• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제3권2호
• /
• pp.194-199
• /
• 2003

Data are an expression of the language or numerical values that show some features. And the information is extracted from data for the specific purposes. The knowledge is utilized as information to construct rules that recognize patterns or make a decision. Today, knowledge extraction and application of that are broadly accomplished for the easy comprehension and the performance improvement of systems in the several industrial fields. The knowledge extraction can be achieved by some steps that include the knowledge acquisition, expression, and implementation. Such extracted knowledge is drawn by rules with data mining techniques. Clustering (CL), input space partition (ISP), neuro-fuzzy (NF), neural network (NN), extension matrix (EM), etc. are employed for the knowledge expression based upon rules. In this paper, the various approaches of the knowledge extraction are surveyed and categorized by methodologies and applied industrial fields. Also, the trend and examples of each approaches are shown in the tables and graphes using the categories such as CL, ISP, NF, NN, EM, and so on.

• Environmental Engineering Research
• /
• 제25권4호
• /
• pp.545-553
• /
• 2020

Rainfall-Runoff modeling plays a crucial role in various aspects of water resource management. It helps significantly in resolving the issues related to flood control, protection of agricultural lands, etc. Various Machine learning and statistical-based algorithms have been used for this purpose. These techniques resulted in outcomes with an acceptable rate of success. One of the pertinent machine learning algorithms namely Adaptive Neuro Fuzzy Inference System (ANFIS) has been reported to be a very effective tool for the purpose. However, the computational complexity of ANFIS is a major hindrance in its application. In this paper, we resolved this problem of ANFIS by incorporating one of the evolutionary algorithms known as Particle Swarm Optimization (PSO) which was used in estimating the parameters pertaining to ANFIS. The results of the modified ANFIS were found to be satisfactory. The performance of this modified ANFIS is then compared with conventional ANFIS and another popular statistical modeling technique namely ARIMA model with respect to the forecasting of runoff. In the present investigation, it was found that proposed PSO-ANFIS performed better than ARIMA and conventional ANFIS with respect to the prediction accuracy of runoff.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 B
• /
• pp.606-608
• /
• 1997

In this paper, Neuro-Fuzzy Controller(NFC), a fuzzy system realized using a neural network, is to adopt for the multivariable system. In the multivariable system, the interactive effects between the variables should be taken into account. A simple compensator, using the steady-state information can be obtained for open-loop stable systems, is presented to cope with this problem. However, it should be supposed that the plant is unknown to the control system designer, but an estimate of the DC gain has been obtained by carrying out experiments on the plant. Also, if the variables are not combinated completely, it is difficult to design the controller. Therefore, we design a neuro-fuzzy controller which controls a multivariable system with only input output informations, and compare its performance with that of a PI controller. In the proposed controller, the construction of the membership functions and rule base, which is highly heuristic, can be achieved using a training process. This allows the combination of knowledge of human experts and evidence from input-output data.

• ETRI Journal
• /
• 제31권2호
• /
• pp.182-192
• /
• 2009

Rain attenuation and intercell interference are two crucial factors in the performance of broadband wireless access networks such as local multipoint distribution systems (LMDS) operating at frequencies above 20 GHz. Power control can enhance the performance of downlink CDMA-based LMDS systems by reducing intercell interference under clear sky conditions; however, it may damage system performance under rainy conditions. To ensure robust operation under both clear sky and rainy conditions, we propose a novel power-control scheme which applies an adaptive neuro-fuzzy inference system (ANFIS) for downlink CDMA-based LMDS systems. In the proposed system, the rain rate and the number of users are two inputs of the fuzzy inference system, and output is defined as channel quality, which is applied in the power control scheme to adjust the power control region. Moreover, ITU-R P.530 is employed to estimate the rain attenuation. The influence of the rain rate and the number of users on the distance-based power control (DBPC) scheme is included in the simulation model as the training database. Simulation results indicate that the proposed scheme improves the throughput of the DBPC scheme.

• 대한교통학회지
• /
• 제19권6호
• /
• pp.171-182
• /
• 2001

본 연구는 지점검지체계와 구간검지체계와의 자료합성을 통하여 도심 간선도로 및 지방도로 구간별 효과척도를 산정할 뿐만 아니라 유고검지 및 통행패턴 예측, 네트워크 기종점에 대한 최적/최단 경로를 탐색하는데 기초가 되는 구간 통행시간 추정을 수행한다. 개개 수집원의 자료합성을 위해 퍼지이론과 인공신경 망의 합성모형인 FALEM(Fuzzy Adaptive Learning Estimator for travel time from Multi-information sources)을 개발, 개발된 모형 FALEM에 의해 개개구간의 통행시간을 산출하고 동일시간, 동일구간에서 조사된 실측데이터와의 오차율 비교를 통해 추정된 통행시간을 검증하였다. 테스트 환경은 개발모형에 의해 추정된 구간 통행시간의 적용성을 고려하여 실시간 운영하에서 수행되었다.

