• International Journal of Control, Automation, and Systems
• /
• 제1권1호
• /
• pp.101-110
• /
• 2003

This paper introduces an identification method for nonlinear models in the form of rule-based Fuzzy-Neural Networks (FNN). In this study, the development of the rule-based fuzzy neural networks focuses on the technologies of Computational Intelligence (CI), namely fuzzy sets, neural networks, and genetic algorithms. The FNN modeling and identification environment realizes parameter identification through synergistic usage of clustering techniques, genetic optimization and a complex search method. We use a HCM (Hard C-Means) clustering algorithm to determine initial apexes of the membership functions of the information granules used in this fuzzy model. The parameters such as apexes of membership functions, learning rates, and momentum coefficients are then adjusted using the identification algorithm of a GA hybrid scheme. The proposed GA hybrid scheme effectively combines the GA with the improved com-plex method to guarantee both global optimization and local convergence. An aggregate objective function (performance index) with a weighting factor is introduced to achieve a sound balance between approximation and generalization of the model. According to the selection and adjustment of the weighting factor of this objective function, we reveal how to design a model having sound approximation and generalization abilities. The proposed model is experimented with using several time series data (gas furnace, sewage treatment process, and NOx emission process data from gas turbine power plants).

• 디지털융복합연구
• /
• 제4권2호
• /
• pp.143-151
• /
• 2006

The purpose of this paper is to make a design and implementation of a diagnosis system of learning misconception of students who learn 'be' verb in the English language by using fuzzy theory. In this system, a fuzzy cognitive map exposes the fact that students' perception and misunderstanding about 'the English' language have an intertwined relationship, and diagnoses causes of misconceptions of students by using fuzzy memory associative memory. It suggests that since most existing systems of rule based expert system have had several limitations, this system will be applied to diagnose learners' misconception of learning in varieties of education areas.

• 한국지능시스템학회논문지
• /
• 제12권4호
• /
• pp.289-293
• /
• 2002

분류자 시스템(Classifier System)은 유전자 알고리즘(Genetic Algorithmsm : GA)을 이용하여 새로운 규칙 집합을 발견하는 시스템이다 또 로봇 축구 시뮬레이션 게 (SimuroSot)은 시간에 따라 상태가 변화하는 동적인 시스템이다. 본 논문에서는 GBML(Genetic Based Machine Learning)의 한 갈래이자 미시간 접근 방법을 기반으로 하는 Zeroth Level Classifier System(ZCS)을 SimuroSot에 적용하여 게임 전략을 구성하는 새로운 규칙을 발견하고 학습하도록 하고 시뮬레이션 결과를 분석함으로써 ZCS의 유용성을 확인한다.

• 한국디지털정책학회:학술대회논문집
• /
• 한국디지털정책학회 2006년도 춘계학술대회
• /
• pp.451-459
• /
• 2006

The purpose of this paper is to make a design and implementation of a diagnosis system of learning misconception of students who learn 'be' verb in the English language by using fuzzy theory. In this system, a fuzzy cognitive map exposes the fact that students' perception and misunderstanding about 'the English' language have an intertwined relationship, and diagnoses causes of misconceptions of students by using fuzzy memory associative memory. It suggests that since most existing systems of rule based expert system have had several limitations, this system will be applied to diagnose learners' misconception of learning in varieties of education areas.

• Journal of Multimedia Information System
• /
• 제6권4호
• /
• pp.165-172
• /
• 2019

Machine-learning techniques have been actively employed to information security in recent years. Traditional rule-based security solutions are vulnerable to advanced attacks due to unpredictable behaviors and unknown vulnerabilities. By employing ML techniques, we are able to develop intrusion detection systems (IDS) based on anomaly detection instead of misuse detection. Moreover, threshold issues in anomaly detection can also be resolved through machine-learning. There are very few datasets for network intrusion detection compared to datasets for malicious code. KDD CUP 99 (KDD) is the most widely used dataset for the evaluation of IDS. Numerous studies on ML-based IDS have been using KDD or the upgraded versions of KDD. In this work, we develop an IDS model using CSE-CIC-IDS 2018, a dataset containing the most up-to-date common network attacks. We employ deep-learning techniques and develop a convolutional neural network (CNN) model for CSE-CIC-IDS 2018. We then evaluate its performance comparing with a recurrent neural network (RNN) model. Our experimental results show that the performance of our CNN model is higher than that of the RNN model when applied to CSE-CIC-IDS 2018 dataset. Furthermore, we suggest a way of improving the performance of our model.

