• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.404-409
• /
• 1998

In this paper, we propose a learning algorithm of fuzzy neural networks with trapezoidal fuzzy weights. This fuzzy neural networks can use fuzzy numbers as well as real numbers, and represent linguistic information better than standard neural networks. We construct trapezodal fuzzy weights by the composition of two triangles, and devise a learning algorithm using the two triangular membership functions, The results of computer simulations on numerical data show that the fuzzy neural networks have high fitting ability for target output.

• 한국지능시스템학회논문지
• /
• 제1권1호
• /
• pp.9-25
• /
• 1991

This tutorial paper has been written for biologists, physicians or beginners in fuzzy sets theory and applications. This field is introduced in the framework of medical diagnosis problems. The paper describes and illustrates with practical examples, a general methodology of special interest in the processing of borderline cases, that allows a graded assignment of diagnoses to patients. A pattern of medical knowledge consists of a tableau with linguistic entries or of fuzzy propositions. Relationships between symptoms and diagnoses are interpreted as labels of fuzzy sets. It is shown how possibility measures (soft matching) can be used and combined to derive diagnoses after measurements on collected data. The concepts and methods are illustrated in a biomedical application on inflammatory protein variations. In the case of poor diagnostic classifications, it is introduced appropriate ponderations, acting on the characterizations of proteins, in order to decrease their relative influence. As a consequence, when pattern matching is achieved, the final ranking of inflammatory syndromes assigned to a given patient might change to better fit the actual classification. Defuzzification of results (i.e. diagnostic groups assigned to patients) is performed as a non fuzzy sets partition issued from a "separating power", and not as the center of gravity method commonly employed in fuzzy control. It is then introduced a model of fuzzy connectionist expert system, in which an artificial neural network is designed to build the knowledge base of an expert system, from training examples (this model can also be used for specifications of rules in fuzzy logic control). Two types of weights are associated with the connections: primary linguistic weights, interpreted as labels of fuzzy sets, and secondary numerical weights. Cell activation is computed through MIN-MAX fuzzy equations of the weights. Learning consists in finding the (numerical) weights and the network topology. This feed forward network is described and illustrated in the same biomedical domain as in the first part.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 추계학술대회 학술발표 논문집
• /
• pp.314-318
• /
• 2001

Constructing a shortest path on a graph is a fundamental problem in the area of graph theory. In an application where we cannot exactly determine the weights of edges, fuzzy weights can be used instead of crisp weights, and Type-2 fuzzy weights will be more suitable if this uncertainty varies under some conditions. In this paper, shortest path problem in type-1 fuzzy weighted graphs is extended for type-2 fuzzy weighted graphes. A solution is also given based on possibility theory and extension principle.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제10권1호
• /
• pp.43-48
• /
• 2010

This article presents the experimental studies of controlling angle and position of the inverted pendulum system using neural network to compensate for errors caused due to fuzzy controller. Although fuzzy control method can deal with nonlinearities of the system, fixed fuzzy rules may not work and result in tracking errors in some cases. First, a nominal Takagi-Sugeno (TS) type fuzzy controller with fixed weights is used for controlling the inverted pendulum system. Then the neural network is added at the reference input to form the reference compensation technique (RCT)control structure. Neural network modifies the input trajectories to improve system performances by updating internal weights in on-line fashion. The back-propagation learning algorithm for neural network is derived and used to update weights. Control hardware of a DSP 6713 board to have real time control is implemented. Experimental results of controlling inverted pendulum system are conducted and performances are compared.

• 정보처리학회논문지B
• /
• 제10B권7호
• /
• pp.757-768
• /
• 2003

본 논문에서는 가중 퍼지 Pr/T 네트에 기반을 둔 규칙기반시스템을 위한 가중 퍼지 추론알고리즘을 제안한다. 이때 퍼지 생성규칙의 확신도, 규칙에 나타나는 술어의 진리값과 술어의 중요도를 나타내는 가중값을 퍼지 숫자로 표현한다. 제안한 추론알고리즘은 퍼지 생성규칙에 있는 술어의 중요도에 따라 부여한 가중값을 이용하여 추론하기 때문에 $\circled1$ 술어의 가중값 없이 퍼지 생성규칙의 확신도만을 기반으로 단순하게 min과 max 연산을 하거나[10], $\circled2$ 술어의 가중값 없이 퍼지 생성규칙에 있는 퍼지 개념에 따라 믿음값 평가함수로 퍼지 생성규칙의 믿음값을 평가하는[12] 방법보다 더 유연하고 사람의 직관과 추론에 가깝다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1993년도 Fifth International Fuzzy Systems Association World Congress 93
• /
• pp.1074-1077
• /
• 1993

