Abstract
In this paper, an optimal idenfication method using fuzzy-neural networks is proposed for modeling of
nonlinear complex systems. The proposed fuzzy-neural modeling implements system structure and parameter
identification using the intelligent schemes together wlth optimization theory, linguistic fuzzy implication
rules, and neural networks(NNs) from input and output data of processes. Inference type for this
fuzzy-neural modeling is presented as simplified inference. To obtain optimal model, the learning rates and
momentum coefficients of fuzzy-neural networks(FNNs) are tuned automatically using improved modified
complex method and modified learning algorithm. For the purpose of its application to nonlinear processes,
data for route choice of traffic problems and those for activateti sluge process of sewage treatment system
are used for the purpose of evaluating the performance of the proposed fuzzy-neural network modeling.
The results show that the proposed method can produce the intelligence model with higher accuracy than
other works achieved previously.
본 논문에서는 복잡한 비선형 시스템의 모델링을 위해 퍼지-뉴럴 네트워크(FNNs)를 사용한 최적 동적 방법이 제안된다. 제안된 퍼지-뉴럴 모델링은 공정시스템의입축력 데이타를 이용하여 기존의 최적이론, 언어적 퍼지구현규칙, 뉴럴네트워크 등의 지능형 이론을 도입하여 시스템의 구조와 파라미터 동정을 구현한다. 이 모델링의 추론형태는 간략추론이 사용된다. 최적 모델을 얻기위해, 퍼지-뉴렬 네트워크의 학습률과 모멘텀 계수가 본논문에서 제안한 개선된 컴플렉스 법과 수정된 학습알고리즘을 이용하여 자동동조 된다. 이 알고리즘의 비선형 공정으로의 응용을 위하여 교통 경로 선택 데이타 및 하수처리시스템의 활성화와 공정 데이타가 제안한 모델링의 성능을 평가하기 위해 사용된다. 제안된 방법이 기존의 다른 논문과 비교하여 더 높은 정확도를 가진 지능형 모델을 생성함을 보인다.