• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2995-2997
• /
• 2000

원자력발전소의 열출력 계산 결과에 가장 큰 영향을 미치는 변수는 주급수 유량이며, 측정방식상의 특성(Venturi Fouling)으로 인해 계산시 과다하게 반영될 소지가 있다 본 연구에서는 이 측정 오차를 최소화하기 위하여 뉴로-퍼지 논리를 이용하여 주급수 유량을 예측한 후 그 결과를 통해 열출력을 재평가하고자 하였다. 즉, 뉴로-퍼지로의 입력 변수(증기발생기 압력 및 수위. 터빈 충동실 압력)들은 모의훈련으로 출력을 상승시키면서 취득한 후 Wavelet Denoising 기법을 이용하여 노이즈를 제거시키고. 뉴로-퍼지 추론 계통의 파라메타들을 최적화시키기 위하여 유전적 알고리듬 및 최소자승법에 의한 Hybrid Learning Rule을 이용하여 학습시켰다. 시뮬레이션을 수행한 결과, 주급수 유량이 양호하게 예측되어, 이 결과를 토대로 열출력을 평가하는데 본 알고리듬의 적용이 성공적임을 입증하였다.

• 한국지능시스템학회논문지
• /
• 제10권3호
• /
• pp.188-193
• /
• 2000

본 논문에서는 플랜트를 위한 규칙수가 줄어든 뉴로-퍼지 모델을 얻기 위한 접근을 제안한다. 뉴로-퍼지 네트워크는 가우시안 소속함수를 가진 RBF(Radial Basis Function) 네트워크들로 구성되고 오차 역전파 학습 알고리듬에 의해 학습된다. 러프 집합 이론에서 의존도는 규칙들으 줄이는데 사용된다. 모델에서 각 규칙이 조건 소속함수 값과 플랜트의 출력 값 사이의 의온도는 플랜트를 동정하기 위하여 규칙이 얼마나 많은 공헌을 하는가를 알 수 있도록 한다. 줄어든 모델은 원래의 것으로써 동일한 성능을 유지하는 동안 선택 알고리듬은 복잡성과 구조의 잉여성을 최소화할 수 있다.

• 대한의용생체공학회:의공학회지
• /
• 제21권5호
• /
• pp.527-535
• /
• 2000

대부분의 포탈영상이 그에 상응하는 시뮬레이터 영상을 참조 영상으로 하여 방사선치료 계획을 수행하고 있다. 이것은 선형가속기의 높은 에너지 X선으로서 얻어지는 포탈 영상의 물리적 특성 때문에, 구조적으로 대단히 불량한 포탈 영상의 개선과 잃어버린 영상 정보의 복원에 시뮬레이터 영상 자체에서의 영상정보를 이용할 수 있다는 가능성을 보여주고 있는 것이다. 본 연구에서는 최대 퍼지 엔트로피를 평가함수로 이용한 유전자 알고리듬을 사용하여 영상에서의 퍼지 영역을 자동적으로 결정하고, 그것을 멤버쉽 함수에서 적용하여 퍼지영상 개선 기법으로서 포탈 영상과 시뮬레이터 영상을 개선한 후, 잡음이 중첩된 시뮬레이터 영상들로서 연관기억장치를 학습시키고 여기에 퍼지 방법으로 개선시킨 포탈 영상을 입력하여 기존의 영상기법으로 처리된 영상보다 좋은 포탈 영상을 얻을 수 있었다.

• 대한기계학회논문집A
• /
• 제26권4호
• /
• pp.587-595
• /
• 2002

Recent trend changes a criterion for evaluation of humors that environmental problems are raised as a global issue. Burners with higher thermal efficiency and lower oxygen in the exhaust gas, evaluated better. To comply with environmental regulations, burners must satisfy the NO/sub x/ and CO regulation. Consequently, 'good burner'means one whose thermal efficiency is high under the constraint of NO/sub x/ and CO consistency. To make existing burner satisfy recent criterion, it is highly recommended to develop a feedback control scheme whose output is the consistency of NO/sub x/ and CO. This paper describes the development of a real time flame diagnosis technique that evaluate and diagnose the combustion states, such as consistency of components in exhaust gas, stability of flame in the quantitative sense. In this paper, it was proposed on the flame diagnosis technique of burner using Neuro-Fuzzy algorithm. This study focuses on the relation of the color of the flame and the state of combustion. Neuro-Fuzzy loaming algorithm is used in obtaining the fuzzy membership function and rules. Using the constructed inference algorithm, the amount of NO/sub x/ and CO of the combustion gas was successfully inferred.

• 한국지능시스템학회논문지
• /
• 제6권4호
• /
• pp.49-60
• /
• 1996

본 논문의 목적은 신경망을 이용한 퍼지 하이퍼큐브의 적응 학습 제어알고리듬의 개발이다. 퍼지 시스템 규칙베이스 후건부의 실시간적인 수정, 초기 퍼지 제어규칙의 일시적인 안정성을 가정하여 퍼지제어기와 신경망의 장점만을 살린 지능형 제어시스템의 설계방법을 제안하였다. 퍼지 제어기로는 실현 가능한 퍼지 하이퍼큐브의 구조를 선택하였고, 퍼셉트론 신경만의 학습법칙을 적용하여 출력오차로써 퍼지 제어기의 규칙을 실시간적으로 수정해 나가는 방법을 사용하였다. 결과적으로 적응 퍼지-뉴로 제어시스템을 Cart-Pole 제어에 응용함으로써 이러한 지능형 제어기의 유효성과 강인성을 보였다.

• 전자공학회논문지B
• /
• 제32B권1호
• /
• pp.50-63
• /
• 1995

In this paper, we propose a face recognition method using a neuro-fuzzy algorithm. In the preprocessing step, we extract the face part from the background image by tracking face boundaries. Then based on the a priori knowledge of human faces we extract the features such as widths of eyes and mouth, and distances from eye to nose and nose to mouth. In the recognition step. We use a neuro-fuzzy algorithm that employs a fuzzy membership function and modified error backpropagation algorithm. The former absorbs the variation of feature values and the latter shows good learning efficiency. Computer simulation results with 20 persons show that the proposed method gives higher recognition rate than the conventional ones.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권7호
• /
• pp.536-543
• /
• 2004

In this paper, we proposed a new method of modeling a neuro-fuzzy system using a hybrid clustering algorithm. The initial parameters and the number of clusters of the proposed system are optimally chosen simultaneously with respect to the process of regression, which is a unique characteristics of the proposed system. The proposed algorithm presented in this work improves the overall performance of the proposed a neuro-fuzzy system by choosing a proper number of clusters adaptively according the characteristics of given data. The process of clustering is performed by deciding on the number of classes, which yields the property of convergence of the system. In experiments, the superiority of the proposed neuro-fuzzy system is demonstrated, especially the process of optimizing parameters and clustering of learning speed.