• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.7 no.4
• /
• pp.151-158
• /
• 2014

In this paper, we introduce an inference system using hard scatter partition method and model the nonlinear process. To do this, we use the hard scatter partition method that partition the input space in the scatter form with the value of the membership degree of 0 or 1. The proposed method is implemented by C-Means clustering algorithm. and is used for the initial center values by means of binary split. by applying the LBG algorithm to compensate for shortcomings in the sensitive initial center value. Hard-scatter-partitioned input space forms the rules in the rule-based system modeling. The premise parameters of the rules are determined by membership matrix by means of C-Means clustering algorithm. The consequence part of the rules is expressed in the form of polynomial functions and the coefficient parameters of each rule are determined by the standard least-squares method. The data widely used in nonlinear process is used to model the nonlinear process and evaluate the characteristics of nonlinear process.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2830-2832
• /
• 1999

신경망은 선형 시스템 뿐 만 아니라 비선형 시스템에 있어서도 탁월한 모델링 및 예측 성능을 갖고 있다. 하지만 좋은 성능을 갖는 신경망을 구현하기 위해서는 최적화 해야할 파라미터들이 있다. 은닉층의 뉴런의 수, 학습율, 모멘텀, 학습오차 등이 그것인데 이러한 파라미터들은 경험에 의해서, 또는 문헌들에서 제시하는 값들을 선택하여 사용하는 것이 일반적인 경향이다. 하지만 신경망의 전체적인 성능은 이러한 파라미터들의 값에 의해서 결정되기 때문에 이 값들의 선택은 보다 체계적인 방법을 사용하여 구하여야 한다. 본 논문은 유전 알고리즘을 이용하여 이러한 신경망 파라미터들의 최적 값을 찾는데 목적이 있다. 유전 알고리즘을 이용하여 찾은 파라미터들을 사용하여 학습된 신경망의 학습오차와 예측오차들을 심플렉스 알고리즘을 이용하여 찾은 파라미터들을 사용하여 학습된 신경망의 오차들과 비교하여 본 결과 유전 알고리즘을 이용하여 찾을 파라미터들을 이용했을 때의 신경망의 성능이 더욱 우수함을 알 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.477-480
• /
• 2005

본 논문에서는 신경망과 유전자 알고리즘의 장점을 결합하고, 개선된 유전자 알고리즘 기반의 역전파 신경망 알고리즘을 이용한 신경망 학습 효과를 살펴 본다. 유전자 알고리즘을 이용한 신경망 학습은 비선형 함수를 이용하여 발생시킨 모의 자료를 통하여 수행하고 학습 수렴의 정도와 학습 속도 등을 비교할 수 있는 모의실험 결과를 일반 신경망 학습 결과와 함께 제시한다. 모의실험의 결과로서 유전자 알고리즘을 적용한 신경망 제어기가 일반 신경망 학습 결과보다 수렴 정확도 및 학습 속도에서 더 좋은 결과를 나타내 주고 있다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.37 no.6
• /
• pp.1-6
• /
• 2000

In this paper, the problem of the stability analysis for linear neutral delay-differential systems with nonlinear perturbations is investigated. Using Lyapunov second method, a new delay-dependent sufficient condition for asymptotic stability of the systems in terms of linear matrix inequalities (LMIs), which can be easily solved by various convex optimization algorithms, is presented. A numerical example is given to illustrate the proposed method.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.2
• /
• pp.701-704
• /
• 2005

PID controllers, which have been widely used in industry, have a simple structure and robustness to modeling error. But They are difficult to have uniformly good control performance in system parameters variation or different velocity command. In this paper, we propose a nonlinear adaptive PID controller based on a cell-mediated immune response and a gradient descent learning. This algorithm has a simple structure and robustness to system parameters variation. To verify performances of the proposed nonlinear adaptive PID controller, the speed control of nonlinear DC motor is performed. The simulation results show that the proposed control systems are effective in tracking a command velocity under system parameters variation.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.40 no.1
• /
• pp.88-95
• /
• 2015

This paper presents the study of the efficient localization algorithm for non-linear least square estimation. Although non-linear least square(NLS) estimation algorithms are more accurate algorithms than linear least square(LLS) estimation, NLS algorithms have more computation loads because of iterations. This study proposed the efficient algorithm which reduced complexity for small accuracy loss in NLS estimation. Simulation results show the accuracy and complexity of the localization system compared to the proposed algorithm and conventional schemes.

