• 한국수학교육학회지시리즈B:순수및응용수학
• /
• 제19권1호
• /
• pp.7-21
• /
• 2012

The fuzzy time series is introduced by Song and Chissom([8]) to construct a pattern for time series with vague or linguistic value. Many methods using the interval and fuzzy logical relationship related with historical data have been suggested to enhance the forecasting accuracy. But they do not fully reflect the fluctuation of historical data. Therefore, we propose the interval rearranged method to reflect the fluctuation of historical data and to improve the forecasting accuracy of fuzzy time series. Using the well-known enrollment, the proposed method is discussed and the forecasting accuracy is evaluated. Empirical studies show that the proposed method in forecasting accuracy is superior to existing methods and it fully reflects the fluctuation of historical data.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 하계종합학술대회 논문집(3)
• /
• pp.5-8
• /
• 2000

In this paper, we propose new algorithms for the partition of input space and the generation of fuzzy control rules. The one consists of Shannon and extended fuzzy entropy function, the other consists of adaptive fuzzy neural system with back propagation teaming rule. The focus of this scheme is to realize the optimal fuzzy rule base with the minimal number of the parameters of the rules, reducing the complexity of the system. The proposed algorithm is tested with the time series prediction problem using Mackey-Glass chaotic time series.

• 사물인터넷융복합논문지
• /
• 제4권1호
• /
• pp.1-5
• /
• 2018

본 논문에서는 노이즈에 의해 훼손된 시계열 데이터의 모델링에 대하여 다룬다. 모델링 기법으로, 논싱글톤 퍼지 시스템을 사용한다. 논싱글톤 퍼지 시스템의 주요특징은 미지의 비선형시스템의 입력이 퍼지값으로 모델링 된다는데 있다. 그러므로 퍼지시스템에 인가되는 학습데이터나 입력데이터 등이 노이즈나 외부 환경에 의해 변형된 경우에 매우 유용하게 적용될 수 있다. 성능비교를 위해 벤치마크 데이터로 잘 알려진 Mackey-Glass 데이터를 사용한다. 이들 데이터 모델링을 통하여 결과를 비교, 분석하여 논싱글톤 퍼지시스템이 잡음에 대하여 보다 강인하고 효율적임을 본 논문에서 보인다.

• 한국지능시스템학회논문지
• /
• 제11권3호
• /
• pp.264-269
• /
• 2001

본 논문에서는 악보를 시계열로 해석하여 퍼지 로직을 이용한 모델링에 대하여 다루고자 한다. 악보에 나타난 음악적 기호들은 음의 길이와 높이 등의 많은 정보들은 나타낸다. 본 논문에서는 멜로디, 음높이와 음색들을 사용하여 악보의 시각적 정보를 시계열 자료로 변환한다. 시계열 자료의 특징을 추출하기 위해 시계열 자료에 슬라이딩 윈도우를 통과시켜 다시 한번 새로운 시계열 자료로 변환한다. 변환된 시계열 자료를 분석하기 위해 Box-Jenkins의 시계열 분석 방법을 사용하고 분석된 시계열의 특징을 바탕으로 퍼지 모델을 구성한다.

• Communications for Statistical Applications and Methods
• /
• 제15권4호
• /
• pp.517-530
• /
• 2008

본 논문은 시간의 흐름에 따라 일정한 간격으로 관측된 시계열자료에 대한 통계적인 관계를 추정하기 위하여 삼각퍼지수를 이용한 퍼지시계열모형을 소개한다. 모든 관측치를 포함하는 전체집합을 분할하는 구간을 자료의 빈도수에 따라 결정하고 연속되는 두 시점에서 퍼지수가 일치하는 경우에는 관측된 자료의 차에 대한 정보를 이용하여 제안된 퍼지시계열모형을 추정한다. 예제를 이용하여 제안된 퍼지시계열모형의 정확성을 일반적인 시계열모형과 여러 가지 방법으로 추정된 퍼지시계열모형과 비교한다.

