• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.11a
• /
• pp.176-179
• /
• 1997

본 논문은 입/출력 관계가 불명확한 가전제품 제어에 인공신경회로망을 응용하여 지능형 제어기를 구현하는 방법에 관한 것이다. 다층신경회로망을 사용하고 Error Back Propagation 학습방법에 의하여 학습되도록 한다. 제어대상물에서 알 수 있는 정보는 입력값과 이에 대응하는 출력값 뿐이며 입력과 출력에 대한 관계를 수학적으로 모델링하기 어려운 경우이다. 인공신경회로망을 이용한 제어를 위하여 Neural Network Emulator(NNE)와 Neural Network Controller(NNC)가 개발되며 각 신경회로망의 초기하중백터는 제어대상에 오프라인 학습으로 결정하고, 자동조절과정에서 온라인 학습하여 새로운 대상제품 상황에 적응하도록 설계되었다. 제안된 지능형 제어시스템은 PC를 이용하여 실시스템에 적용하여 검토되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.326-328
• /
• 2000

인공신경회로망 기술은 선형 또는 비선형성 계산 문제를 복잡도에 무관하게 학습에 의해 자동으로 근사한다. 또한 알고리즘이 단순하며 잡음에 강하여 다양한 분야에 적용되고 있다. 반면 대상시스템의 특성이나 조건이 변경되면 계산성능을 보장할 수 없고, 계산의 신뢰성 보장 한계가 모호하기 때문에 제어문제에는 실용화가 어려운 것으로 알려져 있다. 제안 모델은 인공신경회로망의 장점을 유지하면서, 위와 같은 문제점을 해결한다. 시뮬레이션을 통하여 제안 모델은 기존 제어기에 비해 우수한 추종제어성능을 보이는 것으로 밝혀졌다.

• Journal of the Korean Geotechnical Society
• /
• v.16 no.1
• /
• pp.75-81
• /
• 2000

The anisotropy of soils has an important effect on stress-strain behavior. In this study, an attempt has been made to implement artificial neural network model for modeling the stress-strain relationship and predicting the undrained shear strength of normally consolidated clay with varying consolidation pressure ratios. The multi-layer neural network model, adopted in this study, utilizes the error back-propagation loaming algorithm. The artificial neural networks use the results of undrained triaxial test with various consolidation pressure ratios and different effective vertical consolidation pressure fur learning and testing data. After learning from a set of actual laboratory testing data, the neural network model predictions of the undrained shear strength of the normally consolidated clay are found to agree well with actual measurements. The predicted values by the artificial neural network model have a determination coefficient$(r^2)$ above 0.973 compared with the measured data. Therefore, this results show a positive potential for the applications of well-trained neural network model in predicting the undrained shear strength of cohesive soils.

• Geotechnical Engineering
• /
• v.10 no.3
• /
• pp.79-96
• /
• 1994

A tunnel design expert system entitled NESTED is developed using the artificial neural network. The expert system includes three neural network computer models designed for the stability assessment of underground openings and the estimation of correlation between the RMR and Q systems. The expert system consists of the three models and the computerized rock mass classification programs that could be driven under the same user interface. As the structure of the neural network, a multi -layer neural network which adopts an or ror back-propagation learning algorithm is used. To set up its knowledge base from the prior case histories, an engineering database which can control the incomplete and erroneous information by learning process is developed. A series of experiments comparing the results of the neural network with the actual field observations have demonstrated the inferring capabilities of the neural network to identify the possible failure modes and the support timing. The neural network expert system thus complements the incomplete geological data and provides suitable support recommendations for preliminary design of tunnels in rock masses.

• Proceedings of the Optical Society of Korea Conference
• /
• 1991.07a
• /
• pp.55-59
• /
• 1991

신경회로망은 뒤뇌의 신경조직이 갖는 병렬적이며 분산적인 정보처리 능력을 흉내낸 인공적인 회로망이다. 이러한 신경회로망을 영상인식, 음성인식, 적응제어 및 최적화등에 응용할 경우 지금까지 얻지 못하였던 우수한 여러 가지 특성을 얻을수 있음을 알려짐에 따라 신경회로망을 구체적으로 구현하고자 하는 연구가 활발히 이루어지고 있다. 본 고에서는 신경소자간의 연결세기의 변조에 의한 학습 원리를 설명하고 광전기적인 그현방법에 대해서 몇 개의 예를 들어 설명하고 그 발전 가능성에 대하여 기술하였다.

