• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권1호
• /
• pp.21-28
• /
• 2005

This paper proposes a new method for accelerating the search speed of genetic algorithms by taking derivative evaluation and conditional random selection into account in their evolution process. Derivative evaluation makes genetic algorithms focus on the individuals whose fitness is rapidly increased. This accelerates the search speed of genetic algorithms by enhancing exploitation like steepest descent methods but also increases the possibility of a premature convergence that means most individuals after a few generations approach to local optima. On the other hand, derivative evaluation under a premature convergence helps genetic algorithms escape the local optima by enhancing exploration. If GAs fall into a premature convergence, random selection is used in order to help escaping local optimum, but its effects are not large. We experimented our method with one combinatorial problem and five complex function optimization problems. Experimental results showed that our method was superior to the simple genetic algorithm especially when the search space is large.

• Journal of information and communication convergence engineering
• /
• 제21권3호
• /
• pp.198-207
• /
• 2023

Responding to changes in artificial intelligence models and the data environment is crucial for increasing data-learning accuracy and inference stability of industrial applications. A learning model that is overfitted to specific training data leads to poor learning performance and a deterioration in flexibility. Therefore, an early stopping technique is used to stop learning at an appropriate time. However, this technique does not consider the homogeneity and independence of the data collected by heterogeneous nodes in a differential network environment, thus resulting in low learning accuracy and degradation of system performance. In this study, the generalization performance of neural networks is maximized, whereas the effect of the homogeneity of datasets is minimized by achieving an accuracy of 99.7%. This corresponds to a decrease in delay time by a factor of 2.33 and improvement in performance by a factor of 2.5 compared with the conventional method.

• 디지털융복합연구
• /
• 제15권11호
• /
• pp.147-153
• /
• 2017

한국 정부는 공공부문에 클라우드를 도입하기 위한 다양한 정책들을 시행하고 있다. 이 연구의 목적은 공공무문의 클라우드 도입을 위한 의사결정 모델을 개발하고 공공부문의 클라우드 도입 로드맵을 제안하는 것이다. 이를 위하여 공공서비스의 특성과 공공부문의 클라우드 서비스의 유형을 분석하였다. 이를 통해 공공부문의 클라우드 도입을 위한 요구사항을 파악하여, 퍼지 AHP기반의 융합의사결정 모델을 이용한 공공부문의 클라우드 도입방법을 개발하였다. 연구결과 클라우드 도입 후보군의 우선순위를 결정하였고, 이를 기반으로 단계별 클라우드 도입 로드맵을 제안하였다. 이 연구의 결과는 공공부문의 클라우드 도입과 전환 및 클라우드 정책 수립에 도움이 될 것으로 기대한다. 향후에는 클라우드 도입을 위한 추가적인 의사결정요인뿐만 아니라 예산계획을 개발하는 것이 필요하다.

• 한국멀티미디어학회논문지
• /
• 제9권3호
• /
• pp.369-376
• /
• 2006

본 논문에서는 퍼지 RBF네트워크의 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 출력층의 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.

• 디지털융복합연구
• /
• 제12권5호
• /
• pp.395-401
• /
• 2014

소셜 네트워크 서비스가 보편화되면서 사용자들은 소셜 커머스를 통해 상품을 저렴하게 구입할 수 있는 할인 쿠폰서비스를 많이 이용하고 있다. 현재 소셜 커머스에서 제공되는 쿠폰의 양은 크게 증가하고 있으나, 사용자의 선호도를 반영한 맞춤형 쿠폰 서비스는 이루어지지 않고 있다. 본 논문에서는 소셜 커머스를 위한 맞춤형 쿠폰 서비스를 제공하기 위하여 음식 쿠폰을 대상으로 사용자의 주관적 성향을 반영한 쿠폰 서비스 방법을 제안한다. 이를 위하여 음식 종류, 가격, 할인율, 구매자수 등과 같은 쿠폰을 선택하는 기준이 되는 요소를 계층화하고, 주관적 성향을 반영한 의사결정 지원 방법인 Fuzzy-AHP를 이용하여 쿠폰을 분류하고 추출하여 제공하였다. 추출된 쿠폰에 대한 사용자의 만족도를 조사한 결과, 매우 만족은 45%, 만족 33%, 보통 22%로 대체적으로 만족스러웠으며 불만족하는 실험자는 없었다.