• 한국지능시스템학회논문지
• /
• 제17권6호
• /
• pp.799-803
• /
• 2007

본 논문에서는 FSVM(Putty Support Vector Machine)의 퍼지소속함수를 새롭게 제안한다. SVM의 완화변수(slack-variable)에 퍼지소속함수를 결합하는 FSVM은 주어진 데이터베이스의 특성이 반영되어 안정적으로 분류성능을 향상시킬 수 있는 퍼지소속 함수를 필요로 한다. 시계열 자료의 패턴분류 성능을 비교하기 위하여 SVM, FSVM(1), 그리고 제안하는 FSVM(2) 등의 분류모델들을 비교 실험하였다. 사용한 데이터베이스는 한국금융시장의 시계열 경제지표 지수들이다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1993년도 한국자동제어학술회의논문집(국제학술편); Seoul National University, Seoul; 20-22 Oct. 1993
• /
• pp.18-23
• /
• 1993

In this paper, we attempt to estimate the state of a finite state system. In such system, we can observe time series data which has some significant behaviors corresponding to its system states. The behavior is characterized by feature parameters extracted from time series. Our thought is that the system output time series data is expressed as a sequence of behavior patterns which are represented by clusters in feature parameters space. An algorithm jointing fuzzy clustering to fuzzy finite state transition model is suggested.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 추계학술대회 논문집 학회본부 D
• /
• pp.666-668
• /
• 2000

In this paper, a fuzzy prediction method is proposed for time series data having uncertainty and non-stationary characteristics. Conventional methods, which use past data directly in prediction procedure, cannot properly handle non-stationary data whose long-term mean is floating. To cope with this problem, a data preprocessing technique utilizing the differences of original time series data is suggested. The difference sets are established from data. And the optimal difference set is selected for input of fuzzy predictor. The proposed method based the Takigi-Sugeno-Kang(TSK or TS) fuzzy rule. Computer simulations show improved results for various time series.

• 산업기술연구
• /
• 제28권B호
• /
• pp.101-109
• /
• 2008

In general, non-stationary or chaos time series forecasting is very difficult since there exists a drift and/or nonlinearities in them. To overcome this situation, we suggest a new prediction method based on multiple model TS fuzzy predictors combined with preprocessing of time series data, where, instead of time series data, the differences of them are applied to predictors as input. In preprocessing procedure, the candidates of optimal difference interval are determined by using con-elation analysis and corresponding difference data are generated. And then, for each of them, TS fuzzy predictor is constructed by using k-means clustering algorithm and least squares method. Finally, the best predictor which minimizes the performance index is selected and it works on hereafter for prediction. Computer simulation is performed to show the effectiveness and usefulness of our method.

• 한국지능시스템학회논문지
• /
• 제10권2호
• /
• pp.113-121
• /
• 2000

이 논문에서는 병렬구조 퍼지시스템(PSFS)에 기초한 카오스 시계열 데이터의 예측 알고리즘에 대해 연구하였다 병렬구조 퍼지시스템은 병렬로 연결된 여러개의 퍼지시스템에 의하여 구성되어있다. 병렬구조 퍼지시스템을 구성하고 있는 각 퍼지시스템은 다른 임베딩 차원과 시간지연을 가지고 과거의 데이터를 이용하여 동일한 데이터를 독립적으로 예측한다 퍼지시스템은 입출력 데이터를 클러스터링하여 모델링되는 MISO Sugeno 퍼지규칙에 의하여 특징지어진다. 각 퍼지시스템에 대한 최적 임베딩차원은 주어진 시간지연값에 대해서 최적의 성능을 갖도록 선정된다. 병렬구조 퍼지시스템은 각 구성요소 퍼지스템들의 예측값중에서 최대값과 최소값을 가지는 예측결과를 제외하고 나머지 값들을 평균하여 최종 예측 결과를 얻는다.