• The Journal of the Acoustical Society of Korea
• /
• v.18 no.3
• /
• pp.62-67
• /
• 1999

In this paper, we investigates a reliable model of the Predictive Recurrent Neural Network for the speech recognition. Predictive Neural Networks are modeled by syllable units. For the given input syllable, then a model which gives the minimum prediction error is taken as the recognition result. The Predictive Neural Network which has the structure of recurrent network was composed to give the dynamic feature of the speech pattern into the network. We have compared with the recognition ability of the Recurrent Network proposed by Elman and Jordan. ETRI's SAMDORI has been used for the speech DB. In order to find a reliable model of neural networks, the changes of two recognition rates were compared one another in conditions of: (1) changing prediction order and the number of hidden units: and (2) accumulating previous values with self-loop coefficient in its context. The result shows that the optimum prediction order, the number of hidden units, and self-loop coefficient have differently responded according to the structure of neural network used. However, in general, the Jordan's recurrent network shows relatively higher recognition rate than Elman's. The effects of recognition rate on the self-loop coefficient were variable according to the structures of neural network and their values.

• Proceedings of the KIEE Conference
• /
• 2005.07d
• /
• pp.2720-2722
• /
• 2005

본 논문에서는 웨이블릿 신경 회로망에 기반을 둔 능동 큐 관리(Active Queue Management) 제어 시스템을 설계하는 것을 제안한다. 제안한 제어 시스템에서 웨이블릿 신경 회로망은 능동 큐 관리를 위한 제어기로 사용한다 TCP 동적 모델의 실제 출력, 큐의 길이와 웨이블릿 신경 회로망을 이용한 출력의 오차가 최소화가 되도록 웨이블릿 신경 회로망의 파라미터 값들을 변화시키며 각각의 파라미터 값들은 경사 하강법을 통해 학습시킨다. 마지막으로 제안한 방법은 모의실험을 통해 패킷 손실률과 큐의 길이의 관점에서 제안한 방법의 향상성을 보이고자 한다.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.13 no.2
• /
• pp.55-62
• /
• 1999

In order to perform a elaborate task like as assembly, manufacturing and so forth of components, tracking control on the trajectory of power coming in contact with a target as well as tracking control on the movement course trajectory of end-effector is indispensable. In this paper, to bring under robust ard accurate control of auto-equipnent systems which disturbance, parameter alteration of system, uncertainty ard so forth exist, neural network controller called dynamic neural processor(DNP) is designed. Also, the learning architecture to compute inverse kinematic coordinates transfonnations in the manirclator of auto-equipnent systems is developed ard the example that DNP can be used is explained The architocture and learning algorithm of the proposed dynamic neural network, the DNP, are described and computer simllations are provided to demonstrate the effectiveness of the proposed learning method using the DNP.he DNP.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.9 no.6
• /
• pp.1574-1580
• /
• 2008

In this paper, to bring under robust and accurate control of auto-equipment systems which disturbance, parameter alteration of system, uncertainty and so forth exist, neural network controller called dynamic neural processor(DNP) is designed In order to perform a elaborate task like as assembly, manufacturing and so forth of components, tracking control on the trajectory of power coming in contact with a target as well as tracking control on the movement course trajectory of end-effector is indispensable. Also, the learning architecture to compute inverse kinematic coordinates transformations in the Plants of auto-equipment systems is developed and the example that DNP can be used is explained. The architecture and learning algorithm of the proposed dynamic neural network, the DNP, are described and computer simulations are provided to demonstrate the effectiveness of the proposed learning method using the DNP.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.4
• /
• pp.1-11
• /
• 2023

In this paper, instead of using recurrent neural network, we compare a classification performance of time series imaging algorithms using convolution neural network. There are traditional algorithms that imaging time series data (e.g. GAF(Gramian Angular Field), MTF(Markov Transition Field), RP(Recurrence Plot)) in TSC(Time Series Classification) community. Furthermore, we compare STFT(Short Time Fourier Transform) algorithm that can acquire spectrogram that visualize feature of voice data. We experiment CNN's performance by adjusting hyper parameters of imaging algorithms. When evaluate with GunPoint dataset in UCR archive, STFT(Short-Time Fourier transform) has higher accuracy than other algorithms. GAF has 98~99% accuracy either, but there is a disadvantage that size of image is massive.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2006.06a
• /
• pp.336-343
• /
• 2006

