http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
컴플렉스 및 유전자 알고리즘을 결합한 최적 알고리즘에 의한 퍼지-뉴럴 네트워크구조의 설계
윤기찬,오성권 圓光大學校大學院 1999 論文集 Vol.23 No.-
본 논문은 퍼지-뉴럴네트워크에 기반을 둔 비성형과 복잡한 시스템의 최적 동정 방법을 소개한다. FNN은 퍼지 추론 방법으로 간략추론을, 학습 규칙으로 오류 역전파 알고리즘을 사용한다. 본 논문에서 FNN은 비선형 시스템을 위해 HCM 클러스터링 알고리즘과 두 종류의 최적화 이론의 결합에 의한 최적 동정 알고리즘 구조를 이용하여 파라미터 동정을 수행한다. 멤버쉽함수의 초기 파라미터는 HCM 클러스터링 알고리즘을 이용하여 찾는다. 멤버쉽함수의 파라미터, 학습률, 모멤템계수 등은 최적 동정 알고리즘을 사용하여 조정한다. 제안된 최적 동정 알고리즘은 유전자 알고리즘과 개선된 콤플렉스 알고리즘을 이용한다. 또한, 모델의 근사화와 일반화 능력 사이에 합리적 균형을 얻기 위해 하중값을 가진 합성 목적함수(성능지수)를 제안한다. 데이터 개수, 비선형성의 정도(입출력 데이터 분포)에 의존하는 이 합성 목표함수의 하중값의 선택, 조절을 통하여, 근사화 및 일반화 능력 사이의 상호균형과 의존성을 가진 최적 FNN 모델구조를 설계하는 것이 유용하고 효과적임을 보인다. 제안된 모델을 평가하기 위해 가스로의 시계열 데이터와 수리공정을 사용한다. This paper suggest an optimal identification method to complex and nonlinear system modeling that is based on Fuzzy-Neural Network(FNN). The FNNs use the simplified inference as fuzzy inference method and Error Back Propagation Algorithm as learning rule. In this paper, the FNN modeling implements parameter identification using HCM algorithm and optimal identification algorithm structure combined with two types of optimization theories for nonlinear systems, we use a HCM(Hard C-Means) Clustering Algorithm to find initial-parameters of membership function. The parameters such as parameters of membership functions, learning rates and momentum coefficients are adjusted using optimal identification algorithm. The proposed optimal identification algorithm is carried out using both a genetic algorithm and the improved complex method. Also, an aggregate objective function(performance index) with weighted value is proposed to achieve a sound balance between approximation and generalization abilities of the model. According to selection and adjustment of a weighting factor of an aggregate objective function which depends on the number of data and a certain degree of nonlinearity (distribution of I/O data), we show that it is available and effective to design an optimal FNN model structure with a mutual balance and dependency between approximation and generalization abilities. To evaluate the performance of the proposed model, we use the time series data for gas furnace and the data of sewage treatment process.
