• The Transactions of The Korean Institute of Electrical Engineers
• /
• v.60 no.11
• /
• pp.2157-2164
• /
• 2011

In this paper, we introduce a new category of fuzzy inference system based on Type-2 fuzzy c-means clustering algorithm (T2FCM-based FIS). The premise part of the rules of the proposed model is realized with the aid of the scatter partition of input space generated by Type-2 FCM clustering algorithm. The number of the partition of input space is composed of the number of clusters and the individual partitioned spaces describe the fuzzy rules. Due to these characteristics, we can alleviate the problem of the curse of dimensionality. The consequence part of the rule is represented by polynomial functions with interval sets. To determine the structure and estimate the values of the parameters of Type-2 FCM-based FIS we consider the successive tuning method with generation-based evolution by means of real-coded genetic algorithms. The proposed model is evaluated with the use of numerical experimentation.

• Journal of applied mathematics & informatics
• /
• v.41 no.2
• /
• pp.413-437
• /
• 2023

In this paper, we introduce the concepts of (inf, sup)-hesitant fuzzy subsemigroups and (inf, sup)-hesitant fuzzy (generalized) bi-ideals of semigroups, and investigate their properties. The concepts are established in terms of sets, fuzzy sets, negative fuzzy sets, interval-valued fuzzy sets, Pythagorean fuzzy sets, hesitant fuzzy sets, and bipolar fuzzy sets. Moreover, some characterizations of bi-ideals, fuzzy bi-ideals, anti-fuzzy bi-ideals, negative fuzzy bi-ideals, Pythagorean fuzzy bi-ideals, and bipolar fuzzy bi-ideals of semigroups are given in terms of the (inf, sup)-type of hesitant fuzzy sets. Also, we characterize a semigroup which is completely regular, a group and a semilattice of groups by (inf, sup)-hesitant fuzzy bi-ideals.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1869_1870
• /
• 2009

본 논문에서는 다항식 기반 Type-2 Fuzzy Neural Networks(T2FNN)를 설계하고 이를 패턴분류 문제에 적용하여 그 성능을 분석한다. T2FNN은 Fuzzy C-Means(FCM)을 Type-2 Fuzzy C-Means로 확장시킨 것이라 할 수 있으며, Input layer, Fuzzyification layer, Inference layer, Deffuzification layer의 4층 네트워크로 구성된다. interval Type-1 퍼지 집합인 후반부의 연결가중치는 Gradient Descent Method를 이용하여 학습한다. 제안된 RBF 신경회로망은 모의데이터와 패턴인식 성능 평가에 많이 사용되는 machine learning 데이터에 적용하여 패턴 분류기로서의 성능을 평가받는다.

• The Transactions of The Korean Institute of Electrical Engineers
• /
• v.66 no.4
• /
• pp.692-700
• /
• 2017

In this paper, we propose the structural design of Interval Type-2 FCM based RBFNN. Proposed model consists of three modules such as condition, conclusion and inference parts. In the condition part, Interval Type-2 FCM clustering which is extended from FCM clustering is used. In the conclusion part, the parameter coefficients of the consequence part are estimated through LSE(Least Square Estimation) and WLSE(Weighted Least Square Estimation). In the inference part, final model outputs are acquired by fuzzy inference method from linear combination of both polynomial and activation level obtained through Interval Type-2 FCM and acquired activation level through Interval Type-2 FCM. Additionally, The several parameters for the proposed model are identified by using differential evolution. Final model outputs obtained through benchmark data are shown and also compared with other already studied models' performance. The proposed algorithm is performed by using Iris and Vehicle data for pattern classification. For the validation of regression problem modeling performance, modeling experiments are carried out by using MPG and Boston Housing data.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.271-274
• /
• 2002

본 논문은 (1)에 기술된 퍼지 K-nearest neighbor(NN) 알고리즘의 확장인 interval 제2종 퍼지 K-NN을 제안한다. 제안된 방법에서는, 각 패턴벡터의 멤버쉽 값들에 불확실성(Uncertainty)을 할당하는 것에 의해 interval 제2종 퍼지 멤버쉽으로의 확장을 시도한다. 이러한 확장은, K의 결정에 존재하는 불확실성은 다루고, 조정할 수 있게 한다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1871_1872
• /
• 2009

