$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

하이브리드 동정 알고리즘에 의한 최적 퍼지 시스템에 관한 연구

A Study on Optimal fuzzy Systems by Means of Hybrid Identification Algorithm

초록

복잡하고 비선형적인 시스템의 규칙베이스 퍼지모델링을 위하여 퍼지시스템의 최적 동정알고리즘을 연구한다. 비선형 시스템은 퍼지모델의 입력변수와 퍼지 입력공간 분할에 의한 구조동정과 파라미터 동정을 통해 표현된다. 본 논문에서 규칙베이스 퍼지모델링은 비선형 시스템을 위해 퍼지추론방법과 두 종류의 최적화 이론의 결합에 의한 하이브리드 구졸를 이용하여 시스템 구조와 파라미터동정을 수행한다. 퍼지모델의 추론방법은 간략추론 및 선형추론에 의한다. 제안된 하이브리드 최적 동정 알고리즘은 유전자 알고리즘과 개선된 콤플렉스 방법을 이용한다. 여기서 유전자 알고리즘은 전반부 퍼지규칙의 멤버쉽함수의 초기 파라미터들을 결정하기 위해 사용되고 강력한 자동동조 알고리즘인 개선된 콤플렉스 방법은 정교한 파라미터들을 얻기 위해 수행된다. 따라서 최적 퍼지모델을 위해 전반부 파라미터 동정에는 하이브리드형의 최적 알고리즘을 이용하고 후반부 동정에는 최소자승법을 이용한다. 또한 학습과 테스트 데이터에 의해 생성된 퍼지모델의 성능결과 사이의 상호균형을 얻기 위해 하중계수를 가지는 합성 성능지수를 제안한다. 제안된 모델의 성능평가를 위해 두가지 수치적 예를이용한다.

Abstract

The optimal identification algorithm of fuzzy systems is presented for rule-based fuzzy modeling of nonlinear complex systems. Nonlinear systems are expressed using the identification of structure such as input variables and fuzzy input subspaces, and parameters of a fuzzy model. In this paper, the rule-based fuzzy modeling implements system structure and parameter identification using the fuzzy inference methods and hybrid structure combined with two types of optimization theories for nonlinear systems. Two types of inference methods of a fuzzy model are the simplified inference and linear inference. The proposed hybrid optimal identification algorithm is carried out using both a genetic algorithm and the improved complex method. Here, a genetic algorithm is utilized for determining initial parameters of membership function of premise fuzzy rules, and the improved complex method which is a powerful auto-tuning algorithm is carried out to obtain fine parameters of membership function. Accordingly, in order to optimize fuzzy model, we use the optimal algorithm with a hybrid type for the identification of premise parameters and standard least square method for the identification of consequence parameters of a fuzzy model. Also, an aggregate performance index with weighting factor is proposed to achieve a balance between performance results of fuzzy model produced for the training and testing data. Two numerical examples are used to evaluate the performance of the proposed model.

참고문헌 (21)

  1. Synthesis of fuzzy models for industrial processes , R.M. Tong , Int. J. Gen. Syst. / v.4,pp.143-162, 1978
  2. Validity measure for fuzzy cluster , L.X. Xuanli;B. Gerado , IEEE Trans. Pattern Anal. Machine Intell. / v.PAMI-13,pp.841-847, 1991
  3. Fuzzy Identification by means of Auto-Tuning Algorithm and Weighting Factor , C.S. Park;S.K. Oh;W. Pedrycz , The Third Asian Fuzzy Systems Symposium(AFSS) / v.,pp.701-706, 1998
  4. 유전자 알고리즘과 하중값을 이용한 퍼지시스템의 최적화 , 박병준;오성권;안태천;김현기 , 대한전기학회 논문지 / v.48A,pp.789-799, 1999
  5. Fuzzy system identification , C.W. Xu , IEEE Proceeding / v.126,pp.146-150, 1989
  6. Fuzzy model identification self-learning for dynamic system , C.W. Xu;Y. Zaulu , IEEE Trans. on Syst. Man, Cybern. / v.SMC-17,pp.683-689, 1987
  7. On identification in fuzzy systems and its applications in control problems , E. Czogola;W. Pedrycz , Fuzzy Sets and Syst. / v.6,pp.73-83, 1981
  8. Fuzzy identification of systems and its applications to modeling and control , T. Takagi;M. Sugeno , IEEE Trans. Sys. Cybern. / v.SMC-15,pp.116-132, 1985
  9. The evaluation of fuzzy models derived from experimental data , R.M. Tong , Fuzzy Sets and Syst. / v.13,pp.1-12, 1980
  10. Identification of Fuzzy Systems by means of an Auto-Tuning Algorithms and Its Application to Nonlinear Systems , S.K. Oh;W. Pedrycz , Fuzzy Sets and Syst. / v.,pp., 1999
  11. Zbigniwe Michalewicz , Genetic Algorithms + Data Structure = Evolution Programs / v.,pp., 1992
  12. David E. Goldberg , Genetic Algorithms in search, Optimization & Machine Learning / v.,pp., 1989
  13. 오성권 , 퍼지모델 및 제어이론과 프로그램 / v.,pp., 1999
  14. Lingustic modeling based on numerical data , M. Sugeno;T. Yasukawa , IFSA'91 Brussels, Computer, Management & System Science / v.,pp.264-267, 1991
  15. Fuzzy Identification by Means of an Auto-Tuning Algorithm and a Weighted Performance Index , S.K. Oh , 한국 퍼지 및 지능 시스템학회 논문지 / v.8,pp.106-108, 1998
  16. Numerical and application aspects of fuzzy relational equations , W. Pedrycz , Fuzzy Sets and Syst. / v.11,pp.1-18, 1983
  17. Soft Clustering Algorithm and Validity of Solutions , M.A. Ismail;M.M. Gupta(ed.) , Fuzzy Computing Theory, Hardware and Applications / v.,pp.445-471, 1988
  18. An identification algorithm in fuzzy relational system , W. Pedrycz , Fuzzy Sets and Syst. / v.13,pp.153-167, 1984
  19. Box;Jenkins , Time Series Analysis, Forcasting and Control / v.,pp., 0000
  20. 활성오니공정의 퍼지 모델링과 제어시스템 , 오성권;김현기;우광방 , 대한 전기학회 논문집 / v.40,pp.1072-1083, 1990
  21. Holland, J.H. , Adaptation in Neural and Artificial Systems-An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence / v.,pp., 1992

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일