• 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 KIEE Conference
• /
• 2007.07a
• /
• pp.1789-1790
• /
• 2007

이 논문에서 우리는 생체모방 시스템을 구현하기 위해 일반적인 기계 시스템과 인간의 신경 진동자 모델을 결합하였다. 이러한 시스템은 외부환경의 변화에 따른 효과적인 자율 적응 운동 형태를 생성할 수 있다. 인간 및 동물의 주기적 자율 운동을 관장하는 Central Pattern Generator (CPG)는 신경 진동자 네트웍에 의해서 표현가능하고 이는 신경 진동자 모델 내부의 sensory 피드백 신호를 통해, 주기성을 같은 외란에 상호 작용하여 적절한 운동을 생성해 낸다. 따라서 이를 기계 시스템에 결합하면 이러한 시스템은 변화되는 환경이나 잘 알지 못하는 외란에 대하여 자율적으로 적응된 운동을 보일 수 있다. 이를 위해 본 논문은 이러한 신경 진동자 모델과 결합된 realtime 시스템을 구현하고 그 자율 적응 운동의 생성 가능성을 살펴본다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.185-188
• /
• 2005

본 논문에서 신경망을 이용한 자계기반 자율주행 시스템의 조향 제어기 설계를 제안한다. 자율주행시스템에서 가장 중요한 핵심요소는 자계토로상의 센서의 현재위치를 파악하고 주행하는 것이다. 먼저 자계도로상의 현재위치를 파악하기 위한 방법으로, 첫 번째 자기쌍극자 모델식이 센서에서 측정된 자계와 일치함을 보였다. 두 번째 Peak Mapping법을 이용하여 외란으로 작용하는 지자계 성분을 제거할 수 있음을 입증하였다. 세 번째로 신경망을 이용하여 높이성분($B_{z}$)가 변하더라도 정확한 거리가 계측됨을 확인하였다. 따라서 신경망을 이용하면 소량의 메모리를 사용할 수 있으므로 실제 시스템에서 경제적인 효과를 볼 수 있고, 정확한 거리를 계측하므로 경로를 이탈하지 않고 자율주행이 가능한 시스템을 설계하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.261-262
• /
• 2019

본 논문에서는 신경망 모델에 키보드를 통한 주행 학습을 이용하여 자율 주행을 할 수 있는 시스템을 개발하였다. 주어진 트랙에서 키보드의 방향키를 통해 전진, 후진 등 5가지의 상태로 RC카를 수동 제어하고, 제어시 카메라를 통해 얻어진 이미지를 저장해, 키 제어 데이터와 이미지 데이터를 학습시켜서 자율 주행을 할 수 있는 시스템을 구현하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.330-340
• /
• 1998

자율주행 반송차가 주어진 경로를 따라 주행 할 때 주행면의 불균일성과 같은 외란요인과 자율반송차 시스템 자체의 비선형성 등으로 인하여 원치 않는 경로추종오차가 발생하게 되는데 본 연구에서는 이러한 경로추종오차를 최소화하기 위해서 신경회로망을 이용한 경로추종 오차 보상방법을 제안한다. 본 방법에서는 신경회로망을 통하여 조향각 보상량을 제공하므로써 경로추종오차를 보상한다. 신경망은 다층 퍼셉트론을 채용하였으며 역전파 알고리즘의 최급강하규칙(Gradient descent rule)을 이용하여 학습을 수행하였다. 본 제안에서는 학습오차를 경로추종오차로부터 정의하므로써 경로추종오차가 최소화되록 신경회로망을 학습시켰다. 제안된 방법의 타당성은 다양한 경로에 대한 모의실험 및 실제 실험을 통하여 검증하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.94-97
• /
• 2004

독립된 자율로봇에서 머신비젼의 구동을 위해 본 논문에서는 DARS(Distributed Autonomous Robotic System)에 적용하기 위한 디지털 이미지 프로세싱을 연구하고, DARS의 개별 로봇에 이를 임베디드화하는 것을 연구한다. 따라서 로봇을 구동하기 위해 필요한 데이터를 CMOS 카메라로부터 수신하여 영상을 스캔한 후, 원영상을 신경망 알고리즘을 통해 클러스터링하여 필요한 데이터를 추출한다. 또 이를 사용자 컴퓨터 단말기 상에 디스플레이하고, 최종적으로 DARS의 자율 이동 로봇이 영상 데이터를 인지하여 특정한 선택 동작을 수행하도록 한다.

