- 시계열 예측을 위한 퍼지 학습 알고리즘
- ㆍ 저자명
- 김인택,공창욱
- ㆍ 간행물명
- 퍼지 및 지능시스템학회 논문지
- ㆍ 권/호정보
- 1997년|7권 3호|pp.34-42 (9 pages)
- ㆍ 발행정보
- 한국지능시스템학회
- ㆍ 파일정보
- 정기간행물| PDF텍스트
- ㆍ 주제분야
- 기타
이 논문은 한국과학기술정보연구원과 논문 연계를 통해 무료로 제공되는 원문입니다.
본 논문은 새로은 퍼지 규칙의 생성을 위한 학습 알고리즘과 시계열 예측에의 응용을 다루고 있다. 데이터에서 IF-THEN문 형태의 퍼지 규칙을 생성시키는 과정에서 동일한 전건부(IF문)에 대해 상이한 후건부(THEN문)가 생겨 모순된 규칙을 형성시키는 경향이 있다. 수정된 중심값 방법(Modified Center Method)으로 명명된 새로운 알고리즘은 이와 같은 모순된 규칙의 형성을 효과적으로 해결하여, 시계열 예측을 수행하는데 그 오차를 줄일 수 있다. 알고리즘의 효과를 살표보기 위해 Mackey-Glass time series와 Gas Furnace data 분석에 적용하였다.
This paper presents new fuzzy learning algorithms and their applications to time series prediction. During generating fuzzy rules from numerical data, there is a tendency to produce conflicting rules which have same premise but different consequence. To resolve the problem, we propose MCM(Modified Center Method) which is proven to reduce the error in the prediction. We have applied MCM to the analysis of Mackey-Glass time series and Gas Furnace da.ta to verify its efficiency.