• Journal of the Korean Institute of Intelligent Systems
• /
• v.2 no.3
• /
• pp.3-16
• /
• 1992

퍼지제어기는 입.출력 관점에서 일반적으로 입.출력에 대한 비선형 함수로 볼수 있다. 전문가의 제어 행위의 입.출력 관계가 크리시(crisp) 비선형 함수로 표현되었을때 그것을 언어적 퍼지 모델링(linguistic fuzzy modelling)하는 방법이 1-입력/ 1-출력 및 2-입력/1-출력의 static 시스템에 대하여 제안되었다. 이를 위해 소속함수 제한조건(membership function constraint)의 개념을 제시하고 선형계획법에 의한 최적화 기법을 이용하여 소속함수의 생성에 관한 체계적인 방법을 제안한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1995.10b
• /
• pp.186-192
• /
• 1995

본 연구에서는 퍼지 클러스터링 알고리즘과 변수선택 방법을 이용하여 모델의 구조 동정을 행하고, 신경회로망의 Back-propagation 학습방법을 이용하여 파라메터동정을 행하 는 새로운 퍼지모델링 알고리즘을 제안하였다. 실제 데이터를 이용하여 전력부하예측시스템 을 설계하였으며 그 결과 타당성을 입증하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.235-238
• /
• 2007

본 논문에서는 기존의 클러스터 기반 퍼지 모델트리에서 트리의 깊이에 따른 over-fitting으로 인한 훈련 및 검증데이터의 일관성 문제점을 해결하기 위해 상호 노드간의 정보를 고려하는 방법을 제안하고자 한다. 제안된 방법은 우선 입력과 출력변수의 속성을 고려한 퍼지 클러스터링에 의해 중심벡터를 계산한 후, 중심벡터들과 입력 속성간의 소속도를 이용하여 구간 분할된 영역별로 각각의 선형모델을 구축한다. 예측 단계에서는 입력된 데이터가 잎노드에 도달하는 노드간의 중심벡터와 입력 데이터간의 거리값에 따른 소속도를 계산한 후 최종적으로 무게 중심법을 이용하여 출력값을 예측하게 된다. 제안된 방법의 우수성을 보이기 위해 다양한 벤치마크 데이터를 대상을 실험한 결과, 기존의 클러스터 기반 퍼지 모델트리보다 향상된 성능을 보임을 알 수 있었다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.9 no.5
• /
• pp.191-197
• /
• 2009

In this paper, multi-variable fuzzy model for efficient combustion control of refuse incineration plant is obtained. First, to obtain model of incineration plant which is complex and nonlinear multi-variable fuzzy modeling is performed. Obtained multi-variable fuzzy model predicts outputs of incinerator almost exactly. Then using multi-variable fuzzy model we can build simulator which is used as operation simulator for building of control strategy and training of operator.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.251-252
• /
• 2008

Type-2 퍼지 집합은 Type-1 퍼지 집합에서는 다루기 어려운 언어적인 불확실성을 더욱 효과적으로 다룰 수 있다. TSK 퍼지 로직 시스템(TSK Fuzzy Logic Systems; TSK FLS)은 후반부를 1차 및 2차 함수식으로 나타내며 Mamdani 모델과 함께 가장 널리 사용되는 모델이다. 본 연구의 Interval Type-2 TSK FLS은 전반부에서 Type-2 퍼지 집합을 이용하고 후반부는 계수가 Type-1 퍼지집합인 1차식을 사용한다. 또한 전반부는 가우시안 형태의 Type-2 멤버쉽 함수를 사용하며, 오류역전파 학습알고리즘을 사용하여 파라미터들을 최적화 한다. 또한 학습에 앞서 PSO(Particle Swarm Optimization) 알고리즘을 사용하여 최적 학습률을 찾아 모델의 학습능력을 보다 효율적으로 한다. 본 논문에서는 Type-1과 Type-2 FLS의 성능을 가스로 공정 데이터를 적용하여 두 모델의 성능을 비교하고 노이즈를 추가한 데이터를 이용하여 노이즈에 대한 성능도 비교 분석한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11c
• /
• pp.2463-2466
• /
• 2002

본 연구에서는 학습자의 수준에 맞는 적합한 학습 내용과 평가 문제를 제공하고, 그 평가 결과를 분석하여 반복학습 및 심화학습을 효과적으로 제공하는 웹기반 퍼지 교수 시스템을 제안한다. 이를 위해 코스웨어를 설계시 학습목표의 중요도, 학습내용의 난이도, 학습목표와 학습내용과의 관련성과 각 항목의 가중치를 고려한 퍼지 함수에 의해 퍼지 소속성을 가진 퍼지 언어 변수로 각 프레임에 대한 수준을 표현한다. 이와 같이 퍼지 함수를 이용함으로써 학습자의 수준을 분석하고, 이에 적절한 학습 및 평가 내용을 제공하는데 여러가지 다양하고 불확실한 요소들을 고려하여 처리함으로써 보다 융통성 있고 효과적인 교수 학습 방법을 지원할 수 있다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.153-157
• /
• 2004

본 논문은 패턴인식을 위해 사용할 수 있는 감독학습을 이용한 supervised IAFC neural network 1과 supervised IAFC neural network 2를 제안하였다 Supervised IAFC neural network 1과 supervised IAFC neural network 2는 LVQ(Learning Vector Quantization)를 퍼지화한 새로운 퍼지 학습법칙을 사용하고 있다. 이 새로운 퍼지 학습 법칙은 기존의 학습률 대신에 퍼지화된 학습률을 사용하고 있는데, 이 퍼지화된 학습률은 조건 확률을 퍼지화 한 것에 근간을 두고 있다. Supervised IAFC neural network 1과 supervised IAFC neural network 2의 성능과 오류역전파 신경회로망의 성능을 비교하기 위하여 iris 데이터를 사용하였는데, 실험결과 supervised IAFC neural network 2 의 성능이 오류역전파 신경회로망의 성능보다 우수함이 입증되었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.7 no.2
• /
• pp.3-15
• /
• 1997

In order to apply fuzzy logic, two major tasks need to be performed: the derivation of fuzzy rules and the determination of membership functions. These tasks are often difficult and time-consuming. This paper presents an algorithmic method for generating membership functions and fuzzy rules applicable to decision-making problems; the method includes an entropy minimization for clustering analog samples. Membership functions are derived by partitioning the variables into desired number of fuzzy terms, and fuzzy rules are obtained using minimum entropy clustering. In the mle derivation process, rule weights are also calculated. Inference and defuzzification for classification problems are also discussed.

• The Transactions of the Korea Information Processing Society
• /
• v.2 no.2
• /
• pp.209-214
• /
• 1995

It is very hard to identify the fuzzy rules and tune the membership functions of the fuzzy reasoning in fuzzy systems modeling .We propose a method which canautomatically identify the fuzzy rules and tune the membership functions of fuzzy reasoning simultaneously using artifical neural network. In this model,fuzzy rules are identified by backpropagation algorithm. The feasibility of the method is simulated by a simple robot manipulator.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.5 no.4
• /
• pp.12-17
• /
• 1995

Fuzzy rules, developed by experts thus far, may be often inconsistent and incomplete. This paper proposes a new methodology for automatic generation of fuzzy rules which are nearly complete and not inconsistent. This is accomplished by simulating a knowledge gathering process of humans from control experiences. This method is simpler and more efficient than existing ones. It is shown through simulation that our method even generates better rules than those generated by experts, under fine tuned parameters.