본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

고급 뉴로퍼지 다항식 네트워크의 해석과 설계
The Analysis and Design of Advanced Neurofuzzy Polynomial Networks

박병준   (원광대학교 전기전자·정보공학부UU0001021  ); 오성권   (원광대학교 전기전자·정보공학부UU0001021  );
  • 초록

    본 연구는 뉴로퍼지 네트워크와 다항식 뉴럴네트워크를 합성한 하이브리드 모델링 구조인 고급 뉴로퍼지 다항식 네트워크(Advanced neurofuzzy polynomial networks ; ANFPN)를 제안한다. 제안된 네트워크 구조는 높은 비선형 규칙 기반 모델로, CI(Computational Intelligence)의 기술, 즉 퍼지집합, 뉴럴네트워크, 유전자 알고리즘에 의해 설계되어진다. 뉴로퍼지 네트워크는 ANFPN 구조의 전반부를, 다항식 뉴럴네트워크는 후반부를 구성한다. ANFPN의 전반부에서, 뉴로퍼지 네트워크는 간략추론, 오류역전파 학습 규칙을 이용한다. 멤버쉽함수의 파라미터, 학습율, 모멘텀 계수는 유전자 최적화를 이용하여 조절된다. ANFPN의 후반부 구조로서 다항식 뉴럴네트워크는 학습을 통해 생성되는(전개되는) 유연한 네트워크 구조이다. 특히 다항식 뉴럴네트워크의 층과 노드 수는 고정되어 있지 않고 동적으로 생성된다. 본 연구에서는, 2가지 형태의 ANFPN 구조를 제안한다. 즉 기본 구조와 변형된 구조이다. 여기서 기본 구조와 변형된 구조는 다항식 뉴럴네트워크 구조의 각 층에서 입력변수의 수와 회귀다항식의 차수에 의존한다. 두 결합 구조의 특징 때문에 공정 시스템의 비선형적인 특성을 고려할 수 있고 보다 우수한 예측능력을 가진 좋은 출력선응을 얻을 수 있게 한다. ANFPN의 유용성과 실용성은 2개의 수치 예제를 통해 논의된다. 제안된 ANFPN은 기존의 모델보다 높은 정밀도와 예측능력을 가진 모델을 생성함을 보인다.


    In this study, we introduce a concept of advanced neurofuzzy polynomial networks(ANFPN), a hybrid modeling architecture combining neurofuzzy networks(NFN) and polynomial neural networks(PNN). These networks are highly nonlinear rule-based models. The development of the ANFPN dwells on the technologies of Computational Intelligence(Cl), namely fuzzy sets, neural networks and genetic algorithms. NFN contributes to the formation of the premise part of the rule-based structure of the ANFPN. The consequence part of the ANFPN is designed using PNN. At the premise part of the ANFPN, NFN uses both the simplified fuzzy inference and error back-propagation learning rule. The parameters of the membership functions, learning rates and momentum coefficients are adjusted with the use of genetic optimization. As the consequence structure of ANFPN, PNN is a flexible network architecture whose structure(topology) is developed through learning. In particular, the number of layers and nodes of the PNN are not fixed in advance but is generated in a dynamic way. In this study, we introduce two kinds of ANFPN architectures, namely the basic and the modified one. Here the basic and the modified architecture depend on the number of input variables and the order of polynomial in each layer of PNN structure. Owing to the specific features of two combined architectures, it is possible to consider the nonlinear characteristics of process system and to obtain the better output performance with superb predictive ability. The availability and feasibility of the ANFPN are discussed and illustrated with the aid of two representative numerical examples. The results show that the proposed ANFPN can produce the model with higher accuracy and predictive ability than any other method presented previously.


  • 주제어

    Neurofuzzy networks(NFN) .   Polynomial neural networks(PNN) .   Advanced neurofuzzy polynomial networks(ANFPN) .   Computational Intelligence(Cl) .   Group method of data handling(GMDH) .   Genetic algorithms (GAs).  

  • 참고문헌 (18)

