• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.2
• /
• pp.123-128
• /
• 2002

A fuzzy traffic controller with the control rules and the membership functions generated by using genetic algorithm is presented for crossroad management. Conventional fuzzy traffic controllers use control rules and membership functions generated by human operators. However, this approach does not guarantee the optimal solution to design fuzzy control system. Genetic algorithm is a good solution for an optimal problem requiring domain-specific knowledge that is often heuristic. In this paper, we use genetic algorithms to automatically determine the near optimal rules and their membership functions of fuzzy traffic controllers. The effectiveness of our method was shown through simulation of crossroad network.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.9 no.3
• /
• pp.676-683
• /
• 2005

In this paper, we proposed a method that optimal values of fuzzy control rule base and quantization of membership function are searched by genetic algorithm. Proposed method searched the optimal values of membership function and control rules using genetic algorithm by off-line. Then fuzzy controller operates using these values by on-line. Proposed fuzzy control system is optimized the control rule base and membership function by genetic algorithm without expert's knowledge. We investigated proposed method through simulation and experiment using DC motor and one link manipulator, and confirmed the following usefulness.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.26 no.1
• /
• pp.87-92
• /
• 2016

In this paper, optimization technique such as particle swarm optimization was used to optimize the parameters of fuzzy Extreme Learning Machine. While the learning speed of conventional neural networks is very slow, that of Extreme Learning Machine is very fast. Fuzzy Extreme Learning Machine is composed of the Extreme Learning Machine with very fast learning speed and fuzzy logic which can represent the linguistic information of the field experts. The general sigmoid function is used for the activation function of Extreme Learning Machine. However, the activation function of Fuzzy Extreme Learning Machine is the membership function which is defined in the procedure of fuzzy C-Means clustering algorithm. We optimize the parameters of the membership functions by using optimization technique such as Particle Swarm Optimization. In order to validate the classification capability of the proposed classifier, we make several experiments with the various machine learning datas.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.5
• /
• pp.599-604
• /
• 2005

This paper presents fuzzy rules to predict diagnosis of Wisconsin breast cancer with minimized number of feature in put using the neural network with weighted fuzzy membership functions (NEWFM) and the non-overlap area distribution measurement method. NEWFM is capable of self-adapting weighted membership functions from the given the Wisconsin breast cancer 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 n set of enhanced bounded sums of n set of small, medium, and large weighted fuzzy membership functions. Then, the non-overlap area distribution measurement method is applied to select important features by deleting less important features. Two sets of prediction rules extracted from NEWFM using the selected 4 input features out of 9 features outperform to the current published results in number of set of rules, number of input features, and accuracy with 99.71%.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.110-113
• /
• 2005

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted fuzzy Membership Funcstions, NEWFM)을 이용하여 심전도 신호로부터 조기심실수축(Premature Ventricular Contraction, PVC)을 판별하는 퍼지규칙을 추출하고 있다. NEWFM은 자기적응적(self adaptive) 가중 퍼지소속함수를 가지고 주어진 입력 데이터로부터 학습하여 퍼지규칙을 생성하고 이를 기반으로 정상 파형과 PVC 파형을 구분한다. 분류 성능 평가를 위하여 MIT/BIH 부정맥 데이터 베이스를 사용하였으며, NEWFM의 입력은 심전도의 파형에 웨이블릿 변환을 적용하여 추출된 웨이블릿 계수를 사용하였다. 여기에 비중복면적 분산 측정법을 적용하여 중요도가 낮은 계수를 제거하면서 최소의 m 개 특징입력만을 사용한 하이퍼박스로 단순화 시킨다. 이러한 방법으로 추출된 2개의 웨이블릿 계수를 사용한 퍼지규칙은 $96\%$의 PVC 분류성능을 보여준다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1769-1770
• /
• 2008