• 인터넷정보학회논문지
• /
• 제8권3호
• /
• pp.131-143
• /
• 2007

오늘날 정보 기술 및 지능형 시스템에서는 분산 데이터베이스로부터 패턴들을 찾고 규칙들을 추출하기 위해 데이터 마이닝 기술을 사용한다. 분산환경에서 데이터 마이닝 기술을 이용해 추출된 규칙들은 동적인 중복, 적응형 부하 균형 및 기타 기술들에서 활용될 수 있다. 그러나 대량의 데이터 전송은 에러를 야기하며 신뢰할 수 없는 결과를 초래할 수 있다. 이 논문은 이동 에이전트를 사용하여 동적 그룹 바인딩을 기반으로 한 인텔리전트 분산 플랫폼을 제안한다. 그룹서비스를 통해 효율적인 객체 검색을 위한 분류 알고리즘을 구현한다. 지능형 모델은 동적 중복을 위해 추출된 규칙을 사용한다. 데이터 마이닝 에이전트와 데이터 압축 에이전트는 각각 서비스 노드 데이터베이스로부터 규칙을 추출하여 데이터를 압축한다. 제안한 알고리즘은 데이터를 전송하기 전에 neuro-fuzzy 분류기를 사용하여 빈도가 적은 데이터 ???V을 합하는 전처리 과정을 수행한다. 객체그룹 분류, 서비스 노드 데이터베이스 마이닝, 데이터 압축 및 규칙 추출에 대한 시뮬레이션을 수행했다. 효율적인 데이터 압축 및 신뢰성 있는 규칙 추출에 대한 실험 결과 제안한 알고리즘이 다른 방법들과 비교해 이러한 관점에서 성능이 우수함을 나타내었다.

• 전기학회논문지
• /
• 제64권7호
• /
• pp.1114-1124
• /
• 2015

In this paper, precipitation / non-precipitation pattern classification of meteorological radar data is conducted by using neuro-fuzzy algorithm. Structure expression of meteorological radar data information is analyzed in order to effectively classify precipitation and non-precipitation. Also diverse input variables for designing pattern classifier could be considered by exploiting the quantitative as well as qualitative characteristic of meteorological radar data information and then each characteristic of input variables is analyzed. Preferred pattern classifier can be designed by essential input variables that give a decisive effect on output performance as well as model architecture. As the proposed model architecture, neuro-fuzzy algorithm is designed by using FCM-based radial basis function neural network(RBFNN). Two parts of classifiers such as instance classifier part and echo classifier part are designed and carried out serially in the entire system architecture. In the instance classifier part, the pattern classifier identifies between precipitation and non-precipitation data. In the echo classifier part, because precipitation data information identified by the instance classifier could partially involve non-precipitation data information, echo classifier is considered to classify between them. The performance of the proposed classifier is evaluated and analyzed when compared with existing QC method.

• 한국지능시스템학회논문지
• /
• 제27권2호
• /
• pp.113-118
• /
• 2017

선박 충돌 사고를 예방하기 위해 충돌위험도를 미리 추정하여 알려주는 다양한 연구들이 꾸준히 소개되고 있고, 일부 항해장비에 적용되고 있다. 하지만, 충돌위험을 미리 알려주었을 때, 실제 운항자는 충분히 피항 가능한 상황인데 위험성을 알린다고 판단하여 위험 경고를 무시하거나 장비의 알람 기능을 꺼놓는 경우도 많은 것으로 알려져 있다. 선박 충돌 위험 예측이 운항자들에게 좀 더 유용해지기 위해서는 실제 선박들의 습관화된 충돌 회피 동작을 고려할 필요가 있다. 이 연구는 선박에서의 충돌 회피 조치가 어떻게 이루어지고 있는지 조우 유형별로 분석하고 이력을 관리하기 위한 시스템을 제안한다. 특히, 충돌회피를 위한 초기대응에 대한 적절성을 판단하는 핵심 모듈을 뉴로-퍼지 기반 추론 형태로 상세히 설계하고 테스트함으로써 제안하는 시스템의 타당성을 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.262-262
• /
• 2011

