http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
적응형 계층적 공정 경쟁 유전자 알고리즘을 이용한 정보입자 기반 퍼지집합 퍼지모델의 최적화
최정내,오성권 한국지능시스템학회 2006 한국지능시스템학회 학술발표 논문집 Vol.16 No.2
본 논문에서는 계층적 공정 경쟁 유전자 알고리즘을 통한 비선형시스템의 정보입자 기반 퍼지집합 퍼지집합 모델의 최적화 방법을 제안한다. 퍼지집합 모델은 주로 전문가의 경험에 기반을 두어 얻어지기 때문에 동정과 최적화 과정이 필요하며 GAs를 이용하여 퍼지모델을 최적화한 연구가 많이 있다. GAs는 전역 해를 찾을 수 있는 최적화 알고리즘으로 잘 알려져 있지만 조기 수렴 문제를 포함하고 있다. 병렬유전자 알고리즘(PGA)은 조기수렴를 더디게 하고 전역 해를 찾기 위한 진화알고리즘이다. 적응형 계층적 공정 경쟁기반 유전자 알고리즘(AHFCGA)을 이용하여 퍼지모델의 입력변수, 멤버쉽함수의 수, 멤버쉽함수의 정점 등의 전반부 구조와 파라미터를 동정하였고, LSE를 사용하여 후반부 파라미터를 동정하였으며 실험적 예제를 통하여 제안된 방법의 성능을 평가한다.
최정내,김걸 한국도시지리학회 2022 한국도시지리학회지 Vol.25 No.1
Smart cities have been selected as the core project of digital twins, one of the top 10 main tasks of the New Deal policy of the Korean version. Therefore, driving force was secured as an innovative model for future cities. The nationwide spread of smart cities is expected, and the importance of citizen participation in current cities is increasing day by day. Smart city living lab is in the spotlight as a useful means of resident participation, but case studies that can be used practically are insufficient. Hongseong-gun promoted living lab for the first time at the county level to discover various regional issues and find problem-solving solutions, and achieved meaningful results in discovering smart city services suitable for local demand. This has great implications for the regional specialized living lab to be promoted in the future at the time when the local base’s smart city is in full swing. The purpose of this study is to clarify the process of linking operating characteristics and resident demands, which are key elements of innovation and locality with the case of living lab in Hongseong-gun as an empirical object. It intends to provide the effective urban policy clues that can be referenced when promoting citizens and region-centered living labs. 스마트도시가 한국판 뉴딜 정책의 10대 대표 과제 중 하나인 디지털 트윈의 핵심 사업으로 선정되며 미래도시의 혁신모델로서 추동력이 확보되었다. 이에 따라 스마트도시의 전국적인 확산이 예상되며, 시민이 주인인 현대도시에서 주민참여의 중요성은 나날이 높아지고 있다. 스마트도시 리빙랩은 주민참여의 유용한 수단으로 각광받고 있으나, 현장에서 실무적으로 적용 가능한 구체적 사례 연구는 아직 미흡한 실정이다. 홍성군은 다양한 지역현안 발굴과 문제 해결 방안 도출을 위해 군 단위로는 최초로 리빙랩을 추진하였으며, 지역 수요에 근거한 스마트도시 서비스를 발굴하는 의미있는 성과를 거두었다. 이는 광역 거점 스마트도시 조성이 본격화되는 시점에서 향후지속적으로 추진될 군 단위 특화 리빙랩에 시사하는 바가 크다. 이 연구의 목적은 홍성군 리빙랩 사례를 실증 대상으로 삼아 혁신성과 지역성의 핵심 요소인 운영 특성과 주민 수요의 스마트도시 서비스 연계 과정을 고찰하는 데있다. 이를 통해 주민과 지역 중심 리빙랩 추진 시 참조될 만한 실효성 있는 도시정책의 단서를 제공하고자 한다.
적응형 계층적 공정 경쟁 기반 병렬유전자 알고리즘의 구현 및 비선형 시스템 모델링으로의 적용
최정내(Jeoung-Nae Choi),오성권(Sung-Kwun Oh),김현기(Hyun-Ki Kim) 대한전기학회 2006 대한전기학회 학술대회 논문집 Vol.2006 No.10
The paper concerns the hybrid optimization of fuzzy inference systems that is based on Hierarchical Fair Competition-based Parallel Genetic Algorithms (HFCGA) and information data granulation. The granulation is realized with the aid of the Hard C-means clustering and HFCGA is a kind of multi-populations of Parallel Genetic Algorithms (PGA), and it is used for structure optimization and parameter identification of fuzzy model. It concerns the fuzzy model-related parameters such as the number of input variables to be used, a collection of specific subset of input variables, the number of membership functions, the order of polynomial, and the apexes of the membership function. In the hybrid optimization process, two general optimization mechanisms are explored. Thestructural optimization is realized via HFCGA and HCM method whereas in case of the parametric optimization we proceed with a standard least square method as well as HFCGA method as well. A comparative analysis demonstrates that the proposed algorithm is superior to the conventional methods.
