• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.10a
• /
• pp.50-54
• /
• 1997

In general, the design of fuzzy logic controller has difficulties in the acquisition of expert's knowledge. So, some methods that can optimize the parameters for fuzzy logic controller automatically without expert knowledge was provided. Recently, tuning method for fuzzy logic controller using genetic algorithm(GA) were proposed in many papers. However, those are tuning methods for a part or some part of fuzzy logic controller. In this paper, we proposes auto tuning method for the whole part of tuzzy logic controller, such as parameters of membership functions for antecedence and consequence parts, rule base, scaling factor and the number of rule. Finally, second order dead time plant is provided to show the advantages of the proposed method.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.425-428
• /
• 2006

In this paper, we propose an interacting multiple model (IMM) method using intelligent tracking filter with fuzzy gain to reduce tracking errors for maneuvering targets. In the proposed filter, to exactly estimate for each sub-model, we propose the fuzzy gain based on the relation between the filter residual and its variation. To optimize each fuzzy system, we utilize the genetic algorithm (GA). Finally, the tracking performance of the proposed method is compared with those of the adaptive interacting multiple model (AIMM) method and input estimation (IE) method through computer simulations.

• Proceedings of the KIEE Conference
• /
• 2005.10b
• /
• pp.155-157
• /
• 2005

We propose a new category of hybrid multi-layer neural networks with hetero nodes such as Fuzzy Set based Polynomial Neurons (FSPNs) and Polynomial Neurons (PNs). These networks are based on a genetically optimized multi-layer perceptron. We develop a comprehensive design methodology involving mechanisms of genetic optimization and genetic algorithms, in particular. The augmented genetically optimized HFPNN (namely gHFPNN) results in a structurally optimized structure and comes with a higher level of flexibility in comparison to the one we encounter in the conventional HFPNN. The GA-based design procedure being applied at each layer of HFPNN leads to the selection of preferred nodes (FPNs or PNs) available within the HFPNN. In the sequel, two general optimization mechanisms are explored. First, the structural optimization is realized via GAs whereas the ensuing detailed parametric optimization is carried out in the setting of a standard least square method-based learning. The performance of the gHFPNNs quantified through experimentation where we use a number of modeling benchmarks-synthetic and experimental data already experimented with in fuzzy or neurofuzzy modeling.

• Proceedings of the KIEE Conference
• /
• 1997.07b
• /
• pp.390-393
• /
• 1997

Fuzzy logic and neural networks are complemetary technologies in the design of intelligent system. Fuzzy neural network(FNN) as an auto-tuning method is actually known to an excellent method for the adjustment of the fuzzy rule. However, this has a weak point, because the convergence to the optimum depends on the initial condition. In this paper we develop a coding format to determine a FNN model by chromosome in GA and present systematic approach to identify the parameters and structure of FNN. The proposed hybrid tuning method realizes to construct minimal and optimal structure of the fuzzy mode simultaneously and automatically. This paper shows effectiveness of the tuning system by simulations compared with conventional methods.

• International Journal of Control, Automation, and Systems
• /
• v.2 no.3
• /
• pp.362-373
• /
• 2004

In this study, we introduce a noble neurogenetic approach to the design of the fuzzy controller. The design procedure dwells on the use of Computational Intelligence (CI), namely genetic algorithms and neurofuzzy networks (NFN). The crux of the design methodology is based on the selection and determination of optimal values of the scaling factors of the fuzzy controllers, which are essential to the entire optimization process. First, tuning of the scaling factors of the fuzzy controller is carried out, and then the development of a nonlinear mapping for the scaling factors is realized by using GA based NFN. The developed approach is applied to an inverted pendulum nonlinear system where we show the results of comprehensive numerical studies and carry out a detailed comparative analysis.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.05a
• /
• pp.121-125
• /
• 2001

본 논문에서는 자동적인 퍼지 규칙 생성을 위해 퍼지 균등화(Fuzzy Equalization)와 유전알고리즘(Genetic Algorithm)을 이용한 TSK 퍼지 시스템의 구축을 다룬다. Pedrycz에 의해 제안된 퍼지 균등화 방법은 수치적인 데이터로부터 확률분포함수를 구축한 후 전체공간상에서 이들을 적절히 표현할 수 있는 소속함수를 생성한다. 이렇게 구축된 각 입력에 대한 소속함수는 유전알고리즘에 의해 입력공간이 분할되며 결론부 파라미터는 최소자승법에 의해 추정되어 진다. 제안된 방법은 그리드 분할로 인해 규칙의 수가 증가하는 문제를 해결하고 학습데이터와 검증데이터에 의해 타당한 입력공간분할과 퍼지 규칙을 생성할 수 있다. 시뮬레이션의 예로서 Box-Jenkins의 가스로 데이터의 모델링에 적용하여 제안된 방법의 유용성을 알 수 있다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.1
• /
• pp.145-152
• /
• 2011

