$\require{mediawiki-texvc}$

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.

비선형 공정을 위한 FCM 클러스터링 알고리즘 기반 퍼지 추론 시스템
Fuzzy Inference Systems Based on FCM Clustering Algorithm for Nonlinear Process 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.5 no.4, 2012년, pp.224 - 231  

박건준 (원광대학교 정보통신공학과) ,  강형길 (원광대학교 전기.정보통신공학부) ,  김용갑 (원광대학교 정보통신공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 비선형 공정을 퍼지 모델링하기 위해 FCM 클러스터링 알고리즘을 기반으로 하는 퍼지 추론 시스템을 소개한다. 비선형 공정에 대한 퍼지 규칙의 생성은 일반적으로 차원이 증가할수록 규칙의 수가 지수적으로 증가하는 문제를 가지고 있다. 이를 해결하기 위해, FCM 클러스터링 알고리즘을 이용하여 입력 공간을 분산 형태로 분할함으로써 퍼지 모델의 규칙을 생성한다. 퍼지 규칙의 전반부 파라미터는 FCM 클러스터링 알고리즘에 의한 소속행렬로 결정된다. 퍼지 규칙의 후반부는 다항식 함수의 형태로 표현되며, 각 규칙의 후반부 파라미터들은 표준 최소자승법에 의해 동정된다. 마지막으로, 비선형 공정의 특성 및 성능을 평가하기 위하여 비선형 공정으로는 널리 이용되는 데이터를 이용한다.

Abstract AI-Helper 아이콘AI-Helper

In this paper, we introduce a fuzzy inference systems based on fuzzy c-means clustering algorithm for fuzzy modeling of nonlinear process. Typically, the generation of fuzzy rules for nonlinear processes have the problem that the number of fuzzy rules exponentially increases. To solve this problem, ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 FCM 클러스터링 알고리즘[11]에 의한 분산 형태의 입력 공간 분할 및 퍼지 추론 방법에 의한 퍼지 추론 시스템의 제안하고 비선형 공정에 대해 입출력 특성을 분석한다. 퍼지 규칙은 FCM 클러스터링 알고리즘에 의해 입력 공간을 분산 형태로 분할하여 각각의 분할된 지역 공간이 하나의 규칙을 갖도록 형성한다.
  • 본 논문에서는 비선형 공정에 대한 성능 평가의 척도로 사용되고 있는 가스로 공정[12]을 사용하여 제안된 퍼지 모델을 평가한다. 모델의 평가 기준인 성능지수는 가스로 공정에 대해서 MSE (Mean Squared Error)를 이용한다.
  • 본 논문에서는 입력 공간을 분할 형태로 분할하는 방식을 제안한다. 입력 공간을 분산 형태로 분할하는 방식은 FCM 클러스터링 알고리즘[11]에 의해 수행되고 그림 1에서 보여준다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
퍼지 모델 동정에서 퍼지 규칙의 전반주 동정은 무엇이 필요한가? 퍼지 모델 동정에서 퍼지 규칙의 전반부 동정은 입력 공간의 퍼지 분할 및 소속 함수의 결정 그리고 소속 함수의 파라미터 결정이 필요하다.
퍼지규칙은 어떻게 형성하는가? 본 논문에서는 FCM 클러스터링 알고리즘[11] 에 의한 분산 형태의 입력 공간 분할 및 퍼지 추론 방법에 의한 퍼지 추론 시스템의 제안하고 비선형 공정에 대해 입출력 특성을 분석한다. 퍼지규칙은 FCM 클러스터링 알고리즘에 의해 입력 공간을 분산 형태로 분할하여 각각의 분할된 지역 공간이 하나의 규칙을 갖도록 형성한다. 전반부 파라미터의 동정에는 FCM 클러스터링 알고리즘에 의한 소속 행렬에 의해 결정된다.
자기 학습 알고리즘의 문제점은 무엇인가? 언어적접근방식에서, Tong은 논리적 조사 방법에 의해 가스로 공정을 동정하였고[8], Xu와 Zailu는 이방법의 수정으로 더 좋은 결과를 얻는 방법과 결정 테이블에 기초한 자기 학습 알고리즘을 제안 하였다. 이 알고리즘은 필요한 컴퓨터 용량 및 계산시간 때문에 고계다변수 시스템의 적용에 문제점을 발생시켰다[9, 10]. 퍼지 모델링에서 퍼지 규칙의 생성은 일반적으로 입력 공간의 분할하는 방법과 소속 함수 및 소속 함수의 수에 의해 결정되며, 고차원의 비선형 공정을 모델링하는 것은 무수히 많은 규칙 수를 갖는 한계를 갖고 있다.
질의응답 정보가 도움이 되었나요?

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