• Water Engineering Research
• /
• 제3권2호
• /
• pp.113-122
• /
• 2002

Accurate quantitative forecasting of rainfall for basins with a short response time is essential to predict flash floods. In this study, a Quantitative Flood Forecasting (QFF) model was developed by incorporating the evolving structure and frequency of intense weather systems and by using neural network approach. Besides using radiosonde and rainfall data, the model also used the satellite-derived characteristics of storm systems such as tropical cyclones, mesoscale convective complex systems and convective cloud clusters as input. The convective classification and tracking system (CCATS) was used to identify and quantify storm properties such as lifetime, area, eccentricity, and track. As in standard expert prediction systems, the fundamental structure of the neural network model was learned from the hydroclimatology of the relationships between weather system, rainfall production and streamflow response in the study area. All these processes stretched leadtime up to 18 hours. The QFF model will be applied to the mid-Atlantic region of United States in a forthcoming paper.

• 한국생활과학회지
• /
• 제12권1호
• /
• pp.63-73
• /
• 2003

The purpose of this study was to quantify the hands of fabrics for the Korean folk clothes using both a KES-FB and an artificial neural network. In order to select the proper input parameters, we calculated the correlation using step-wise regression between mechanical properties and the hand value of fabrics. For the classification, the primary hand values and total hand value, five neural networks with three-layered structure were constructed using the error back propagation algorithm and, in order to reduce errors and to speed up learning, the momentum method was selected. From the analysis of the primary and total hands using a self-constructed artificial intelligence system, the error rates of sleekness, stiffness, silkiness, and roughness compared with the judgement of expert panels were found to be 3.3%, 3.3%, 1.6%, and 4.9%, respectively, while that of the total hand was 9.83%.

• 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.

• 한국지능시스템학회논문지
• /
• 제13권1호
• /
• pp.6-11
• /
• 2003

신경회로망은 최근 복잡하고 정형화가 어려운 문제의 해결을 위해 지능적인 기법이 제안되고 있다. 모듈라 네트워크는 복잡한 문제를 부문제로 나누어 해결한다. 퍼지 시스템은 복잡한 문제를 작은 부문제로 나누어 해결한다는 점에서 모듈라 네트워크와 유사하다. 하지만 퍼지 시스템의 경우에도 입력공간을 전문가가 직접 분할하고, 룰을 만들어야 한다는 단점이 있다. 이러한 단점을 해결하기 위해 퍼지 뉴럴 네트워크가 제안되었다. 하지만 입력의 증가에 따른 규칙수가 지수적으로 증가하는 문제점을 안고 있다. 본 논문에서는 이런 문제점을 계층적 구조를 설계함으로서 해결하였다. 또한, 제안된 구조는 앞선 모듈의 출력이 후건부에만 기여하는 구조를 사용하였다. 제안된 구조를 사용함으로써 입출력관계가 더욱 이해하기 쉬워졌으며, 설계의 어려움을 해결했다. 또한 룰이 수가 작다는 장점이 있다.

• 대한의용생체공학회:의공학회지
• /
• 제19권5호
• /
• pp.469-476
• /
• 1998

초음파, 내시경 등의 NTSC 영상을 PC를 통해 획득하고, 고해상도의 YGA 모니터에 표시할 경우 주사변환 과정을 거치면서 치명적인 영상의 왜곡(tear-drop)이 나타난다. 본 연구에서는 이러한 왜곡을 해소하는 여러 가찌 방법을 살펴보고 실시간으로 왜곡을 보정할 수 있는 하드웨어를 PC상에서 구현하였다. 하드웨어 시스템은 De-Interlace 전용의 소자와 PCI bridge 등을 이용함으로써 고화질의 영상표현과 실시간의 영상전송이 가능하다 구현된 시스템에서 영상의 질은 눈에 띄게 향상되었으며, PC 기반의 시스템으로 구성함으로써 영상의 저장, 전송 및 텍스트의 기록 등 다양한 기능을 쉽게 구현할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제14권4호
• /
• pp.390-395
• /
• 2004

