• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.778_779
• /
• 2009

The maximum output torque developed by the machine is dependent on the allowable current rating and maximum voltage that the inverter can supply to the machine. Therefore, to use the inverter capacity fully, it is desirable to use the control scheme considering the voltage and current limit condition, which can yield the maximum torque per ampere over the entire speed range. The paper is proposed maximum torque control of induction motor drive using adaptive learning neuro fuzzy controller and artificial neural network(ANN). The control method is applicable over the entire speed range and considered the limits of the inverter's current and voltage rated value. For each control mode, a condition that determines the optimal d, q axis current $_i_{ds}$, $i_{qs}$ for maximum torque operation is derived. The proposed control algorithm is applied to induction motor drive system controlled adaptive learning neuro fuzzy controller and ANN controller, the operating characteristics controlled by maximum torque control are examined in detail. Also, this paper is proposed the analysis results to verify the effectiveness of the adaptive learning neuro fuzzy controller and ANN controller.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1992년도 하계학술대회 논문집 A
• /
• pp.225-230
• /
• 1992

In this paper, a new learning fuzzy logic controller(LFLC) is presented. The proposed controller is composed of the main control part and the learning part. The main control part is a fuzzy logic controller(FLC) based on linguistic rules and fuzzy inference. For the learning part, artificial neural network(ANN) is added to FLC so that the controller may adapt to unknown plant and environment. According to the output values of the ANN part, which is learned using error back-propagation algorithm, scale factors of the FLC part are determined. These scale factors transfer the range of values of input variables into corresponding universe of discourse in the FLC part in order to achieve good performance. The effectiveness of the proposed control strategy has been demonstrated through simulations involving the control of an unknown robot manipulator with load disturbance.

• 한국정보통신학회논문지
• /
• 제8권2호
• /
• pp.464-470
• /
• 2004

본 논문에서는 역전파 알고리즘의 성능 개선을 위해 퍼지 제어 시스템을 적용하여 학습률을 자동으로 조정하는 개선된 역전파 알고리즘을 제안한다. 제안된 방법은 목표값과 출력값의 차이에 대한 절대값이 $\varepsilon$ 보다 적거나 같으면 정확성으로 분류하고 크면 부정확성으로 분류한다. 정확성과 부정확성의 개수를 퍼지 제어 시스템에 적용하여 학습률을 동적으로 조정한다. 제안된 방법을 XOR 문제와 숫자 패턴 분류에 적용하여 실험한 결과, 기존의 역전파 알고리즘, 모멘텀 방식, Jacob의 delta-bar-delta 방식보다 성능이 개선됨을 확인하였다.

• 전기의세계
• /
• 제39권12호
• /
• pp.41-56
• /
• 1990

Fuzzy set의 또 다른 장점은 "학습"을 함으로써 시간에 따라 변하는 환경에 대해서도 적용이 가능하다는데 있다. 학습하는 Fuzzy 인공지능의 필요성은 목표하는 바가 복잡할수록, 그리고 신뢰도가 떨어질수록 그 중요성을 더해간다. 이 Fuzzy System의 학습과정은 특히 "Unsupervised Learning"이라는 목표하에 그 연구열이 점점 더해가고 있다. 수년안에 사람들간에 이러한 대화가 오고갈 것은 명백해진 것 같다.화가 오고갈 것은 명백해진 것 같다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1993년도 Fifth International Fuzzy Systems Association World Congress 93
• /
• pp.1181-1186
• /
• 1993

In the paper, a new design method of rule-based fuzzy modeling is proposed for model identification of nonlinear systems. The structure indentification is carried out, utilizing fuzzy c-means clustering. Fuzzy-neural networks composed back-propagation algorithm and linear fuzzy inference method, are used to identify parameters of the premise and consequence parts. To obtain optimal linguistic fuzzy implication rules, the learning rates and momentum coefficients are tuned automatically using a modified complex method.

• 한국지능시스템학회논문지
• /
• 제7권5호
• /
• pp.21-27
• /
• 1997

Neuro-fuzzy network that combined advantages of the neural network in learning and fuzzy system in inferencing can be used to establish a system model in the design of a controller. In this paper, we presented the neuro-fuzzy system that can be able to generated a linguistic fuzzy model which results in a similar input/output response to the original system. The network was used to model a system. We tested the performance ot the neuro-fuzzy network through computer simulations.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 추계학술대회 학술발표 논문집 제16권 제2호
• /
• pp.25-28
• /
• 2006

