본 연구에서는 유비쿼터스 식물공장의 재배환경에 필요한 요소들의 센서 네트워크를 구성하고 자동으로 감지하여 적응형 뉴로-퍼지 추론시스템을 통하여 환경변화를 추론하여 식물공장의 재배환경을 적절하게 제어할 수 있는 새로운 자동제어시스템의 프레임워크를 제안하고, 이를 설계하였다. 유비쿼터스 식물공장 환경을 제어하기 위하여 식물공장의 재배환경에 영향을 미치는 환경요소인 실내온도, 근권온도, 습도, 광도, CO2 농도를 측정할 수 있는 센서 네트워크를 구성하고 측정된 환경요소의 변화에 따라 램프, 환기, 습도, CO2 농도, 온도를 제어할 수 있는 장치를 자동으로 제어할 수 있는 식물공장 자동제어시스템을 설계하였다. 이를 위하여 본 연구에서는 센서를 통하여 받아들이는 입력값을 퍼지소속함수로 변화하고 적응형 뉴로-퍼지시스템에 따라 추론하고 평가하여 보다 정밀하게 식물공장을 자동으로 제어할 수 알고리즘을 개발하였고 이를 구현하였다. 개발된 자동제어시스템을 상추 식물공장에 적용한 결과 만족스러운 시험결과를 얻을 수 있었다. 향후 연구로는 식물공장에서 재배하고 있는 작물별 생장모델의 적합도 검정 및 개선을 위하여, 작물별 재배규칙을 보다 상세히 도출하는 것이 필요하고, 작물의 재배에 필요한 지식을 보다 정량적으로 표현하고 지식상에 내포하고 있는 불확실성을 해결하는 것이 필요하다. 더 나아가 식물공장에서 환경인자간의 상호관련성을 보다 정밀하게 수식화하고 이를 추론할 수 있는 정밀하고 과학적인 자동제어시스템의 개발이 필요하다.

Autonomous mobile robots based on the Web have been already used in public places such as museums. There are many kinds of problems to be solved because of the limitation of Web and the dynamically changing environment. We present a methodology for intelligent mobile robot that demonstrates a certain degree of autonomy in navigation applications. In this paper, we focus on a mobile robot navigator equipped with neuro-fuzzy controller which perceives the environment, make decisions, and take actions. The neuro-fuzzy controller equipped with collision avoidance behavior and target trace behavior enables the mobile robot to navigate in dynamic environment from the start location to goal location. Most telerobotics system workable on the Web have used standard Internet techniques such as HTTP, CGI and Scripting languages. However, for mobile robot navigations, these tools have significant limitations. In our study, C# and ASP.NET are used for both the client and the server side programs because of their interactivity and quick responsibility. Two kinds of simulations are performed to verify our proposed method. Our approach is verified through computer simulations of collision avoidance and target trace.

The problem of spacecraft attitude control is solved using an adaptive neuro-fuzzy inference system (ANFIS). An ANFIS produces a control signal for one of the three axes of a spacecraft’s body frame, so in total three ANFISs are constructed for 3-axis attitude control. The fuzzy inference system of the ANFIS is initialized using a subtractive clustering method. The ANFIS is trained by a hybrid learning algorithm using the data obtained from attitude control simulations using state-dependent Riccati equation controller. The training data set for each axis is composed of state errors for 3 axes (roll, pitch, and yaw) and a control signal for one of the 3 axes. The stability region of the ANFIS controller is estimated numerically based on Lyapunov stability theory using a numerical method to calculate Jacobian matrix. To measure the performance of the ANFIS controller, root mean square error and correlation factor are used as performance indicators. The performance is tested on two ANFIS controllers trained in different conditions. The test results show that the performance indicators are proper in the sense that the ANFIS controller with the larger stability region provides better performance according to the performance indicators.

