• 한국지능시스템학회논문지
• /
• 제10권5호
• /
• pp.487-496
• /
• 2000

본 논문에서는, HCM 클러스러팅 방법과 유전자 알고리즘을 이용하여 다중 FNN 모델을 동정하고 최적화 한다. 제안된 다중 FNN은 Yamakawa의 FNN을 기본으로 하며, 퍼지 추론 방법으로 간략 추론을, 학습으로는 오류 역전파 알고리즘을 사용한다. 다중 FNN 모델의 구조와 파라미터를 동정하기 위해 HCM 클러스터링과 유전자 알고리즘을 사용한다. 여기서, 시스템 모델링을 위해 데이터 전처리 기능을 수행하는 HCM클러스터링 방법은 I/O 프로세서 공정 데이터를 이용하여 입출력 공간분할에 의한 다중 FNN 구조를 결정하기 위해 사용된다. 또한 유전자 알고리즘을 사용하여 멤버쉽함수의 정점, 학습율, 모멘텀 계수와 같은 다중 FNN 모델의 파라미터들을 동조한다. 모델의 근사화와 일반화 능력 사이에 합히적 균형을 얻기 위해 하중계수를 가진 합성 성능지수를 사용한다. 이 합성 성능지수는 근사화 및 예측 능력사이의 상호 균형과 의존성을 고려한 하중계수를 가진 합성 목적함수를 의미한다. 데이터 개수, 비선형성의 정도에 의존하는 이 합성 목적함수의 하중계수의 선택, 조절을 통하여 최적의 다중 FNN 모델을 설계하는 것이 유용하고 효과적임을 보인다. 제안된 모델의 성능 평가를 위하여 가스로 공정의 시계열 데이터와 비선형 함수의 수치 데이터를 사용한다.

• 한국지능시스템학회논문지
• /
• 제17권1호
• /
• pp.46-51
• /
• 2007

영상을 통한 감정 인식 기술은 사회의 여러 분야에서 필요성이 대두되고 있음에도 불구하고 인식 과정의 어려움으로 인해 풀리지 않는 문제로 남아 있다. 특히, 인간의 움직임을 이용한 감정 인식 기술은 많은 응용이 가능하기 때문에 개발의 필요성이 증대되고 있다. 영상을 통해 감정을 인식하는 시스템은 매우 다양한 기법들이 사용되는 복합적인 시스템이다. 따라서 이를 설계하기 위해서는 영상에서의 움직임 추출, 특징 벡터 추출 및 패턴 인식 등 다양한 기법의 연구가 필요하다. 본 논문에서는 이전에 연구된 움직임 추출 방법들을 바탕으로 한 새로운 감정 인식 시스템을 제안한다. 제안된 시스템은 은닉 마코프 모델을 통해 동정된 분류기를 이용하여 감정을 인식한다. 제안된 시스템의 성능을 평가하기 위해 평가데이터 베이스가 구축되었으며, 이를 통해 제안된 감정 인식 시스템의 성능을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제16권5호
• /
• pp.587-593
• /
• 2006

영상을 통한 감정 인식 기술은 사회의 여러 분야에서 필요성이 대두되고 있음에도 불구하고 인식 과정의 어려움으로 인해 풀리지 않는 문제로 남아 있다. 인간의 움직임을 이용한 감정 인식 기술은 많은 응용이 가능하기 때문에 개발의 필요성이 증대되고 있다. 영상을 통해 감정을 인식하는 시스템은 매우 다양한 기법들이 사용되는 복합적인 시스템이다. 따라서 이를 설계하기 위해서는 영상에서의 움직임 추출, 특징 벡터 추출 및 패턴 인식 등 다양한 기법의 연구가 필요하다. 본 논문에는 이전에 연구된 움직임 추출 방법들을 바탕으로 한 새로운 감정 인식 시스템을 제안한다. 제안된 시스템은 은닉 마르코프 모델을 통해 동정된 분류기를 이용하여 감정을 인식한다. 제안된 시스템의 성능을 평가하기 위해 평가데이터 베이스가 구축되었으며, 이를 통해 제안된 감정 인식 시스템의 성능을 확인하였다.

• 제어로봇시스템학회논문지
• /
• 제11권9호
• /
• pp.781-788
• /
• 2005

This paper proposes an identification method using a self recurrent wavelet neural network (SRWNN) for dynamic systems. The architecture of the proposed SRWNN is a modified model of the wavelet neural network (WNN). But, unlike the WNN, since a mother wavelet layer of the SRWNN is composed of self-feedback neurons, the SRWNN has the ability to store the past information of the wavelet. Thus, in the proposed identification architecture, the SRWNN is used for identifying nonlinear dynamic systems. The gradient descent method with adaptive teaming rates (ALRs) is applied to 1.am the parameters of the SRWNN identifier (SRWNNI). The ALRs are derived from the discrete Lyapunov stability theorem, which are used to guarantee the convergence of an SRWNNI. Finally, through computer simulations, we demonstrate the effectiveness of the proposed SRWNNI.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1865_1866
• /
• 2009

본 연구에서는 복잡하고 비선형 시스템의 모델을 동정하기 위해 Information Granulation에 기반한 퍼지추론 시스템의 새로운 범주를 소개한다. Information Granulation은 근접성, 유사성 EH는 기능성 등에 인하여 서로 결합되는 대상(특히, 데이터)의 연결된 모임으로 간주된다. HCM클러스터링에 의한 Information Granulation은 퍼지 규칙의 전반부 및 후반부에서 사용되는 멤버쉽 함수의 초기 정점과 다항식함수의 초기 값과 같은 퍼지 모델의 초기 파라미터를 결정하는데 도움을 준다. 그리고 초기 파라미터는 PSO 알고리즘과 최소자승법에 의해 효과적으로 동조된다. 제안된 모델은 Box와 jenkins가 사용한 가스로 공정[6]을 모델링하여 기존 퍼지 모델링 방법과 비교 평가한다.