• Progress in Medical Physics
• /
• v.6 no.2
• /
• pp.103-109
• /
• 1995

Power spectral analysis of spontaneous heart rate fluctuations were assessed by use of autooic blocking agents and changes in posture. The total power spectral range of interest is divided amongst the various experiments so that each respiratory pattern contributes a spectral ratio of interval to respiration only over a group of frequencies for which the specific respiratory pattern has substantial, and roughly constant, spectral magnitudes. System hardware is consisted ECG preamplifier, respiratory fluctuation detect, interval time generator and IBC 486PC. High frequency fluctuation, at the respiratiory frequency, are decreased by standing and are mediated solely by the parasympathetic system. Power spectral analysis is a powerful nonivsve tool for quantitying autonomic nervous system activity.

• KIPS Transactions on Computer and Communication Systems
• /
• v.12 no.3
• /
• pp.93-102
• /
• 2023

Data processing through the cloud causes many problems, such as latency and increased communication costs in the communication process. Therefore, many researchers study edge computing in the IoT, and autonomous driving is a representative application. In indoor self-driving, unlike outdoor, GPS and traffic information cannot be used, so the surrounding environment must be recognized using sensors. An efficient autonomous driving system is required because it is a mobile environment with resource constraints. This paper proposes a machine-learning method using neural networks for autonomous driving in an indoor environment. The neural network model predicts the most appropriate driving command for the current location based on the distance data measured by the LiDAR sensor. We designed six learning models to evaluate according to the number of input data of the proposed neural networks. In addition, we made an autonomous vehicle based on Raspberry Pi for driving and learning and an indoor driving track produced for collecting data and evaluation. Finally, we compared six neural network models in terms of accuracy, response time, and battery consumption, and the effect of the number of input data on performance was confirmed.

• Journal of the Korean Institute of Telematics and Electronics B
• /
• v.31B no.11
• /
• pp.151-162
• /
• 1994

A new neural network structure called Self-organized Distributed Networks (SODN) is proposed for developing the neural network-based multidimensional system models. The learning with the proposed networks is fast and precise. Such properties are caused from the local learning mechanism. The structure of the networks is combination of dual networks such as self-organized networks and multilayered local networks. Each local networks learns only data in a sub-region. Large number of memory requirements and low generalization capability for the untrained region, which are drawbacks of conventional local network learning, are overcomed in the proposed networks. The simulation results of the proposed networks show better performance than the standard multilayer neural networks and the Radial Basis function(RBF) networks.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.255-256
• /
• 2008

미래의 로봇 산업은 기존 자동화 산업 뿐만 아니라 안내, 보안 등의 가정, 공공기관 또는 우주, 심해 등에서 인간을 대신할 대안으로 활용되어질 전망이다. 이는 기존의 단순반복에서 벗어나 자율이동, 자기학습 등이 가능하도록 개발되어야 한다. 본 논문에서는 로봇을 공공기관에서의 안내, 보안 또는 위험현장, 군사용으로 적용하기 위해 필요한 기술인 자율이동시스템을 개발하였다. 로봇이 자율이동하기 위해서는 자기위치추적, 장애물 탐지 및 회피 기술이 필요하다. 이를 위해 초음파센서를 이용해 로봇을 탐지 시스템을 구성하였으며 LM신경회로망 제어기를 사용하여 로봇의 이동을 제어하였다. 또한 시뮬레이션을 통해 장애물 회피능력과 이동성능 결과를 검증하였다.