• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.613-615
• /
• 2004

수치적인 데이터를 분류하기 위한 대표적인 방법은 퍼지 규칙을 사용하는 것이다. 하지만 퍼지 규칙을 이용하는 방법은 퍼지 소속 함수를 어떻게 정의하느냐에 따라 퍼지 분류의 성능이 크게 영향을 받는다는 문제점이 있다. 따라서 퍼지 규칙을 쉽게 이해하기 위해서는 가능한 퍼지 규칙의 수를 적게 유지하는 것이 필요하다. 본 논문에서는 효과적이며 이해하기 쉬운 퍼지 규칙을 생성하기 위해 기울기 강하법을 기반으로 하는 소속 함수 학습 방법을 제안한다 에러율을 감소하기 위해 Penalty 연산과 Reward 연산을 통해 소속 함수가 반복적으로 조절된다 새로운 소속 함수는 Coverage 연산에 의해 생성된다. 또한 이해하기 쉬운 퍼지 규칙을 최적화하기 위해 학습된 소속 함수골 퍼지 결정 트리에 적용한다. 본 논문에서 제안한 알고리즘의 타당성을 확인하기 위해 벤치 마크 데이터인 Iris, Wisconsin Breast Cancer, Plma, Bupa 데이터를 이용하여 실험 결과를 보인다. 실험 결과를 통해 제안한 알고리즘이 기존의 C4.5와 FID 3.1 알고리즘보다 더 효과적이거나 비슷한 성능을 보임을 알 수 있다.

• 한국지능시스템학회논문지
• /
• 제17권5호
• /
• pp.598-603
• /
• 2007

본 논문에서는 다입력 퍼지 시스템에서 생기는 퍼지 규칙수의 기하급수적 증가를 막기 위하여, 1번째 계층에서는 주어진 퍼지 시스템으로부터 선형 독립의 퍼지 규칙 벡터를 구성하여 사용하고, 2계층에서는 1계층에서 사용된 퍼지 규칙 벡터들의 선형합을 사용하는 동등 변환된 2계층 퍼지시스템 구조에서, steapest descent 알고리듬을 이용한 퍼지 규칙의 자동 학습을 다룬다. 학습 방법의 타당성을 보이기 위하여, 공과 막대 시스템을 제어하는 기존의 퍼지 시스템을 학습한 결과를 보인다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 춘계학술대회 학술발표 논문집 제14권 제1호
• /
• pp.462-465
• /
• 2004

수치적인 데이터를 분류하기 위한 대표적인 방법은 퍼지 규칙을 사용하는 것이다. 하지만, 이러한 방법은 퍼지 소속 함수를 어떻게 정의하느냐에 따라 퍼지 분류의 성능이 크게 영향을 받는다는 문제점과 퍼지 규칙을 쉽게 이해하기 위해 가능한 퍼지 규칙의 수를 적게 유지해야한다는 문제점이 있다. 본 논문에서는 효과적이며 이해하기 쉬운 퍼지 규칙을 생성하기 위해 기울기 강하법을 기반으로 하는 소속 함수 학습 방법을 제안한다. 에러율을 감소하기 위해 Penalty 연산과 Reward 연산을 통해 소속 함수가 반복적으로 조절된다. 새로운 소속 함수는 Coverage 연산에 의해 생성된다. 또한 이해하기 쉬운 퍼지 규칙을 최적화하기 위해 학습된 소속 함수를 퍼지 결정 트리에 적용한다. 본 논문에서 제안한 알고리즘의 타당성을 확인하기 위해 벤치 마크 데이터인 Iris, Wisconsin Breast Cancer, Pima. Bupa 데이터를 이용하여 실험 결과를 보인다. 실험 결과를 통해 제안한 알고리즘이 기존의 C4.5와 FID 3.1 알고리즘보다 더 효과적이거나 비슷한 성능을 보임을 알 수 있다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.90-93
• /
• 1998

입？출력 데이터 쌍만을 이용하여 규칙 및 소속 함수를 자동적으로 결정하는 자기 학습 퍼지 알고리즘 중에서, 가장 이해하기 용이하고 퍼지 규칙 및 소속 함수 생성이 빠른 방법으로 기울기 강하를 이용한 방법들이 있다. 기울기 강하를 이용한 방법중에서 가장 대표적인 Araki가 제안한 방법은 퍼지 조건부가 퍼지 집합 형태이고 결론부는 단일값으로 구성된 알고리즘으로써 입력 퍼지 공간을 세분화하면서 시스템을 규명해나가는 간단하면서도 효율적인 알고리즘이다. 그러나 이 방법은 퍼지 입력 변수가 증가하면 퍼지 공간이 세분화 되면서 소속 함수 및 규칙 생성 개수가 급격히 제곱배로 증가하는 문제점을 가지고 있다. 따라서, 본 논문에서는 퍼지 입력 변수가 증가함에 따라 급격히 퍼지 규칙 및 소속 함수의 수가 증가하는 Araki 알고리즘의 문제점을 분석하여 소속 함수 및 규칙 수의 급격한 증가를 억제하고 Araki 방법에 비해 학습속도가 현저히 향상된 새로운 방안을 제안한다. 연구 결과, Arki 방법이 입력 변수의 개수가 증가 할수록 규칙 수가 기하 급수적으로 많이 필요하였던 것에 비해 제안한 방법은 훨씬 적은 규칙 수로 우수한 성능을 얻을 \ulcorner 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.384-389
• /
• 1998