본 연구에서는 앞선 연구를 통해 선정된 최적 입력 자료 조합을 이용하여 한강수계의 왕숙천과 금강유역의 갑천에 대한 Takagi-Sugeno 퍼지기법과 신경망을 연계한 뉴로-퍼지 홍수예측 모형을 구축하였다. 구축된 뉴로-퍼지 홍수예측 모형을 한강수계의 왕숙천과 금강유역의 갑천에 적용하여 30분, 60분, 90분, 120분, 150분, 180분의 선행시간에 대해 각각 홍수예측을 수행하였다. 선행시간별 예측수위를 관측수위와 비교한 결과 안정되고 정확도 높은

본 연구의 목적은 중소하천에서의 홍수예측을 위해 사용되는 기존의 수문학적 모형이 가지고 있는 문제점을 개선한 홍수예측 모형을 개발하는데 있다. 이를 위해 기존의 수문학적 강우-유출 모형에서 사용되는 많은 수문학적 자료 및 매개변수들의 사용 없이 오직 수위 및 강우측정 자료만을 이용하여 홍수를 예측할 수 있는 Takagi-Sugeno 퍼지 추론기법과 신경망을 연계한뉴로-퍼지홍수예측 모형을 구축하고자 하였다. 뉴로-퍼지 홍수예측 모형의 예측정확도는 입력자료

본 논문은 포석 바둑을 위해, 패턴 지식을 근간으로 바둑 용어 지식을 수행할 수 있는 뉴로-퍼지 추론에 대한 실험 결과를 설명하였다. 즉, 포석 시 최선의 착점을 결정하기 위한 뉴로-퍼지 추론 시스템의 구현을 논하였다. 또한 추론 시스템의 성능을 시험하기 위하여 시차 학습(TD(λ) learning) 시스템과의 대결을 벌였다. 대결 결과에 의하면 단순한 뉴로-퍼지 추론 시스템조차 시차 학습 모델과 충분히 대결할 만하며, 뉴로-퍼지 추론 시스템이 실제 바둑 게임에도 적용될 수 있는 잠재력을 보였다.

최근 지구 온난화로 인한 이상기후의 영향으로 게릴라성 집중호우의 피해가 증가하고 있으므로 대하천뿐만 아니라 중 소하천에서도 홍수 예 경보의 중요성이 높아지고 있다. 기존의 홍수 예 경보 체계의 경우 유출량을 계산하는 전처리과정과 주 계산과정을 거치는 동안 많은 오차들이 발생하고, 누적되어 그 결과물(예측된 유출량) 속에 오차들이 내포되어 있다. 또한 유출모형의 적용에 필요한 매개변수들을 추정하기 위해서도 많은 실측자료가 필요하고, 많은 불확실성이 내재되

This study is aimed at the development of a runoff forecasting model to solve the uncertainties occurring in the process of rainfall-runoff modeling and improve the modeling accuracy of the stream runoff forecasting. The study area is the downstream of Naeseung-chun. Therefore, time-dependent data was obtained from the Wolpo water level gauging station. 11 and 2 out of total 13 flood events were selected for the training and testing set of model. The model performance was improved as the measuring time interval(Tm) was smaller than the sampling time interval(Ts). The Neuro-Fuzzy(NF) and TANK models can give more accurate runoff forecasts up to 4 hours ahead than the Feed Forward Multilayer Neural Network(FFNN) model in standard above the Determination coefficient(R2) 0.7.

대기에서의 물순환은 기후시스템이라는 커다란 공간 안에서 다양한 인자들의 상호작용을 통하여 이루어진다. 즉, 어떠한 기후 현상도 그 자체적으로 발생할 수는 없다. 따라서, 많은 연구자들은 영향인자들의 분석을 통하여 기후 변화를 이해하고자 노력하여 왔다. 본 연구에서는 다양한 인자에 의하여 영향을 받아 발생하는 강수량의 예측을 위하여 실제 세계의 근사적이고 부정확한 성질을 표현하는데 효과적인 퍼지 개념을 이용하였다. 예측을 위하여 적용한 모형은 크게 뉴로-