• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.405-406
• /
• 2007

본 논문에서는 FCM 기반 퍼지 뉴럴네트워크 구조를 제안하고 진화 알고리즘을 이용한 FCM 기반 퍼지 뉴럴네트워크의 구조와 파라미터의 최적화 방법을 제시한다. 클러스터링 알고리즘은 퍼지 뉴럴 네트워크에서 멤버쉽함수의 중심점과 반경 등을 결정하는 학습에 일반적으로 사용된다. 제안된 FCM 기반 뉴럴 네트워크에서 멤버쉽함수는 가우시안, 삼각형 타입등의 정해진 형태를 사용하지 않고 데이터들 사이의 거리에 관계된 계산을 수행하는 FCM에 의해 결정된다. 후반부는 상수형, 선형, 2차식 등의 다양한 다항식 구조로 표현될 수 있으며 다항식의 계수는 LSE를 이용하여 결정한다. FCM 기반 퍼지 뉴럴 네트워크는 퍼지규칙의 수, 입력변수의 선택, 후반부 다항식의 차수, FCM의 퍼지화 계수의 결정은 성능에 많은 차이가 있으며 이러한 구조와 파라미터의 최적화가 요구된다. 본 논문에서는 유전자 알고리즘을 이용하여 FCM 기반 퍼지뉴럴네트워크의 구조에 관련된 입력변수의 수, 퍼지규칙의 수 그리고 후반부 다항식의 차수와 파라미터에 관련된 퍼지화 계수를 최적화 한다. 제안된 방법은 비선형 시스템의 모델링에 적용하여 성능을 분석하였다.

• Journal of Scientific & Technological Knowledge Infrastructure
• /
• s.10
• /
• pp.108-125
• /
• 2002

한림 심포지움의 개최 목적은 국내의 일차 유전자원인 자연상태의 동물, 식물, 미생물의 현지내외 보전과 이차 유전자원인 수정란, 인위적 변이종, knockout mutant, 형질전환 생물 등의 보전을 포괄적이고, 체계적이며, 장기적으로 관장하기 위하여 관련 DB를 정보화, 네트워크화함으로써 생물자원의 산업적 이용을 촉진할 수 있는 마스터플랜을 세우고, 국내 생물자원의 발굴, 보존, 분양, 연구, 산업적 이용 등을 체계적이고 효율적으로 진행하기 위한 생물다양성DB 및 네트워크 구축, 부처간 역할 분담과 협력체계 수립, 국가차원의 관련 정보의관리 및 이용체계를 확립하기 위한 중장기적이고 포괄적인 전략을 확립하기 위함이었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.426-429
• /
• 2004

지식 정보화 사회의 도래와 함께 사람에게 친숙한 시스템의 개발에 관한 관심이 고조되고 있다. 아울러 인간 게놈 프로젝트를 통한 사람의 유전학적 특징을 분석하는 분야의 연구가 활성화되고 있다. 본 논문에서는 사람의 유전자 거동 특성이 가진 여러 가지의 다양한 특성이 새로운 지능 알고리즘의 구현을 위한 기본 원리로 사용될 수 있음을 제시한다. 이를 위하여 유전자 동조에 널리 사용되고 있는 불리언 네트워크 모델을 포함하여 생물학과 제어공학의 접목에 관하여 설명한다. 또한 불리언 네트워크를 기반으로 발표된 SORE (Self Organization and Regulating Engine) 시스템의 다양한 특징들이 자동제어 분야에 적용될 수 있음을 보인다. 본 논문의 범위는 구체적인 적용 예를 제시하는 정도는 아니며, 단지 그 가능성에 관해서만 제안하고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.429-432
• /
• 2004

본 논문은 기존의 퍼지 다항식 뉴럴 네트워크 (Fuzzy Polynomial Neural Networks ; FPNN) 모델을 이용하여 비선형성 데이터에 대한 추론을 제안한다. 복잡한 비선형 시스템의 모델동정을 위하여 생성된 GMDH 방법에 기초한 FPNN의 각 노드는 퍼지 규칙을 기반으로 구축되었으며, 층이 진행되는 동안 모델 스스로 노드의 선택과 제거를 통해 최적의 네트워크 구조를 생성할 수 있는 유연성을 가지고 있다. FPNN 각각의 활성노드를 퍼지다항식 뉴론(Fuzzy Polynomial Neuron ; FPN)이라고 표현한다. FPNN의 후반부 구조는 입출력 변수 사이 의 간략과 회귀다항식 (1차, 2차, 변형된 2차식) 함수에 의해 구현된다. 규칙의 전반부 멤버쉽 함수는 삼각형과 가우시안형의 멤버쉽 함수가 사용된다. 또한 유전자 알고리즘을 사용하여 각노드의 부분표현식을 구성하는 입력변수의 수, 입력변수와 차수의 선택 동조를 통하여 최적의 Genetic Algorithms(GAs)을 이용한 FPNN모델을 설계하는 것이 유용하고 효과적임을 보인다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.2
• /
• pp.236-244
• /
• 2005

