• Proceedings of the KIEE Conference
• /
• 2000.11d
• /
• pp.791-793
• /
• 2000

The fuzzy inference system is a popular computing framework based on the concepts of fuzzy set theory, fuzzy if-then rules, and fuzzy reasoning. The advantage of fuzzy approach over traditional ones lies on the fact that fuzzy system does not require a detail mathematical description of the system while modeling. As modeling method. the Group Method of Data Handling(GMDH) is introduced by A.G. Ivakhnenko GMDH is an analysis technique for identifying nonlinear relationships between system's inputs and output. We study a Novel Neuro-Fuzzy Network (NNFN) in this paper. NNFN is a network resulting from the combination of a fuzzy inference system and polynomial neural network(PNN) (7) which is advanced structure of GMDH. Simulation involve a series of synthetic as well as experimental data used across various neurofuzzy systems.

• Proceedings of the KIEE Conference
• /
• 1997.07b
• /
• pp.675-678
• /
• 1997

In this paper, we present a fast and robust algorithm for the design of fuzzy controller and identifying fuzzy model from numerical data by combining the cluster estimation method with a linear least squares estimation procedure. The proposed method is compared with Adaptive Neuro-Fuzzy Inference System(ANFIS) as the standard example of neuro-fuzzy model. Finally we will show its usefulness and effectiveness for the design of fuzzy controller of a cart-pole system and fuzzy modeling for the coagulant dosing of a water purification system.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.382-382
• /
• 2011

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이며, 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 수위를 직접 예측함으로써 이러한 오차의 문제점을 극복 하고자 한다. Neuro-Fuzzy 모형은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 소속함수를 최적화함으로서 모형의 구조를 스스로 조직화한다. 따라서 수학적 알고리즘의 적용이 어려운 강우와 유출관계를 하천유역이라는 시스템에서 발생된 신호체계의 입 출력패턴으로 간주하고 인간의 사고과정을 근거로 추론과정을 거쳐 수문계의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 이러한 유전자 알고리즘은 전역 샘플링을 중심으로 한 수법으로 해 공간상에서 유전자의 개수만큼 복수의 탐색점을 설정할 뿐만 아니라 교배와 돌연변이 등으로 좁아지는 탐색점 바깥의 영역으로 탐색을 확장할 수 있기 때문에 지역해에 빠질 위험성이 크게 줄어든다. 따라서 예측과 패턴인식에 강한 뉴로퍼지 모형의 해 탐색방법을 유전자 알고리즘을 사용한다면 보다 정확한 해를 찾는 것이 가능할 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 상류의 수위자료로부터 하류의 단시간 수위예측에 관해 연구하였으며, 이를 위해 유전자 알고리즘을 이용항여 소속함수를 최적화 시키는 형태의 Neuro-Fuzzy모형에 대하여 연구하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.128-132
• /
• 2012

물은 생물의 생존을 위해 필수적인 요소로 인류가 시작된 이래로 물을 효율적으로 이용하고 안전하게 관리하기 위한 노력은 계속되어 왔다. 최근 지구 온난화가 주요 원인으로 알려진 국지성 집중호우의 피해는 매우 심각하며, 이로 인해 치수에 대한 중요성은 날로 커지고 있다. 지금까지 사용해 왔던 홍수 예 경보 과정은 특정 지점의 유출량을 예측하기 위해서 강우-유출 모형을 운영하였다. 그러나 물리적 모형의 경우 운영에 필요한 매개변수의 결정과정이 복잡하고, 매개변수 결정을 위해 많은 자료를 필요로 한다. 또한 그 매개변수의 결정과정은 많은 불확실성을 포함하고 있어서 모형의 운영을 위한 전처리과정과 계산과정을 거치는 동안 발생한 오차가 누적되어 결과물 속에는 많은 오차가 포함되어 있다. 본 연구에서는 기존의 홍수 예 경보 시스템의 문제점과 불확실성을 최대한 감소시키고 더 우수한 유출량 예측을 위해 neuro-fuzzy 추론 기법을 이용한 모형인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 사용하여 하천수위를 예측하였다. ANFIS는 신경회로망과 퍼지이론을 결합한 기법으로 신경회로망의 구조와 학습 능력을 이용하여 제어환경에서 획득한 입 출력 정보로부터 언어변수의 membership 함수와 제어규칙을 제어 대상에 적합하도록 자동으로 조종하는 기법이다. 본 연구에서는 ANFIS를 사용하여 탄천 하류에 위치한 대곡교의 수위를 예측하였다. 분석을 위해 2007년부터 2011년까지의 탄천 유역의 관측 강우자료와 수위 자료 중 강우강도와 지속시간, 강우 형태에 따라 7개의 강우사상을 선정하였다. 학습자료 및 보정자료의 변화에 따른 예측 오차를 비교하여 모형의 적용성과 적정성을 평가하였다. 적용결과 입력자료 구성의 경우 해당 시간의 강우량 및 수위자료와 10분 전 강우자료를 이용한 모델이 가장 우수한 예측을 보였고, 학습자료의 경우 자료의 길이가 길고, 최대홍수량이 큰 경우 가장 우수한 예측 결과를 보였다. 본 연구의 적용결과 가장 우수한 모형의 경우 30분 예측 첨두수위 오차는 0.32%, RMSE는 0.05m 이고 예측시간이 길어짐에 따라 오차가 비선형적으로 증가하는 경향을 보였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 2004.08a
• /
• pp.546-551
• /
• 2004

