• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.5
• /
• pp.395-399
• /
• 2001

This paper describes modular fuzzy inference systems(MFIS) with adaptive capability to extract fuzzy inference modules from observation data through the learning process. The proposed MFIS is based on the structural similarity to Tagaki-Sugeno fuzzy models and a modular neural architecture. The learning of MFIS is done by assigning new fuzzy inference modules and by updating the parameters of existing modules. The fuzzy inference modules consist of local model network and fuzzy gating network. The parameters of the MFIS are updated by the standard LMS algorithm. The performance of the MFIS is illustrated with adaptive control of a nonlinear dynamic system.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.3 no.3
• /
• pp.38-54
• /
• 1993

퍼지 제어기(FLC)는 Max-Min CRI 방법을 이용하여 추론하는 시스템이다. 그러나 이 방법은 주관적인 멤버쉽 함수의 결정, 오류 발생 가중치 전략, 비합리적인 추론 규칙들의 조합이라는 세가지 문제점 때문에 원하는 추론 결과와 실제 추론 결과 사이에 상당한 오류 영역을 발생시킨다. 본 논문에서는 이를 해결하기 위해 퍼지 이론에 신경 회로망의 학습 기능이 융합되어 지능적으로 작동하는 뉴로-퍼지 시스템(INFS)을 제안한다. INFS는 이상의 문제 해결 방안이 지식 획득 단계, 적응 조절단계를 통해 작동함으로써 임의의 입력에 대해서도 추론이 가능한 시스템이다. 제안된 INFS를직류 계열 모니터에 적용한 결과 신경 회로망을 사용하지 않았을때 보다 오류 영역을 상당히 줄여주었다. 또한 학습 시간을 고려해 볼 때, INFS에서 사용하는 추론 방법(NCRI 방법)이 지금까지 다른 방법에 비해 휠씬 효율적이었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.130-132
• /
• 2001

신경망을 이용한 추천 기술은 항목이나 사용자간의 가중치를 학습할 수 있고, 자료 유형에 상관없이 데이터 처리가 용이하다. 또한 최근 연구를 통해서 그 우수성이 입증되고 있다. 그러나 사용자간의 상관관계로 추천하는 사용자 신경망 모델과 항목간의 상관관계로 추천하는 항목 신경망 모델이 서로 다른 관점으로 다른 선호도를 제시한 경우에 선택한 모델의 선호도에 따라 시스템의 성능이 좌우된다. 그러므로 효율적이고 성능이 우수한 추천 시스템을 위해 사용자와 항목 신경망 모델의 통합 방법을 제안한다. 두 모델 사이에 우선 순위를 결정하여 통합하는 순차적 통합 방법과 두 모델을 동시에 고려하는 병렬적 통합방법을 제안한다. 그러나 두 통합 방법은 선호도 예측 기준에 있어서 정적이고, 문제에 대한 적응성이 없다. 그러므로 신경망(퍼셉트론, 다층 퍼셉트론)을 이용한 통합 방법을 제안한다. 또한 퍼지의 소속함수를 이용하여 퍼지 추론를 적용한 통합 방법을 제안하고, 패턴 인식 분야에서 사용하는 BKS 방법을 적응하여 두 신경망 모델을 통합하여 실험한다. 본 논문에서는 사용자와 항목 신경망 모델을 통합함으로써 기존의 추천 기술인 연관 규칙과 단일 신경망 모델을 이용한 추천보다 우수함을 보이고 있다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.31 no.5B
• /
• pp.439-447
• /
• 2011

It is a main concern for sustainable development in water resources management to evaluate adaptation capability of water resources structures under the future climate conditions. This study introduced the Fuzzy Inference System (FIS) to represent the change of release and storage of reservoirs in the Han River basin corresponding to various inflows. Defining the adaptation capability of reservoirs as the change of maximum and/or minimum of storage corresponding to the change of inflow, the study showed that Gangdong Dam has the worst adaptation capability on the variation of inflow, while Soyanggang Dam has the best capability. This study also constructed an Adaptive Neuro-Fuzzy Inference System (ANFIS) for the more accurate and efficient simulation of the adaptation capability of the Soyanggang Dam. Nine Inflow scenarios were generated using historical data from frequency analysis and synthetic data from two general circulation models with different climate change scenarios. The ANFIS showed significantly different consequences of the release and reservoir storage upon inflow scenarios of Soyanggang Dam, whilst it provides stable reservoir operations despite the variability of rainfall pattern.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.14 no.1
• /
• pp.30-37
• /
• 2000

We studied on acquiring of transfer function and tuning of 2-DOF PID controller using ANFIS for the optimum control to turbine's variables variety. Since the shape of a membership function in the ANFIS based on the characteristics of plant. ANFIS based control method is effective for plant that its variable vary. On the other hand, a start-up time is very short and its variable's value for optimal start-up in gas turbine should be varied, but it is very difficult for such a controller to design. In this paper, we tune 2-DOF PID controller after apply a ANFIS to the operating data of Gun-san gas turbine and verify the characteristics. Its results is compared to the conventional PID controller and discuss. We expect this method will be used for another process because it is studied on the real operating data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.779-783
• /
• 2010

