• The Journal of Information Technology
• /
• v.5 no.2
• /
• pp.55-67
• /
• 2002

This paper presents an adaptive back propagation algorithm that update the learning parameter by the generated error, adaptively and varies the number of hidden layer node. This algorithm is expected to escaping from the local minimum and make the best environment for convergence to be change the number of hidden layer node. On the simulation tested this algorithm on two learning pattern. One was exclusive-OR learning and the other was $7{\times}5$ dot alphabetic font learning. In both examples, the probability of becoming trapped in local minimum was reduce. Furthermore, in alphabetic font learning, the neural network enhanced to learning efficient about 41.56%~58.28% for the conventional back propagation. and HNAD(Hidden Node Adding and Deleting) algorithm.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.3 no.3
• /
• pp.214-221
• /
• 1998

A new control approach using neural network for the robust position control of a BRUSHLESS direct drive(BLDD) motor is presented. The linear quadratic controller plus feedforward neural network is employed to obtain the robust BLDD motor system approximately linearized using field-orientation method for an AC servo. The neural network is trained in on-line phases and this neural network is composed by a feedforward recall and error back-propagation training. Since the total number of nodes are only eight, this system will be easily realized by the general microprocessor. During the normal operation, the input-output response is sampled and the weighting value is trained by error back-propagation at each sample period to accommodate the possible variations in the parameters or load torque. And the state space analysis is performed to obtain the state feedback gains systematically. In addition, the robustness is also obtained without affecting overall system response.

• The Journal of the Acoustical Society of Korea
• /
• v.26 no.8
• /
• pp.415-425
• /
• 2007

This paper proposes a method of underwater source localization using the wideband interference patterns matching. By matching two interference patterns in the spectrogram, it is estimated a ratio of the range from source to sensor5, and then this ratio is applied to the Apollonius circle. The Apollonius circle is defined as the locus of all points whose distances from two fixed points are in a constant value so that it is possible to represent the locus of potential source location. The Apollonius circle alone, however still keeps the ambiguity against the correct source location. Therefore another equation is necessary to estimate the unique locus of the source location. By estimating time differences of signal arrivals between source and sensors, the hyperbola equation is used to get the cross point of the two equations, where the point being assumed to be the source position. Simulations are performed to get performances of the proposed algorithm. Also, comparisons with real sea experiment data are made to prove applicability of the algorithm in real environment. The results show that the proposed algorithm successfully estimates the source position within an error bound of 10%.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1997.04a
• /
• pp.133-139
• /
• 1997

This paper presents a new approach to the dynamic control technique for track vehicle system using neural network-fuzzy control method. The proposed control scheme uses a Gaussian function as a unit function in the neural network-fuzzy, and back propagation algorithm to train the fuzzy-neural network controller in the framework of the specialized learning architecture. It is propored a learning controller consisting of two neural network-fuzzy based on independent resoning and a connection net with fixed weights to simply the neural network-fuzzy. The performance of the proposed controller is shown by simulation for trajectory tracking of the speed and azimuth of a track vehicle

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.212-216
• /
• 2006

MLP는 뛰어난 학습능력으로 인하여 많은 분야에 성공적으로 적용되고 있다. 그러나, 학습 방법으로서 최급경사법에 근거한 오차역전파 알고리즘을 적용하기 때문에 학습시간이 오래 걸리는 단점이 있다. 또한 입력차원의 크기가 크거나 클래스간 학습데이터의 유사성이 클 경우 최적의 파라미터를 구하는데는 한계가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 LDA와 local MLP을 이용한 새로운 얼굴인식시스템을 제안하고자 한다. 제안된 방법은 우선 LDA 기법에 의해 차원이 축소된 얼굴의 특징벡터를 계산한다. 다음 단계로서 전체 학습영상을 사용하기 보다는 그룹별로 분할된 얼굴영상에 대해 MLP를 수행하므로서 그룹별로 최적인 파라미터를 결정한다. 마지막 단계로 그룹별로 수행된 local MLP를 결합함으로써 전체 얼굴인식 시스템을 구성한다. 제안된 방법의 타당성을 보이기 위해 ORL 얼굴영상을 대상으로 실험한 결과 기존 방법인 PCA나 LDA에 비해 향상된 결과를 보임을 확인할 수 있었다.

• Journal of the Korean Society for Precision Engineering
• /
• v.15 no.4
• /
• pp.105-110
• /
• 1998

In this study, statistical and neural network methods were used to recognize the cutting tool states. This system employed the tool dynamometer and cutting force signals which are processed from the tool dynamometer sensor using linear discriminent function. To learn the necessary input/output mapping for turning operation diagnosis, the weights and thresholds of the neural network were adjusted according to the error back propagation method during off-line training. The cutting conditions, cutting force ratios and statistical values(standard deviation, coefficient of variation) attained from the cutting force signals were used as the inputs to the neural network. Through the suggested neural network a cutting tool states may be successfully diagnosed.

