Granular Computing에 의한 RBFNN의 구조 동정

본 논문에서는 granular computing 방법인 fuzzy c-means method(FCM)과 context-based FCM 방법을 이용하여 RBFNN 구조 동정에 대한 포괄적인 설계 구조에 대해서 자세히 기술하고자 한다. 제안된 RBFNN 모델의 구조를 동정하기 위해서는 다음과 같은 설계과정을 거친다. 1) Fuzzy c-means method를 통한 context- based fuzzy set에 대한 정의와 설계, 2) Context-based FCM을 통한 모델의 구조 동정과 이에 따른 모델의 효율적인 모델 구축, 3) 구축된 RBFNN의 후반부 다항식 parameter값들에 대한 Least square method을 이용한 최적화 단계로 구성되어 있다. 본 논문에서는 context-based FCM 방법을 이용하여 입력과 출력 데이터 상호간에 연결된 정보 입자화에 대한 효율적인 특성을 파악하여 주어진 RBFNN의 은닉층의 수를 효과적으로 선택함으로써 주어진 모델의 구조를 동정하였다. 또한 본 논문에서는 모델의 설계함에 있어서 체계적인 설계 알고리즘을 포괄적으로 설명하고 있으며, 더 나아가 제안된 모델의 성능을 다른 표준적인 모델들과 대조함으로써 제안된 모델의 우수성을 나타내고자 한다.