• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.05a
• /
• pp.379-382
• /
• 2009

패턴 인식에서 분류기 모형으로 많이 사용되는 퍼지 분류기는 퍼지 소속 함수를 적절히 설정함으로써 보다 향상된 분류 성능을 얻을 수 있다는 장점이 있다. 그러나 일반적으로 함수 설정은 인식문제 분야의 특성이나 해당 전문가의 지식과 주관적 경험을 기반으로 설정되므로 설정된 소속도 함수의 일관성과 객관성을 보장하기가 어려운 문제점을 갖고 있다. 따라서 이 논문에서는 퍼지 분류기의 소속도 함수를 설정하기 위한 객관적 기준을 제시하기 위하여 특징값들 간의 통계적 정보를 이용한 소속도 함수 설정 기법들을 제안하였다. 제안한 기법들을 이용하여 UCI machine learning repository 사이트에서 제공되는 표준 데이터 중에 Iris 데이터 세트를 이용하여 실험하고 그 결과를 비교, 분석하였다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1758-1759
• /
• 2011

본 논문은 비선형 시스템의 소속함수 의존성을 이용한 관측기 기반 퍼지 제어기 설계 기법을 제시한다. Takage-Sugeno (T-S)퍼지 모델링을 이용해 비선형 시스템을 퍼지 모델로 표현한다. 시스템의 안정화 조건은 소속함수의 의존성을 이용한 리아푸노프 안정도 해석 방법을 이용해 유도된다. 안정화 조건은 선형 행렬 부등식으로 표현되며, 부등식의 해를 이용해 제어기의 이득값을 구한다. 모의실험을 통해 설계된 제어기의 타당성을 검증한다.

• The KIPS Transactions:PartB
• /
• v.11B no.6
• /
• pp.717-722
• /
• 2004

This paper presents fuzzy rules to predict diagnosis of Wisconsin breast cancer using neural network with weighted fuzzy membership functions (NNWFM). NNWFM is capable of self-adapting weighted membership functions to enhance accuracy in prediction from the given clinical training data. n set of small, medium, and large weighted triangular membership functions in a hyperbox are used for representing n set of featured input. The membership functions are randomly distributed and weighted initially, and then their positions and weights are adjusted during learning. After learning, prediction rules are extracted directly from the enhanced bounded sums of n set of weighted fuzzy membership functions. Two number of prediction rules extracted from NNWFM outperforms to the current published results in number of rules and accuracy with 99.41%.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.16 no.5
• /
• pp.484-493
• /
• 2011

The MPPT algorithm using neuro-fuzzy controller is proposed to improve the performance of fuzzy controller in this paper. The width of membership function and fuzzy rule have an effect on the performance of fuzzy controller. The neuro-fuzzy controller has the response characteristic which is superior to the existing fuzzy controller, because of using the optimal width of the fuzzy membership function through the neural learning. The superior control characteristic of a proposed algorithm is confirmed through simulation and experiment results.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.05a
• /
• pp.220-223
• /
• 2000

타입-2 퍼지집합을 이용하여 퍼지논리시스템(Fuzzy Logic System : FLS)을 구현하기 위한 연구들이 R. I John, N. Karnik, J. Mendel 등에 의해 현재 진행되고 있다. 타입-2 집합을 이용한 타입-2 FLS은 기존의 타입-1 FLS보다 제어규칙이나 소속함순가 가지고 있는 불확실성을 표현하는데 있어서 더 효과적이다. 그러나, 타입-2 FLS 역시 타입-1 FLS이 가지고 있는 문제점인 설계시 전문가에게 의존하여 시간과 비용이 많이 소요되고, 제어기의 구성요소들을 효율적으로 생성하기가 어렵다는 문제점을 더욱 심각하게 가지고 있다. 또한, 그 문제점을 해결하기 위한 연구들도 아직 미진한 상태이다. 본 논문에서는 타입-2 FLS의 설계를 위해 유전자 알고리즘을 사용하는 방법을 제안한다. 타입-2 FLS를 설계하기 위해서는 소속함수와 제어규칙을 생성하여야 한다. 본 논문에서는 유전자 알고리즘을 사용하여 타입-2 퍼지제어규칙과 소속함수를 설계하는 방법을 제안한다. 먼저, 유전자 알고리즘에서 사용할 수 있는 유전자의 형태로 타입-2 퍼지제어규칙과 소속함수를 표현하기 위한 인코딩방법을 제안하고, 각각의 염색체를 진화시키기 위한 교차 연산자와 돌연변이 연산자를 정의한다. 그리고, 제안된 방법을 함수근사문제에 적용하여 유효성과 성능을 평가, 검증한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.15-17
• /
• 1999

