[전기전자] G-K 클러스터링을 이용한 뉴로-퍼지 모델링

소개

졸업논문입니다

목차

I. 서 론

II. 본 론
1. 퍼지 논리
(1) 퍼지 시스템
(2) 규칙 기반 퍼지 모델
(3) 퍼지 IF-THEN 규칙
(4) 퍼지 관계
2. 신경회로망
3. 뉴로 퍼지 모델
4. FCM 클러스터링
5. 공분산 행렬과 퍼지 공분산 행렬
6. Gustafson-Kessel 클러스터링 알고리즘
7. 제안된 뉴로-퍼지 시스템

III. 시뮬레이션 및 결과

IV. 결 론

V. 참 고 문 헌

본문내용

Summary
본 논문에서는 뉴로-퍼지 모델의 구조 및 성능 개선을 위하여 Gustafson-Kessel 클러스터링 알고리즘을 이용하였다[6]. 일반적인 뉴로-퍼지 모델은 좋은 성능을 발휘함에도 불구하고 몇 가지 문제점을 가지고 있었다. 주어진 데이터를 이용하여 모델을 생성하고 학습을 하고자 할 때 발생하는 문제로써, 기본적인 규칙 생성문제는 입력의 수나 차원이 증가할수록 지수함수 형태로 증가하는 문제를 가지고 있다. 또한 뉴로-퍼지 모델의 특성상 주어진 초기 파라미터에 의하여 국부적 수렴을 통한 최적화가 이루어지므로 전역적 최적해를 찾지 못하는 문제가 있다. 이러한 문제를 동시에 해결할 수 있는 방법 중 하나가 클러스터링에 의한 전제부 퍼지 소속함수의 생성이다. 논문에서는 G-K 클러스터링을 이용하여 입력의 수나 소속함수의 수가 증가하여도 퍼지 규칙의 수가 어느 정도 제한이 되는 클러스터링을 이용하여 퍼지 규칙의 지수함수적인 증가를 억제하였고 또한 퍼지 공분산 행렬을 이용한 Mahalanobis 노름을 이용하여 유클리디언 노름에서 발생할 수 있는 문제점을 해결하고자 하였다.
이렇게 최적화된 파라미터를 뉴로-퍼지 모델에 적용하여 성능을 개선하고자 하였다. 제안된 논문의 유용성을 시뮬레이션을 통하여 보이고자 한다.

참고자료

· [1]Tzung-Pei Hong, Chai-Ying Lee "Induction of fuzzy rules and membership functions from training examples", fuzzy set and Systems, volume 84, issue 1, pp. 33-47, 1996.
· [2]Witold Pedrycz, "Conditional Fuzzy C-Means" Pattern Recognition Letters, Volume 17, Issue 6, pp. 625-631, 1996.
· [3]J-S. R. Jang, "Input Selection for ANFIS Learning", Preceeding of the 5th IEEE International Conference of Fuaay Systems, Vol. 2, pp. 1493-1499, 1996
· [4]Jyh-Shing Roger Jang, "Adaptive-Network-Based Fuzzy Inference System",Systems, Man and Cybernetics, IEEE Transactions on , Vol. 23, pp. 665 -685, May-June 1993.
· [5]Dae Sik Jang, Hyung il Choi,"Learning and inference system with fuzzy neural network" Soong Sil University, Dept. of Computer Science, 1995.
· [6]Raghu Krishnapuram & Jongwoo Kim "A Note on the Gustafson and Adaptive Fuzzy clustering Algorithms" IEEE Transactions on Fuzzy Systems, vol. 7, NO4. 1999.
· [7]S. K. Oh, Witold Pedrycz, "Identification of Fuzzy Systems by means of an auto-tuning algorithm and its application to nonlinear systems", Fuzzy Sets and Systems, Vol. 115, pp. 205-230, 2000.
· [8]S. S. Kim, K. C. Kwak, S. S. Kim, J. W. Ryu, M. G. Chun, "A Novel Neuro Fuzzy medeling using the Gaussian Mixture Model", ICCAS 2002, 2002.
· [9]W. S. McCulloch and W. H. Pitts, "A logical calculus for the ideas immanent in nervous activity", Bulletin of Mathematical Biophysics, vol. 5, pp. 115-133, 1943.
· [10]W. H. Pitts and W. S. McCulloch, "How we know universals: The perception of auditory and visual forms", Bulletin of Mathematical Biophysics, vol. 9, pp. 127-147, 1947.
· [11]D. O. Hebb, The Organization of Behavior, John Wiley, Newyork, NY, 1949.
· [12]F. Rosenblatt, "The perception, a probabilistic model for information storage and organization in the brain", Psychol, Rev., vol. 65, pp. 368-408, 1958.
· [13]L.A. Zadeh, "Outline of a New Approach to the Analysis of Complex Systems and Decision Process", IEEE Trans. Systems, Man and Cybernetics, SMC-3-1, pp. 28-44, 1973.
· [14]E.H. Mamdani, "Application of fuzzy logic to approximate reasoning using linguistic systems", Fuzzy Sets and Systems 26, pp. 1182-1191, 1977.
· [15]T. Takagi and M. Sugeno, "Fuzzy Identification of Systems and Its Applications to Modelling and Control", IEEE Trans. on SMC, 15-1, pp. 116-132, 1985.
· [16]J.-S.<font color=aaaaff<font color=aaaaff>..</font>