Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Self-Organizing Fuzzy Modeling Using Creation of Clusters

클러스터 생성을 이용한 자기구성 퍼지 모델링

  • 고택범 (경주대학교 컴퓨터전자공학부)
  • Published : 2002.08.01
Download PDF
⟨ Previous Next ⟩

Abstract

This paper proposes a self-organizing fuzzy modeling which can create a new hyperplane-shaped cluster by applying multiple regression to input/output data with relatively large fuzzy entropy, add the new cluster to fuzzy rule base and adjust parameters of the fuzzy model in repetition. Tn the coarse tuning, weighted recursive least squared algorithm and fuzzy C-regression model clustering are used and in the fine tuning, gradient descent algorithm is used to adjust parameters of the fuzzy model precisely And learning rates are optimized by utilizing meiosis-genetic algorithm. To check the effectiveness and feasibility of the suggested algorithm, four representative examples for system identification are examined and the performance of the identified fuzzy model is demonstrated in comparison with that of the conventional fuzzy models.

본 논문에서는 상대적으로 큰 퍼지 엔트로피를 갖는 입력-출력 데이터 집단에 다중 회귀 분석을 적용하여 다차원 평면 클러스터를 생성하고, 이 클러스터를 새로운 퍼지 모델의 규칙으로 추가한 후 모델 파라미터의 개략 동조와 정밀 동조를 반복 수행하는 자기구성 퍼지 모델링을 제안한다 Weighted recursive least squared 알고리즘과 fuzzy C-regression model 클러스터링에 의해 퍼지 모델의 파라미터를 개략적으로 동조한 후 gradient descent 알고리즘에 의해 파라미터를 정밀 동조하면서 감수분열 유전 알고리즘을 이용하여 최적의 학습률을 탐색한다. 그리고, 자기구성 퍼지 모델링 기법을 이용하여 Box-Jenkins의 가스로 데이터, 비선형 다변수 정적 함수의 데이터, 하수처리 활성오니 공정과 Mackey-Glass 시계열 데이터의 모델링을 수행하고, 기존의 방법에 의한 모델링 결과와 비교하여 그 성능을 입증한다.

Keywords

References

  1. T. Takagi and M. Sugeno, "Fuzzy identification of systems and its application to modeling and control," IEEE Trans. on Syst., Man & Cybem., vol.15, pp.116-132, 1985
  2. E. Kim, M. Park, S. Ji and M. Park, "A new approach to fuzzy modeling," IEEE Trans. Fuzzy Syst., vol.5, no.3, pp.328-337, 1997 https://doi.org/10.1109/91.618271
  3. J. C. Bezdek, Pattem Recognition with Fuzzy Objective Functional Algorithm. New York: Plenum, 1981
  4. L. Ljung, System Identification: Theory for the User. Englewood Cliffs. NJ: Prentice-Hall, 1987
  5. 고택범, 이덕규, "감수분열 유전알고리즘을 이용한 퍼지 모델의 자동 설계" 대한전기학회 학술회의 논문집, pp.2696-2698, 2000
  6. B. Kosko, Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence. Englewood Cliffs. NJ: Prentice-Hall, 1992
  7. G. E. P. Box and G. M. Jenkins, Time Series Analysis, Forecasting and Control. San Francisco, CA: Holden Day, 1970
  8. M.Sugeno and T. Yasukawa, "A fuzzy-Iogic-based approach to qualitative modeling," IEEE Trans. on Fuzzy Systems, vol.1, no.1, pp.7-31, Feb., 1993 https://doi.org/10.1109/TFUZZ.1993.390281
  9. E. Kim, H. lee, M. Park, and M. Park, "A simple identified Sugeno-type fuzzy model via double clustering," Information Sciences 110, 25-39, 1998 https://doi.org/10.1016/S0020-0255(97)10083-4
  10. Y. Lin and G. A. Cunningham III, "A new approach to fuzzy-neural modeling," IEEE Trans. Fuzzy Sets Syst., vol. 45, pp.136-156, 1995.
  11. S. K. Oh, D. W. Kim, B. J. Park and H. S. Hwang, "Advanced polynomial neural networks architecture with new adaptive nodes," Trans. on Control, Automation and Systems Engineering, vol.3, no.1, Mar., 2001
  12. 박호성, 오성권, 윤양웅, "퍼지 뉴럴 네트워크 구조로의 새로운 모델링 연구" 제어.자동화.시스템 공학 논문지, 제7권, 제8호, pp.664-674, 2001
  13. 박병준, 오성권, 장성환, "퍼지뉴럴 네트워크와 자기구성 네트워크에 기초한 적응 퍼지 다항식 뉴럴네트워크 구조의 설계" 제어.자동화. 시스템 공학논문지, 제8권, 제2호, pp.126-135 , 2002 https://doi.org/10.5302/J.ICROS.2002.8.2.126
  14. 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, 179-188, 1999 https://doi.org/10.1016/S0165-0114(97)00276-5
  15. S. -J. Kang, C. -H. Woo, H. -S. Hwang and K. B. Woo, "Evolutionary design of fuzzy rule base for nonlinear system modeling and control," IEEE Trans. Fuzzy Sets Syst., vol. 8, pp.37-45, 2000 https://doi.org/10.1109/91.824766
  16. S. K. Oh and W.Pedrycz, "Identification of fuzzy systems by means of an Auto-Tuning algorithm and its application to nonlinear systems", Fuzzy Sets and Systems, vol.115, no.2, pp.205-230, 2000 https://doi.org/10.1016/S0165-0114(98)00174-2
  17. S. K. Oh and K. C. Yoon and H. K. Kim, "The design of optimal Fuzzy-Neural networks architecture by means of GA and an aggregate weighted performance index", Journal of Control, Automation and Systems Engineering, vol.6, no.3, Mar., 2000
  18. M. C. Mackey and L. Glass, "Oscillation and chaos in physiological control systems," Science, 197 : 287-289, July, 1977 https://doi.org/10.1126/science.267326
  19. L. X. Wang and J. M. Mendel, "Generating fuzzy rules from numerical data, with application," IEEE Trans. on Systems, Man, and Cybern., 22 no. 6, pp.1414-1427, 1992 https://doi.org/10.1109/21.199466