• 지능정보연구
• /
• 제15권3호
• /
• pp.151-165
• /
• 2009

퍼지신경망 모형은 인공신경망의 네트워크 구조 표현방법 및 학습알고리듬과 퍼지시스템의 추론방법을 통합한 모형으로 제어 및 예측분야에 성공적으로 적용되고 있다. 본 연구에서는 퍼지신경망 모형 중 우수한 예측정확도로 인해 최근 각광받고 있는ANFIS (Adaptive Network-based Fuzzy Inference System)모형을 기반으로 하는 분류모형을 설계하고 기존의 분류기법(C5.0 의사결정나무)과 비교하여 분류 정확성 관점에서 평가한다. ANFIS 추론의 경우, 최종 결과값이 계급값이 아닌 연속형 변수값을 취하게 되므로 산출된 결과값을 이용하여 적절한 계급값을 할당하는 과정이 필요하다. 본 연구에서는 의사결정나무기법을 이용하여 계급값을 할당하는 방식과 군집분석을 이용하여 계급값을 할당하는 두 가지 방식을 제안하고 두 가지 데이터 세트에 적용하여 ANFIS를 기반으로 한 분류모형의 정확도를 평가하였다.

• 대한전자공학회논문지TE
• /
• 제39권4호
• /
• pp.363-369
• /
• 2002

본 논문은 적응성 뉴로-퍼지 인터페이스 시스템(Adaptive Neuro-Fuzzy Inference System : ANFIS)과 웨이브렛 변환 다중해상도 분해(multi-resolution Analysis : MRA)을 기반으로 한 웨이브렛 신경망을 가지고 임의의 비선형 함수 학습 근사화를 개선하는 것이다. ANFIS 구조는 벨형 퍼지 소속 함수로 구성이 되었으며, 웨이브렛 신경망은 전파 알고리즘과 역전파 신경망 알고리즘으로 구성되었다. 이 웨이브렛 구성은 단일 크기이고, ANFIS 기반 웨이브렛 신경망의 학습을 위해 역전파 알고리즘을 사용하였다. 1차원과 2차원 함수에서 웨이브렛 전달 파라미터 학습과 ANFIS의 벨형 소속 함수를 이용한 ANFIS 모델 기반 웨이브렛 신경망의 웨이브렛 기저 수 감소와 수렴 속도 성능이 기존의 알고리즘 보다 개선되었음을 확인하였다.

• Structural Engineering and Mechanics
• /
• 제61권2호
• /
• pp.283-293
• /
• 2017

The main contribution of the present paper is to propose an intelligent fuzzy inference system approach for modeling the debonding strength of masonry elements retrofitted with Fiber Reinforced Polymer (FRP). To achieve this, the hybrid of meta-heuristic optimization methods and adaptive-network-based fuzzy inference system (ANFIS) is implemented. In this study, particle swarm optimization with passive congregation (PSOPC) and real coded genetic algorithm (RCGA) are used to determine the best parameters of ANFIS from which better bond strength models in terms of modeling accuracy can be generated. To evaluate the accuracy of the proposed PSOPC-ANFIS and RCGA-ANFIS approaches, the numerical results are compared based on a database from laboratory testing results of 109 sub-assemblages. The statistical evaluation results demonstrate that PSOPC-ANFIS in comparison with ANFIS-RCGA considerably enhances the accuracy of the ANFIS approach. Furthermore, the comparison between the proposed approaches and other soft computing methods indicate that the approaches can effectively predict the debonding strength and that their modeling results outperform those based on the other methods.

• 대한전기학회논문지:전력기술부문A
• /
• 제50권9호
• /
• pp.417-423
• /
• 2001

This paper proposes a technique for fault detection and classification for both LIF(Low Impedance Fault)s and HIF(High Impedance Fault)s using Adaptive Network-based Fuzzy Inference System(ANFIS). The inputs into ANFIS are current signals only based on Root-Mean-Square(RMS) values of 3-phase currents and zero sequence current. The performance of the proposed technique is tested on a typical 154 kV Korean transmission line system under various fault conditions. Test results show that the ANFIS can detect and classily faults including (LIFs and HIFs) accurately within half a cycle.

• 방송공학회논문지
• /
• 제23권1호
• /
• pp.104-114
• /
• 2018

최근 HTTP 기반 비디오 스트리밍 트래픽이 계속해서 증가함에 따라 HTTP 기반 적응적 스트리밍(HTTP-based Adaptive Streaming : HAS) 기술 중 하나인 DASH(Dynamic Adaptive Streaming over HTTP)가 주목받고 있다. 이에 따라 DASH 환경에서 클라이언트에게 높은 QoE(Quality of Experience)를 제공하기 위한 많은 비디오 품질 조절 기법들이 제안되어왔다. 본 논문에서는 뉴로 퍼지 시스템의 구조 중 하나인 ANFIS(Adaptive Network based Fuzzy Inference System)를 이용한 새로운 품질 조절 기법을 제안한다. 제안하는 기법은 ANFIS를 이용하여 클라이언트에게 적절한 세그먼트 비트율을 선택하는 퍼지 파라미터를 찾고, VBR(Variable Bit-Rate) 비디오의 특성을 고려하여 실제 세그먼트의 크기를 이용해 다음 세그먼트 다운로드 시간을 보다 정확하게 예측한다. 그리고 이를 이용해 시변 네트워크에서 적절하게 비디오 품질을 조절한다. NS-3를 이용한 모의실험에서 제안된 기법이 기존 기법들에 비해 높은 평균 세그먼트 비트율과 낮은 비트율 변화 횟수를 보여 클라이언트에게 향상된 QoE를 제공함을 보인다.

