오차 보상을 위한 보상기 기반 방사형 기저함수 신경회로망 분류기 설계 (Design of Compensator-based Radial Basis Function Neural Network Classifier for Error Compensation)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 29권 / 3호 / 163 ~ 169페이지
· 저자명 : 박상범, 오성권

초록

본 연구에서는 효과적인 오차 보상을 위한 퍼지 보상기 기반 방사형 기저함수 신경회로망(RBFNN) 분류기를 설계한다.
오차는 실제 출력과 RBFNN 분류기에서 구한 출력의 차이를 의미하고 이는 보상기의 교사신호로 간주한다. 교사신호를기반으로, 보상기는 최소자승법을 사용하여 연결가중치를 추정하고 보상기의 출력을 계산한다. 보상기는 퍼지집합기반신경회로망(FsNN) 분류기를 사용하였다. RBFNN 분류기와 보상기의 연결가중치는 상수항(Constant)을 사용하여학습하였다. 본 연구에서는 UCI repository에서 얻은 다양한 기계학습 데이터를 사용하여 보상기 기반 방사형 기저함수신경회로망 분류기의 분류지수를 평가한다. 보상기 기반 RBFNN 분류기는 기존에 사용한 RBFNN 분류기에 비해 제안된분류기와의 분류지수와 성능지수를 비교하는 관점에서 우수성을 보여준다.

영어초록

In this study, a radial basis function neural network(RBFNN) classifier designed with aid of a fuzzy compensator is introduced for the effective compensation of errors. The errors considered as the supervised signal to learn the compensator mean the difference between the real output and the output of the RBFNN classifier. Based on the supervised signal, the connection weights of the compensator are estimated by using least square estimation(LSE) and also used to calculate the output of the compensator. Fuzzy set-based neural network (FsNN) classifier is exploited as the compensator. In the case of both RBFNN classifier and the compensator, the constants are used as the connection weights. In this study, various benchmark datasets which are obtained from UCI repository are exploited to evaluate the classification index of the compensator-based RBFNN classifier. It is shown that the compensator-based RBFNN classifier is preferred when compared to the conventional RBFNN classifiers in terms of the classification index and performance index.

참고자료

· 없음