$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

EM 알고리즘에 의한 퍼지 규칙생성과 온도 제어 시스템의 설계
A Fuzzy Rule Extraction by EM Algorithm and A Design of Temperature Control System 원문보기

照明·電氣設備學會論文誌 = Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, v.16 no.5, 2002년, pp.104 - 111  

오범진 (충북대 전기전자 및 컴퓨터공학부) ,  곽근창 (충북대학교 BK21사업단) ,  유정웅 (충북대 전기전자 및 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 EM(Expectation-Maximization) 알고리즘을 이용한 자동적인 퍼지 규칙생성과 적응 뉴로-퍼지 제어기(Adaptive Neuro-Fuzzy Controller)의 설계를 제안한다. EM 알고리즘은 가우시안 혼합모델(Gaussian Mixture Model)의 최대우도추정(Maximum Likelihood Estimate)을 위해 사용되어지며 본 논문에서는 규칙생성을 위해 클러스터 중심을 추정한다. 추정된 클러스터는 ANFIS(Adaptive Neuro-Fuzzy Inference System)의 퍼지 규칙과 소속함수를 구축하는데 사용되어진다. 시뮬레이션으로 제안된 적응 뉴로-퍼지 제어기의 성능을 입증하기 위해 목욕물 온도 제어 시스템에 대해 다루고 기존 퍼지 제어기에 비해 적은 규칙의 수와 작은 값의 SAE(Sum of Absolute Error)으로 성능개선을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper presents a fuzzy rule extraction method using EM(Expectation-Maximization) algorithm and a design method of adaptive neuro-fuzzy control. EM algorithm is used to estimate a maximum likelihood of a GMM(Gaussian Mixture Model) and cluster centers. The estimated clusters is used to automatic...

주제어

#Expectation-Maximization   #Adaptive Neuro-Fuzzy Control   #Gaussian Mixture Model   #ANFIS  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서 제안된 뉴로-퍼지 제어기를 이용하여 목욕물 온도 제어 시스템에 대해 다루고자 한다. 여기서 다룬 시스템은 Yamato Science Inc.
  • 본 논문에서는 EM 알고리즘을 이용한 자동적인 퍼지 규칙생성과 적응 뉴로-퍼지 제어기의 설계 방법을 제안하였다. EM 알고리즘은 가우시안 혼합모델의 최대우도 추정을 위해 사용되어지며 본 논문에서는 규칙생성을 위해 클러스터 중심을 추정하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (9)

  1. M. Sugemo, T. Yasukawa, "A fuzzy-logic based approach to qualitative modeling", IEEE Trans. on Fuzzy Systems, Vol. 3, No. 1, pp. 7-31, 1993. 

  2. K. M Passino, S. Yurkovich, Fuzzy Control, Addison Wesley, 1997. 

  3. J. A. K. Suykens, et al, Artificial Neural Networks for Modelling and Control of Non-Linear Systems, Kluwer Academic Publishers, 1996. 

  4. J. S. R. Jang, C. T. Sun, E. Mizutani, Neuro-Fuzzy and Soft Computing : A Computational Approach to Learning and Machine Intelligence, Prentice Hall, 1997. 

  5. E. Alpaydin, "Soft vector quantization and the EM algorithm", Neural Networks, Vol. 11, pp. 467-477, 1998. 

    상세보기 crossref

  6. J. S. R. Jang, ANFIS: Adaptive-Networks-based Fuzzy Inference System", IEEE Trans. on System, Man, and Cybern., Vol. 23, No. 3, pp. 665-685, 1993. 

    상세보기 crossref

  7. C. T. Lin, C. F. Juang, C. P. Li, "Water bath temperature control with a neural fuzzy inference network", Fuzzy Sets and Systems, Vol. 111, pp. 285-306, 2000. 

    상세보기 crossref

  8. J. Bezdek, R. Hathaway, M. Sabin and W. Tucker, Convergence Theory for Fuzzy C-Means : Counter Examples and Repairs, CRC Press, Chap. 8, 1987. 

  9. R. R. Yager, D. P. Filev, "Generation of fuzzy rules by mountain clustering", Journal of Intelligent and fuzzy system", Vol. 2, pp. 209-219, 1994. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로