Proceedings of the Korean Institute of Intelligent Systems Conference (한국지능시스템학회:학술대회논문집)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지

Neuro-Fuzzy Modeling Learning method based on Clustering

클러스터링 기반 뉴로-퍼지 모델링 학습

  • Kim S. S. (School of Electrical Electronic and Computer Eng, Chungbuk National University) ;
  • Kwak K. C. (School of Electrical Electronic and Computer Eng, Chungbuk National University) ;
  • Lee D. J. (School of Electrical Electronic and Computer Eng, Chungbuk National University) ;
  • Kim S. S. (School of Electrical Electronic and Computer Eng, Chungbuk National University) ;
  • Ryu J, W. (School of Electrical Electronic and Computer Eng, Chungbuk National University) ;
  • Kim J. S. (KIPO) ;
  • Kim Y. T. (Dept. Information Control Engineering, Hankyong National University)
  • 김승석 (충북대학교 전기전자컴퓨터공학부 컴퓨터 정보통신 연구소) ;
  • 곽근창 (충북대학교 전기전자컴퓨터공학부 컴퓨터 정보통신 연구소) ;
  • 이대종 (충북대학교 전기전자컴퓨터공학부 컴퓨터 정보통신 연구소) ;
  • 김성수 (충북대학교 전기전자컴퓨터공학부 컴퓨터 정보통신 연구소) ;
  • 유정웅 (충북대학교 전기전자컴퓨터공학부 컴퓨터 정보통신 연구소) ;
  • 김주식 (특허청) ;
  • 김용태 (한경대학교 정보제어과)
  • Published : 2005.04.01
Download PDF
⟨ Previous Next ⟩

Abstract

본 논문에서는 클러스터링과 뉴로-퍼지 모델링을 동시에 실시하는 학습 기법을 제안하였다. 클러스터링을 이용하여 뉴로-퍼지 모델링을 실시하는 일반적인 경우, 클러스터링 학습을 실시한 후 학습된 파라미터를 뉴로-퍼지 모델의 초기 파라미터로 설정하고 모델을 다시 학습하는 방법을 취한다. 즉 클러스터링에서 클러스터의 수를 구하고 파라미터를 최적화함으로써 초기 구조동정과 파라미터 동정을 실시하며 이를 다시 뉴로-퍼지 모델에서 세부적인 파라미터 동정을 실시하는 것이다. 또한 모델에서의 학습은 출력데이터의 오차를 이용한 오차미분기반 학습으로 전제부 소속함수 파라미터를 수정하는 방법을 이용한다. 이 경우 클러스터링의 영향과 모델의 영향이 각각 별개로 고려될 수 있다. 따라서 본 논문에서는 클러스터링을 전제부 소속함수로 부여하고 클러스터링의 학습에 뉴로-퍼지 모델을 이용하면서 또한 모델의 학습에 클러스터링을 직접 적용하는 클러스터링 기반 뉴로-퍼지 모델링을 제안하였으며 이 경우 클러스터링의 학습과 모델의 학습이 동시에 이루어지며 뉴로-퍼지 모델에서 클러스터링의 효과를 직접적으로 확인할 수 있다. 제안된 방법의 유용성을 시뮬레이션을 통하여 보이고자 한다.

Keywords