• 지능정보연구
• /
• 제11권2호
• /
• pp.81-103
• /
• 2005

신경계의 뉴런 구조는 흥분 뉴런과 억제 뉴런으로 구성되며 각각의 흥분 뉴런과 억제 뉴런은 주동근 뉴런(agonistic neuron)에 의해 활성화되며 길항근 뉴런(antagonist neuron)에 의해 비활성화 된다. 본 논문에서는 인간 신경계의 생리학적 뉴런 구조를 분석하여 퍼지 논리를 이용한 생리학적 퍼지 신경망을 제안한다. 제안된 구조는 주동근 뉴런에 의해 흥분 뉴런이 될 수 있는 뉴런들을 선택하여 흥분시켜 출력층으로 전달하고 나머지 뉴런들을 억제시켜 출력층에 전달시키지 않는다. 신경계를 기반으로 한 제안된 생리학적 퍼지 신경망의 학습구조는 입력층, 학습 데이터의 특징을 분류하는 중간층, 그리고 출력 층으로 구성된다. 제안된 퍼지 신경망의 학습 및 인식 성능을 평가하기 위해 정확성이 요구되는 의학의 한 분야인 기관지 편평암 영상 인식과 영상 인식의 주요 응용 분야인 차량번호판 인식에 적용하여 기존의 신경망과 성능을 비교 분석하였다. 실험 결과에서는 제안된 생리학적 퍼지 신경망이 기존의 신경망보다 학습 시간과 수렴성이 개선되었을 뿐만 아니라, 인식에 있어서도 우수한 성능이 있음을 확인하였다.

• 융합보안논문지
• /
• 제2권2호
• /
• pp.123-135
• /
• 2002

정보기술이 발달함에 따라 보안 사고가 증가되면서 조직의 효율적인 보안 관리를 위한 보안수준 측정에 대한 방법 및 도구개발이 높이 요구되고 있다. 그러나 외국의 연구는 대부분 수준 측정을 위한 항목 구성이 우리 조직의 실정에 맞지 않고 또한 도구 역시 사용의 편이성이나 경제성을 제공하지 못하고 있으며, 국내의 연구 또한 보안수준 측정 시 조직의 특성을 적절히 감안하지 못하고 있다. 따라서 본 논문에서는 다중 가중치를 조직의 특성에 따라 가변적으로 적용하고 수준 측정자의 주관성을 감소시키기 위하여 퍼지기법을 적용한 효율적인 보안 수준측정 도구를 제안하고자 한다.

• 한국지능시스템학회논문지
• /
• 제9권4호
• /
• pp.426-435
• /
• 1999

A high impedance fault(HIF) is one of the serious problems facing the electric utility industry today. Because of the high impedance of a downed conductor under some conditions these faults are not easily detected by over-current based protection devices and can cause fires and personal hazard. In this paper a new method for detection of HIF which uses adaptive neuro-fuzzy inference system (ANFIS) is proposed. Since arcing fault current shows different changes during high and low voltage portion of conductor voltage waveform we firstly divided one cycle of fault current into equal spanned four data windows according to the mangnitude of conductor voltage. Fast fourier transform(FFT) is applied to each data window and the frequency spectrum of current waveform are chosen asinputs of ANFIS after input selection method is preprocessed. Using staged fault and normal data ANFIS is trained to discriminate between normal and HIF status by hybrid learning algorithm. This algorithm adapted gradient descent and least square method and shows rapid convergence speed and improved convergence error. The proposed method represent good performance when applied to staged fault data and HIFLL(high impedance like load)such as arc-welder.

• 융합신호처리학회논문지
• /
• 제13권4호
• /
• pp.233-237
• /
• 2012

본 논문에서는 RTDNN과 FLC를 이용해서 주신경망을 보상하는 제어시스템을 제안한다. 주신경망이 학습을 완료한 후 외란이나 부하변동이 생겨 오브 슛 내지는 언더 슛을 나타낼 때 적절히 조정하기 위해 퍼지 보상기를 사용하여 원하는 결과를 얻을 수 있도록 하였다. 그리고 제어대상의 역모델 신경망에서 학습시킨 결과를 이용하여 주신경망의 가중치를 변경시킴으로서 제어대상의 원하는 동적 특성을 얻게 된다. 모의 실험 결과 제안한 신경망 제어기의 양호한 응답 특성을 확인 할 수 있다.

• 중소기업융합학회논문지
• /
• 제3권2호
• /
• pp.19-25
• /
• 2013

치명적인 사고를 막기 위해 드라이버 졸음 (DD)를 검출하는 다양한 최근 방법이 제안되고있다. 본 논문은 운전자의 눈에 폐쇄 속도를 모니터링 할 수 있는 기능을 AdaBoost 기반 물체 검출 알고리즘에 적용한 DD 탐지 시스템 구현에서 하드웨어/소프트웨어 공동 설계 방법을 제안한다. 소프트웨어 구성 요소는 DD 검출 알고리즘 중에서 필요한 기능성을 완전하게 달성하기 위해 전체적인 제어 및 논리 연산을 구현한다. 반면, 본 연구에서는 DD 검출 알고리즘의 중요한 기능은 처리를 가속화하기 위해 맞춤형 하드웨어 구성 요소를 통해 가속된다. 하드웨어/소프트웨어 아키텍처는 비디오 도터 보드와 알테라 DE2 보드에 구현되었습니다. 제안 된 구현의 성능을 평가하고 몇 가지 최근의 작품을 벤치마킹했다.