• 지능정보연구
• /
• 제15권4호
• /
• pp.123-140
• /
• 2009

퍼지신경망 모형은 인공신경망의 네트워크 구조 표현방법 및 학습알고리듬과 퍼지시스템의 추론방법을 통합한 모형으로 제어 및 예측분야에 성공적으로 적용되고 있다. 본 연구에서는 퍼지신경망 모형 중 우수한 예측정확도로 인해 최근 각광받고 있는 ANFIS (Adaptive Network-based Fuzzy Inference System) 모형에서 생성된 퍼지규칙의 해석용이성을 평가하였다. ANFIS모형은 인간 전문가와 상호작용하면서 규칙을 정제해 나갈 수 있다. 특히 인간전문가의 사전지식을 이용하여 초기 퍼지규칙을 만들고 난 후 모형을 학습하면 최적에 수렴하는 시간을 단축할 뿐 아니라, 전역 최적치 도달가능성이 높아진다고 보고되고 있다. 이러한 관점에서 볼 때 규칙의 해석용이성은 인간 전문가와의 상호작용을 위해 매우 중요한 이슈가 될 수 있다. 본 연구에서는 ANFIS모형과 의사결정나무 모형에서 생성된 규칙을 해석용이성 관점에서 비교하기 위한 측도를 제안하고 각 규칙들을 비교하였다. 본 연구에서 제안된 해석용이성 측도들은 규칙을 생성하는 다양한 기계학습 모형의 규칙생성 능력을 평가하는 기준으로도 활용될 수 있을 것이다.

• Journal of Mechanical Science and Technology
• /
• 제16권4호
• /
• pp.454-467
• /
• 2002

It has been established that a crack has an important effect on the dynamic behavior of a structure. This effect depends mainly on the location and depth of the crack. Toidentifythelocation and depth of a crack in a structure, a method is presented in this paper which uses neuro-fuzzy-evolutionary technique, that is, Adaptive-Network-based Fuzzy Inference System (ANFIS) solved via hybrid learning algorithm (the back-propagation gradient descent and the least-squares method) and Continuous Evolutionary Algorithms (CEAs) solving sir ale objective optimization problems with a continuous function and continuous search space efficiently are unified. With this ANFIS and CEAs, it is possible to formulate the inverse problem. ANFIS is used to obtain the input(the location and depth of a crack) - output(the structural Eigenfrequencies) relation of the structural system. CEAs are used to identify the crack location and depth by minimizing the difference from the measured frequencies. We have tried this new idea on beam structures and the results are promising.

• KIEE International Transactions on Power Engineering
• /
• 제3A권4호
• /
• pp.191-197
• /
• 2003

Accurate detection and classification of faults on transmission lines is vitally important. In this respect, many different types of faults occur, such as inter alia low impedance faults (LIF) and high impedance faults (HIF). The latter in particular pose difficulties for the commonly employed conventional overcurrent and distance relays, and if undetected, can cause damage to expensive equipment, threaten life and cause fire hazards. Although HIFs are far less common than LIFs, it is imperative that any protection device should be able to satisfactorily deal with both HIFs and LIFs. Because of the randomness and asymmetric characteristics of HIFs, their modeling is difficult and numerous papers relating to various HIF models have been published. In this paper, the model of HIFs in transmission lines is accomplished using the characteristics of a ZnO arrester, which is then implemented within the overall transmission system model based on the electromagnetic transients program (EMTP). This paper proposes an algorithm for fault detection and classification for both LIFs and HIFs using Adaptive Network-based Fuzzy Inference System (ANFIS). The inputs into ANFIS are current signals only based on Root-Mean-Square (RMS) values of 3-phase currents and zero sequence current. The performance of the proposed algorithm is tested on a typical 154 kV Korean transmission line system under various fault conditions. Test results demonstrate that the ANFIS can detect and classify faults including LIFs and HIFs accurately within half a cycle.

• 한국해양공학회지
• /
• 제12권3호통권29호
• /
• pp.96-102
• /
• 1998

This paper presents to create a SAC(Sectional Area Curve) using an ANFIS(Adaptive-Network-based Fuzzy Inference System). First, it defines SACs of parent ships by using a B-spline approximation and a genetic algorithm and accumulates a database about SAC's control points. Second, it learns an ANFIS from parent ship data, which are related with principal dimensions and SAC's control points. This process is to model an ANFIS for SAC inferreice. When an ANFIS modeling is completed, we can determine a SAC through an ANFIS inferring.

• Smart Structures and Systems
• /
• 제15권4호
• /
• pp.1139-1158
• /
• 2015

This paper proposes an efficient system identification method for modeling nonlinear behavior of civil structures. This method is developed by integrating three different methodologies: principal component analysis (PCA), artificial neural networks, and fuzzy logic theory, hence named PANFIS (PCA-based adaptive neuro-fuzzy inference system). To evaluate this model, a 3-story building equipped with a magnetorheological (MR) damper subjected to a variety of earthquakes is investigated. To train the input-output function of the PANFIS model, an artificial earthquake is generated that contains a variety of characteristics of recorded earthquakes. The trained model is also validated using the1940 El-Centro, Kobe, Northridge, and Hachinohe earthquakes. The adaptive neuro-fuzzy inference system (ANFIS) is used as a baseline. It is demonstrated from the training and validation processes that the proposed PANFIS model is effective in modeling complex behavior of the smart building. It is also shown that the proposed PANFIS produces similar performance with the benchmark ANFIS model with significant reduction of computational loads.