By using the notion of interval-valued intuitionistic fuzzy relations, we form the poset (IVIR(X), $\leq$) of interval-valued intuitionistic fuzzy relations on a given set X. In particular, we form the subposet (IVIE(X), $\leq$) of interval-valued intuitionistic fuzzy equivalence relations on a given set X and prove that the poset (IVIE(X), $\leq$) is a complete lattice with the least element and greatest element.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.2
• /
• pp.234-239
• /
• 2006

In this paper, we propose an interacting multiple model (IMM) method using intelligent tracking filter with fuzzy gain to reduce tracking errors for maneuvering targets. In the proposed filter, the unknown acceleration input for each sub-model is determined by mismatches between the modelled target dynamics and the actual target dynamics. After a acceleration input is detected, the state estimates for each sub-filter are modified. To modify the accurate estimation, we propose the fuzzy gain based on the relation between the filter residual and its variation. To optimize each fuzzy system, we utilize the genetic algorithm (GA). The tracking performance of the proposed method is compared with those of the adaptive interacting multiple model(AIMM) method and input estimation (IE) method through computer simulations.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.288-291
• /
• 2004

기존의 SOFPNN은 데이터 수가 적고 비선형 요소가 많은 시스템에 대한 체계적이고 효율적인 최적 모델 을 구축할 수 있었으며 각 층 노드의 선택 입력을 변화시킴으로써 네트워크 구조 전체의 적응능력을 향상 시켰다. SOFPNN의 구조는 퍼지 다항식 뉴론(FPN)들로 구성되어 있으며, 층이 진행하는 동안 모델 스스로 노드의 선택과 제거를 통해 최적의 네트워크 구조를 생성할 수 있는 유연성을 가지고 있다. 그러나, 노드의 입력변수의 수와 규칙 후반부 다항식 차수 그리고 입력변수는 설계자의 경험 또는 반복적인 학습을 통해 선호된 네트워크 구조를 선택하였으나, 최적의 네트워크 구조를 구축하는데는 어려옴이 내재되어 있었다. 본 논문에서는 자기구성 퍼지 다항식 뉴럴네트워크(Self-Organizing Fuzzy Polynomial Neural Networks： SOFPNN)을 최적화시키기 위해 유전자 알고리즘을 이용하여 자기구성 퍼지 다항식 뉴럴 네트워크의 입력변수의 수와 이에 해당되는 입력변수 그리고 규칙 후반부 다항식의 차수를 탐색하여 최적 의 자기구성 퍼지 다항식 뉴럴 네트워크를 구축한다. 따라서 모델 구축에 있어서 유연성과 정확성을 가지며 객관적이고 좀 더 정확한 예측 능력을 가진 SOFPNN 모델 구조를 구축할 수가 있다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1995.04b
• /
• pp.64-68
• /
• 1995

미세드릴가공은 최근의 공업제품의 소형 경량화 추세로 인해 수요가 급증하고 있으나 가공시에 있어서 많은 난 점이 존재 하기 때문에 강도 높은 가공기와 숙련된 가공전문가를 필요로 한다. 본 연구에서는 미세드릴가공을 수행하기 위해 우선 절삭상태 검출방법으로써 실용적이고 가공상황에 간섭을 일으키지 않는 주축용 모터의 전류 값을 이용하며 제어기 설계를 위해 퍼지추론과 유전알고리즘 이론을 도입한다. 이러한 지능형 가공방법을 미세 드릴가공에 구현하기 위해서 오프라인으로 안정한 가공조건을 초기화한 다음 퍼지제어기를 이용하여 일정한 절삭력을 유지할 수 있도록 실시간으로 이송속도를 제어하며 가공상황 변동에 따른 적절한 퍼지규칙을 자기 동조하는 최적화 알고리즘을 제안한 후 실제가공을 통하여 미세드릴가공의 특성과 제어기의 성능을 평가한다.