Type-2 퍼지 논리 시스템은 기존의 Type-1 퍼지 논리 시스템으로부터 확장된 개념으로서 언어적 불확실성에 대한 개념을 부곽시킨다. Type-2 퍼지 논리 시스템의 가장 큰 특징은 멤버쉽 함수에 Footprint Of Uncertainty(FOU)을 사용하여 불확실성을 표현한다. Type-2 퍼지 논리 시스템은 그것의 rule-base 안에서 최소한 한 개 이상의 Type-2 멤버쉽 함수(MF)를 포함한다. Type-2 퍼지 로직 제어기는 MF가 FOU를 포함하여 계산량이 많은 반면에 외란에 대하여 강인한 성격을 지닌다. 따라서 본 논문에서는 비선형성이 강한 볼빔 시스템에 Type-1과 Type-2 퍼지 로직 제어기를 설계하고 외란에 대하여 견실한 제어기를 보인다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.523-528
• /
• 2002

기존의 자기 주도적 학습 평가들은 대부분의 선다형 또는 단답형 문항에 대해서 학습평가가 시험 점수로 제공되고, 학습 평가의 정도를 객관적으로 평가 할 수 얼어 학습의 효율성에 대해서 부정적인 시각도 있다. 본 논문에서는 학습자 스스로가 학습 능력 평가를 객관적으로 평가하기 위해 퍼지 이론의 삼각형 타입 소속 함수를 이용한 자기 주도적 학습 평가 방법을 제안한다. 제안된 자기 주도적 학습 평가 방법은 학습에 대해 시험 결과를 세 개의 퍼지 등급으로 분류하여 소속도를 계산하고 퍼지 등급표를 적용하여 최종 퍼지 등급도에 따라 시험 결과를 평가하는 방법을 제시한다.

• The Transactions of the Korea Information Processing Society
• /
• v.2 no.5
• /
• pp.626-633
• /
• 1995

It is vary hard to identify the fuzzy rules and tune the membership functions of the fuzzy inference in fuzzy systems modeling, We propose a fuzzy neural network model which can automatically identify the fuzzy rules and tune the membership functions of fuzzy inference simultaneously using artificial neural networks, and modify backpropagation algorithm for improving the convergence. The proposed method is verified by the simulation for a robot manipulator.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.289-295
• /
• 1998

본 논문은 빠른 학습과 정확한 근사 능력을 갖는 새로운 CMAC 신경망 기반 퍼지 제어기르 제안한다. 제안한 CMAC 신경망 기반 퍼지 제어기(CBFLC)는 한 학습 주기 동안 전향 및 역전파 연산시 신경망내 유닛중 극히 일부분만이 활성화되어 학습에 참가하므로 학습 시간이 매우 빠르고, 비퍼지화 연산시 소속 함수의 중심값 뿐 아니라 폭을 동시에 고려하여 정확한 근사화를 얻는다. 제안한 퍼지 제어기내 입？출력 소속 함수의 중심값 및 폭 등의 구조적 파라메터들은 역전파 알고리즘에 의해 갱신된다. 제안한 CMAC 신경망 기반 퍼지 제어기를 트럭 후진 주차문제에 적용하여 근사화 능력 및 제어 성능면에서 여러 다른 퍼지 제어기들과 비교한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2010.05a
• /
• pp.216-218
• /
• 2010

본 논문에서는 기존의 퍼지 필터링 알고리즘의 문제점을 개선한 퍼지 필터링 기법을 제안한다. 제안된 퍼지 필터링 알고리즘은 컬러 영상에서 R, G, B 채널을 각각 분리한다. 분리된 각 채널에서 마스크 정보를 추출하여 채널에 대한 평균값과 중간값의 명암도를 제안된 퍼지 기법의 소속 함수에 적용하여 소속도를 구한 뒤, 추론 규칙에 적용한다. 그리고 R, G, B 각각의 소속도 값을 이용하여 잡음 가능성 여부를 판별한다. 제안된 퍼지 기법에서 소속 함수 구간은 세 개 구간으로 설정하였다. 잡음이라고 판단되는 경우에는 그 잡음 정도에 따라 중간값이나 평균값을 해당 픽셀 값으로 설정하여 잡음을 제거한다. 제안된 기법을 컬러 영상에 적용한 결과, 제안된 기법이 기존의 퍼지 필터링 기법보다 잡음 제거에 있어서 효과적인 것을 확인할 수 있었다.