In this paper, a level controller is designed with the neuro-fuzzy model based on Takagi-Sugeno fuzzy system. The fuzzy system is employed as the controller, which can be tuned by the neural network mechanism based on a gradient descent technique. The tuning mechanism will provide an optimal process input by forcing the process error to zero. The proposed controller provides the online tunable mode to adjust the consequent membership function parameters. The controller is implemented with M-file and graphic user interface (GUI) of Matlab program. The program uses MPIBM3 interface card to connect with the industrial processes In the experimentation, the proposed method is tested to vary of the process parameters, set points and load disturbance. Processes of one tank and two tanks are used to evaluate the efficiency of our controller. The results of the both processes are compared with two PID systems that are 3G25A-PIDO1-E and E5AK of OMRON. From the comparison results, our controller performance can be archived in the case of more robustness than the two PID systems.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.13 no.5
• /
• pp.512-519
• /
• 2003

In this paper, we propose a neuro-fuzzy modeling to improve the performance using the hierarchical clustering and Gaussian Mixture Model(GMM). The hierarchical clustering algorithm has a property of producing unique parameters for the given data because it does not use the object function to perform the clustering. After optimizing the obtained parameters using the GMM, we apply them as initial parameters for Adaptive Network-based Fuzzy Inference System. Here, the number of fuzzy rules becomes to the cluster numbers. From this, we can improve the performance index and reduce the number of rules simultaneously. The proposed method is verified by applying to a neuro-fuzzy modeling for Box-Jenkins s gas furnace data and Sugeno's nonlinear system, which yields better results than previous oiles.

• Proceedings of the Korean Institute of IIIuminating and Electrical Installation Engineers Conference
• /
• 2005.11a
• /
• pp.315-320
• /
• 2005

This paper is proposed adaptive fuzzy-neuro controller for high performance of induction motor drive. The design of this algorithm based on fuzzy-neural network controller that is implemented using fuzzy control and neural network. This controller uses fuzzy rule as training patterns of a neural network. Also, this controller uses the back-propagation method to adjust the weights between the neurons of neural network in order to minimize the error between the command output and actual output. A model reference adaptive scheme is proposed in which the adaptation mechanism is executed by fuzzy logic based on the error and change of nor measured between the motor speed and output of a reference model. The control performance of the adaptive fuzy-neuro controller is evaluated by analysis for various operating conditions. The results of experiment prove that the proposed control system has strong high performance and robustness to parameter variation, and steady-state accuracy and transient response.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.168-171
• /
• 2006

본 논문에서는 Particle Swarm Optimization 기법을 이용한 뉴로-퍼지 시스템의 파라미터 동정을 실시한다. PSO의 학습 및 군집 특성을 이용하여 시스템을 학습한다. 유전 알고리즘과 같은 무작위 탐색법을 이용하며 하나의 해 군집에 대해 다수 객체들이 탐색하는 기법을 통하여 최적해 부분의 탐색성능을 높여 전체 모델의 학습성능을 개선하고자 한다. 제안된 기법의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1996.10a
• /
• pp.298-301
• /
• 1996

This paper describes the structure Identification of nonlinear function using Adaptive Neuro-Fuzzy Inference Technique(ANFIS). Nonlinear mapping relationship between inputs and outputs were modeled by Sugeno-Takaki's Fuzzy Inference Method. Specially, the consequent parts were identified using a series of 1st order equations and the antecedent parts using triangular type membership function or bell type ones. According to learning Rules of ANFIS, adjustable parameters were converged rapidly and accurately.

• 제어로봇시스템학회:학술대회논문집
• /
• 2001.10a
• /
• pp.123.2-123
• /
• 2001

It is difficult to determine the feeding rate of coagulant in the water treatment plant, due to nonlinearity, multivariables and slow response characteristics, etc. To deal with this difficulty, the neuro-fuzzy system and the genetic-fuzzy system were used in determining the feeding rate of the coagulant. The fuzzy system is excellently robust in multi-variables and nonlinear problems. Therefore it uses basic algorithm, but it is difficult to construct of the fuzzy parameter such as the rule table and the membership function, Therefore we made the neuro-fuzzy system and the genetic-fuzzy system with the fusion of learning algorithms and compared the performance of the two fuzzy systems. To apply these algorithms, we made the rule table, membership function from the actual operation data of the water treatment plant. We determined optimized feeding rate of coagulant using the fuzzy operation, and also compared ...