반도체 공정은 많은 단위 공정으로 이루어진 복잡하고 동적인 공정이다. 그 중 에칭공정은 반도체 생산에서 중요한 공정중 하나이다. 본 논문에서는 데이터 마이닝과 지식 획득을 통한 의사지원시스템으로 생산성과 수율을 높일 수 있는 시스템을 구성하고자 하였다. 제안된 방법은 퍼지 논리와 신경망으로 구성되는데, 신경망으로 에칭공정의 품질을 나타내는 품질에 대한 결과를 예측하고, 예측된 결과를 퍼지 추론 시스템으로 분류하는 과정으로 수행된다. 퍼지 논리에 사용된 규칙은 전문가의 지식에 기반 하여 도출되거나 데이터로부터 도출된다. 본 시스템을 통해 공정의 최적 조건을 찾아 효율을 높이는 것이 본 연구의 주요 목표이다.

• 한국지반공학회논문집
• /
• 제15권1호
• /
• pp.99-112
• /
• 1999

국내에서 계측된 92개의 측압계수를 이용하여 심도에 따른 측압계수의 경향을 분석하고 Hoek & Brown이 정의한 측압계수의 범위와 비교하였다. 국내의 측압계수는 1이상이 84%로 대부분의 경우 수평응력이 연직응력보다 크게 나타났다. 지반의 침식. 퇴적 및 암반 풍화. 횡압력에 의한 측압계수의 변화를 분석하기 위해 탄소성 이론을 적용하고 그 결과를 유한요소해석과 비교하였다. 측압계수는 지표 침식과 횡압력이 크고 암질이 양호할수록 증가하였고 퇴적의 경우에 감소하였다. 본 연구를 통하여 여러 지질작용이 측압계수에 미치는 영향을 파악할 수 있었고, 특히 지하공동의 굴착 심도인 천부 암반에서의 측압계수 변화를 파악할 수 있었다. 다층 역전파 학습 알고리즘을 적용한 인공신경망을 이용하여 측압계수 예측 전문가 시스템을 개발하였다. 학습률, 모멘텀 상수 그리고 은닉층 노드수를 고려하여 실측치와 상관계수 0.996 이상의 매우 높은 추론율을 보이는 모델을 선정하였다 학습에서 제외한 9개 계측자료로 이 모델을 검증한 결과, 추론오차의 평균은 20%였으며 상관계수도 0.95 이상으로 측압계수를 예측하는데 있어 높은 신뢰성을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 F
• /
• pp.2610-2612
• /
• 1999

In controlling vector of induction motor, PID controller is required much time as the expert should control manually a gain of controller according to plant or a change of circumstances. Accordingly, this paper has gotten a gain of PID controller used neural network by self-funning method in order to settle above problem. The neural network can describe an input/output features in spite of non-linear system which is hard to get mathematical model by controlling the strength of connection by learning. It has a strong character against a distortion and noise of input information, and is suitable modeling of diver-variable system which is composed of several input/output. This paper has represented the self-tunning method for gain of PID controller used neural network when using PID controller to control speed of induction motor, and has checked strong characters against distortion and noise of input information through simulation.

• 한국지능시스템학회논문지
• /
• 제11권7호
• /
• pp.584-590
• /
• 2001

An inventory management system of manufacturing industry has a model of different kinds according to the objective and the situation. An inventory management system needs superior system technique in demand forecast, economical efficiency, reliability and application for stable supply of the finished goods, the raw materials and the parts. This paper proposes a demand forecast method based on fuzzy structured neural network, which uses min-operation and trapezoid membership function of fuzzy rules. So we can construct an intelligent inventory management system that make optimized decision-making for forecasting data with expert s opinion in fuzzy environment. The inventory management system uses intelligence agent and it could be adapted to a system environment change in order.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1993년도 한국자동제어학술회의논문집(국내학술편); Seoul National University, Seoul; 20-22 Oct. 1993
• /
• pp.94-99
• /
• 1993

In this paper, the method for navigation and obstacle avoidance of an autonomous mobile robot is proposed. It is based on the fuzzy inference system which enables to deal with imprecise and uncertain information, and on the neural network which enables to learn input and output pattern data obtained from ultrasonic sensors. For autonomous navigation, the wall-following navigation utilizing input and output data by an expert's control action is constructed. An approach by the neural network is developed for the obstacle avoidance because of the redundant input data. For an autonomous navigation, the fuzzy control and the control of the neural network are integrated and its feasibility is demonstrated by means of experiment.