퍼지 클러스터링 기반 퍼지뉴럴네트워크 설계 및 적용

국문 초록 (Abstract)

본 논문에서는 FCM 클러스터링 알고리즘을 기반으로 하는 퍼지뉴럴네트워크를 제안한다. 일반적으로, 퍼지 규칙을 생성할 때 차원이 증가하면 퍼지 규칙의 수가 기하급수적으로 증가하는 문제를 가지고 있다. 이를 해결하기 위해, 제안된 네트워크의 퍼지 규칙은 FCM 클러스터링 알고리즘을 이용하여 입력 공간을 분산 형태로 분할함으로써 생성한다. 퍼지 규칙의 전반부 파라미터는 FCM 클러스터링 알고리즘에 의한 소속행렬로 결정된다. 퍼지 규칙의 후반 부는 다항식 함수의 형태로 표현되며, 퍼지뉴럴네트워크의 학습은 뉴런의 연결을 조절함으로써 실현되고, 오류 역전 파 알고리즘에 의해 행해진다. 마지막으로, 제안된 네트워크는 비선형 공정으로의 적용을 통해 성능을 평가한다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose the fuzzy neural networks based on fuzzy c-means clustering algorithm. Typically, the generation of fuzzy rules have the problem that the number of fuzzy rules exponentially increases when the dimension increases. To solve this problem, the fuzzy rules of the proposed networks are generated by partitioning the input space in the scatter form using FCM clustering algorithm. The premise parameters of the fuzzy rules are determined by membership matrix by means of FCM clustering algorithm. The consequence part of the rules is expressed in the form of polynomial functions and the learning of fuzzy neural networks is realized by adjusting connections of the neurons, and it follows a back-propagation algorithm. The proposed networks are evaluated through the application to nonlinear process.

참고문헌 (Reference)

1 박건준, "소속 함수에 의한 퍼지 추론 시스템의 입출력 공간 특성 및 성능 분석" 한국콘텐츠학회 11 (11): 74-82, 2011

2 박건준, "비선형 공정에서의 입력 공간 분할에 의한 퍼지 추론 시스템의 특성 분석" 한국콘텐츠학회 11 (11): 48-55, 2011

3 박건준, "개별 입력 공간에 의한 퍼지 추론 시스템의 비선형 특성" 한국산학기술학회 12 (12): 5164-5171, 2011

4 Box, "Time Series Analysis, Forcasting and Control"

5 K. C. Yoon, "The Design of Fuzz-Neural Networks Using FCM Algorithms" 803-805, 2000

6 J. C. Bezdek, "Pattern Recognition with Fuzzy Objective Function Algorithms" PlenumPress 1981

7 J.-S. R. Jang, "Neuro-Fuzzy And Soft Computing" Prentice-Hall 1997

8 J. N. Choi, "Genetic Optimization of Fuzzy C-Means-Based Fuzzy Neural Networks" 57 (57): 466-472, 2008

9 J. J. Buckley, "Fuzzy neural networks: A survey" 66 : 1-13, 1994

10 J. S. Roger Jang, "ANFIS : Adaptive-Network-based Fuzzy Inference Systems" 23 (23): 665-685, 1993

11 T. Yamakawa, "A Neo Fuzzy Neuron and Its Application to System Identication and Predition of the System Behavior" 447-483, 1992