• Journal of the Korea Concrete Institute
• /
• v.17 no.3 s.87
• /
• pp.369-374
• /
• 2005

This study proposes a technique for the recognition of crack patterns, which includes horizontal, vertical, diagonal($-45^{\circ}$), diagonal($+45^{\circ}$), and random cracks, based on image processing technique and artificial neural network. A MATLAB code was developed for the proposed image processing algorithm and artificial neural network. Features were determined using total projection technique, and the structure(no. of layers and hidden neurons) and weight of artificial neural network were determined by learning from artificial crack images. In this process, we adopted Bayesian regularization technique as a generalization method to eliminate overfitting Problem. Numerical tests were performed on thirty-eight crack images to examine validity of the algorithm. Within the limited tests in the present study, the proposed algorithm was revealed as accurately recognizing the crack patterns when compared to those classified by a human expert.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.610-611
• /
• 2011

전력 계통의 운용 계획을 최적화하기 위해서 연간 최대전력수요와 시간별 전력수요에 대한 장단기간의 수요 예측에 관한 연구가 활발하게 진행 중이다. 특히, 단기 수요 예측은 발전비용과 신뢰도에 크게 영향을 주며, 전력계통의 제어 및 단기계획, 경제급전, 전력조류계산 등의 입력 자료로 활용된다. 많은 예측 문제에 폭넓게 사용되고 있는 인공신경회로망은 전력수요 예측에도 자주 쓰이는 기법이다. 본 논문에서는 이를 보다 정확히 하기 위해 기존의 인공신경회로망 기법을 개선하여 보다 정확한 예측을 보였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.10a
• /
• pp.275-279
• /
• 1997

최근 인공지능연구에서는 기호즈의와 커넥션니즘이 독립적으로 연구되어 왔으나 차츰 융합의 필요성이 절실히 요구되고 있다. 본 연구에서는 먼저 기호주의의 일부분인 고전논리를 확장한 다치논리와 커넥션니즘의 기본부분인 신경회로망을 융합한 다치신경망을 구성하고, BP에 기반을 둔 학습 MVL 네트워크를 이용하여 해석한다. 본 논문에서는 이러한 구성 및 해석방법을 확장하여 비고전적인 다치신경회로망을 구성하는 방법을 제안한다.

• 전기의세계
• /
• v.46 no.3
• /
• pp.20-25
• /
• 1997

자율주행시스템은 복잡한 환경에서 효과적인 주행을 위해서 센서를 통해 주변의 정보를 수집하고 주변환경에 적절한 동작을 취해야 한다. 이러한 자율주행시스템에 지능적인 방법을 통하여 새롭게 제안한 방법을 서술하였다. 퍼지 논리를 이용하여 운전자와 같이 차량이 차선을 따라 주행하기 위한 퍼지 논리 제어기(FLC)가 설계되었다. 함축적인 차량모델을 기반으로 설계한 퍼지 논리 제어기가 복잡하고 정확한 차량모델을 기반으로 설계된 PID나 FSLQ 제어기와 동등한 성능을 발휘하였다. 인간의 운전방법을 학습할 수 있는 신경회로망을 이용하여 자율주행시스템에 적용하였다. 퍼지 신경회로망은 인간의 제어특성을 반영하도록 설계되었으며 자동으로 생성된 제어기는 퍼지 논리 제어나 신경회로망의 기법보다 우수한 성능을 발휘하였다. 퍼지 논리, 신경회로망, 유전자 알고리즘 등의 인간의 지능 모델에 기초를 둔 방법을 자율주행차량의 제어에 도입하므로써 기존의 자율주행시스템의 문제점을 극복하는데 주요한 역할을 하였다. 앞으로 퍼지 논리, 신경회로망, 유전자 알고리즘은 각각의 강점을 융합하거나, 고전적인 제어 알고리즘과 결합하므로써 더욱 우수한 성능을 발휘할 것으로 예상된다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.157-160
• /
• 2008

Multi-Spinner 장비는 반도체 제조공정과정 중 Photo공정에서 노광(Exposure)공정을 제외한 PR 형성공정 및 현상(Development)을 수행하는 복합적인 장비이다. 이 복합적인 Multi-Spinner 장비의 각 수행 과정에서는 웨이퍼를 이동 작업하는데 있어서 이동경로를 최적 스케줄링 한다면 반도체 생산량 향상에 크게 도움이 된다. Multi-Spinner 장비내의 각 공정과정들은 PR 형성공정 및 현상 공정 순서에 맞게 순차적으로 진행되며, 이 과정들을 위해 이송 로봇이 순차적으로 웨이퍼를 이동하며, 이 과정에서 일정의 대기시간이 발생하게 된다. 대기시간을 줄이기 위해 C/S 유닛에 담겨 있는 수십 장의 웨이퍼들을 다음 공정으로 이송 시 이동경로의 최적 스케줄링이 필요하다. 본 논문은 스케줄링 문제를 풀기 위해 인공 신경회로망(Artificial Neural Network)을 이용한 최적 스케줄링 방법을 제안한다.