• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.411-414
• /
• 2008

본 논문에서는 다중 출력을 가지는 퍼지 집합 기반 퍼지뉴럴네크워크(Fuzzy-Nueral Network; FNN)를 설계한다. 퍼지 집한 기반 퍼지뉴럴네트워크는 각 입력 변수에 따른 개별적인 입력 공간을 공간 분할함으로서 네트워크를 구성한다. 규칙의 전반부는 앞서 언급한 개별적인 입력 공간을 분할하여 표현하고, 규칙의 후반부는 다항식으로서 표현되며 오류역전파 알고리즘을 이용하여 연결가중치인 후반부 다항식의 계수를 학습한다. 또한, 각 입력에 대한 전반부 멤버쉽 함수의 정점과 학습률 및 모멤텀 계수를 유전자 알고리즘을 이용하여 최적 동조한다. 따라서 유전자 알고리즘을 이용하여 퍼지뉴럴네트워크를 최적 설계한다. 제안된 네트워크는 초고압 XLPE 케이블 절연접속함의 모의결함에 대해 부분방전 신호를 패턴인식한다. 부분방전 신호는 PRPDA 방법을 통해 200개의 입력 벡터와 4개의 출력 벡터를 가지며, 보이드 방전, 코로나 방전, 표면 방전, 노이즈의 4개 클래스를 분류한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.03a
• /
• pp.112-115
• /
• 1998

본 논문은 퍼지 추론 시스템 모델의 최적화를 제시한다. 비선형적이고 복잡한 실시스템의 특성을 해석하는 방법으로써 시스템의 정적 혹은 동적 특성을 묘사하기 위해 퍼지 모델이 사용된다. 그러나 퍼지 시스템의 동정은 경험적 방법에 의해 규칙을 추출하기 때문에, 보다 논리적이고 체계적인 방법에 의한 추출 방법의 고찰이 필요하다. 제안된 규칙베이스 퍼지모델은 GA 및 퍼지규칙의 이론을 이용한 시스템 구조와 파라미터 동정을 시향한다. 두형태의 퍼지모델 방법은 간략추론 및 선형추론에 의해 시행된다. 본 논문에서는 퍼지 추론 시스템의 전반부 파라미터 동정을 통해 퍼지 입력공간을 정의함으로써 비선형 시스템을 표현한다. 전반부 파라미터의 동정세는 유전자 알고리즘을 사용하고, 후번부는 표준가우스 소거법을 사용하여 동정한다. 최적화는 유전자 알고리즘에 기초한 자동-동조 방법이며, 학습 및 데이터의 성능결과의 상호 균형을 얻기 위한 하중값을 가진 성능지수가 제시된다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2004.11a
• /
• pp.195-202
• /
• 2004

일반적으로 운송 컨테이너의 식별자들은 크기나 위치가 정형화되어 있지 않고 외부 잡음으로 인하여 식별자의 형태가 변형될 수 있기 때문에 일정한 규칙으로 찾기는 힘들다. 본 논문에서는 이러한 특성을 고려하여 컨테이너 영상에 대해 Canny 마스크를 이용하여 에지를 검출하고, 검출된 에지 정보에서 영상획득 시 외부 광원에 의해 수직으로 길게 발생하는 잡음들을 퍼지추론 방법을 적용하여 제거한 후에 수직 블록과 수평 블록을 검출하여 컨테이너의 식별자 영역을 추출하고 이진화 한다. 이진화된 식별자 영역에 대해 검정색의 빈도수를 이용하여 흰바탕과 민바탕을 구분하고 윤곽선 추적 알고리즘을 적용하여 개별 식별자를 추출한다. 추출된 개별 식별자의 인식은 개선된 퍼지 RBF 네트워크를 제안하여 적용한다. 제안된 퍼지 RBF 네트워크는 퍼지 C-Means 알고리즘을 중간층으로 적용하고 중간층과 출력층 간의 학습에는 일반화된 델타 학습 방법과 Delta-bar-Delta 알고리즘을 적용하여 학습 성능을 개선한다. 실제 컨테이너 영상을 대상으로 실험한 결과, 기존의 식별자 추출 방법보다 제안된 식별자 추출 방법이 개선되었고 기존의 퍼지 RBF 네트워크 보다 제안된 퍼지 RBF 네트워크가 컨테이너 식별자의 학습 및 인식에 우수함을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.329-330
• /
• 2007

본 논문에서는 particle swarm optimization(PSO)를 통한 비선형시스템의 퍼지집합 퍼지모델의 최적화 방법을 제안한다. 퍼지 모델링에서 전반부 동정, 즉 구조 동정 및 파라미터 동정은 비선형 시스템을 표현하는데 있어서 매우 중요하다. 퍼지모델의 전반부 동정에 있어 최적화 과정이 필요하며 유전자 알고리즘(Genetic Algorithm; GA)을 이용하여 퍼지모델을 최적화한 연구가 많이 있다. 본 연구는 파라미터 동정 시 최근 여러 가지 어려운 최적화 문제를 수행함에 있어서 성능의 우수성이 증명된 PSO를 이용하여 퍼지집합 퍼지모델의 전반부 파라미터를 동정하였다. 구조동정은 단순 유전자 알고리즘(Simple Genetic Algorithm; SGA)을 이용하여 동정하였으며 파라미터 동정시 실수 코딩유전자 알고리즘(Real Coded Genetic Algorithm; RCGA)와 PSO를 각각 파라미터 동정에 이용하여 성능을 비교하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.16 no.12
• /
• pp.43-48
• /
• 2011

Among various methods proposed earlier, fuzzy image filtering is usually one of the favored techniques because it has less blurring effect and the decrease of noise removal rate after filtering. However, fuzzy filtering is ineffective on color images since it is firstly developed with gray scale. Thus, in this paper, we propose a fuzzy filtering algorithm for color images. First, we divide RGB color information from image into three channels of R, G, and B and judge the possibility of each pixel with mask by fuzzy logic independently. The output pixel value might be the average or median according to the degree of noise. Our experiment successfully verifies the effectiveness of new algorithm in color image.