본 논문은 특정 응용에 적합한 퍼지 제어기의 최적 설계 파라메터(퍼지 규칙과 소속 함수)를 찾는데 역전파 학습 과정과 유전 알고리즘을 결합한 Lamarckian 상호적응 기법을 이용한 뉴로-퍼지 제어기의 새로운 설계 방법을 제안한다. 설계 파라메타들은 진화에 의한 전역적 탐색을 통해 높은 포함값과 유용한 퍼지 규칙들을 갖는 규칙 베이스와 작은 근사화 오차와 좋은 제어 성능을 갖는 소속 함수들을 얻도록 제어기간 파라메타 조절을 수행하며, 학습에 의한 국부적 탐색을 통해 각 퍼지 제어기가 원하는 제어 결과를 나타내도록 제어기내 파라메타 조절을 수행한다. 제안한 상호적응 설계 방법은 유전 알고리즘의 모든 세대에서 역전파 학습이 이루어지므로 보다 좋은 근사화 능력을 나타나고, 사용한 무게 중심 비퍼지화기가 정확한 비퍼지화값을 계산하므로 보다 좋은 제어 성능을 가지며, 퍼지 규칙 베이스와 소속 함수들의 최적화 탐색 과정이 입출력 공간의 같은 퍼지 분할 상에서 통합된 적응 함수에 의하여 동시에 수행되므로 탐색을 위한 작업 공간이 아주 작아지는 장점이 있다. 시뮬레이션 결과는 Lamarckian 상호 적응에 의해 얻어진 FLC가 퍼지 규\ulcorner 수, 근사화 능력, 제어 성능등 모든면에서 다른 방법에 의해 얻어진 FLC보다 가장 우수함을 보여준다.

• 한국지능시스템학회논문지
• /
• 제10권3호
• /
• pp.252-259
• /
• 2000

본 논문에서는 영상의 에지 검출을 수행하기 위한 퍼지 규칙을 학습하는 퍼지 분류자 시스템을 제안한다. 퍼지 분류자 시스템은 기계학습의 방법을 퍼지 논리의 개념에 적용한 것이다. 즉 분류자의 조건부와 행동부는 퍼지 규칙에서위 전건부와 후건부와 같은 것이 된다 퍼지 규칙을 진화에 의해 획득하는 방법론으로는 크게 미시간 접근법과 피츠 접근법이 있으며, 본 논문에서는 미시간 방법의 퍼지 분류자 시스템을 사용한다. 미시간 접근방법은 하나의 퍼지 IF-THEN 규칙이 진화연산의 직접적인 진화 대상이 되는 하나의 개체로 코드화된다. 또한 퍼지 분류자 시스템은 유전 알고리즘을 사용하여 새로운 규칙을 생성하거나 규칙을 수정하여 시스템의 성능을 향상시킨다. 제안된 방법은 영상 처리와 컴퓨터 비전 분야에서 인식과 구분ㅇ르 수행하기 위한 전처리 단계에 해당하는 에지 검출에 적용하여 그 유효성을 검증한다. 즉, 영상엣 한 픽셀이 이웃하는 픽셀들의 평균 그렝 레벨의 차리를 퍼지 집합으로 표현하고 퍼지 IF-THEN 규칙을 사용하여 에지를 검출하고, 이것을 Sobel 에지 검출방법으로 얻어진 결과와 비교하여 에지 검출에 사용된 규칙의 유용성을 판단한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 1998년도 춘계학술발표논문집
• /
• pp.394-399
• /
• 1998

본 논문에서는 Kohonen SOM을 이용한 인식 학습 알고리즘인 LVQ를 이용하여 퍼지 규칙의 수를 줄이는 방안을 제안하였다. 많은 훈련 패턴을 입력하게 되면 그에 따른 퍼지 규칙 수가 증가하게 되고, 많은 기억용량과 분류에 긴 시간을 필요로 하는 문제점 있어 퍼지 규칙의 수를 줄이고자 한다. 그러나 퍼지 규칙의 수가 줄어듦으로서 발생하는 성능의 하락을 최소화하기 위하여 초기 참조 패턴이 입력 데이터에 근접하도록 훈련 된 후에 퍼지 규칙을 생성하였다. 생성된 퍼지 규칙은 LVQ를 이용하여 인식되기 바로 전에 가중치 벡터를 이용하여 근접하는 값 이내에 있는 가중치 벡터 값을 합하여 같은 퍼지 규칙을 부여하여 생성하였다. 그 결과로 5$\times$8 숫자 Gray scale를 이용하여 전체 146개의 가중치 벡터가 15개의 아주 적은 수의 퍼지 규칙으로 생성되었다.

