• Journal of Bio-Environment Control
• /
• v.20 no.3
• /
• pp.169-175
• /
• 2011

The adaptive neuro-fuzzy inference system (ANFIS) based automatic control system framework was proposed for integrated environment management of ubiquitous plant factory which can collect information of crop cultivation environment and monitor it in real-time by using various environment sensors. Installed wireless sensor nodes, based on the sensor network, collect the growing condition's information such as temperature, humidity, $CO_2$, and the control system is to monitor the control devices by using ANFIS. The proposed automatic control system provides that users can control all equipments installed on the plant factory directly or remotely and the equipments can be controlled automatically when the measured values such as temperature, humidity, $CO_2$, and illuminance deviated from the decent criteria. In addition, the better quality of the agricultural products can be gained through the proposed automatic control system for plant factory.

• The Journal of Korean Association of Computer Education
• /
• v.6 no.4
• /
• pp.95-113
• /
• 2003

We introduce an AFES(Adaptive Fuzzy Evaluation System) that applies an evaluation system used to existing LCMS(Learning Contents Management System) to a fuzzy reasoning rule. The AFES confers a course level on the learner through a fuzzy diagnostic evaluation before the learner enters a learning course. After the learner completes a learning course through the tailored learning path that is suitable for the learner's level, the AFES confers a final grade on the learner by means of fuzzy final evaluation. The biggest characteristic of the AFES is a grade rule of the final grade. Although different learners get the same number of correct answers to the same number of Questions, AFES flexibly confers the different final grade on the learner by means of the number of 125's fuzzy reasoning rules.

• Proceedings of the KSME Conference
• /
• 2001.11b
• /
• pp.89-95
• /
• 2001

On-site diagnosis of chiller performance is an essential step for energy saving business. The main purpose of the on-site diagnosis is to predict the COP of a target chiller. Many models based on thermodynamics background have been proposed for the purpose. However, they have to be modified from chiller to chiller and require deep insight into thermodynamics that most of field engineers are often lacking in. This study focuses on developing an easy-to-use diagnostic technique that is based on adaptive neuro-fuzzy inference system (ANFIS). Quality of the training data for ANFIS, sampled over June through September, is assessed by checking COP prediction errors. The architecture of the ANFIS, its error bounds, and collection of training data are described in detail.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11c
• /
• pp.2463-2466
• /
• 2002

본 연구에서는 학습자의 수준에 맞는 적합한 학습 내용과 평가 문제를 제공하고, 그 평가 결과를 분석하여 반복학습 및 심화학습을 효과적으로 제공하는 웹기반 퍼지 교수 시스템을 제안한다. 이를 위해 코스웨어를 설계시 학습목표의 중요도, 학습내용의 난이도, 학습목표와 학습내용과의 관련성과 각 항목의 가중치를 고려한 퍼지 함수에 의해 퍼지 소속성을 가진 퍼지 언어 변수로 각 프레임에 대한 수준을 표현한다. 이와 같이 퍼지 함수를 이용함으로써 학습자의 수준을 분석하고, 이에 적절한 학습 및 평가 내용을 제공하는데 여러가지 다양하고 불확실한 요소들을 고려하여 처리함으로써 보다 융통성 있고 효과적인 교수 학습 방법을 지원할 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2017.06a
• /
• pp.197-200
• /
• 2017

퍼지 논리를 기반으로 한 적응형 스트리밍 기법인 FDASH 적응 알고리즘은 빠르게 변하는 네트워크 상황에서 우수한 콘텐츠의 화질을 보장하면서 끊김 없는 서비스를 제공하는 특성을 보이지만 비디오의 화질이 자주 변하기 때문에 최고의 사용자 체감 품질 (QoE: Quality of Experience)을 제공하지 못 할 수도 있다. 본 논문에서는 제한된 버퍼 크기를 가지고 동일한 콘텐츠의 화질을 보장하면서도 비디오 화질의 변화 횟수를 줄여서 최적의 QoE를 제공할 수 있도록 하는 변환된 퍼지 논리 기반의 DASH 적응 알고리즘을 제안하고자 한다. 제안된 방식은 우선 퍼지 논리 제어부(FLC : Fuzzy Logic Controller)의 수정을 통하여 다음 세그먼트의 비트율에 대해 최적의 판단을 하도록 하였고, 세그먼트 비트율 필터링 모듈 (SBFM: Segment Bitrate Filtering Module)을 추가하여 비디오 화질의 변화 횟수가 최소화 될 수 있도록 하였으며, 스트리밍 서비스 시작 시 SBFM에 의해 일정시간 저화질의 비디오를 시청해야 하는 상황을 막기 위한 Start Mechanism을 추가하였고, 마지막으로 버퍼의 오버플로우를 방지하기 위해 Sleeping Mechanism을 추가하였다. NS-3를 이용한 네트워크 모의실험 결과를 통해 제안된 방식이 FDASH 방식에 비하여 제한된 버퍼크기 상황 하에서도 오버플로우가 발생하지 않으며 점대점(Point to Point) 상황에서는 거의 동일 화질 성능을 보이면서도 비디오 화질 변화 횟수를 50% 이상 줄일 수 있음과 일반 Wifi환경에서는 오히려 17.8%정도 더 뛰어난 비디오 화질 성능을 보이면서 비디오 화질변화 횟수 측면에서는 53.1%정도 줄일 수 있음을 보여준다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.345-348
• /
• 2004