본 논문에서는 여권 영 상에서 PCA 알고리즘을 이용한 얼굴 인증과 개선된 퍼지 신경망을 이용한 여권 코드 인식 방법을 제안한다. 본 논문에서는 여권영상에 대해 소벨 연산자를 이용하여 에지를 추출하고 에지가 추출된 영상을 수평 스미어링하여 여권코드 영역을 추출한다. 추출된 여권 코드 영역의 기울기를 검사하여 기울기 보정을 하고, 여권 코드 영역을 이진화 한다. 이진화된 여권 코드 영역에 대하여 8방향윤곽선 추적 알고리즘을 적용하여 여권 코드를 추출한다. 추출된 여권 코드는 퍼지 신경망을 개선하여 여권 코드 인식에 적용한다. 개선된 퍼지 신경 망은 입력층과 중간층 사이의 학습 구조로는 FCM 클러스터링 알고리즘을 적용하고 중간층과 출력층 사이의 학습은 일반화된 델타학습 방법을 적용한다. 그리고 학습 성능을 개선하기 위하여 중간층과 출력층의 가중치 조정에 적용되는 학습률을 동적으로 조정하기 위해 퍼지 제어 시스템을 적용한다. 제안된 퍼지 신경망은 목표값과 출력값의 차이에 대한 절대값이 ${\epsilon}$ 보다 적거나 같으면 정확으로 분류하고 크면 부정확으로 분류하여 정확의 총 개수를 퍼지 제어 시스템에 적용하여 학습률과 모멘텀을 동적으로 조정한다. 여권의 주어진 규격에 근거하여 사진 영역을 추출하고 추출된 사진 영역에 대하여 YCbCr와 RGB 정보를 이용하여 얼굴영역을 추출한다. 추출된 얼굴 영역을 PCA 알고리즘과 스냅샷(Snap-Shot) 방법을 적용하여 얼굴 영역의 위조를 판별한다. 제안된 방법의 여권 코드 인식과 얼굴 인증의 성능을 평가하기 위하여 실제 여권 영상에 적용한 결과, 기존의 방법보다 여권 코드 인식과 얼굴 인증에 있어서 효율적인 것을 확인하였다.s, whereas AVs provide much better security.크는 기준년도부터 2031년까지 5년 단위로 계획된 장래도로를 반영하여 구축된다. 교통주제도 및 교통분석용 네트워크는 국가교통DB구축사업을 통해 구축된 자료로서 교통체계효율화법 제9조의4에 따라 공공기관이 교통정책 및 계획수립 등에 활용할 수 있도록 제공하고 있다. 건설교통부의 승인절차를 거쳐 제공하며 활용 후에는 갱신자료 및 활용결과를 통보하는 과정을 거치도록 되어있다. 교통주제도는 국가의 교통정책결정과 관련분야의 기초자료로서 다양하게 활용되고 있으며, 특히 ITS 노드/링크 기본지도로 활용되는 등 교통 분야의 중요한 지리정보로서 구축되고 있다..20{\pm}0.37L$, 72시간에 $1.33{\pm}0.33L$로 유의한 차이를 보였으므로(F=6.153, P=0.004), 술 후 폐환기능 회복에 효과가 있다. 4) 실험군과 대조군의 수술 후 노력성 폐활량은 수술 후 72시간에서 실험군이 $1.90{\pm}0.61L$, 대조군이 $1.51{\pm}0.38L$로 유의한 차이를 보였다(t=2.620, P=0.013). 5) 실험군과 대조군의 수술 후 일초 노력성 호기량은 수술 후 24시간에서 $1.33{\pm}0.56L,\;1.00{\ge}0.28L$로 유의한 차이를 보였고(t=2.530, P=0.017), 술 후 72시간에서 $1.72{\pm}0.65L,\;1.33{\pm}0.3L$로 유의한 차이를 보였다(t=2.540, P=0.016). 6) 대상자의 술 후 폐환기능에 영향을 미치는 요인은 성별로 나타났다. 이에 따

• Journal of KSNVE
• /
• v.9 no.4
• /
• pp.849-855
• /
• 1999

Neural Networks have shown potential to become an attractive alternative to classic methods for identification and control of non-linear dynamic systems. The purpose of this paper is to present an application of neural networks, that is a neural reconstruction of the input signal of a non-linear unknown system. This basic methodology could be used for practical purpose in several engineering fields. Clearly applications of the proposed scheme can be of interest for physical systems where a complete network of sensors measuring system inputs is not available. It should also be emphasized that the application of the reconstruction scheme is of little or no interest when the analyzed system works and operates at nominal conditions. In fact, only when failures and/or system anomailes occur, leasing to performance degradation and/or shutdown, the application of this scheme is of interest. The paper presents the results of the methodology applied to unknown non-linear dynamic systems and the robustness of the scheme to white and colored system noise was evaluated.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1995.10a
• /
• pp.159-165
• /
• 1995

본 연구에서는 비선형 동적장치에 의해 발생하는 비안정 신호의 비선형 적응 예측을 위한 효과적 방법을 서술한다. 이 방법을 실제 원자력 발전소의 데이타를 이용하여 이상연상(hetero-association) 방식의 예측을 수행하였다. 다입력/다출력의 신경망은 이러한 비선형 예측에 이용할 수 있으나 학습되지 않은 상황에 대한 예측에는 어려움이 있었다. 본 연구에서 서술한 방법은 학습과 실행이 동시에 가능한 형태로 역전파 학습 (backpropagation learning) 알고리듬을 이용한 다층 인식자 (multilayer perceptron) 신경망과 비교하여 비성형 비안정 신호에 대한 우수한 예측 능력을 보여 주었다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.18 no.3
• /
• pp.503-509
• /
• 2014

In this paper, a PID controller with adaptive neural network compensator is proposed to control the formations of mobile robot. The control system is composed of a kinematic controller based on the leader-following robot and dynamic controller for considering the dynamics of the mobile robot. The dynamic controller is constituted by a PID controller and the adaptive neural network compensator for improving the performance and compensating the change in dynamic characteristics. Simulation results show the performance of the PID controller and the neural network compensator for the circular trajectory and linear trajectory. And it is verified that by improving the performance of a PID controller via the adaptive neural network compensator, the following robot's tracking performance is improved.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.8 no.8
• /
• pp.1195-1200
• /
• 2013

In this paper, we proposed an enhanced Max-Min neural network by auto-tuning of learning rate using fuzzy control method. For the reduction of training time required in the competition stage, the method was proposed that arbitrates dynamically the learning rate by applying the numbers of the accuracy and the inaccuracy to the input of the fuzzy control system. The experiments using real concrete crack images showed that the enhanced Max-Min neural network was effective in the recognition of direction of the extracted cracks.