• 한국통신학회논문지
• /
• 제17권5호
• /
• pp.482-494
• /
• 1992

In this paper, the neuro-fuzzy inferene system for the effective object recognition is studied. The proposed neuro-fuzzy inference system combines learning capability of neural network with inference process of fuzzy theory, and the system executes the fuzzy inference by neural network automatically. The proposed system consists of the antecedence neural network, the consequent neural network, and the fuzzy operational part, For dissolving the ambiguity of recognition due to input variance in the neuro-fuzzy inference system, the antecedence’s fuzzy proposition of the inference rules are automatically produced by error back propagation learining rule. Therefore, when the fuzzy inference is made, the shape of membership functions os adaptively modified according to the variation. The antecedence neural netwerk constructs a separated MNN(Model Classification Neural Network)and LNN(Line segment Classification Neural Networks)for dissolving the degradation of recognition rate. The antecedence neural network can overcome the limitation of boundary decisoion characteristics of nrural network due to the similarity of extracted features. The increased recognition rate is gained by the consequent neural network which is designed to learn inference rules for the effective system output.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2000년도 추계공동학술대회논문집
• /
• pp.375-389
• /
• 2000

Fuzzy logic ignores some information in the reasoning process. Neural networks are powerful tools for the pattern processing, but, not appropriate for the logical reasoning. To model human knowledge, besides pattern processing capability, the logical reasoning capability is equally important. Another new neural network called neural logic network is able to do the logical reasoning. Because the fuzzy inference is a fuzzy logical reasoning, we construct fuzzy inference network based on the neural logic network, extending the existing rule- inference. network. And the traditional propagation rule is modified. For the search strategies to find out the belief value of a conclusion in the fuzzy inference network, we conduct a simulation to evaluate the search costs for searching sequentially and searching by means of search priorities.

• 전자공학회논문지B
• /
• 제31B권4호
• /
• pp.138-144
• /
• 1994

An inference network is proposed as a tool for bidirectional approximate reasoning. The inference network can be designed directly from the given fuzzy data(knowledge). If a fuzzy input is given for the inference netwok, then the network renders a reasonable fuzzy output after performing approximate reasoning based on an equality measure. Conversely, due to the bidirectional structure, the network can yield its corresponding reasonable fuzzy input for a given fuzzy output. This property makes it possible to perform forward and backward reasoning in the knowledge base system.

• 한국멀티미디어학회논문지
• /
• 제4권2호
• /
• pp.189-196
• /
• 2001

퍼지 논리의 추론과정에서 일부의 정보가 무시되어 적절하지 못한 추론 결과를 초래 할 수 있다. 한편 신경망은 패턴 처리에는 적합하지만 인간의 지식을 모델링하기 위해서 필요한 논리적인 추론에는 부적합하다. 그러나 신경망의 변형인 신경 논리망을 이용하면 논리적인 추론이 가능하다. 따라서 본 논문에서는 기존의 신경 논리망을 기반으로 하는 추론네트워크를 확장하여 퍼지 추론 네트워크를 구성한다. 그리고 기존의 추론 네트워크에서 사용되는 전파규칙을 보완하여 적용한다. 퍼지 추론 네트워크상에서 퍼지 규칙의 실행부에 해당하는 명제의 믿음 값을 결정하기 위해서는 추론하고자 하는 명제에 연결된 노드들을 탐색해야 한다.

• 인지과학
• /
• 제13권1호
• /
• pp.13-21
• /
• 2002

퍼지 논리를 이용한 추론은 일부의 정보가 무시되어 적절하지 못한 추론 결과를 초래할 수 있다. 또한 신경망은 패턴 처리에는 적합하지만 인간의 지식을 모델링하기 위해서 필요한 논리적인 추론에는 부적합하다. 하지만 신경 망의 변형인 신경 논리 망을 이용하면 논리적인 추론이 가능하다. 따라서 본 논문에서는 기존의 신경 논리 망을 기반으로 하는 추론 망을 확장하여 퍼지 추론 망을 구성하고 기존의 추론 망에서 사용되는 전파규칙을 보완하여 적용하고자 한다. 퍼지 추론 망에서 퍼지 규칙의 결론부에 해당하는 명제의 믿음 값을 결정하기 위해서는 추론하고자 하는 명제에 연결된 노드들을 탐색해야 한다. 이를 위해, 연결된 모든 노드들의 링크를 따라 순차적인 탐색을 하는 경우와 링크에 부여된 우선순위에 의해 탐색을 하는 경우의 탐색비용에 대하여 실험을 통해 비교 평가하였다. 실험결과 퍼지 추론 망의 크기가 확장될수록, 그리고 탐색 경험의 횟수가 증가할수록 순차적인 탐색전략보다 우선순위에 의한 탐색전략이 탐색 비용면에서 효율성이 더욱 증가함을 알 수 있었다.

