• 디지털융복합연구
• /
• 제17권1호
• /
• pp.239-247
• /
• 2019

감정을 정확히 예측하는 것은 환자중심의 의료디바이스 개발 및 감성관련 산업에서 매우 중요한 이슈이다. 감정예측에 관한 많은 연구 중 감정 예측에 심박 변동성과 뉴로-퍼지 접근법을 적용한 연구는 없다. 본 연구는 HRV를 이용한 ANFEP(Adaptive Neuro Fuzzy system for Emotion Prediction)을 제안한다. ANFEP의 핵심 기능은 인공 신경망과 퍼지시스템을 통합해 예측 모델을 학습하는 ANFIS(Adaptive Neuro-Fuzzy Inference System)에 기반한다. 제안 모형의 검증을 위해 50명의 실험자를 대상으로 청각자극으로 감정을 유발하고, 심박변이도를 구하여 ANFEP 모형에 입력하였다. STDRR과 RMSSD를 입력으로 하고 입력변수 당 2개의 소속함수로 하는 ANFEP모형이 가장 좋은 결과를 나타났다. 제안한 감정예측 모형을 선형회귀 분석, 서포트 벡터 회귀, 인공신경망, 랜덤 포레스트와 비교한 결과 본 제안모형이 가장 우수한 성능을 보였다. 연구 결과는 보다 적은 입력으로 신뢰성 높은 감정인식이 가능함을 입증했고, 이를 활용해 보다 정확하고 신뢰성 높은 감정인식 시스템 개발에 대한 연구가 필요하다.

• 터널과지하공간
• /
• 제11권4호
• /
• pp.289-300
• /
• 2001

터널의 설계에는 지반조사 자료의 부정확성과 평가의 애매성 그리고 자료수집 과정의 오류(observer error)등이 내재되어 있다. 그러므로 터널의 안정성과 경제적인 시공을 위해서는 시공 중 막장면의 조사가 매우 중요한 역할을 한다. 본 연구는 막장면 조사 시 지반의 고유 특성을 보다 정확하게 평가하고, 조사자의 주관성을 최소화시키기 위하여 수행되었다. 이러한 목적을 위하여 막장관찰 자료로부터 RMR값을 추론하고자 인공지능기법 중 퍼지집합이론과 뉴로-퍼지기법을 적용하였고, 46개의 학습자료에 대해 원래의 RMR값과 퍼지이론 및 뉴로저지기법의 추론에 의한 RM $R_{_FU}$ 및 RM $R_{_NF}$값의 상관성을 분석하였다. 본 연구의 결과는 원래의 RMR값과 퍼지추론에 의한 RM $R_{_FU}$값 및 뉴로-퍼지기법에 의한 RM $R_{_NF}$값의 상관계수가 각각 ｜R｜= 0.96과 ｜R｜=0.95로 상관성이 우수한 것으로 조사되었다. 이 결과로부터 암반평가를 위한 퍼지집합이론 및 뉴로-피지기법의 적용성이 충분함을 검증할 수 있었다.할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.296-301
• /
• 1998

The Rough Set theory suggested by Pawlak in 1982 has been useful in AI, machine learning, knowledge acquisition, knowledge discovery from databases, expert system, inductive reasoning. etc. The main advantages of rough set are that it does not need any preliminary or additional information about data and reduce the superfluous informations. but it is a significant disadvantage in the real application that the inference result form is not the real control value but the divided disjoint interval attribute. In order to overcome this difficulty, we will propose approach in which Rough set theory and Neuro-fuzzy fusion are combined to obtain the optimal rule base from lots of input/output datum. These results are applied to the rule construction for infering the temperatures of refrigerator's specified points.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1892-1896
• /
• 2005

In this paper, an effective method for selecting significant input variables in building ANFIS (Adaptive Neuro-Fuzzy Inference System) for nonlinear system modeling is proposed. Dominant inputs in a nonlinear system identification process are extracted by evaluating the performance index and they are applied to ANFIS. The availability of our proposed model is verified with the Box and Jenkins gas furnace data. The comparisons with other methods are also given in this paper to show our proposed method is superior to other models.

• 제어로봇시스템학회논문지
• /
• 제7권6호
• /
• pp.494-501
• /
• 2001

In this paper an ANFIS(Adativo Neuro-Fuzzy Inference System)- based fault detection and diagnosis for a closed loop control system is proposed. The proposed diagnostic system contains two ANFIS. One is run as a parallel model within the model in closed loop control(MCL) and the other is run as a series-parallel model within the process in closed loop(PCL) for the generation of relevant symptoms for fault diagnosis. These symptoms are further processed by another classification logic with simple rules and neural network for process and controller fault diagnosis. Experimental results for a DC shunt motor control system illustrate the effectiveness of the proposed diagnostic scheme.

