부가정보를 이용한 조건부 Fuzzy C-Regression Model 클러스터링 알고리즘 기반 RBFNN 모델 설계 (Design of Conditional Fuzzy C-Regression Model Clustering-based RBFNN Model Realized with the Aid of Auxiliary Information)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 30권 / 2호 / 167 ~ 172페이지
· 저자명 : 박상범, 오성권

초록

Fuzzy C-Regression Model(FCRM) 클러스터링은 Fuzzy C-Means(FCM) 클러스터링과는 다르게각 클러스터의 중심을 직선으로 나타내는 방법이다. 데이터의 실제 출력값을 사용한다는 것이 FCRM 클러스터링의 약점으로 작용한다. 본 논문에서는, 실제 출력값을 사용하지 않기 위해 FCRM 클러스터링의 목적함수를 개선하였고, 개선된 FCRM 클러스터링에 부가정보가 추가된 조건부 FCRM 클러스터링 기반 방사형 기저함수 신경회로망(Radial Basis Function Neural Network, RBFNN) 모델을 설계한다. 조건부 FCRM 클러스터링의 부가정보는 데이터의 실제 출력과 FCRM 클러스터링 기반RBFNN 모델의 출력 차이(오차)의 절댓값을 정규화한 값을 사용한다. 조건부 FCRM 클러스터링을사용하여 구한 멤버쉽값 (소속정도)은 은닉층 노드의 출력값으로 이용된다. 은닉층과 출력층 사이의연결가중치는 최소제곱 추정 (Least Square Estimation, LSE)을 사용하여 학습한다. 제안된 모델의성능지수는 평균 제곱근 오차(Root Mean Squared Error, RMSE)를 적용하여 평가한다. 조건부FCRM 클러스터링 기반 RBFNN 모델은 다양한 모델의 성능과 비교해서 우수성을 보여준다.

영어초록

Unlike fuzzy c-means(FCM)　clustering, fuzzy c-regression model(FCRM) clustering is a method that represents the center of each cluster as a line. The thing utilizing the actual value of the output data acts as a weakness of the FCRM　clustering. In this paper, we improve the objective function of the FCRM clustering in order not to use the actual output value, and design a radial basis function neural network(RBFNN) model using conditional fuzzy c-regression model(CFCRM) clustering which added auxiliary information into the advanced FCRM clustering. The auxiliary information of CFCRM clustering uses a value, which normalizing absolute value of difference(error) of the actual output of the data and the output of the FCRM clustering-based RBFNN model. The membership grades(degree of belonging) obtained by using CFCRM clustering are exploited as the outputs of the nodes of hidden layer. The connection weights between hidden layer and output layer are trained with the aid of least square estimation(LSE). By applying root mean squared error (RMSE), the performance index of the proposed model is evaluated. CFCRM clustering-based RBFNN model shows the superiority when compared to the performance of the various models.

참고자료

· 없음