• 한국정보처리학회논문지
• /
• 제3권5호
• /
• pp.1138-1146
• /
• 1996

퍼지 논리는 추론과정에서 일부의 정보가 무시되어 적절하지 못한 추론 결과를 초래할 수 있다. 한편, 신경망은 패턴 처리에는 적합하지만 인간의 지식을 모델링하기 위해서 필요한 논리적인 추론에는 부적합하다. 그러나 신경망의 변형인 신경논리망 (neural logic network)을 이용하면 논리적인 추론이 가능하다. 따라서 본 논문에서는 기존의 신경논리망을 기반으로 하는 추론 네트워크를 확장하여 퍼지추론 네트워크(fuzzy inference network)를 구성한다. 그리고 기존의 추론 네트워크에서 사용되는 전파규칙 (propagation rule)을 보완하여 적용한다. 퍼지추론 네트워크 상에서 퍼지 규칙의 실행부에 해당하는 명제의 믿음값을 결정하기 위해서는 추론하고자 하는 명제에 연결된 노드들을 탐색해야 한다. 이를 위해서 연결된 모든 노드들의 링크를 따라 순차적인 탐색을 하는 경우와 링크에 부여된 우선순위에 의해 탐색을 하는 경우의 탐색비용에 대하여 실험을 통해 비교·평가한다.

• 한국컴퓨터정보학회논문지
• /
• 제6권2호
• /
• pp.48-57
• /
• 2001

퍼지 논리의 추론과정에서 일부의 정보가 무시되어 적절하지 못한 추론 결과를 초래할 수 있다. 한편 신경망은 패턴 처리에는 적합하지만 인간의 지식을 모델링 하기 위해서 필요한 논리적인 추론에는 부적합하다. 그러나 신경망의 변형인 신경 논리망을 이용하면 논리적인 추론이 가능하다. 따라서 본 논문에서는 기존의 신경 논리망을 기반으로 하는 추론네트워크를 확장하여 퍼지 추론 네트워크를 구성한다. 그리고 기존의 추론 네트워크에서 사용되는 전파규칙을 보완하여 적용한다. 퍼지 추론 네트워크상에서 퍼지규칙의 실행부에 해당하는 명제의 믿음 값을 결정하기 위해서는 추론하고자 하는 명제에 연결된 노드들을 탐색해야 한다.

• 한국학교수학회논문집
• /
• 제1권1호
• /
• pp.29-34
• /
• 1998

We proposed the teaching method about the logical inference in highschool using Logic Network. This method that we proposed is better than Vendiagram method because that is able to represent the more conditions in plane. The contents of this paper explained the method that conclusion is drived from given conditions using Logic Network. And we gave some examples of the process of logical inference.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권1호
• /
• pp.7-12
• /
• 2005

This paper deals with the fuzzy modeling for the complex and uncertain nonlinear systems, in which conventional and mathematical models may fail to give satisfactory results. Finally, we provide numerical examples to evaluate the feasibility and generality of the proposed method in this paper. The expert system which introduces fuzzy logic in order to process uncertainties is called fuzzy expert system. The fuzzy expert system, however, has a potential problem which may lead to inappropriate results due to the ignorance of some information by applying fuzzy logic in reasoning process in addition to the knowledge acquisition problem. In order to overcome these problems, We construct fuzzy inference network by extending the concept of reasoning network in this paper. In the fuzzy inference network, the propositions which form fuzzy rules are represented by nodes. And these nodes have the truth values representing the belief values of each proposition. The logical operators between propositions of rules are represented by links. And the traditional propagation rule is modified.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.631-634
• /
• 2004

In this paper, the Bayesian recurrent neural network (BRNN) is proposed to predict time series data. Among the various traditional prediction methodologies, a neural network method is considered to be more effective in case of non-linear and non-stationary time series data. A neural network predictor requests proper learning strategy to adjust the network weights, and one need to prepare for non-linear and non-stationary evolution of network weights. The Bayesian neural network in this paper estimates not the single set of weights but the probability distributions of weights. In other words, we sets the weight vector as a state vector of state space method, and estimates its probability distributions in accordance with the Bayesian inference. This approach makes it possible to obtain more exact estimation of the weights. Moreover, in the aspect of network architecture, it is known that the recurrent feedback structure is superior to the feedforward structure for the problem of time series prediction. Therefore, the recurrent network with Bayesian inference, what we call BRNN, is expected to show higher performance than the normal neural network. To verify the performance of the proposed method, the time series data are numerically generated and a neural network predictor is applied on it. As a result, BRNN is proved to show better prediction result than common feedforward Bayesian neural network.