In this study, we introduce a new topology of Fuzzy Polynomial Neural Networks(FPNN) that is based on fuzzy relation and evolutionally optimized Multi-Layer Perceptron, discuss a comprehensive design methodology and carry out a series of numeric experiments. The construction of the evolutionally optimized FPNN(EFPNN) exploits fundamental technologies of Computational Intelligence. The architecture of the resulting EFPNN results from a synergistic usage of the genetic optimization-driven hybrid system generated by combining rule-based Fuzzy Neural Networks(FNN) with polynomial neural networks(PNN). FNN contributes to the formation of the premise part of the overall rule-based structure of the EFPNN. The consequence part of the EFPNN is designed using PNN. As the consequence part of the EFPNN, the development of the genetically optimized PNN(gPNN) dwells on two general optimization mechanism: the structural optimization is realized via GAs whereas in case of the parametric optimization we proceed with a standard least square method-based learning. To evaluate the performance of the EFPNN, the models are experimented with the use of several representative numerical examples. A comparative analysis shows that the proposed EFPNN are models with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.7
• /
• pp.846-851
• /
• 2005

In this paper, we propose Genetic Algorithms(GAs)-based Optimized Polynomial Neural Networks(PNN). The proposed algorithm is based on Group Method of Data Handling(GMDH) method and its structure is similar to feedforward Neural Networks. But the structure of PNN is not fixed like in conventional neural networks and can be generated in a dynamic manner. As each node of PNN structure, we use several types of high-order polynomial such as linear, quadratic and modified quadratic, and it is connected as various kinds of multi-variable inputs. The conventional PNN depends on the experience of a designer that select the number of input variables, input variable and polynomial type. Therefore it is very difficult to organize optimized network. The proposed algorithm leads to identify and select the number of input variables, input variable and polynomial type by using Genetic Algorithms(GAs). The aggregate performance index with weighting factor is proposed as well. The study is illustrated with tile NOx omission process data of gas turbine power plant for application to nonlinear process. In the sequel the proposed model shows not only superb predictability but also high accuracy in comparison to the existing intelligent models.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04a
• /
• pp.706-708
• /
• 2002

DNA 마이크로어레이 실험으로 나온 데이터들을 클러스터링하는 것은 유전자의 기능과 유전자의 네트워크를 파악해 나가는데 도움을 주게 된다. 계층적 클러스터링(hierarchical clustering) 방법은 그러한 실험 분석에서 가장 보편적으로 사용되는 방법이다. 본 논문에서는 계층적 클러스터링을 통해서 나온 결과 트리에 대해서, 트리의 리프 노드들을 재배열함으로써, 인접한 리프 노드들간의 거리의 종합이 최소가 되도록 하는 문제인 리프오더링 방법을 다루었고, 새로운 리프오더링 알고리즘을 제안하였다. 그리고, 이를 포함한 여러 리프오더링 방법들에 대한 실험 및 생물학적인 분석을 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10c
• /
• pp.768-770
• /
• 1999

본 논문에서는 메쉬(Mesh)형 광 네트워크에서의 전방송(All-to-All Broadcast)을 위한 라우팅(Routing) 문제를 다루고 있다. n$\times$m 으로 구성된 메쉬(Mesh)형 구조에서 자기 자신을 제외한 모든 노드로의 방송을 위하여 구성되는 Path가 최단 거리를 유지하면서 Path들이 지나가는 각각의 링크(Link)에 대한 사용빈도를 초대한 균등하게 분포시키는 유전자 알고리즘(Genetic Algorithms)을 제안하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.277-279
• /
• 2004

본 논문은 생명체 세포에 존재하는 방대한 단백질들 사이의 상호작용 관계들로 표현되는 네트워크에서 사용자가 관심 있는 부분 네트워크를 개념적으로 필터링 할 수 있는 방법을 설계하고 구현하였다. 이 방법은 1) 유전자 온톨로지를 이용하여 필터링 조건을 입력하고, 2) 이 조건을 만족하는 단백질들을 네트워크에서 필터링 한 다음, 3) 이 단백질들 중 사용자가 관심이 있는 단백질만 선택하고, 4) 선택된 단백질들과 일정 거리에 있는 상호작용 관계들을 필터링 함으로서 수행된다. 네트워크 필터링은 생물학자가 방대한 네트워크에서 자신이 관심이 있는 단백질들과 이들 사이의 관계에만 집중할 수 있도록 지원한다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1968-1969
• /
• 2011

본 논문에서는 패턴 인식을 위한 다중 출력을 가지는 Interval Type-2 퍼지 집합을 이용한 퍼지 집합 기반 퍼지 뉴럴 네트워크를 소개한다. Interval Type-2 퍼지 집합 기반 퍼지 뉴럴 네트워크는 각 입력 변수에 따른 서로 분리된 입력 공간을 분할함으로서 네트워크 및 규칙을 구성한다. 규칙의 전반부는 퍼지 입력 공간을 개별적으로 분할하여 표현하고, 각 공간은 Interval Type-2 퍼지 집합으로 구성된다. 규칙의 후반부는 패턴 인식을 위한 다중 출력을 가지며 Interval 집합을 이용하여 다항식으로서 표현된다. 다항식의 계수인 연결가중치는 오류역 전파 알고리즘을 이용하여 학습한다. 또한 실수 코딩 유전자 알고리즘을 이용하여 제안된 네트워크를 최적화한다. 제안된 네트워크는 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.