반적인 경향이다. 하지만 신경망의 전체적인 성능은 이러한 파라미터들의 값에 의해서 결정되기 때문에 이 값들의 선택은 보다 체계적인 방법을 사용하여 구하여야 한다. 본 논문은 유전 알고리즘을 이용하여 이러한 신경망 파라미터들의 최적 값을 찾는데 목적이 있다. 유전 알고리즘을 이용하여 찾은 파라미터들을 사용하여 학습된 신경망의 학습오차와 예측오차들을 심플렉스 알고리즘을 이용하여 찾는 파라미터들을 사용하여 학습된 신경망의 오차들과 비교하여 본 결과 유전 알고리즘을 이용하여 찾을 파라미터들을 이용했을 때의 신경망의 성능이 더욱 우수함을 알 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권4호
• /
• pp.440-448
• /
• 2006

자기 조직화 신경망 (SOM: Self-Organizing Map)은 자율 학습 신경망으로 사전 지식이 존재하지 않는 자료에 존재하는 구조적 관계성을 보전하는데 이용된다. 자기 조직화 신경망은 벡터 양자화, 조합 최적화, 패턴 인식과 같은 복잡한 문제 해결을 위한 연구에 많이 이용되어 왔다. 이 논문에서는 좀더 효율적인 유전 알고리즘을 얻기 위한 스키마 변환 도구로서 자기 조직화 신경망을 이용하는 새로운 사용법에 대해서 제안한다. 즉, 각 자식해는 탐색 공간에서 좀더 바람직한 모양을 가지는 동질의 인공 신경망으로 변환된다. 이 변환으로 인해 강한 상위(epistasis)를 가지는 유전자들은 염색체 상에서 서로 인접하게 되는 것이다. 실험 결과는 기존 결과에 비해서 주목할만한 성능 개선이 있음을 보여준다.

• 전자공학회논문지S
• /
• 제35S권4호
• /
• pp.67-75
• /
• 1998

In general, Evoluationary Algorithm(EAs) are refered to as methods of population-based optimization. And EAs are considered as very efficient methods of optimal sytem design because they can provice much opportunity for obtaining the global optimal solution. This paper presents a co-evolution scheme of artifical neural networks, which has two different, still cooperatively working, populations, called as a host popuation and a parasite population, respectively. Using the conventional generatic algorithm the host population is evolved in the given environment, and the parastie population composed of schemata is evolved to find useful schema for the host population. the structure of artificial neural network is a diagonal recurrent neural netork which has self-feedback loops only in its hidden nodes. To find optimal neural networks we should take into account the structure of the neural network as well as the adaptive parameters, weight of neurons. So we use the genetic algorithm that searches the structure of the neural network by the co-evolution mechanism, and for the weights learning we adopted the evolutionary stategies. As a results of co-evolution we will find the optimal structure of the neural network in a short time with a small population. The validity and effectiveness of the proposed method are inspected by applying it to the stabilization and position control of the invered-pendulum system. And we will show that the result of co-evolution is better than that of the conventioal genetic algorithm.

• 디지털콘텐츠학회 논문지
• /
• 제2권1호
• /
• pp.51-61
• /
• 2001

퍼지 제어기(FLC)는 고전적인 제어기 보다 외란에 강하고 초기치에 대한 과도응답도 우수할 뿐만 아니라 시스템의 수학적 모델과 파라메터 값을 알지 못하더라도 적절한 제어가 가능하다. 그러나 퍼지 제어기의 제어 규칙 생성은 전문가의 경험과 일단 결정된 제어 규칙은 고정됨으로 인해 제어 시스템의 환경변화에 적응할 수 없는 한계성이 있다. 또한 제어기의 출력값은 미세한 오차를 가지곤 있어 정확한 목표 값에 수렴할 수 없다. 이러한 미세한 오차를 없애기 위하여 여러 가지 방법이 연구되고 있는데, 본 논문에서는 FLC에 NN(Neural Network)과 GA(Genetic Algorithm)를 결합한 GA-FNNIC(유전알고리즘-퍼지 신경망 지능 제어기 : Genetic Algorithm - Fuzzy Neural network Intelligence Controller)를 제안한다. 제안된 GA-FNNIC와 FLC 제어기 간의 출력 특성, 수렴속도, 과도특성과 상승시간에 대해 비교 분석하고, 최종적으로 본 GA-FNNIC가 오차없이 목표치에 정확하게 수렴하는 것을 보인다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 추계학술대회 학술발표 논문집
• /
• pp.115-118
• /
• 2000

In order to approximate a nonlinear function, modular wavelet networks combining wavelet theory and modular concept based on single layer neural network have been proposed as an alternative to conventional wavelet neural networks and kind of modular network. Modular wavelet networks provide better approximating performance than conventional one. In this paper, we propose an effective method to construct an optimal modualr wavelet network using genetic algorithm. This is verified through experimental results.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 B
• /
• pp.739-742
• /
• 1997

This paper proposes the structure and parameter optimization technique of fuzzy neural networks using genetic algorithm. Fuzzy neural network has advantages of both the fuzzy inference system and neural network. The determination of the optimal parameters and structure of the fuzzy neural networks, however, requires special efforts. To solve these problems, we propose a new learning method for optimization of fuzzy neural networks using genetic algorithm. It can optimize the structure and parameters of the entire fuzzy neural network globally. Numerical example is provided to show the advantages of the proposed method.

• Smart Structures and Systems
• /
• 제15권1호
• /
• pp.227-244
• /
• 2015

This study develops a two stage procedure to identify the structural damage based on the optimized artificial neural networks. Initially, the modal strain energy index (MSEI) is established to extract the damaged elements and to reduce the computational time. Then the genetic algorithm (GA) and artificial neural networks (ANNs) are combined to detect the damage severity. The input of the network is modal strain energy index and the output is the flexural stiffness of the beam elements. The principal component analysis (PCA) is utilized to reduce the input variants of the neural network. By using the genetic algorithm to optimize the parameters, the ANNs can significantly improve the accuracy and convergence of the damage identification. The influence of noise on damage identification results is also studied. The simulation and experiment on beam structures shows that the adaptive parameter selection neural network can identify the damage location and severity of beam structures with high accuracy.