• 한국학교수학회논문집
• /
• 제26권1호
• /
• pp.21-47
• /
• 2023

본 연구에서는 문화-역사적 활동이론에 기반하여, 표집 시뮬레이션을 활용한 비형식적 통계적 추리의 교수-학습 과정을 활동체계로 고려하고, 이러한 활동체계에서 발생하는 모순과 모순에 의한 변화를 확인하고자 하였다. 이를 위해 초등학생 5~6학년 20명을 대상으로 표집 시뮬레이션을 활용한 비형식적 통계적 추리에 대한 수업을 진행하고 활동체계를 분석하였다. 주제분석을 수행한 결과는 다음과 같다. 먼저, 규칙과 목표, 인공물과 목표 사이의 모순이 발생했으며, 이를 해결하는 과정에서 경험적 표집 분포의 시각화라는 새로운 인공물이 도입되는 것을 확인할 수 있었다. 또한, 규칙과 인공물, 규칙과 주체 사이의 모순이 발생했으며, 이를 해결하는 과정에서 표본 평균들의 평균을 구하는 알고리즘이 새로운 규칙으로 도입되는 것을 확인할 수 있었다.

• 한국산업정보학회논문지
• /
• 제11권2호
• /
• pp.18-28
• /
• 2006

최근에 새로운 교수 학습 방법의 하나로 대두되고 있는 e-NIE는 학습자 중심의 흥미와 적성, 창의성 개발, 비판적 사고력의 함양을 통한 문제해결능력과 의사결정 능력을 키워 준다. 본 논문에서는 공업계 고등학교 전기과의 '전기 전자 측정' 과목 중에서 'I. 측정 일반' 단원을 중심으로 보충 심화 학습지를 개발하였으며, 이를 활용한 e-NIE 수업 모형을 설계하고 구현하였다. 본 논문에서 제안한 e-NIE 수업 모형의 효과를 검증하기 위하여 통제 집단에게는 전통적 수업을 실시하고 실험 집단에게는 e-NIE 수업을 실시한 후 결과를 분석하였다. 그 결과 e-NIE 수업을 실시한 학습자들이 학습 동기, 학습 태도, 자기 주도적 탐구력 분야에서 긍정적인 효과가 있는 것으로 확인되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권10호
• /
• pp.419-426
• /
• 2022

본 논문에서는 다양한 운동 모션에서 3차원 사람 자세 추정 모델의 정확도를 향상하는 방법을 제안한다. 기존의 사람 자세 추정 모델은 사람의 자세를 추정할 때 좌표 오차를 유발하는 흔들림, 반전, 교환, 오검출 등의 문제가 발생한다. 이러한 문제는 사람 자세 추정 모델의 정확한 자세 추정을 어렵게 한다. 이를 해결하기 위해 본 논문에서는 딥러닝 기반 이상치 검출 및 보정 방법을 제안한다. 딥러닝 기반의 이상치 검출 방법은 여러 모션에서 좌표의 이상치를 효과적으로 검출하고, 모션의 특징을 활용한 규칙 기반 보정 방법을 통해 이상치를 보정한다. 다양한 실험과 분석을 통하여 제안하는 방법이 골프 스윙 모션과 다양한 운동 모션에서도 사람의 자세를 정확히 추정할 수 있고, 3차원 좌표 데이터에서도 확장 가능함을 보인다.

• 한국지반신소재학회논문집
• /
• 제22권1호
• /
• pp.67-74
• /
• 2023

경사면의 안정성을 모니터링 하기 위해 데이터 기반으로 사면의 붕괴를 예측, 경보를 하려는 연구가 증가하고 있다. 하지만 대부분의 논문에서는 데이터의 품질에 대해 간과하고 있다. 이는 오경보와 같은 문제를 발생시킬 수 있다. 이에 본 논문에서는 사면에서 수집된 데이터의 품질관리를 위한 규칙과 기계학습 모델로 구성된 2 단계의 접근 방안을 제안하였다. 규칙 기반은 높은 정확도와 직관적인 해석이 가능하다는 장점이 있으며 기계학습 모델은 명시적으로 표현할 수 없는 패턴을 도출할 수 있다는 장점이 있으며 2단계의 접근 방안은 이 두 장점을 모두 취할 수 있었다. 사례연구를 통해 두 방법을 단독으로 사용하였을 경우와 2단계의 접근 방안을 사용하였을 때의 성능을 비교하였고 2단계 접근 방안이 높은 성능을 보이는 것으로 판단되었다. 따라서 데이터의 품질관리를 위해 단독으로 두 방법을 사용하는 것보다 2단계 접근 방안 방법을 사용하는 것이 적절할것으로 판단된다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 1998년도 전력전자학술대회 논문집
• /
• pp.384-387
• /
• 1998

This paper presents a newly developed speed sensorless drive using RLS(Recursive Least Squares) based on Neural Network Training Algorithm. The proposed algorithm based on the RLS has just the time-varying learning rate, while the well-known back-propagation (or generalized delta rule) algorithm based on gradient descent has a constant learning rate. The number of iterations required by the new algorithm to converge is less than that of the back-propagation algorithm. The RLS based on NN is used to adjust the motor speed so that the neural model output follows the desired trajectory. This mechanism forces the estimated speed to follow precisely the actual motor speed. In this paper, a flux estimation strategy using filter concept is discussed. The theoretical analysis and experimental results to verify the effectiveness of the proposed analysis and the proposed control strategy are described.