• The Transactions of the Korean Institute of Electrical Engineers
• /
• v.43 no.4
• /
• pp.553-563
• /
• 1994

This paper presents a filtering method using neural networks to extract fundamental frequency components of the transient wave signals in power systems. Based on the ability of multilayer feedforward neural networks to approximate any continuous function, a neural networks mapping filter is proposed for the protective distance relaying systems to extract the effective components efficiently. A characteristic feature of this mapping filter is composed of the multilayer perceptron neural networks which are trained by using random signals and those are mapped to the DFT filtering computational structure by GDR(Generalized Delta Rule). The advantage of this approach is demonstrated by the random waves and the fault transient wave signals of EMTP(electromagnetic transients program) in power systems fault conditions. The proposed method is compared with the conventional method and the simulation results show the efficiency of the neural networks.

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.16 no.7
• /
• pp.1223-1233
• /
• 1992

Chemical and mechanical properties of workpieces and tools are important factors for selecting machining parameters in machining process planning. As there is no universal rule representing the machinability defined by metal removal rate, the selection of machining parameters still requires experience-oriented methods. In this paper, a new approach is presented to develop mathematical models for generating optimum machinability in turning processes based on chemical and mechanical properties of workpieces. Neural-Network methodology is introduced to identify mathematical models for machinability. It is confirmed by simulations that the proposed methodology can be used for developing numerical controllers with adaptive control performance.

• Journal of Power System Engineering
• /
• v.5 no.2
• /
• pp.93-99
• /
• 2001

This paper presents the automatic recognition system for car number plate. In our country, two types of number plate pattern is used. The one is old type of number plate, the other is new type of number plate. To recognize both new and old type number plates, the system must have flexibility. Therefore, in this paper, automatic recognition system is developed by use of the neural network for good adaptation, good generalization, and modulation. And because the number plate is made of three codes, the multi neural network consists of three networks. Neural network is teamed by GDR(Generalized Delta learning Rule) and it is verified the effectiveness of the method through experimental results.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2004.11a
• /
• pp.195-202
• /
• 2004

일반적으로 운송 컨테이너의 식별자들은 크기나 위치가 정형화되어 있지 않고 외부 잡음으로 인하여 식별자의 형태가 변형될 수 있기 때문에 일정한 규칙으로 찾기는 힘들다. 본 논문에서는 이러한 특성을 고려하여 컨테이너 영상에 대해 Canny 마스크를 이용하여 에지를 검출하고, 검출된 에지 정보에서 영상획득 시 외부 광원에 의해 수직으로 길게 발생하는 잡음들을 퍼지추론 방법을 적용하여 제거한 후에 수직 블록과 수평 블록을 검출하여 컨테이너의 식별자 영역을 추출하고 이진화 한다. 이진화된 식별자 영역에 대해 검정색의 빈도수를 이용하여 흰바탕과 민바탕을 구분하고 윤곽선 추적 알고리즘을 적용하여 개별 식별자를 추출한다. 추출된 개별 식별자의 인식은 개선된 퍼지 RBF 네트워크를 제안하여 적용한다. 제안된 퍼지 RBF 네트워크는 퍼지 C-Means 알고리즘을 중간층으로 적용하고 중간층과 출력층 간의 학습에는 일반화된 델타 학습 방법과 Delta-bar-Delta 알고리즘을 적용하여 학습 성능을 개선한다. 실제 컨테이너 영상을 대상으로 실험한 결과, 기존의 식별자 추출 방법보다 제안된 식별자 추출 방법이 개선되었고 기존의 퍼지 RBF 네트워크 보다 제안된 퍼지 RBF 네트워크가 컨테이너 식별자의 학습 및 인식에 우수함을 확인하였다.

• 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.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.1
• /
• pp.497-503
• /
• 2005

본 논문에서는 퍼지 RBF 네트워크를 이용한 운송 컨테이너 식별자 인식 시스템을 제안한다. 일반적으로 운송 컨테이너의 식별자들은 크기나 위치가 정형화되어 있지 않고 외부 잡음으로 인하여 식별자의 형태가 변형될 수 있기 때문에 일정한 규칙으로 찾기는 힘들다. 본 논문에서는 이러한 특성을 고려하여 컨테이너 영상에 대해 Canny 마스크를 이용하여 에지를 검출하고, 검출된 에지 정보에서 영상획득 시 외부 광원에 의해 수직으로 길게 발생하는 잡음들을 퍼지 추론 방법을 적용하여 제거한 후에 수직 블록과 수평 블록을 검출하여 컨테이너의 식별자 영역을 추출하고 이진화한다. 이진화된 식별자 영역에 대해 검정색의 빈도수를 이용하여 흰바탕과 민바탕을 구분하고 4방향 윤광선 추적 알고리즘을 적용하여 개별 식별자를 추출한다. 개별 식별자 인식을 위해 퍼지 C-Means 알고리즘을 이용한 퍼지 RBF 네트워크를 제안하여 개별 식별자에 적용한다. 제안된 퍼지 RBF 네트워크는 퍼지 C-Means 알고리즘을 중간층으로 적용하고 중간층과 출력층 간의 학습에는 일반화된 델타 학습 방법과Delta-bar-Delta 알고리즘을 적용하여 학습 성능을 개선한다. 실제 컨테이너 영상을 대상으로 실험한 결과, 기존의 식별자 추출 방법보다 제안된 식별자 추출방법이 개선되었다. 그리고 기존의 ART2 기반 RBF 네트워크보다 제안된 퍼지 RBF 네트워크가 컨테이너 식별자의 학습 및 인식에 있어서 우수함을 확인하였다.