단일 입력변수기반 퍼지 모델을 이용한 순차결합 모델의 설계

국문 초록 (Abstract)

본 논문에서는 실제출력과 모델출력사이의 오차를 최소화하기 위해 단일 입력변수기반 퍼지모델들로 구현된 순차결합 모델의 설계 방법론을 제안한다. 단일 입력변수 기반 퍼지 모델의 전반부 멤버십 함수는 퍼지 클러스터링을 통해 얻은 클러스터의 중심점을 사용하여 생성한다. 퍼지 규칙의 후반부는 선형 함수로 구성되며 선형 함수의 계수는 LSE 기반 학습에 의해 훈련된다. 순차결합 모델은 기본 모델과 보상 모델로 구분할 수 있다. 기본 모델은 순차결합 모델의 첫 번째 모델을 의미하며 보상모델은 기본모델과 실제출력사이의 오차를 줄여주는 역할을 한다. 고차원 합성 데이터 및 머신 러닝 데이터를 이용한 실험을 통해 제안된 순차결합 모델과 기존 퍼지 모델을 비교하여 제안된 설계 방법론의 우수성을 보여준다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose a design methodology of a sequential aggregation model realized by univariable-based fuzzy models to minimize the error between the model output and the target output. The membership function in the premise part of the fuzzy rule is formed by using the center points of the cluster obtained through fuzzy clustering. The consequent part of the fuzzy rule is made of a linear function whose coefficients are trained by LSE-based learning. The Sequential aggregation model can be divided into a basic model and a compensation model. A basic model means the first model of the sequential aggregation model, whereas a compensation model is the role of minimizing the error between the output of the basic model and the target output. The basic model and the compensation model are selected by comparing the coefficient of determination of the model. Through experiments carried out with the aid of the high-dimensional synthetic datasets and machine learning datasets, we show the superiority of the proposed design methodology by comparing the proposed sequential aggregation model with the existing fuzzy models.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 단일 입력변수기반 퍼지 모델의 설계
• 3. 단일 입력변수기반 퍼지 모델의 순차 결합
• 4. 제안된 순차결합 모델의 설계 과정
• 5. 시뮬레이션 및 결과
• 6. 결론 및 향후 연구
• References