The objective of this paper is to develop a fuzzy logic based decision-making system to detect low current faults using multiple detection algorithms. This fuzzy system utilizes a fuzzy expert model which executes an operation without complicated mathematical models. This fuzzy system decides the performance weights of the detection algorithms. The weights and the turnouts of the detection algorithms discriminate faults from normal events. This system can also be a generic group decision-making tool for other areas of power system protection.

• 인터넷정보학회논문지
• /
• 제8권3호
• /
• pp.99-107
• /
• 2007

일반적으로 퍼지시스템의 신뢰도는 0과 1사이의 실수, 퍼지숫자, 신용구간, 구간값 퍼지집합,모호집합 등으로 표현하고 분석한다. 본 논문은 시스템에서 가중 구성요소의 중요도를 반영하는 가중값을 갖는 가중 구성요소를 위한 퍼지시스템의 신뢰도를 분석하는 방법을 설명한다. 퍼지시스템에서 가중 구성요소들의 신뢰도와 가중간은 삼각 퍼지숫자로 표현한다. 제안한 방법은 삼각 퍼지숫자의 퍼지산술연산을 사용하고 가중 구성요소의 가중값을 고려한다. 그러므로 기존의 방법들 보다 실행속도가 더 빠르고 그리고 더 유연한 실행이 가능하다.

• 지능정보연구
• /
• 제3권1호
• /
• pp.69-81
• /
• 1997

In this paper, first we propose an architecture of fuzzy neural networks with triangular fuzzy weights. The proposed fuzzy neural network can handle fuzzy input vectors. In both cases, outputs from the fuzzy network are fuzzy vectors. The input-output relation of each unit of the fuzzy neural network is defined by the extention principle of Zadeh. Also we define a cost function for the level sets(i. e., $\alpha$-cuts)of fuzzy outputs and fuzzy targets. Then we derive a learning algorithm from the cost function for adjusting three parameters of each triangular fuzzy weight. Finally, we illustrate our a, pp.oach by computer simulation examples.

• 한국지능시스템학회논문지
• /
• 제11권6호
• /
• pp.528-531
• /
• 2001

그래프에서 최단경로를 찾는 문제는 그래프 이론분야에서 고전적인 문제이다. 전통적인 최단경로 문제에서 간선의 가중치값을 정확히 결정하는것이 어려운 경우에는 퍼지 가중치를 이용하여 문제를 해결할수 있다. 그리고 이러한 퍼지 가중치값을 결정하는데 있어 또 다른 불확실성이 존재하는 경우에는, 타입 2-퍼지 가중치를 이용하여 간선이 가중치를 표현할수 있다. 본 논문에서는 타입-1 퍼지 가중치 그래프에서의 최단경로문제를 타입 2 퍼지 가중치 그래프의 경우로 확장하고, 확장된 그래프에서 최단경로를 찾기 위한 모델을 제시하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권11호
• /
• pp.979-985
• /
• 2006

기존 연구에서 퍼지시스템의 신뢰도는 0과 1사이의 실수, 퍼지숫자, 신용구간 등으로 표현하고 분석한다. 본 논문에서, 우리는 퍼지시스템의 가중 구성요소의 신뢰도와 가중 구성요소의 중요도를 반영하는 가중값을 전체집합 [0, 1]에서 정의되는 모호집합으로 표현하고 분석하는 방법을 제안한다. 모호집합은 참 소속함수와 거짓 소속함수로 구성된 구간으로 표현된다. 따라서 모호집합은 퍼지시스템의 신뢰도와 가중값를 더 유연한 방법으로 표현하는 것을 가능하게 한다. 제안된 방법은 퍼지시스템내의 가중 구성요소의 가중값을 고려하므로, 제안한 방법의 신뢰도분석은 기존의 방법들 보다 더 유연하고 효과적이다.