• Journal of KIISE:Software and Applications
• /
• v.32 no.7
• /
• pp.674-682
• /
• 2005

This paper proposes classification of multi-spectral satellite image based on fusion of fuzzy G-K (Gustafson-Kessel) algorithm and PCM algorithm. The suggested algorithm establishes the initial cluster centers by selecting training data from each category, and then executes the fuzzy G-K algorithm. PCM algorithm perform using classification result of the fuzzy G-K algorithm. The classification categories are allocated to the corresponding category when the results of classification by fuzzy G-K algorithm and PCM algorithm belong to the same category. If the classification result of two algorithms belongs to the different category, the pixels are allocated by Bayesian maximum likelihood algorithm. Bayesian maximum likelihood algorithm uses the data from the interior of the average intracluster distance. The information of the pixels within the average intracluster distance has a positive normal distribution. It improves classification result by giving a positive effect in Bayesian maximum likelihood algorithm. The proposed method is applied to IKONOS and Landsat TM remote sensing satellite image for the test. As a result, the overall accuracy showed a better outcome than individual Fuzzy G-K algorithm and PCM algorithm or the conventional maximum likelihood classification algorithm.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.14 no.1
• /
• pp.378-384
• /
• 2013

In this paper, we propose the fuzzy neural networks based on fuzzy c-means clustering algorithm. Typically, the generation of fuzzy rules have the problem that the number of fuzzy rules exponentially increases when the dimension increases. To solve this problem, the fuzzy rules of the proposed networks are generated by partitioning the input space in the scatter form using FCM clustering algorithm. The premise parameters of the fuzzy rules are determined by membership matrix by means of FCM clustering algorithm. The consequence part of the rules is expressed in the form of polynomial functions and the learning of fuzzy neural networks is realized by adjusting connections of the neurons, and it follows a back-propagation algorithm. The proposed networks are evaluated through the application to nonlinear process.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.2
• /
• pp.95-100
• /
• 2001

비선형 시스템의 성공적인 퍼지 모델을 구성하기 위한 최적의 퍼지 추론 시스템의 동정은 중요하고도 어려운 문제이다. 전통적으로 유전 알고리즘은 어느 정도의 전역 최적해를 찾을 수 있기 때문에 퍼지 모델의 구조와 파라미터를 동정하는데 사용되어 왔다. 그러나, 유전 알고리즘은 개체군 진화 시 우수한 개체의 출현은 지역수렴의 원인이 된다. 따라서, 본 논문에서는 바이러스 메시 유전알고리즘을 이용한 효과적인 퍼지 모델링 방법을 제안한다. 제안된 방법은 지역 정보가 개체군 내에서 교환됨으로써 지역 수렴의 대인아 될 수 있을 뿐 아니라, 가변길이 스트링을 사용함으로써 좀더 효과적이고 적응적인 구조를 가질 수 있다. 또한 본 논문에서 제안한 방법의 우수성과 일반성을 증명하기 위해 복잡한 비선형 시스템과 가스로의 퍼지모델링에 적용하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.467-470
• /
• 2005

퍼지모델은 주로 경험적 방법에 의해 추출되기 때문에 보다 구체적이고 체계적인 방법에 의한 동정 및 최적화 될 필요성이 요구된다. 따라서 본 논문에서는 퍼지 모델의 전반부 및 후반부의 구조 동정과 파라미터 동정에 있어서 최적의 구조 및 파라미터를 찾기 위해 유전자 알고리즘을 이용한다. 초기 퍼지 모델을 설계하기 위해 유전자 알고리즘을 이용하여 입력 변수의 수, 선택될 입력 변수, 멤버쉽함수의 수, 그리고 후반부 형태를 결정한다. 구축된 퍼지 모델은 유전자 알고리즘에 의해 세대를 거듭하면서 전반부 파라미터를 자동 동조함으로써 최적의 퍼지 모델을 설계한다. 또한 구조 동정 및 파라미터 동정을 동시에 시행함으로서 정보 입자 기반 퍼지 모델의 유전자적 최적화를 도모한다. 마지막으로 제안된 퍼지 모델은 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• Journal of Internet Computing and Services
• /
• v.5 no.4
• /
• pp.115-124
• /
• 2004

This paper presents a weighted fuzzy backward reasoning algorithm for rule-based systems based on weighted fuzzy Petri nets. The fuzzy production rules in the knowledge base of a rule-based system are modeled by weighted fuzzy Petri nets, where the truth values of the propositions appearing in the fuzzy production rules and the certainty factors of the rules are represented by fuzzy numbers. Furthermore, the weights of the propositions appearing in the rules are also represented by fuzzy numbers. The proposed weighted fuzzy backward reasoning generates the backward reasoning path from the goal node to the initial nodes and then evaluates the certainty factor of the goal node. The algorithm we proposed can allow the rule-based systems to perform weighted fuzzy backward reasoning in more flexible and human-like manner.