본 연구실은 퍼지 신경망(Fuzzy Neural Networks)과 하이브리드 인공지능 시스템의 설계 및 최적화에 중점을 두고 있습니다. 퍼지 신경망은 퍼지 이론과 인공신경망의 장점을 결합하여 불확실성, 비선형성, 고차원 데이터 등 복잡한 문제를 효과적으로 해결할 수 있는 강력한 도구입니다. 본 연구실에서는 퍼지 C-평균(FCM) 클러스터링, 조건부 퍼지 클러스터링, 정보 입자화(Information Granulation) 등 다양한 퍼지 기반 데이터 전처리 및 구조 최적화 기법을 개발하고 있습니다. 특히, 퍼지 신경망의 구조적 및 파라미터 최적화를 위해 유전자 알고리즘(GA), 입자군집 최적화(PSO), 차분진화(DE) 등 진화연산 기반의 최적화 기법을 적극적으로 도입하고 있습니다. 이를 통해 퍼지 신경망의 학습 효율성과 예측 정확도를 극대화하며, 다양한 실제 문제에 적용 가능한 범용적이고 견고한 인공지능 모델을 구축하고 있습니다. 또한, 다층 퍼지 신경망, 하이브리드 퍼지-다항식 신경망, 타입-2 퍼지 신경망 등 고도화된 네트워크 구조의 설계와 해석에도 집중하고 있습니다. 이러한 연구는 패턴 인식, 예측, 분류, 제어 등 다양한 응용 분야에서 탁월한 성능을 보이고 있으며, 실제 산업 현장 및 공정 제어, 환경 데이터 분석, 영상 및 신호 처리 등 다양한 영역에서 실질적인 문제 해결에 기여하고 있습니다. 앞으로도 본 연구실은 퍼지 신경망 및 하이브리드 인공지능 시스템의 이론적 발전과 실용적 응용을 동시에 추구하며, 차세대 지능형 시스템의 핵심 기술을 선도해 나갈 것입니다.

본 연구실은 신호 및 이미지 데이터의 패턴 분류, 인식, 예측을 위한 지능형 알고리즘 개발에 주력하고 있습니다. 특히, 부분방전(Partial Discharge) 데이터, 폐플라스틱 분류, 얼굴 인식, 기상 레이더 데이터 분석 등 다양한 실제 데이터를 대상으로 퍼지 신경망, 방사형 기저함수 신경망(RBFNN), 컨벌루션 신경망(CNN), SVM 등 첨단 인공지능 기법을 적용하고 있습니다. 데이터의 고차원성, 노이즈, 불확실성 등 현실적 한계를 극복하기 위해 데이터 전처리(주성분 분석, 선형판별분석, 하이브리드 전처리), 특징 추출, 차원 축소, 클러스터링 등 다양한 데이터 처리 기법을 통합적으로 활용합니다. 특히, 폐플라스틱 자동 분류 시스템, 부분방전 패턴 분류기, 얼굴 인식 시스템 등 산업 현장에서 요구되는 실시간, 고정확도, 고신뢰성의 지능형 분류 시스템을 개발해왔습니다. 예를 들어, 레이저 분광법(LIBS, Raman, ATR FT-IR)과 신경망 기반 분류기를 결합하여 기존 분류가 어려웠던 검정색 플라스틱의 재질별 자동 분류를 실현하였으며, 전력설비의 부분방전 신호를 분석하여 고장 예측 및 예방 진단 시스템을 구현하였습니다. 이러한 연구는 특허 출원 및 산업체와의 공동 프로젝트, 정부과제 등 다양한 실용적 성과로 이어지고 있습니다. 앞으로도 본 연구실은 빅데이터, IoT, 스마트팩토리 등 미래 산업 환경에 적합한 지능형 신호/이미지 처리 및 패턴 분류 기술을 지속적으로 개발하여, 산업 현장의 자동화, 안전, 효율성 향상에 기여할 것입니다.