퍼지 제어 기법을 이용한 개선된 Max-Min 신경망 = An Enhanced Max-Min Neural Network using a Fuzzy Control Method

국문 초록 (Abstract)

본 논문에서는 퍼지 제어 기법을 적용하여 학습률을 자동으로 조정하는 개선된 Max-Min 신경망을 제안하였다. 개선된 Max-Min 신경망은 경쟁 단계에서 필요한 학습 시간을 줄이기 위하여, 정확성의 수와 부정확성의 수를 퍼지 제어 시스템의 입력으로 적용하여 학습률을 동적으로 조정하는 기법이다. 본 논문에서 제안된 방법을 실제 콘크리트 표면 균열 영상에서 추출한 균열의 방향성 패턴을 대상으로 인식 실험한 결과, 개선된 Max-Min 신경망이 효과적임을 확인할 수 있었다.

다국어 초록 (Multilingual Abstract)

In this paper, we proposed an enhanced Max-Min neural network by auto-tuning of learning rate using fuzzy control method. For the reduction of training time required in the competition stage, the method was proposed that arbitrates dynamically the learning rate by applying the numbers of the accuracy and the inaccuracy to the input of the fuzzy control system. The experiments using real concrete crack images showed that the enhanced Max-Min neural network was effective in the recognition of direction of the extracted cracks.

참고문헌 (Reference)

1 김광백, "퍼지 ART 알고리즘을 이용한 인쇄 악보의 자동인식과 연주" 한국전자통신학회 6 (6): 84-89, 2011

2 조재현, "자동차번호판 이진화를 위한 개선된 퍼지 이진화 방법" 한국전자통신학회 6 (6): 231-236, 2011

3 김광백, "비파괴 검사를 이용한 세라믹 재료의 결함 검출" 한국전자통신학회 05 (05): 321-326, 2010

4 박현정, "개선된 Max-Min 신경망을 이용한 콘크리트 균열 인식" 한국컴퓨터정보학회 12 (12): 77-82, 2007

5 M. Delgado, "Solving fuzzy relational equations by max-min neural networks" 3 : 1737-1742, 1994

6 K. B. Kim, "A New Single Layer Perceptron using Fuzzy Neural Controller" 27 (27): 341-343, 1995

7 K. B. Kim, "A New Fuzzy Supervised Learning Algorithm" 399-403, 1998

8 K. B. Kim, "A Fuzzy Competitive Backpropagation Using Nervous System" 188-193, 1997