• 한국소음진동공학회논문집
• /
• 제15권6호
• /
• pp.712-717
• /
• 2005

This paper presents a system identification method for multi-input, multi-output (MIMO) systems, by which a rational polynomial transfer function model is identified from experimentally determined frequency response function data. Analytically determined information is incorporated in this method to obtain a more reliable model, even in the frequency range where the excitation energy is limited. To verify the suggested method, shaking table test for an actively controlled two-story, bench-scale building employing an active mass damper is conducted. The results show that the proposed method is quite effective and robust for system identification of MIMO systems.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 춘계학술발표대회
• /
• pp.71-74
• /
• 2007

오늘날 생물학 데이터베이스 시스템은 끊임없이 증가하고 복잡하게 연결되는 데이터를 처리해야 할 필요성과 데이터양의 증가만큼이나 빨리 성장하는 사용자들의 요구에 부응해야 하는 필요성에 직면해 있다. 이 논문에서는 기존의 생물학 데이터베이스 시스템의 특징을 살펴본 후, 현재 당뇨 관련 데이터베이스가 존재하지 않으므로 당뇨 연구를 위한 포괄적인 정보 제공과 사용의 편의를 제공하기 위하여 생물학 관련 데이터베이스를 교차 참조한 당뇨 연구용 데이터베이스를 설계하였다. 본 논문에서 설계한 데이터베이스는 Genetic Information, Protein Information, In Silico digestion, 그리고 Chemical Information 4개의 메뉴로 구성하였다. Genetic Information과 Protein Information은 Cross-Reference를 통한 관련 데이터베이스와 연결시켰고, Protein Information에서 PDB 코드가 존재할 경우 3차원 분자 구조를 제공한다. 아울러 단백질 동정시에 활용할 수 있는 선택된 효소처리 후의 펩타이드의 이론적 질량값을 계산하도록 구현(In Silico Digestion)하였으며, 당뇨 관련 주요 단백질의 화합물들의 구조를 제공하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.117-120
• /
• 2006

본 논문에서는 입출력 데이터의 특성을 이용하기 위하여 HCM 클러스터링에 의한 데이터 정보를 이용한 퍼지 뉴럴 네트워크의 설계를 제안하고 이를 최적화한다. 대상 시스템의 입출력 데이터를 취득하여 데이터들간의 거리를 중심으로 멤버쉽 함수를 정의하고 각 규칙에 속한 입출력 데이터를 추출하여 후반부 추론에 적용한다. 또한, 앞서 정의된 멤버쉽함수를 최적으로 동정하여 최적의 퍼지 뉴럴 네트워크를 설계한다. 제안된 퍼지 뉴럴 네트워크는 삼각형 멤버쉽 함수를 이용하며, 후반부 추론에는 간략, 선형, 변형된 2차식을 이용한다. 연결 가중치는 오류역전파 알고리즘을 이용하여 학습한다. 제안된 퍼지 뉴럴 네트워크는 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.356-359
• /
• 1997

Recently many studies have been conducted of fuzzy modeling since it can describe a nonlinear system better than the conventional methods. A famous researcher, M. Sugeno, suggested a fuzzy model which superbly describes a nonlinear system. In this paper, we suggest a new identification method for Sugeno-typo fuzzy model. The suggested algorithm is much simpler than the original identification strategy adopted in [1]. The algorithm suggested in this paper is somewhat similar to that of [2]. that is, the algorithm suggested in this paper consists of two consists of two steps: coarse tuning and fine tuning. In this paper, double clustering strategy is proposed for coarse tuning. Finally, the results of computer simulation are given to demonstrate the validity of this algorithm.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.413-416
• /
• 1997

Recently, dynamic recurrent neural networks(DRNN) for identification of nonlinear dynamic systems have been researched extensively. In general, dynamic backpropagation was used to adjust the weights of neural networks. But, this method requires many complex calculations and has the possibility of falling into a local minimum. So, we propose a new approach to identify nonlinear dynamic systems using DRNN. In order to adjust the weights of neurons, we use evolution strategies, which is a method used to solve an optimal problem having many local minimums. DRNN trained by evolution strategies with mutation as the main operator can act as a plant emulator. And the fitness function of evolution strategies is based on the difference of the plant's outputs and DRNN's outputs. Thus, this new approach at identifying nonlinear dynamic system, when applied to the simulation of a two-link robot manipulator, demonstrates the performance and efficiency of this proposed approach.