최근 들어 그 심각성을 더하고 있는 이상기후 현상으로 가용 수자원의 변동이 커지고 있으며, 이에 따라 수자원의 효율적인 운영이 요구되고 있다. 그러나 효율적인 운영을 위해서는 미래 유입량의 불확실성의 고려하고, 홍수 조절용량의 확보하면서도, 용수공급을 위한 저수량을 확보하고, 수력 발전을 해야 하는 복잡한 상황을 모두 고려하여야한다. 이러한 복잡한 시스템에서 하나의 최적화 기법으로는 모든 고려사항들을 만족시키는 최적해를 찾는 것은 사실상 불가능에 가깝다. 그러므로 저수지 운영의 최적화를 위한 연구에서 한 가지 이상의 기법을 조합하는 기법을 사용하게 되었다. 이러한 기법은 각 기법의 장점을 취하고 각각의 한계를 극복하기 위해 주로 사용되었다. 본 연구에서는 저수지 운영 최적화를 모의하기 위하여 대청댐에서의 저수위, 유입량, 용수이용량 등을 고려하여 방류량의 예측을 동적 계획법(Dynamic Programming Model)으로부터 동적 신경망(Dynamic Neural Network Model)과 적응 퍼지 제어기법(Adaptive Neuro-Fuzzy Inference System)을 개발하여 실제 방류량과 세 가지 최적화 방법에 의한 결과를 비교 검정하였다. 본 연구의 수행으로 인해 얻어진 결과를 요약하면 다음과 같다. 첫째, 동적 신경망과 적응 퍼지 제어기법에 의한 최적화 모의가 동적 계획법에 비해 시스템의 구축이 쉽고 유연하다. 둘째, 퍼지추론의 Membership 함수의 구축에 따라 단시간에 많은 양의 강우가 발생하는 국지성 강우에 대해서도 최적 방류량을 예측할 수 있다. 셋째, 저수지 운영 과거자료의 부족과 불확실성을 해결하면, 보다 용이하고 양호한 예측결과를 얻을 수 있을 것이다.

• Journal of Korea Multimedia Society
• /
• v.3 no.2
• /
• pp.201-208
• /
• 2000

In this paper We describe an algorithm which is devised for 4he partition o# the input space and the generation of fuzzy rules by the fuzzy entropy and tested with the time series prediction problem using Mackey-Glass chaotic time series. This method divides the input space into several fuzzy regions and assigns a degree of each of the generated rules for the partitioned subspaces from the given data using the Shannon function and fuzzy entropy function generating the optimal knowledge base without the irrelevant rules. In this scheme the basic idea of the fuzzy neural network is to realize the fuzzy rules base and the process of reasoning by neural network and to make the corresponding parameters of the fuzzy control rules be adapted by the steepest descent algorithm. The Proposed algorithm has been naturally derived by means of the synergistic combination of the approximative approach and the descriptive approach. Each output of the rule's consequences has expressed with its connection weights in order to minimize the system parameters and reduce its complexities.

• Journal of the Institute of Electronics Engineers of Korea TE
• /
• v.39 no.4
• /
• pp.370-378
• /
• 2002

Fuzzy inference which combines numerical data and linguistic data has been used to design adaptive filter algorithms. In adaptive IIR filter design, the fuzzy prefilter is taken account, and applied to both direct and lattice structure. As for the fuzzy inference of the fuzzy filter, the Sugeno's method is employed. As membership functions and inference rules are recursively generated through neural network, the accuracy can be improved. The proposed adaptive algorithm, adaptive IIR filter with fuzzy prefilter, has been applied to adaptive system identification for the purposed of performance test. The evaluations have been carried out with viewpoints of convergence property and tracking properties of the parameter estimation. As a result, the faster convergence and the better coefficients tracking performance than those of the conventional algorithm are shown in case of direct structures.

• Science of Emotion and Sensibility
• /
• v.7 no.3
• /
• pp.15-25
• /
• 2004

The regression analysis and Adaptive -Network based Fuzzy-inference system (ANFIS) were applied to the explanation on human's visual texture of cotton fabrics with 7 mechanical properties. The ANFIS uses the structure with fuzzy membership function and neural network. The results obtained by the statistical analysis through the coefficient of correlation and regression analysis showed that subjective texture had a linear relationship with mechanical properties. But It had a relatively low coefficient of determination and was difficult that the statistical analysis explained other relationship with the exception of a lineality and interaction among mechanical properties. Comparing the statistical analysis, the ANFIS was an effective tool to explain human's non-linear perceptions and their interactions. But to apply ANFIS to human's perceptions more effectively, it is necessary to discriminate effective input variables through controlling the properties of samples.

• Journal of the Institute of Electronics Engineers of Korea TE
• /
• v.39 no.3
• /
• pp.97-104
• /
• 2002

In this paper we describe the method which optimizes the partition of the input space by means of measure of fuzziness for fuzzy neural network. It covers its generation of fuzzy rules for input sub space. It verifies the performance of the system depended on the various time interval of the input. This method divides the input space into several fuzzy regions and assigns a degree of each of the generated rules for the partitioned subspaces from the given data using the Shannon function and fuzzy entropy function generating the optimal knowledge base without the irrelevant rules. In this scheme the basic idea of the fuzzy neural network is to realize the fuzzy rule base and the process of reasoning by neural network and to make the corresponding parameters of the fuzzy control rules be adapted by the steepest descent algorithm. According to the input interval the proposed inference procedure proves that the fast convergence of root mean square error (RMSE) owes to the optimal partition of the input space