하이브리드 퍼지제어기의 설계를 위한 최적 자동동조알고리즘
김중영,이대근,오성권 圓光大學校大學院 1999 論文集 Vol.23 No.-
본 논문은 퍼지-뉴럴네트워크에 기반을 둔 비성형과 복잡한 시스템의 최적 동정 방법을 소개한다. FNN은 퍼지 추론 방법으로 간략추론을, 학습 규칙으로 오류 역전파 알고리즘을 사용한다. 본 논문에서 FNN은 비선형 시스템을 위해 HCM 클러스터링 알고리즘과 두 종류의 최적화 이론의 결합에 의한 최적 동정 알고리즘 구조를 이용하여 파라미터 동정을 수행한다. 멤버쉽함수의 초기 파라미터는 HCM 클러스터링 알고리즘을 이용하여 찾는다. 멤버쉽함수의 파라미터, 학습률, 모멤템계수 등은 최적 동정 알고리즘을 사용하여 조정한다. 제안된 최적 동정 알고리즘은 유전자 알고리즘과 개선된 콤플렉스 알고리즘을 이용한다. 또한, 모델의 근사화와 일반화 능력 사이에 합리적 균형을 얻기 위해 하중값을 가진 합성 목적함수(성능지수)를 제안한다. 데이터 개수, 비선형성의 정도(입출력 데이터 분포)에 의존하는 이 합성 목표함수의 하중값의 선택, 조절을 통하여, 근사화 및 일반화 능력 사이의 상호균형과 의존성을 가진 최적 FNN 모델구조를 설계하는 것이 유용하고 효과적임을 보인다. 제안된 모델을 평가하기 위해 가스로의 시계열 데이터와 수리공정을 사용한다. This paper suggest an optimal identification method to complex and nonlinear system modeling that is based on Fuzzy-Neural Network(FNN). The FNNs use the simplified inference as fuzzy inference method and Error Back Propagation Algorithm as learning rule. In this paper, the FNN modeling implements parameter identification using HCM algorithm and optimal identification algorithm structure combined with two types of optimization theories for nonlinear systems, we use a HCM(Hard C-Means) Clustering Algorithm to find initial-parameters of membership function. The parameters such as parameters of membership functions, learning rates and momentum coefficients are adjusted using optimal identification algorithm. The proposed optimal identification algorithm is carried out using both a genetic algorithm and the improved complex method. Also, an aggregate objective function(performance index) with weighted value is proposed to achieve a sound balance between approximation and generalization abilities of the model. According to selection and adjustment of a weighting factor of an aggregate objective function which depends on the number of data and a certain degree of nonlinearity (distribution of I/O data), we show that it is available and effective to design an optimal FNN model structure with a mutual balance and dependency between approximation and generalization abilities. To evaluate the performance of the proposed model, we use the time series data for gas furnace and the data of sewage treatment process.
박호성,박병준,오성권 圓光大學校大學院 1999 論文集 Vol.23 No.-
본 논문은 복잡한 비선형 시스템의 모델동정을 위해 다층 퍼지 추론 구조를 가지는 FPNN(Fuzzy Polynomial Neural Network) 알고리즘을 제안한다. 제안된 FPNN은 PNN(Polynomial Neural Network)과 퍼지 추론 방법을 이용하여 시스템의 구조와 파라미터를 동정한다. PNN은 GMDH(Group Method of Data Handling) 알고리즘의 확장된 구조이고, GMDH에서 사용되는 2차 다항식 이외에 1차, 2차 및 변형된 2차와 같은 여러 형태의 다항식을 이용한다. 퍼지 추론 방법에서는 간략 및 회귀다항식 추론 방법이 이용된다. 여기서 회귀다항식 추론은 1차, 2차 및 변형된 2차 방정식과 같은 다항식을 가진 퍼지 규칙의 후반부 구조에 기초한다. 퍼지 규칙의 전반부는 삼각형과 가우시안 멤버쉽 함수(membership function)를 사용한다. FPNN 구조는 PNN 구조와 퍼지 추론 방법의 상호 결합을 통하여 생성된다. FPNN의 각 노드는 퍼지 규칙으로 정의되고, 그 구조는 일종의 뉴로-퍼지 구조이다. 제안된 모델의 성능 평가를 위해 가스로 데이터를 사용한다. The FPNN structure is generated from the mutual combination of PNN(Polynomial Neural Network) structure and fuzzy inference method. The PNN extended from the GMDPKGroup Method of Data Handling) uses several types of polynomials such as linear, quadratic and modified quadratic besides the biquadratic polynomial used in the GMDH. In the fuzzy inference method, simplified and regression polynomial inference method which is based on the consequence of fuzzy rule expressed with a polynomial such as linear, quadratic and modified quadratic equation are used. Premise of fuzzy rules uses triangular and gaussian membership function. Each node of the FPNN is defined as a fuzzy rule and its structure is a kind of neuro-fuzzy. Gas furnace data used to evaluate the performance of our proposed model.