본 논문 에서는 Type-2 퍼지 논리 시스템을 설계하고, 불확실한 정보를 갖는 입력 데이터에 대하여 Type-1 퍼지 논리 시스템과 성능을 비교한다. Type-1 퍼지 논리 시스템은 외부 잡음에 민감한 단점을 가지고 있는 반면, Type-2 퍼지 논리 시스템은 불확실한 정보를 잘 표현 할 수 있다. 따라서 Type-2 퍼지 논리 시스템을 이용하여 이러한 단점을 극복하고자 2가지의 모델을 설계한다. 첫 번째 모델은 규칙의 전 후반부가 Type-1 퍼지 집합으로 구성된 Type-1 퍼지 논리 시스템을 설계 한다. 두 번째는 규칙 전 후반부에 Type-2 퍼지 집합으로 구성된 Type-2 퍼지 논리 시스템을 설계한다. 여기서 규칙 전반부의 입력 공간 분할 및 FOU(Footprint Of Uncertainty)형성에는 FCM(Fuzzy C_Means) clustering 방법을 사용하고, 입자 군집 최적화(Particle Swarm Optimization) 알고리즘을 사용하여 최적의 파라미터를 설계한다. 본 논문 에서는 또한 입력 데이터에 인위적으로 가하는 노이즈에 따른 각각 모델의 성능을 비교한다. 마지막으로 비선형 모델 평가에 주로 사용되는 NOx 데이터를 제안된 모델에 적용하고, 실험을 통하여 노이즈가 첨가되고, 불확실한 정보를 다루기에 Type-1 퍼지 논리 시스템 보다 Type-2 퍼지 논리 시스템이 효율적이라는 것을 보인다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1769-1770
• /
• 2008

Type-2 퍼지 논리 시스템은 기존의 Type-1 퍼지 논리 시스템으로부터 확장된 개념으로서 언어적 불확실성에 대한 개념을 부곽시킨다. Type-2 퍼지 논리 시스템의 가장 큰 특징은 멤버쉽 함수에 Footprint Of Uncertainty(FOU)을 사용하여 불확실성을 표현한다. Type-2 퍼지 논리 시스템은 그것의 rule-base 안에서 최소한 한 개 이상의 Type-2 멤버쉽 함수(MF)를 포함한다. Type-2 퍼지 로직 제어기는 MF가 FOU를 포함하여 계산량이 많은 반면에 외란에 대하여 강인한 성격을 지닌다. 따라서 본 논문에서는 비선형성이 강한 볼빔 시스템에 Type-1과 Type-2 퍼지 로직 제어기를 설계하고 외란에 대하여 견실한 제어기를 보인다.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.57-58
• /
• 2008

Type-2 퍼지 집합은 언어의 불확실성을 다루기 위하여 고안된 Type-1 퍼지집합의 확장이다. TSK 퍼지 로직 시스템(TSK Fuzzy Logic Systems; TSK FLS)은 Mamdani FLS과 함께 가장 널리 사용되는 퍼지 로직 시스템 모델이다. 본 논문에서는 Type-2 퍼지 집합을 이용하여 전반부 멤버쉽 함수를 구성하고 후반부 다항식 함수를 상수와 1차식, 2차식으로 확장한 다항식 Type-2 TSK FLS 설계한다. 다항식 Type-2 TSK FLS의 파라미터를 동정하기 위해 Back-propagation 방법을 사용한다. 제안된 다항식 Type-2 TSK FLS을 노이즈 섞인 비선형 시스템의 모델링에 적용하여 그 성능을 비교 분석한다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1851-1852
• /
• 2008

Type-2 퍼지 논리 집합은 언어적인 불확실성을 다루기 위하여 고안된 Type-1 퍼지 논리 집합의 확장한 것이다. Type-2 퍼지 논리 시스템은 외부 노이즈를 효율적으로 다룰 수 있다. 본 논문에서는 불확실성을 표현하기 위해서 전.후반부 멤버쉽 함수로 삼각형 형태의 Type-2 퍼지 집합을 사용한다. 전반부 멤버쉽 함수의 정점을 결정하는데 유전자 알고리즘(Genetic Algorithms)으로 멤버쉽 함수의 정점을 결정한다. 제안된 모델은 모델 평가에 주로 사용되는 가스로 시계열 데이터를 적용하고, 테스트 데이터로 노이즈에 영향 받은 데이터를 사용하여 수치적인 예를 보인다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.23 no.5
• /
• pp.479-486
• /
• 2013

There exist two major difficulties in developing flight control system: nonlinear dynamic characteristics and time-varying properties of parameters of aircraft. Instead of the difficulties, many high reliable and efficient control methodologies have been developed. But, most of the developed control systems are based on the exact mathematical modelling of aircraft and, in the absence of such a model, it is very difficult to derive performance, robustness and nominal stability. From these aspects, recently, some approaches to utilizing the intelligent control theories such as fuzzy logic control, neural network and genetic algorithm have appeared. In this paper, one advanced intelligent lateral control system of a high speed fight has been developed utilizing type-2 fuzzy logic, which can deduce the uncertainty problem of the conventional fuzzy logic. The results will be verified through computer simulation.