메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
대한전기학회 전기학회논문지 D 전기학회논문지 제55D권 제2호
발행연도
2006.2
수록면
45 - 51 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this paper, we propose a new architecture of Information Granulation based genetically optimized Self-Organizing Fuzzy Polynomial Neural Networks (IG_gSOFPNN) that is based on a genetically optimized multilayer perceptron with fuzzy polynomial neurons (FPNs) and discuss its comprehensive design methodology involving mechanisms of genetic optimization, especially information granulation and genetic algorithms. The proposed IG_gSOFPNN gives rise to a structurally optimized structure and comes with a substantial level of flexibility in comparison to the one we encounter in conventional SOFPNNs. The design procedure applied in the construction of each layer of a SOFPNN deals with its structural optimization involving the selection of preferred nodes (or FPNs) with specific local characteristics (such as the number of input variables, the order of the polynomial of the consequent part of fuzzy rules, and a collection of the specific subset of input variables) and addresses specific aspects of parametric optimization. In addition, the fuzzy rules used in the networks exploit the notion of information granules defined over system's variables and formed through the process of information granulation. That is, we determine the initial location (apexes) of membership functions and initial values of polynomial function being used in the premised and consequence part of the fuzzy rules respectively. This granulation is realized with the aid of the hard c-menas clustering method (HCM). To evaluate the performance of the IG_gSOFPNN, the model is experimented with using two time series data (gas furnace process and NOx process data).
#SOFPNN(Self-Organizing Fuzzy Polynomial Neural Networks) #Information Granulation #FPN(Fuzzy Polynomial Neuron) #Genetic Algorithms #Hard C-Means Clustering Method

목차

Abstract
1. 서론
2. 자기구성 퍼지 다항식 뉴럴네트워크의 구조
3. SOFPNN의 최적화를 위한 IG 방법과 유전자 알고리즘
4. Information granulation 기반 진화론적 최적 자기구성 퍼지 다항식 뉴럴네트워크 알고리즘과 설계
5. 시뮬레이션 및 결과고찰
6. 결론
감사의 글
참고문헌
저자소개

참고문헌 (21)

참고문헌 신청
[학술지(정기간행물)] - A. G. Ivakhnenko / 1971. / Polynomial theory of complex systems : 364 ~ 378 google schola [학술지(정기간행물)] - A. G. Ivakhnenko / 1995. / The Review of Problems Solvable by Algorithms of the Group Method of Data Handling 5 (4) : 527 ~ 535 google schola [학술지(정기간행물)] - S. K. Oh / 2002. / The design of self-organizing Polynomial Neural Networks 141 : 237 ~ 258 google schola [학술지(정기간행물)] - S. K. Oh / 2003. / Polynomial Neural Networks Architecture: Analysis and Design 29 : 703 ~ 725 google schola [학술지(정기간행물)] - 박호성 / 2001.8. / 퍼지 뉴럴 네트워크 구조로의 새로운 모델링 연구 7 (8) : 664 ~ 673 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-560-018841952