최근 들어 지구환경 변화에 따른 이상기후의 영향으로 태풍 및 집중호우로 인한 하천범람 등 홍수재해에 의한 인명과 재산의 피해가 급증하고 있다. 특히 한반도 지역에서는 집중호우와 태풍과 같은 이상강우로 인한 홍수피해의 발생이 매년 나타나고 있으며 홍수피해의 빈도와 강도는 증가하고 있는 실정이다. 이러한 상황에서 극심한 기상이변으로 인하여 발생되는 이상홍수의 예측에 관한 사항은 치수 이수는 물론 친수관점에서 볼 때 하천관리의 측면에서 매우 중요한 관심사로 부각되고 있다. 특히 홍수예측은 주민의 대피 및 통제, 시설물의 보호 등을 위해 충분한 선행시간을 확보할 수 있는 실시간적 관점에서의 홍수예측 및 관리가 중요하다. 기존의 수문학적 강우-유출 모형은 비선형성이 강하고 유역의 지형학적 인자와 기후학적 인자의 영향을 포함하기 때문에 정확한 예측이 어렵고 유출량을 계산하기 위한 유역추적, 저수지추적 및 하도추적의 각 추적과정에서 크고 작은 오차들이 발생하고 그것들이 누적되어 유출 모형의 해석 결과에는 많은 오차들이 포함되어 있다는 문제점이 있다. 또한 주로 유역 면적이 크고 홍수의 도달시간이 긴 대하천의 홍수예측에는 기존의 강우-유출 모형이 적당한 방법임에도 불구하고 유역면적이 작은 중소하천에 적용됨으로써 많은 불확실성을 포함하고 있으며 충분한 선행시간을 확보하지 못하는 문제점을 가지고 있다. 따라서 본 연구에서는 중소하천에서의 기존의 홍수예경보가 가지고 있는 문제점을 해결하기 위해 실시간 수위측정 자료 및 강우자료를 이용한 간단한 입력자료 만으로도 홍수예측이 가능한 뉴로-퍼지(Neuro-Fuzzy) 모형을 구축하여 충분한 선행시간을 확보함으로써 중소하천에서 의 실시간 홍수예측이 가능한 시스템을 구성하여 실시간으로 구동되는 효율적인 홍수예경보 시스템을 개발하고자 하였다. 임진강 유역을 대상으로 기존의 강우-유출 모형이 요구하는 유역의 물리적, 지형 자료 및 매개변수와 같은 광범위한 양의 자료를 배제하고, 유역의 강우 자료와 수위자료만으로 유역의 중요지점에 대한 홍수위 및 홍수량을 예측할 수 있는 뉴로-퍼지 모형을 구축하고 대상 유역에 적용하여 실측치와 비교 검증하였다.

• Computers and Concrete
• /
• 제31권2호
• /
• pp.85-95
• /
• 2023

Natural pozzolans are used as additives in cement to develop more durable and high-performance concrete. Pozzolanic activity index (PAI) is important for assessing the performance of a pozzolan as a binding material and has an important effect on the compressive strength, permeability, and chemical durability of concrete mixtures. However, the determining of the 28 days (short term) and 90 days (long term) PAI of concrete mixtures is a time-consuming process. In this study, to reduce extensive experimental work, it is aimed to predict the short term and long term PAIs as a function of the chemical compositions of various natural pozzolans. For this purpose, the chemical compositions of various natural pozzolans from Central Anatolia were determined with X-ray fluorescence spectroscopy. The mortar samples were prepared with the natural pozzolans and then, the short term and the long term PAIs were calculated based on compressive strength method. The effect of the natural pozzolans' chemical compositions on the short term and the long term PAIs were evaluated and the PAIs were predicted by using multiple linear regression (MLR) and adaptive neuro-fuzzy inference system (ANFIS) model. The prediction model results show that both reactive SiO₂ and SiO₂+Al₂O₃+Fe₂O₃ contents are the most effective parameters on PAI. According to the performance of prediction models determined with metrics such as root mean squared error (RMSE) and coefficient of correlation (R²), ANFIS models are more feasible than the multiple regression model in predicting the 28 days and 90 days pozzolanic activity. Estimation of PAIs based on the chemical component of natural pozzolana with high-performance prediction models is going to make an important contribution to material engineering applications in terms of selection of favorable natural pozzolana and saving time from tedious test processes.