• Journal of Biosystems Engineering
• /
• v.15 no.3
• /
• pp.199-206
• /
• 1990

연구 I에서 수행한 소뇌모델 선형조합 신경망(CMLAN)의 분석 결과와 제안된 능률적 학습 알고리즘들에 의거하여 이차원 비선형 함수치의 출력 모의시험과 팔의 형태에 따라 두개의 목적치를 갖는 2 자유도 머니퓨레이터의 동작지령 산출 모의시험을 행하였다. 특히 2 자유도 머니퓨레이터의 경우, 작업공간에 적절한 입력네트의 변수를 선정하고 하나의 입력공간을 공유하는 두개의 세부 소뇌모델 선형조합 신경망을 서로 연결하는 구조로써 팔의 형태와 목적 지점에 따라 네트를 선정하는 구조를 갖도록 하였다. 제안한 학습 알고리즘의 성능 및 CMLAN의 학습에 따른 효과를 학습이득에 따라 컴퓨터로 모의시험하였으며 그 결과를 분석하였다. 잘 알려진 신경망인 BACK-PROPAGATION 다층(Multi-Layer) 신경망과 함수연결 신경망(Functional Link Net)을 이용한 모의시험 결과를 비교 분석하였다. CMLAN의 학습 능률성은 학습에 소요되는 컴퓨터의 cpu시간과 학습 중의시스템의 최대 편차와 RMS 편차의 변이도 및 최종 시스템 수렴치로서 나타내었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.566-570
• /
• 2012

본 연구에서는 비선형 k-$\varepsilon$ 모형을 이용하여 직사각형 개수로에서 평균흐름과 난류구조를 모의하였다. 표준 k-$\varepsilon$ 난류모형은 난류의 등방성을 가정하여 국부적 평형상태에서 계산하기 때문에 유선에 따른 레이놀즈 응력의 변형이 큰 경우나 이방성이 강한 경우 이를 계산하지 못한다. 이를 보완하기 위하여 제시된 것이 비선형 k-$\varepsilon$ 난류모형이다. 본 연구에서는 표준 k-$\varepsilon$ 모형과 비선형 k-$\varepsilon$ 모형에 의한 모의결과를 비교하였다. 난류모형을 검증하기 위하여 직사각형 개수로에 흐름을 완전 발달된 등류로 가정하여 해석하였다. 지배방정식을 해석하기 위해 Patankar와 Spalding (1972)이 제시한 SIMPLER 알고리즘을 사용하였고 유한체적법을 이용하여 이산화하고 엇갈린 격자체계를 사용하여 계산에서 발생하는 과도한 진동을 줄였다. 또한 차분기법은 Patankar (1980)가 제시한 Power-law 기법을 채택하였으며 경계조건으로 2층 벽법칙 모형과 Hossain과 Rodi (1993)의 모형을 이용하였다. 두 모형의 적용성을 검증하기 위하여 실측자료를 이용하여 비교하였고 그 결과 비선형 k-$\varepsilon$ 모형이 표준 k-$\varepsilon$ 모형에 비해 좀 더 실측지에 가깝게 모의하는 것을 볼 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.1773-1774
• /
• 2006

나노 기술의 급격한 발달에 따라 나노미터 수준의 정밀도를 갖는 초정밀 측정 기술이 여러 분야에서 요구되고 있다. 헤테로다인 레이저 간섭계를 이용하여 초정밀 위치 측정을 하려고 할 때, 광학기기 자체의 불완전함에서 발생하는 비선형성 오차는 주요한 요소로 작용한다. 본 논문에서는 헤테로다인 레이저 간섭계 시스템에서의 비선형성을 보정해주기 위해 적응형 알고리즘을 제안한다. 기준 입력인 정전용량센서와 최소자승법을 이용하여 보정변수를 구한 후, 반복 최소자승법을 이용하여 비선형성에 따른 타원 위상을 비선형성이 보정된 원 위의 위상으로 사상시킨다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1863_1864
• /
• 2009

본 연구에서는 복잡한 비선형 모델링 방법인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 PNN(Polynomial Neural Network)을 접목한 새로운 형태의 Radial Basis Function Polynomial Neural Network(RPNN)를 제안한다. RBF 뉴럴 네트워크는 빠른 학습 시간, 일반화 그리고 단순화의 특징으로 비선형 시스템 모델링 등에 적용되고 있으며, PNN은 생성된 노드들 중에서 우수한 결과값을 가진 노드들을 선택함으로써 모델의 근사화 및 일반화에 탁월한 효과를 가진 비선형 모델링 방법이다. 제안된 RPNN모델의 기본적인 구조는 PNN의 형태를 이루고 있으며, 각각의 노드는 RBF 뉴럴 네트워크로 구성하였다. 사용된 RBF 뉴럴 네트워크에서의 커널 함수로는 FCM 클러스터링을 사용하였으며, 각 노드의 후반부는 다항식 구조로 표현하였다. 또한 입력개수, 입력변수, 클러스터의 개수를 PSO알고리즘(Particle Swarm Optimization)을 사용하여 최적화 시켰다. 제안한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 데이터를 이용하여 그 우수성을 보인다.