PSO를 이용한 FCM 기반 RBF 뉴럴 네트워크의 최적화
崔正乃(Jeoung-Nae Choi),金賢起(Hyun-Ki Kim),吳聖權(Sung-Kwun Oh) 대한전기학회 2008 전기학회논문지 Vol.57 No.11
The paper concerns Fuzzy C-Means clustering based Radial Basis Function neural networks (FCM-RBFNN) and the optimization of the network is carried out by means of Particle Swarm Optimization(PSO). FCM-RBFNN is the extended architecture of Radial Basis Function Neural Network(RBFNN). In the proposed network, the membership functions of the premise part of fuzzy rules do not assume any explicit functional forms such as Gaussian, ellipsoidal, triangular, etc., so its resulting fitness values directly rely on the computation of the relevant distance between data points by means of FCM. Also, as the consequent part of fuzzy rules extracted by the FCM-RBFNN model, the order of four types of polynomials can be considered such as constant, linear, quadratic and modified quadratic. Weighted Least Square Estimator(WLSE) are used to estimates the coefficients of polynomial. Since the performance of FCM-RBFNN is affected by some parameters of FCM-RBFNN such as a specific subset of input variables, fuzzification coefficient of FCM, the number of rules and the order of polynomials of consequent part of fuzzy rule, we need the structural as well as parametric optimization of the network. In this study, the PSO is exploited to carry out the structural as well as parametric optimization of FCM-RBFNN. Moreover The proposed model is demonstrated with the use of numerical example and gas furnace data set.
최정내(Jeoung-Nae Choi),오성권(Sung-Kwun Oh) 대한전기학회 2007 대한전기학회 학술대회 논문집 Vol.2007 No.10
본 논문에서는 FCM 기반 퍼지 뉴럴네트워크 구조를 제안하고 진화 알고리즘을 이용한 FCM 기반 퍼지 뉴럴네트워크의 구조와 파라미터의 최적화 방법을 제시한다. 클러스터링 알고리즘은 퍼지 뉴럴 네트워크에서 멤버쉽함수의 중심점과 반경 등을 결정하는 학습에 일반적으로 사용된다. 제안된 FCM 기반 뉴럴 네트워크에서 멤버쉽함수는 가우시안, 삼각형 타입 등의 정해진 형태를 사용하지 않고 데이터들 사이의 거리에 관계된 계산을 수행하는 FCM에 의해 결정된다. 후반부는 상수형, 선형, 2차식 등의 다양한 다항식 구조로 표현될 수 있으며 다항식의 계수는 LSE를 이용하여 결정한다. FCM 기반 퍼지 뉴럴 네트워크는 퍼지규칙의 수, 입력변수의 선택, 후반부 다항식의 차수, FCM의 퍼지화 계수의 결정은 성능에 많은 차이가 있으며 이러한 구조와 파라미터의 최적화가 요구된다. 본 논문에서는 유전자 알고리즘을 이용하여 FCM 기반 퍼지뉴럴네트워크의 구조에 관련된 입력변수의 수, 퍼지규칙의 수 그리고 후반부 다항식의 차수와 파라미터에 관련된 퍼지화 계수를 최적화 한다. 제안된 방법은 비선형 시스템의 모델링에 적용하여 성능을 분석하였다.
Subtractive Clustering 알고리즘을 이용한 퍼지 RBF 뉴럴네트워크의 동정
최정내(Jeoung-Nae Choi),오성권(Sung-Kwun Oh),김현기(Hyun-Ki Kim) 대한전기학회 2008 대한전기학회 학술대회 논문집 Vol.2008 No.10
본 논문에서는 Subtractive clustering 알고리즘을 이용한 Fuzzy Radial Basis Function Neural Network (FRBFNN)의 규칙 수를 자동적으로 생성하는 방법을 제시한다. FRBFNN은 멤버쉽 함수로써 기존 RBFNN에서 가우시안이나 타원형 형태의 특정 RBF을 사용하는 구조와 달리 Fuzzy C-Means clustering 알고리즘에서 사용하는 거리에 기한 멤버쉽 함수를 사용하여 전반부의 공간 분할 및 활성화 레벨을 결정하는 구조이다. 본 논문에서는 데이터의 밀집도에 기반을 두어 클러스터링을 하는 Subtractive clustering 알고리즘을 사용하여 퍼지 규칙의 수와 같은 의미를 갖는 분할할 입력공간의 수와 분할된 입력공간의 중심값을 동정하며, Least Square Estimator (LSE) 알고리즘을 사용하여 후반부 다항식의 계수를 추정한다.