• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.5
• /
• pp.406-412
• /
• 2001

In this paper, a new fuzzy single layer learning algorithm is proposed, which shows improved learning time and convergence property than that of the conventional fuzzy single layer perceptron algorithms. First, we investigate the structure of physiological neurons of the nervous system and propose new neuron structures based on fuzzy logic. And by using the proposed fuzzy neuron structures, the model and learning algorithm of Physiological Fuzzy Single Layer Perceptron(P-FSLP) are proposed. For the evaluation of performance of the P-FSLP algorithm, we applied the conventional fuzzy single layer perceptron algorithms and the P-FSLP algorithm to three experiments including Exclusive OR problem, the 3-bit parity bit problem and the recognition of car licence plates, which is an application of image recognition, and evaluated the performance of the algorithms. The experimentation results showed that the proposed P-FSLP algorithm reduces the possibility of local minima more than the conventional fuzzy single layer perceptrons do, and enhances the time and convergence for learning. Furthermore, we found that the P-FSLP algorithm has the great capability for image recognition applications.

• 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
• /
• 2002.05a
• /
• pp.261-264
• /
• 2002

이 논문에서는 구간 수의 값을 갖는 함수들의 쇼케이적분을 생각하고자 한다. 이러한 구간 수의 값을 갖는 함수들의 성질들을 조사하여 오토연속인 퍼지측도에 관련된 쇼케이적분에 대한 수렴성 정리를 증명한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.335-339
• /
• 2005

본 논문에서는 퍼지 RBF 네트워크의 학습 성능을 개선하기 위하여 Delta-bar-Delta 알고리즘을 적용하여 학습률을 동적으로 조정하는 개선된 퍼지 RBF 네트워크를 제안한다. 제안된 학습 알고리즘은 일반화된 델타 학습 방법에 퍼지 C-Means 알고리즘을 결합한 방법으로, 중간층의 노드를 자가 생성하고 중간층과 출력충의 학습에는 일반화된 델타 학습 방법에 Delta-bar-Delta 알고리즘을 적용하여 학습률을 동적으로 조정하여 학습 성능을 개선한다. 제안된 RBF 네트워크의 학습 성능을 평가하기 위하여 컨테이너 영상에서 추출한 40개의 식별자를 학습 데이터로 적용한 결과, 기존의 ART2 기반 RBF 네트워크와 기존의 퍼지 RBF 네트워크 보다 학습 시간이 적게 소요되고, 학습의 수렴성이 개선된 것을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.77-80
• /
• 2003

신경망의 퍼셉트론 학습법에는 이진 또는 연속 활성화 함수가 사용된다. 초기 연결강도는 임의의 값으로 설정하며, 목표치와 실제 출력과의 차이를 이용하는 것이 주된 특징이다. 즉 구해진 오차는 학습률에 따라서 다음 단계의 연결강도에 영향을 주게 된다. 이런 경우 학습률이 너무 크면 수렴성을 보장할 수 없으며, 반대로 너무 작게 선정하면 학습이 매우 느리게 진행되는 단점이 발생한다. 이런 이유로 능동적인 학습률의 변화는 신경망의 퍼셉트론 학습법에 중요한 관건이 리며, 주어진 문제를 최적으로 학습을 위해서는 결국 상황에 따른 적절한 학습률 조정이 필요하다. 본 논문에서는 학습률 조정에 퍼지 모델을 적용하는 신경망 학습 방법을 제안하고자 한다. 제안한 방법에 의한 학습은 오차의 변화에 따라 학습률을 조정하는 방식을 사용하였고, 그 결과 연결강도를 능동적으로 변화시켜 효과적인 학습 결과를 얻었다. 학습률 변화는 'Sugeno 퍼지 모델'을 이용하여 구현하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2008.06a
• /
• pp.149-154
• /
• 2008

FCM 기반 RBF 네트워크는 서로 다른 학습 구조가 결합된 혼합형 모델로서, 입력층과 중간층의 학습 구조는 FCM 알고리즘을 적용하고, 중간층과 출력층 사이의 학습 구조는 Max_Min 신경망을 적용한다. 입력층과 중간층의 학습시 입력벡터와 중간층의 노드중에서 중심과 입력벡터간의 가장 가까운 노드를 승자 노드로 선택하여 출력층으로 전달한다. 그리고 중간층과 출력층 사이의 학습 구조는 Max_Min 신경망을 적용하여 중간층의 승자 뉴런이 출력층의 입력벡터로 적용한다. 하지만 많은 패턴이 입력벡터로 제시될 경우 학습 성능이 저하되는 단점이 있다. 따라서 본 논문에서는 중간층과 출력층의 학습 구조인 Max_Min 알고리즘의 학습 성능을 개선시키기 위해 퍼지 제어시스템을 이용하여 학습률을 동적으로 조정하는 퍼지 제어 기법을 이용한 FCM 기반 RBF 네트워크를 제안한다. 제안된 방법의 학습 성능을 평가하기 위하여 컨테이너 영상에서 추출한 숫자, 영문 식별자를 학습 데이터로 적용한 결과, 기존의 ART2 기반 RBF 네트워크보다 학습 시간이 적게 소요되고, 학습의 수렴성이 개선된 것을 확인하였다.