• Structural Engineering and Mechanics
• /
• 제45권6호
• /
• pp.779-802
• /
• 2013

In this paper, adaptive neuro-fuzzy inference system (ANFIS) and artificial neural networks (ANNs) techniques are developed and applied to identify damage in a model steel girder bridge using dynamic parameters. The required data in the form of natural frequencies are obtained from experimental modal analysis. A comparative study is made using the ANNs and ANFIS techniques and results showed that both ANFIS and ANN present good predictions. However the proposed ANFIS architecture using hybrid learning algorithm was found to perform better than the multilayer feedforward ANN which learns using the backpropagation algorithm. This paper also highlights the concept of ANNs and ANFIS followed by the detail presentation of the experimental modal analysis for natural frequencies extraction.

• 한국수자원학회논문집
• /
• 제37권6호
• /
• pp.449-460
• /
• 2004

본 논문에서는 월 댐유입량을 예측하는데 있어서 기상예보정보를 활용한 뉴로-퍼지 시스템의 적용성을 검토하였다. 뉴로-퍼지 알고리즘으로 퍼지이론과 신경망이론의 결합형태인 ANFIS(Adaptive Neuro-Fuzzy Inference System)을 이용하여 모형을 구성하였다. ANFIS의 공간분할에 의한 제어규칙의 선정에 있어 퍼지변수가 증가함에 따라 제어규칙이 기하급수적으로 증가하는 단점을 해결하기 위해 퍼지 클러스터링(Fuzzy Clustering)방법 중 하나인 차감 클러스터링(Subtractive Clustering)을 사용하였다. 또한 본 연구에서는 정성적인 기상예보정보를 정량화 시키는 방법을 제안하였다. AMFIS를 이용하여 월 댐유입량 예측 시, 관측자료만으로 구성된 모형에 의한 예측결과와 관측자료에 기상예보정보를 더하여 구성된 모형에 의한 예측결과를 비교하였다. 그 결과 ANFIS는 기상예보정보를 활용하여 댐유입량을 예측했을 때가 관측자료만으로 예측했을 때보다 예측능력이 더욱 정확함을 보였다.

• 국제학술발표논문집
• /
• The 3th International Conference on Construction Engineering and Project Management
• /
• pp.257-262
• /
• 2009

Image processing has been utilized for assessment of infrastructure surface coating conditions for years. However, there is no robust method to overcome the non-uniform illumination problem to date. Therefore, this paper aims to deal with non-uniform illumination problems for bridge coating assessment and to achieve automated rust intensity recognition. This paper starts with selection of the best color configuration for non-uniformly illuminated rust image segmentation. The adaptive-network-based fuzzy inference system (ANFIS) is adopted as the framework to develop the new model, the box-and-ellipse-based neuro-fuzzy approach (BENFA). Finally, the performance of BENFA is compared to the Fuzzy C-Means (FCM) method, which is often used in image recognition, to show the advantage and robustness of BENFA.

• International Journal of Control, Automation, and Systems
• /
• 제6권6호
• /
• pp.928-938
• /
• 2008

This study presents an approach for approximation an unknown function from a numerical data set based on the synthesis of a neuro-fuzzy model. An adaptive input data space parting method, which is used for building hyperbox-shaped clusters in the input data space, is proposed. Each data cluster is implemented here as a fuzzy set using a membership function MF with a hyperbox core that is constructed from a min vertex and a max vertex. The focus of interest in proposed approach is to increase degree of fit between characteristics of the given numerical data set and the established fuzzy sets used to approximate it. A new cutting procedure, named NCP, is proposed. The NCP is an adaptive cutting procedure using a pure function $\Psi$ and a penalty function $\tau$ for direction the input data space parting process. New algorithms named CSHL, HLM1 and HLM2 are presented. The first new algorithm, CSHL, built based on the cutting procedure NCP, is used to create hyperbox-shaped data clusters. The second and the third algorithm are used to establish adaptive neuro- fuzzy inference systems. A series of numerical experiments are performed to assess the efficiency of the proposed approach.

• 조명전기설비학회논문지
• /
• 제17권4호
• /
• pp.57-63
• /
• 2003

가공 송전선로의 아연도금 강심 알루미늄연선 도체들은 장기간 동안 대기오염에 의해 서서히 열화되었기 때문에, 2천년 대에 이르러 수많은 도체들이 예상된 유효수명을 초과하였다. 대부분의 도체들은 경제적인 운용 측면에서 현재 상태들을 평가하지 않으면 안되므로, 이 논문에서는 경년, 환경지표, 및 도체구조와 같은 중요 파라미터들을 사용하여 노화도체의 현재 상태를 평가하기 위한 방법을 제안하였다. 노화도체의 수명에 대응하는 열화등급을 예측하기 위한 진단 방법을 기술하였으며, 이 시스템은 전문가 지식과 경험을 토대로 적응 뉴로퍼지 추론시스템 (Adaptive Neuro-Fuzzy Inference System)으로 설계하였다. 이 진단시스템을 국내의 송전선로에 적용하여, 이 시스템이 노화 ACSR 도체를 비파괴적으로 진단하고 경제적으로 운용하기 위한 방안으로서 효과적으로 사용될 수 있음을 밝혔다.