사례 기반 추론(Case-Based Reasoning)은 새로운 문제를 해결하기 위해 유사한 기존 문제를 추출하여 그 해결과정을 사용한다. 그러므로, 기존의 문제와의 유사성을 얼마만큼 잘 판별하는가가 매우 중요한 관건이다. 연구된 유사성 판단 방법으로는 퍼지 소속 함수(Fuzzy membership function)를 이용하여 사례마다 각 클래스에 대한 소속 함수 값을 주는 방법이 있다. 이 방법은 퍼지 소속 함수를 어떻게 주는가에 따라 성능이 달라진다. 본 논문에서는 적당한 퍼지 소속 함수를 주기 위하여 Fuzzy C-Means를 사용하는 방법을 제안하였다. 이 방법은 각 클래스에 대한 소속 함수 값을 결정하는데 있어서 좀 더 전체적인 데이터 분포 정보를 이용할 수 있다.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2522-2524
• /
• 2003

본 논문은 다수의 가우시안(Gaussian) 함수를 가중치 함수로 이용하여 퍼지 소속 함수의 효율적인 동정기법을 제안한다. 먼저 데이터를 가장 잘 구분하는 특징 변수를 선정하고, 이에 대한 기본 소속 함수를 가우시안 함수로 설정한 후, 다수의 가우시안 함수를 곱하여 소속 함수를 동정한다. 해당 특징 변수에 대한 소속 함수의 동정 후, 다음 우선 순위의 특징 변수를 퍼지 규칙에 첨가하여 가장 높은 정확도를 획득할 때까지 반복적으로 소속 함수를 동정한다. 이러한 방법은 데이터의 분포 성향을 소속 함수에 반영시킬 수 있을 뿐만아니라, 알고리듬의 고속 연산도 가능하다. 제안한 방법의 성능을 검증하기 위해 iris 데이터에 적용하여 모의실험의 예를 보인다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• 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.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.3 no.4
• /
• pp.24-31
• /
• 1993

원전 증기발생기의 수위제어기를 퍼지제어기로 구성하는 경우 증기발생기의 단독운전이 아닌 전체발전소의 가동중에 소속함수 조정이 이루어져야 하는 제약환경을 고려할 때 많은 반복실행횟수를 필요로 하는 임의적인 시행착오방법이나 일반화되어 있지 않은 복잡한 방법보다는 보다 간단명료하고 예측가능한 조정경로를 통해 소속함수를 조정할 필요가 있다. 여기에서는 그 방안으로서 프로세스 제어응답의 최대초과량 상승시간의 합으로 평가함수를 도입하고 descent method를 이용하여 제어응답의 결과로 얻는 평가함수의 최소점을 따라 소속함수를 조정해가는 방법을 제시하였다.

• The KIPS Transactions:PartB
• /
• v.8B no.2
• /
• pp.123-129
• /
• 2001

본 연구에서는 전문가와 운전자의 제어 지식을 더 정확하게 표현하여 퍼지 논리 제어기의 성능을 향상시킬 수 있는 소속함수 수정 알고리즘을 제안한다. 제안된 알고리즘은 제어지식을 더 정확히 표현할 수 있도록 직관적인 지식과 경험으로부터 유추된 대략적인 제어지식을 평가기준으로 하고 입출력 데이터 클러스터링에 의해 소속함수의 형태와 위치를 수정한다. 제안된 방법을 수위 조절 모델과 교통신호 제어 모델에 적용한 실험을 통해서, 제안된 알고리즘이 기존 제어기의 성능을 향상시킬 수 있고, 퍼지 제어기에서 언어적 변수에 대한 구간 설정의 어려움을 해결할 수 있음을 알 수 있었다.