http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
유전자 알고리즘에 의한 Interval Type-2 TSK Fuzzy Logic System의 설계 및 해석
김대복(Dae-Bok Kim),오성권(Sung-Kwun Oh) 대한전기학회 2008 대한전기학회 학술대회 논문집 Vol.2008 No.10
본 논문에서는 Interval Type-2 TSK 퍼지 논리 시스템을 설계하고 기존의 Type-1 TSK 퍼지 논리 시스템과 비교 분석한다. Type-1 TSK 퍼지 논리 시스템과 Interval Type-2 TSK 퍼지 논리 시스템을 비교하기 위해 노이즈에 영향을 받은 목적 데이터를 사용한다. 유전자 알고리즘을 사용하여 전반부의 중심값의 학습률과 후반부 계수값의 학습률을 결정한다.
LabVIEW에 의한 Tracking 신호 분류 및 인식
김대복(Dae-Bok Kim),김정태(Jung-Tae Kim),오성권(Sung-Kwun Oh) 대한전기학회 2010 전기학회논문지 Vol.59 No.4
In this paper, We introduce electrical tracking generated from surface activity associated with flow of leakage current on insulator under wet and contaminated conditions and design electrical tracking pattern recognition system by using LabVIEW. We measure the leaking current of contaminated wire by using LabVIEW software and the NI-c-DAQ 9172 and NI-9239 hardware. As pattern recognition algorithm and optimization algorithm for electrical tracking system, neural networks, Radial Basis Function Neural Networks(RBFNNs) and particle swarm optimization are exploited. The designed electrical tracking recognition system consists of two parts such as the hardware part of electrical tracking generator, the NI-c-DAQ 9172 and NI-9239 hardware and the software part of LabVIEW block diagram, LabVIEW front panel and pattern recognition-related application software. The electrical tracking system decides whether electrical tracking generate or not on electrical wire.
입자 군집 최적화 알고리즘에 의한 Interval Type-2 Fuzzy Logic System의 설계 및 응용
김대복(Dae-Bok Kim),오성권(Sung-Kwun Oh),김현기(Hyun-Ki Kim) 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.1
본 논문은 Type-1 퍼지 논리 시스템의 확장한 Type-2 퍼지 논리 시스템을 설계한다. Type-2 퍼지 논리 시스템은 언어적인 불확실성을 다루기 위해 제안된 Type-1 퍼지 논리 시스템을 확장한 것이다. Type-2 퍼지 논리 시스템은 불확실성을 표현 할 수 있기 때문에 외부 노이즈를 효율적으로 다룰 수 있는 장점을 가지고 있다. 전ㆍ후 반부 멤버쉽 함수는 삼각형 형태의 Interval Type-2 퍼지 논리 집합을 사용한다. 전반부 멤버쉽 함수의 정점 값은 min-max 방법을 사용하여 균등분할하고 후반부 정점 값과 전ㆍ후반부의 불확실성 크기는 입자 군집 최적화 알고리즘(PSO)을 사용하여 결정한다. 제안된 모델을 평가하기 위해 가스로 시계열 데이터의 목적 데이터에 노이즈에 영향을 받은 데이터를 사용하여 수치적인 예를 적용한다.
LabVIEW에 의한 전기 아크 인식 시스템을 위한 Interval Type-2 퍼지 신경회로망 설계
김대복(Dae-Bok Kim),진용하(Yong-Ha Jin),오성권(Sung-Kwun Oh),김정태(Jung-Tae Kim) 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.2
본 논문에서는 전기 화재 중에서 전선이 손상되거나 전기설비의 설치 과실 및 작동 과실에 의한 전기 아크를 검출하고 전기 아크 유무를 인식하는 시스템을 설계한다. UL1699규정에 의한 아크발생장치를 통하여 직렬 전기아크를 발생하고 전기 아크 데이터 검출 및 인식에는 현재 제어 및 계측분야에서 많이 사용하고 있는 National Instrument사의 소프트웨어인 LabVIEW 프로그램과 하드웨어를 사용한다. 패턴인식 알고리즘으로는 기존의 퍼지를 확장한 Type-2 퍼지 집합 중에서 secondary 멤버쉽 값이 1로 일정하고, 계산량이 간단한 Interval Type-2 퍼지 집합(IT2 FS)을 사용한다. Interval Type-2 Fuzzy Neural Networks(IT2 FNNs)는 구성은 전반부는 Type-2 FCM 클러스터링을 통하여 생성된 Interval Type-2 Fuzzy Neural Networks의 Fuzzification layer의 활성함수를 사용하고 후반부는 연결가중치에 퍼지 규칙 후반부의 Type-2 퍼지 집합의 중심을 의미하는 Interval Type-1 퍼지집합을 사용한다. LabVIEW를 이용하여 아크 데이터 수집하며, 수집된 전기 직렬 아크 데이터를 Interval Type-2 Fuzzy Neural Networks 적용하여 각 클러스터 개수에 따른 인식률을 비교한다.