earticle

영어

In this paper, we introduce four kinds of newly hybridized intelligent systems with various structural characteristics based on the representative fuzzy model such as polynomial fuzzy inference system and Mamdani fuzzy model as the follows. We propose Information Granulation based generalized fuzzy inference system, which has the characteristics of polynomial fuzzy inference system and Mamdani fuzzy model, using granular computing. For the conventional polynomial fuzzy inference system, we assume that the weighting factor of each fuzzy rule is equal (equal to 1). However, we assume that the weighting factor of each fuzzy rule for generalized fuzzy inference system is not equal. There is an advantage that we can decide how important each rule is and how much each rule can affect on the result of fuzzy model on generalized fuzzy inference system. Meanwhile the weighting factors of generalized fuzzy inference system increase the number of parameters which should be tuned. The increase of the parameters could lead to the worse performance of generalized fuzzy inference system. In this thesis, to alleviate this drawback of generalized fuzzy inference system, we introduce the modified and advanced genetic algorithm in order to optimize parameters.

한국어

본 논문에서는 대표적인 퍼지 추론 시스템인 회귀 다항식 퍼지 추론 시스템과 Mamdani 퍼지 추론 시스템을 기반으로 하여 다양한 구조를 가진 지능형 시스템을 제안한다. 회귀 다항식 퍼지 모델과 Mamdani 퍼지 모델의 특성을 동시에 표현 할 수 있는 일반화된 회귀 다항식 퍼지 모델(Generalized Regression Polynomial Fuzzy Model)에 Granular computing을 이용하여 퍼지 Information Granulation 기법을 결합한 정보 입자 기반 일반화된 퍼지 추론 시스템을 제안 한다. 퍼지 규칙들의 하중계수(weighting factor), (즉 퍼지 규칙이 퍼지 추론 시스템의 최종 출력에 영향을 주는 정도)가 모두 동일하다고 가정하고 모델을 설계▪구축하는 일반적인 회귀 다항식 퍼지 모델과는 달리 일반화된 퍼지 추론 시스 템은 퍼지 규칙들의 하중 계수가 각기 다르다고 가정하고 모델을 설계▪학습▪구축한다. 그러므로 일반화된 퍼지 추론 시스템에서는 회귀 다항식 퍼지 추론 시스템이 가지는 이러한 획일성(모든 퍼지 규칙의 하중계수가 동일하다)을 벗어 나, 각 규칙들 사이의 중요도를 자유롭게 조절할 수 있는 장점을 가지게 된다. 다른 한편으로는 회귀 다항식 퍼지 추론 시스템에서는 동조할 필요가 없는 하중계수의 추가 동조를 일반화된 퍼지 추론 시스템에서는 수행해야하기 때문에 동 조할 파라미터 수의 증가로 인하여 오히려 모델의 성능을 나쁘게 하는 경우도 발생 할 수 있게 된다. 본 논문에서는 이런 문제점을 극복하기 위하여, 진보된 유전자 알고리즘을 사용하여 최적의 파라미터를 동조한다.