• 정보처리학회논문지B
• /
• 제11B권6호
• /
• pp.717-722
• /
• 2004

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NNWFM)을 이용하여 Wisconsin breast cancer의 예측을 수행하는 퍼지규칙을 추출하고 있다. NNWFM는 자기적응적(self adaptive)가중 퍼지소속함수를 가지고 주어진 입력 데이터로부터 학습하여 퍼지규칙을 생성하고 이론 기반으로 예측을 수행한다. 신경망 구조의 중간 부분인 하이퍼박스(hyperbox)들은 n개의 대, 중, 소의 가중 퍼지소속함수 집합으로 구성되며, 학습 후 각 집합은 퍼지집합의 bounded sum을 사용하여 다시 하나의 가중 퍼지소속함수로 합성된다. n개의 특징입력(feature input)은 학습된 모든 하이퍼박스에 연결되어 예측 작업을 수행한다. NNWFM으로 추출된 2개의 퍼지규칙은 99.41%의 예측 인식율을 가지며 이는 퍼지규칙의 수와 인식율에 있어 현재 발표된 논문의 결과보다 우수함을 보여준다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 추계학술대회 학술발표 논문집 제14권 제2호
• /
• pp.289-292
• /
• 2004

여러 분야에서 다양한 목적으로 인간처럼 생각하는 시스템을 구현하고자 하는 연구가 이루어지고 있다. 인간의 뇌에서 기억을 담당하는 부분은 시각, 청각, 촉각 등의 감각 정보를 이용하여 새로 들어온 정보가 이미 기억된 정보와 같은가를 비교하여 기존 기억에 적용시키거나 새로운 정보로 기억시킨다. 기존의 모델은 ART를 사용하여 그것을 구현하고 반복 학습되지 않는 정보는 잊혀져 버리는 것과 강한 자극과 함께 입력된 정보는 반복 학습되지 않아도 잊혀지지 않는 것이었다. 그 모델을 이용할 경우 모든 감각에 대한 정보들이 전부 한 번에 처리되었기 때문에 감각별로 정보를 차등적으로 조절하여 처리하기가 곤란하였다. 본 논문에서는 이 문제를 개선하기 위해 기존의 ART를 이용한 모델에서 감각 정보를 비교하는 과정을 퍼지 규칙을 도입한 방법으로 교체하고자 한다. 우선 입력받는 감각 정보의 여러 값들을 감각 별로 그룹화 한 후 그룹별로 퍼지 규칙을 이용하여 비교한다. 기억된 정보들을 퍼지 규칙으로 하고 입력된 정보를 이용하여 각각의 규칙에 대한 결과를 낸다. 이 모델에서는 퍼지를 사용하여 기억된 정보에 대한 이해가 쉽고, 기억된 정보를 이용할 때 규칙을 조절하여 적용하는 것으로 상황에 따라 필요한 감각 정보를 알맞게 적용할 수 있을 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.389-391
• /
• 2003

컴퓨터 학습의 군집화는 주어진 데이터를 서로 유사한 몇 개의 집단으로 묶는 작업을 수행한다. 군집화를 위한 유사도 결정을 위한 측도는 많은 기법들에서 매우 다양한 측도들이 사용되고 또한 연구되어 왔다. 하지만 군집화의 결과에 대한 성능측정에 대한 객관적인 기준 설정이 어렵기 때문에 군집화 결과에 대한 해석은 매우 주관적이고 애매한 경우가 많다. 퍼지 군집화는 이러한 애매한 군집화 문제에 있어서 융통성 있는 군집 결정 방안을 제시해 준다. 각 개체들이 특정 군집에 속하게 될 퍼지 멤버 함수값을 원소로 하는 유사도 행렬을 통하여 군집화를 수행한다. 본 논문에서는 베이지안 학습을 통하여 군집화를 위한 퍼지 멤버 함수값을 구하였다. 본 연구에서는 최적의 퍼지 군집화 수행을 위하여 베이지안 학습 기반의 퍼지 규칙을 추출하였다. 인공적으로 만든 데이터와 기존의 기계 학습 데이터를 이용한 실험을 통하여 제안 방법의 성능을 확인하였다.