• Proceedings of the Korean Society of Machine Tool Engineers Conference
• /
• 1996.10a
• /
• pp.133-137
• /
• 1996

This paper presents a new approach to the design of neural control system using digital signal processors in order to improve the precision and robustness. Robotic manipulators have bevome increasingly important in the field of flexible automation. High speed and high-precision trajectory tracking arre indispensable capabilities for their versatile application. the need to meet demanding control requirement in increasingly complex dynamical control systems under sygnificant uncertainties leads toward design of implementing real time neural control to provide an enhanced motion control for robotic manipulators. In this control scheme the ntworks intrduced are neural nets with dynamic neurouns whose dynamics are distributed over all the network nodes. The nets are trained by the distributed dynamic are distributed over all the network nodes. The nets are trained by the distributed dynamic back propagation algorithm. The proposed neural network control scheme is simple in structure fast in computation and suitable for implementation of real-time control, Performance of the neural controller is illustrated by simulation and experimental results for a SCAEA robot.

• Journal of KIISE:Software and Applications
• /
• v.26 no.4
• /
• pp.546-556
• /
• 1999

다층 퍼셉트론은 다양한 응용 분야에 성공적으로 적용되고 있는 대표적인 신경회로망 모델이다. 그러나 다층 퍼셉트론의 학습에 사용되는 오류역전파 알고리즘으로 알려진 기울기 강하 학습법은 느린 수렴속도로 인해 실시간 처리가 요구되거나 시간에 따라 환경이 변하는 문제에의 적용이 불가능하다. 이러한 느린 수렴속도는 기울기 강하법을 사용한 학습과정에서의 오차함수의 기울기 변화가 극히 적어 오차의 감소가 거의 일어나지 않는 부분인 플라토에 기인하는 것으로 알려져있다. 본 논문에서는 정보기하이론의 관점에서 기존의 학습법에 사용되는 기울기의 이론적 문제를 지적하고, 그로부터 플라토 문제의 원인을 밝힌다. 또한 이를 바탕으로 정보기하이론에 의해 새롭게 정의되는 자연 기울기를 이용한 학습법을 제시하고, 이를 이용한 플라토 문제가 문제해결의 가능성을 분석적으로 고찰하고 실험을 통해 확인한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.323-325
• /
• 2000

정보통신의 발전에 따라 컴퓨터 및 주변 장치간에 칼라를 정확히 재생할 수 있는 능력이 산업 경쟁력에 중요한 요소로 부상하고 있다. 본 논문에서는 모니터 상의 이미지를 프린터로 인쇄하기 위하여 사용되는 기존의 참조테이블(Look Up Table) 방식을 살펴보고 이 기능을 대체할 수 있는 신경회로망에 의한 칼라보정 매핑 방법을 제안하였다. 참조테이블 방식에서는 3차원으로 구성된 테이블을 구성하기가 쉽지 않고 구간 사이의 칼라값은 보간법을 써서 구해야 한다. 신경회로망에 의한 방법에서는 일단 학습을 완료하면 실시간으로 칼라를 보정해 주는 장점이 있다. 실험에서는 두 가지 방법에 의한 칼라 샘플의 모델을 통한 결과 값을 비교해 보고 상호간의 장단점과 성능 향상을 위한 방법을 토의하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.605-608
• /
• 2001

다층 신경망의 학습에 쓰이는 오류 역전파 학습은 매우 효과적이지만 학습 속도가 너무 느리고 최적의 은닉충의 뉴런의 수를 결정하는 해답은 아직 없는 실정이다. 또한 가끔은 국부 최소점(Local maxima)에 빠져 학습이 끝내 이루어지지 않는 경우가 있다. 이에 본 논문에서는 이러한 Local maxima 를 효과적으로 탈출 할 수 있는 방법에 대해서 연구해 보았다. 국부 최소점은 연결강도와 전체 오차 사이의 이차원 공간에서 표현할 수 있는데 본 알고리즘은 이러한 연결강도와 오차와의 관계를 인위적으로 변화시켜 결론적으로 Local maxima 를 탈출하게 하는 방법을 소개한다. 본 연구에서 사용된 방법은 네트웍이 학습중에 Local maxima 에 빠졌을 때 은닉층의 뉴런의 수를 추가하여 인위적으로 연결강도 평면의 위상을 변조시킨다. 또한 은닉충의 뉴런의 수를 동적으로 변화 시키면서 최적의 뉴런의 수를 결정할 수 있게 하였다. 위 알고리즘의 성능을 평가하기 위해서 XOR 문제와 $10{\times}8$ 영문폰트와 숫자의 학습에 적용하여 일반적인 역전파 학습과 비교 평가하였다.