• Journal of Institute of Control, Robotics and Systems
• /
• v.3 no.2
• /
• pp.149-155
• /
• 1997

본 논문에서는 비선형 시변 시스템을 제어할 경우 제어시스템의 안정성을 보장하고 성능을 향상시키기 위한 새로운 적응제어 구조를 전개하였다. 주어진 플랜트가 선형 시불변이라는 가정하에 표준 기준 모델 적응제어기가 적용될 경우 발생되는 출력오차는 플랜트의 비선형 시변특성으로 인하여 점근적으로 0에 수렴되지 않는다. 이때 미지의 출력오차를 점근적으로 0에 수렴시키는 방법으로 퍼지보상기를 사용하였으며 결과적으로 플랜트의 비선형 시변 특성을 보상하는 효과를 얻을 수 있었다. 퍼지 보상기로는 출력오차등의 조건에 따라 이득이 변하는 퍼지 PID 보상기를 도입하여 안정하게 설계되도록 노력하였다. 또한 출력오차를 점근적으로 0에 수렴시키는 것은 표준 기준 모델 적응제어기 내부의 모든 파라미터와 신호가 유한하게 됨을 의미하기 때문에, 제어시스템 전체의 안정도를 보장할 뿐만 아니라 결과적으로 과도응답 성능을 향상시킬 수 있게 되었다. 몇가지 예제를 대상으로 시뮬레이션을 수행하고 그 결과를 분석함으로써 비선형 시변 시스템을 제어할 경우 본 논문에서 전개된 새로운 적응제어 구조의 타당성을 확인하였다.

• The KIPS Transactions:PartB
• /
• v.9B no.2
• /
• pp.202-214
• /
• 2002

In this paper, we propose a modified FCM (MFCM) algorithm to solve the problems of the FCM algorithm and the fuzzy clustering algorithm using an average intracluster distance (FCAID). The MFCM algorithm grants the regular grade of membership in the small size of cluster. And it clears up the convergence problem of objective function because its objective function is designed according to the grade of membership of it, verified, and used for clustering data. So, it can solve the problem of the FCM algorithm in different size of cluster and the FCAID algorithm in the convergence problem of objective function. To verify the MFCM algorithm, we compared with the result of the FCM and the FCAID algorithm in data clustering. From the experimental results, the MFCM algorithm has a good performance compared with others by classification entropy.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.5
• /
• pp.432-441
• /
• 2000

This paper deals with the fuzzy modeling for the complex and uncertain nonlinear systems, in which conventional and mathematical models may fail to give satisfactory results. Genetic algorithm has been used to identifY parameters and structure of fuzzy model because it has the ability to search optimal solution somewhat globally. The genetic algorithm, however, has a problem, which optimization process can be premature convergence in the case of lack of genetic divergence of population. Virus- evolutionary genetic algorithm(VEGA) could be a strategy against this local convergence. Therefore, we use VEGA for fuzzy modeling. In this method, local information is exchanged in population so that population can sustain genetic divergence. finally, to prove the theoretical hypothesis, we provide numerical examples to evaluate the feasibility and generality of fuzzy modeling using VEGA.

• Journal of KIISE:Software and Applications
• /
• v.28 no.1
• /
• pp.31-45
• /
• 2001

퍼지 시스템의 설계시, 퍼지 시스템의 성능 저하 없이 최적의 퍼지 규칙 선택과 퍼지 소속 함수의 단순한 정의는 매우 중요하다. 이러한 목적을 이루기 위해서, 본 논문에서는 입력 공간에 강한 영향을 보이는 퍼지 규칙만을 퍼지 규칙으로 선택함으로써 입력 공간의 증가에 유연하게 대처할 수 있는 퍼지 규칙 구조를 제안한다. 또한, 유전자 알고리즘의 진화 탐색을 통하여 퍼지 시스템의 최적화된 구조를 얻기 위해서 퍼지 시스템의 구조를 생성시키는 문법 규칙을 해개체로 코딩하는 문법 코딩을 이용한 유전적 퍼지 시스템을 제안한다. 문법 규칙은 퍼지 규칙의 복잡한 구조를 단순한 모듈 구조로 표현하므로 문법 규칙의 코딩은 유전자 알고리즘의 빠른 수렴과 효율적인 탐색을 보장한다. 아울러, 제안하는 방법을 많은 입력 공간을 갖는 아이리스 데이타(Iris data) 문제와 시간열 예측(time series prediction) 문제에 적용함으로써 제안하는 방법의 응용성을 보이고 성능을 분석한다. 실험 결과, 제안하는 방법이 직접 코딩을 사용한 다른 설계 방법보다 더 좋은 성능을 보여 주었다.