사용자 의도 파악 (intention reading) 기술은 스마트 홈과 같은 복잡한 유비쿼터스(ubiquitous) 환경에서 사용자에게 보다 편리하고 개인화된(personalized) 서비스 제공이 가능하도록 해준다. 또한 학습 기능(learning capability)은 지식 발견(knowledge discovery)의 관점에서 의도 파악 기술의 핵심 요소 기술의 하나로 자리 매김 하고 있다. 본 논문에서는 스마트 홈 환경에서 제공 가능한 개인화된 서버스(personalized service) 중의 하나로, 개인화된 미디어 제어 방법에 대한 내용을 다룬다. 특히, 이러한 사람의 행동 패턴과 같은 데이터는 패턴 분류의 관점에서 구분해야 할 클래스(class)에 비해 입력 정보가 불충분할 경우가 많으므로 비일관적인(inconsistent) 데이터가 많으므로, 퍼지 논리(fuzzy logic)와 확률(probability)의 개념을 효과적으로 병행해야 의미 있는 지식을 추출해 낼 수 있다. 이를 위하여 반복 퍼지 지도 클러스터링 (IFCS; Iterative Fuzzy Clustering with Supervision) 알고리즘에 기반하여 주어진 데이터 패턴으로부터 확률적 퍼지 룰(probabilistic fuzzy rule)을 얻어 내는 방법에 대해 설명한다. 또한 이를 포함하는 학습 제어 시스템을 통해 개인화된 미디어 서비스를 추천해 줄 수 있는 방법에 대해서 설명하도록 한다.

• 통합자연과학논문집
• /
• 제11권4호
• /
• pp.167-183
• /
• 2018

Electroencephalogram (EEG) recording provides a new way to support human-machine communication. It gives us an opportunity to analyze the neuro-dynamics of human cognition. Machine learning is a powerful for the EEG classification. In addition, machine learning can compensate for high variability of EEG when analyzing data in real time. However, the optimal EEG electrode location must be prioritized in order to extract the most relevant features from brain wave data. In this paper, we propose an intelligent system model for the extraction of EEG data by training the optimal electrode location of EEG in a specific problem. The proposed system is basically a fuzzy system and uses a neural network structurally. The fuzzy clustering method is used to determine the optimal number of fuzzy rules using the features extracted from the EEG data. The parameters and weight values found in the process of determining the number of rules determined here must be tuned for optimization in the learning process. Genetic algorithms are used to obtain optimized parameters. We present useful results by using optimal rule numbers and non - symmetric membership function using EEG data for four movements with the right arm through various experiments.

• 한국컴퓨터정보학회논문지
• /
• 제3권3호
• /
• pp.55-61
• /
• 1998

CAI(Computer Aided Instruction)에서 학습의 데이터가 되는 교재의 학습 순서는쉬운 항목에서 어려운 항목의 순번으로 나열되어 있다. 학습자는 반드시 이 순서대로 학습하는 것은 아니다. 실제는 항목간의 전후를 시행착오 하면서 학습을 하고 있다. 본 논문에서는 지적 CAI(Intelligent CAI : ICAI) 학습으로 항목에 대한 이해도를 퍼지성의 시행착오로학습시켜 구조화된 학습을 퍼지 추론에 의해 모델화 한다. 방법으로는 각 항목간의 순서관계에 의해 학습과 이해의 차이를 고려하여 퍼지 추론 규칙에 의해 학습의 모델을 정식화했다. 추론 규칙을 간략화 하여 CAL 시스템의 처리로 시행착오의 학습을 제안한다.

• 한국통신학회논문지
• /
• 제38B권12호
• /
• pp.954-961
• /
• 2013

본 논문은 퍼지ART의 학습 방법의 하나인 FCSR(Fast Commit Slow Recode)에서 패턴 인식을 향상시키기 위해 가변 학습을 이용하는 새로운 학습방법을 제안하였다. 기존의 학습 방법은 연결 강도(대표패턴)의 갱신에 고정된 학습률이 사용된다. 이 방법은 같은 카테고리 내의 입력패턴과 대표패턴의 유사성의 정도와 관계없이 고정된 학습률로 연결 강도를 갱신한다. 이 경우 카테고리 경계에 있는 유사성이 낮은 입력패턴이 연결강도의 갱신에 크게 영향을 주게 된다. 따라서 잡음 환경에서 이것은 불필요한 카테고리 증식의 원인이 되고, 패턴 인식 능력을 낮추는 문제가 된다. 제안된 방법에서는 대표 패턴과 입력 패턴 사이에 유사성이 적을수록 연결강도의 갱신에 입력패턴의 기여를 낮추어간다. 그 결과 잡음환경에서 퍼지 ART의 불필요한 카테고리 증식을 억제하였고, 패턴 인식 능력을 향상시켰다.