플레이어의 상대 역할을 수행하는 NPC(Non-Player Character)의 구현은 게임에서 재미요소를 좌우하는 중요한 부분이다. 일반적인 NPC는 설정된 값에 따라, 동일한 조건에 대해 동일하게 반응하므로 플레이어로 하여금 예측 가능하게 하여 게임의 재미를 저하시키는 요인이 된다. 따라서 플레이어의 행동과 수준에 대하여 지능적으로 적절히 반응하는 NPC 기술이 필요하다. 본 논문은 퍼지 플러스터링을 이용한 플레이어의 게임 성향을 기반으로 NPC의 행동 반응을 조절함으로써 게임에 동적인 반응을 보이며 플레이어의 수준에 적절히 반응하도록 하는 NPC 기법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.769-771
• /
• 2005

데이터 특성이 연속적이고 애매할 때 퍼지규칙으로 분류 규칙을 표현하는 것은 매우 유용하고 효과적이다. 그러나 일반적으로 정확하지 않은 데이터 특성에 대해서 소속함수를 결정한다는 것은 어려운 일이다. 본 논문에서는 진화알고리즘을 이용하여 효과적인 퍼지 분류 규칙을 자동으로 생성하는 방법을 제안한다. 제안한 방법에서 규칙의 정확성과 이해성을 고려하여 최적화된 소속함수를 생성하기 위해 진화알고리즘을 사용한다. 먼저 지도 군집화로 진화를 위한 초기 소속함수를 생성한다. 진화알고리즘은 전역적 최적 해를 찾는데 효과적이다. 그러나 시간에 대한 효율성이 낮다. 특히 모델 최적화 문제에서는 개체 평가 단계에서 많은 시간이 소요된다. 따라서 본 논문에서는 전체 데이터를 여러 개의 부분 데이터들로 나누고 개체들은 전체 데이터 대신 매번 부분 데이터를 임의적으로 선택하여 개체를 평가함으로써 수행 시간을 단축시킬 수 있는 진화 방법을 제안한다. 제안한 퍼지 분류 규칙 생성 방법의 타당성을 검증하기 위한 실험 데이터로 UCI에서 제공하는 데이터들을 사용하였으며, 실험 결과는 기존 방법에 비해 평균적으로 더 효과적임을 확인하였다.

• Journal of KIISE:Software and Applications
• /
• v.32 no.5
• /
• pp.438-448
• /
• 2005

This paper proposes an adaptive tutoring system that provides learning materials dynamically according to the learners' teaming character and ability. Our system, in which a learning phase and a test phase are linked together, supports the personalized instruction-learning by providing the teaming materials by level in the learning phase according to the teaming ability estimated in the test phase. We design and implement a tutoring system consisted of an evaluation component and a learning component. An evaluation component uses a computerized adaptive test(CAT) based on item response theory to evaluate learners' ability while a learning component employs fuzzy level set theory so that teaming contents are provided to learners according to learners' level.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.18 no.6
• /
• pp.863-870
• /
• 2008

In this paper, a new filtering scheme for vehicle tracking with distorted measurement is presented. This filtering scheme is essential for the implementation of the adaptive cruise control (ACC) system. The proposed method combines the IMM and the probabilistic fuzzy model and is named as the Fuzzy IMM (FIMM). The IMM is employed to recognize the intention of the preceding vehicle. The probabilistic furry model is introduced to compensate the distortion of the range sensor. Finally, a computer simulation is performed to illustrate the validity of the suggested algorithms.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.17 no.5
• /
• pp.582-590
• /
• 2007

Nonlinear adaptive control of overhead cranes is investigated for anti-sway trajectory tracking with high-speed hoisting motion. The sway dynamics of two dimensional underactuated overhead cranes is heavily coupled with the trolley acceleration, hoisting rope length, and the hoisting velocity which is an obstacle in the design of decoupling control based anti-sway trajectory tracking control law To cope with this obstacle. we propose a fuzzy nonlinear adaptive anti-sway trajectory tracking control law guaranteeing the uniform ultimate boundedness of the sway dynamics even in the presence of uncertainties in such a way that it cancels the effect of the trolley acceleration and hoisting velocity on the sway dynamics. In particular. system uncertainties, including system parameter uncertainty unmodelled dynamics, and external disturbances, are compensated in an adaptive manner by utilizing fuzzy uncertainty observers. Accordingly, the ultimate bound of the tracking errors and the sway angle decrease to zero when the fuzzy approximation errors decrease to zero. Finally, numerical simulations are performed to confirm the effectiveness of the proposed scheme.