    1. David E. Goldberg, Genetic Algorithms in search, Optimization & Machine Learning, Addison-wesley, 1989 
    2. Zbigniwe Michalewicz, Genetic Algorithms+Data Structue=Evolution Programs, Springer-Verlag, 1992 
    3. 박병준, 오성권, 안태천, 김현기, '유전자 알고리즘과 하중값을 이용한 퍼지 시스템의 최적화,' 대한전기학회논문지, 제48A권, 제6호, pp. 789-799, 1999     
    4. 오성권, 박병준, 박춘성, '적응 퍼지-뉴럴네트워크를 이용한 비선형 공정의 온라인 모델링,' 대한전기학회논문지, 제48A권, 제10호, pp. 1293-1302, 1999     
    5. 오성권, 김동원, 박병준, '다항식 뉴럴네트워크 구조의 최적 설계에 관한 연구,' 대한전기학회논문지, 제49D권, 3호, pp. 145-156, 2000     
    6. E.T. Kim, M.K. Park, S.H. Ji and M. Park, 'A new approach to fuzzy modeling,' IEEE Trans. on Fuzzy systems, Vol. 5, No. 3, pp. 328-337, 1997 
    7. E. Kim, H. Lee, M. Park and M. Park, 'A simply identified Sugeno-type fuzzy model via double clustering,' Information Sciences, Vol. 110, pp. 25-39, 1998 
    8. G.E. Box and G.M. Jenkins, Time Series Analysis : Forecasting and Control, Holden-day, 1970 
    9. Y. Lin and G.A. Cunningham III, 'A new approach to fuzzy-neural modeling,' IEEE Trans. on Fuzzy Systems, Vol. 3, No. 2, pp. 190-197, 1995 
    10. S.K. Oh and W. Pedrycz, 'Fuzzy Identification by Means of Nonlinear Systems,' Fuzzy Sets and Syst., Vol. 115, No. 2, pp. 205-230, 2000 
    11. Takeshi Yamakawa, 'A New Effectie Learning Algorithm for a Neo Fuzzy Neuron Model,' 5th IFSA World Conference, pp. 1017-1020, 1993 
    12. M. Sugeno and T. Yasukawa, 'A Fuzzy-Logic-Based Approach to Qualitative Modeling,' IEEE Trans. on Fuzzy systems, Vol. 1, No. 1, pp. 7-31, 1993 
    13. A.F. Gomez Skarmeta, M. Delgado and M.A. Vila, 'About the use of fuzzy clustering techniques for fuzzy model identification,' Fuzzy Sets and Systems, Vol. 106, pp. 179-188, 1999 
    14. H. Takagi and I. Hayashi, 'NN-driven Fuzzy Reasoning,' Int. J. of Approximate Reasoning, Vol. 5, No. 3, pp. 191-212, 1991 
    15. Shin ichi Horikawa, Takeshi Furuhashi and Yoshiki Uchigawa, 'On Fuzzy Modeling Using Fuzzy Neural Networks with the Back Propagation Algorithm,' IEEE trans. Neural Networks, Vol. 3, No. 5, pp. 801-806, 1992 
    16. N. Imasaki, J. Kiji and T. Endo, 'A Fuzzy Rule Structured Neural Networks,' Journal of Japan Society for Fuzzy Theory and Systems, Vol. 4, No. 5, pp. 985-995, 1992(in Japanese) 
    17. H. Nomura and Wakami, 'A Self-Tuning Method of Fuzzy Control by Descent Methods,' 4th IFSA World Conference, pp. 155-159, 1991 
    18. A.G. Ivahnenko, 'The group method of data handing : a rival of method of stochastic approximation,' Soviet Automatic Control, Vol. 13, No. 3, pp. 43-55, 1968 
  • 이 논문을 인용한 문헌 (2)

    1. 2004. "" 퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems, 14(5): 660~665     
    2. Park Byoung-Jun ; Kim Hyun-Ki ; Oh Sung-Kwun 2005. "Genetically Optimized Rule-based Fuzzy Polynomial Neural Networks" 제어·자동화·시스템공학 논문지 = Journal of control, automation and systems engineering, 11(2): 127~136     

 저자의 다른 논문

  • 박병준 (12)

    1. 2000 "다항식 뉴럴네트워크 구조의 최적 설계에 관한 연구" 전기학회논문지. The transactions of the Korean Institute of Electrical Engineers. D / D, 시스템 및 제어부문 49 (3): 145~156    
    2. 2001 "Advanced Polynomial Neural Networks Architecture with New Adaptive Nodes" Transactions on control, automation and systems engineering 3 (1): 43~50    
    3. 2002 "퍼지뉴럴 네트워크와 자기구성 네트워크에 기초한 적응 퍼지 다항식 뉴럴네트워크 구조의 설계" 제어·자동화·시스템공학 논문지 = Journal of control, automation and systems engineering 8 (2): 126~135    
    4. 2003 "Rule-Based Fuzzy Polynomial Neural Networks in Modeling Software Process Data" International Journal of Control, Automation and Systems 1 (3): 321~331    
    5. 2004 "진화론적 최적 자기구성 다항식 뉴럴 네트워크" 전기학회논문지. The transactions of the Korean Institute of Electrical Engineers. D / D, 시스템 및 제어부문 53 (1): 40~49    
    6. 2004 "진화론적 최적 뉴로퍼지 네트워크: 해석과 설계" 전기학회논문지. The transactions of the Korean Institute of Electrical Engineers. D / D, 시스템 및 제어부문 53 (8): 561~570    
    7. 2004 "The Design of Genetically Optimized Multi-layer Fuzzy Neural Networks" 퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems 14 (5): 660~665    
    8. 2004 "Self-Organizing Polynomial Neural Networks Based on Genetically Optimized Multi-Layer Perceptron Architecture" International Journal of Control, Automation and Systems 2 (4): 423~434    
    9. 2005 "퍼지관계와 유전자 알고리즘에 기반한 진화론적 최적 퍼지다항식 뉴럴네트워크: 해석과 설계" 퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems 15 (2): 236~244    
    10. 2006 "인체 광인식에 있어서 전자파에 의한 뇌파 변화" 전기학회논문지. The transactions of the Korean Institute of Electrical Engineers. D / D, 시스템 및 제어부문 55 (2): 82~89    

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
  • NDSL :
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 출판된 논문 + 더보기