• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 춘계학술대회 학술발표 논문집 제14권 제1호
• /
• pp.265-268
• /
• 2004

본 논문은 최적화 방법인 유전자 알고리즘을 이용하여 진화 컴퓨팅 기반 RBF 신경회로망을 이용한 새로운 비선형 시스템 설계 방법을 제안한다. 비선형 시스템 설계시 문제점으로는 복잡성과 불확실성을 들수 있으며, 이러한 문제를 해결하기 위해서 지능형 모델을 사용하게 되었다. 본 논문에서는 일반적인 신경회로망보다 성능이 뛰어난 RBF 신경회로망을 사용하여 비선형 시스템을 모델링 한다. HCM 클러스터링을 이용하여 유사한 특성을 가진 비선형 데이터를 분류하여 입력으로 사용한다. 제안한 진화 컴퓨팅 기반 RBF 신경회로망을 이용한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 학습 데이터와 테스트 데이터를 이용하여 그 우수성을 보인다.

• 한국지능시스템학회논문지
• /
• 제7권4호
• /
• pp.74-81
• /
• 1997

본 논문에서는 시그모이드 함수와 방사형 기저 함수 모두를 생성시킬 수 있는 특별한 은닉층 노드를 갖는 투영신경회로망에 대하여 알아롭고 그것을 훈련시키기 위한 진화 학습 기법을 제시한다. 제시된 기법은 신경회로망의 매개변수와 연결 가충치뿐만 아니라, 어떤 목적함수를 나타내기 위한 최적의 은닉층 노드개수 또한 구조 최적화를 위한 진화연산자를 통해 찾아낸다. 각각의 은닉층 노드의 역할은 진화를 거듭하면서 방사형 기저 함수를 나타낼지 시그모이드 함수를 나타낼지 결정된다. 알고리즘을 구현하기 위해서 투영신경회로망은 연결 고리 리스트 자료구조로 나타내었다. 모의 실험에서 기존으 오차역전파에 의한 학습과 구조 성장 방식보다 적은 노드로 투영신경회로망을 훈련시킬 수 있음을 볼수 있다.

• 전자공학회논문지C
• /
• 제36C권3호
• /
• pp.58-64
• /
• 1999

진화 프로그래밍은 두 가지 요소로 특징지을 수 있다. 하나는 선택 방법이고 나머지는 돌연변이 규칙이다. 본 논문에서는 신경회로망의 역전파 학습 알고리듬을 이용하여 돌연변이 연산을 수행하는 새로운 진화 프로그래밍 알고리듬을 제안한다. 신경회로망의 학습 알고리듬에서 현재 오차는 진화 프로그래밍의 개체가 진화해 나가야 할 방향을 지정해 주고, 관성은 개체의 변이에 지금까지의 진화 경향을 더해 주어서 빠르게 전역 최적해를 찾도록 하였다. 표준 테스트 함수를 이용하여 제안된 알고리듬의 성능과 강건함을 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.307-310
• /
• 2003

본 논문에서는 대표적인 비선형 동특성을 가지는 실제 헬리콥터의 회전 띤 자세 운동을 근사화한 모형 헬리콥터의 시스템을 소개하고 이 시스템의 정지 자세 제어를 목표로 직접 적응 웨이브렛 신경회로망 제어기를 다음의 과정에 의해 만든다. 우선 상태 공간에 적용할 웨이브렛 기준 함수를 정의하고 나서 제어기로 들어오는 입력 값의 대략적인 범위와 특성을 파악해서 웨이브렛 이론에 근거해 신축(dilation)과 이동(traslation) 변수 값을 선택하여 초기 적응 웨이브렛 신경회로망 제어기를 건설한다. 마지막으로 시스템의 안정화 제어를 위하여 선택, 교배, 돌연변이의 진화연산자에 의해 일시에 최적의 구조와 결합가중치로 진화시켜 가는 새로운 형태의 ENNC를 제안하여 연결 가중치(weight)를 조정한다. 이 직접 적응 웨이브렛 신경회로망 제어기를 비선형 시스템인 모형 헬리콥터 시뮬레이터에 적용하여 제안한 제어기의 견실성 및 그 우수성을 입증하고자 한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.207-210
• /
• 2002

진화와 학습 사이의 상호 연관성을 연구하기 위해 인공 진화기법(artificial evolutionary algorithm)과 신경회로망(neural networks)을 이용한 학습 기법들이 사용되어 왔다. 신경 회로망 구조를 가지는 이동 로봇의 제어기의 구조와 파라미터를 결정하기 위한 방법으로 진화적 학습(evolutionary learning) 방법이 제안되었다. 제안된 방법에서 진화적 학습은 실제 로봇을 통해 on-line 방식으로 이루어지며, 장애물 회피 문제를 통해 유용성을 검증하고 진화 과정에 학습이 미치는 영향을 살펴보았다. 그리고 수학적으로 제시되기 힘든 진화 학습의 평가에 설계자의 개입을 허용하는 인터액티브 진화 알고리즘(interactive evolutionary algorithm)방법을 모색해 보았다.

• 한국마린엔지니어링학회:학술대회논문집
• /
• 한국마린엔지니어링학회 2001년도 춘계학술대회 논문집
• /
• pp.243-248
• /
• 2001

The stabilization control of Inverted Pendulum(IP) system is difficult because of its nonlinearity and structural unstability. Thus, in this paper, an Evolving Neural Network Controller(ENNC) without Error Back Propagation(EBP) is presented. An ENNC is described simply by genetic representation using an encoding strategy for types and slope values of each active functions, biases, weights and so on. By an evolutionary programming which has three genetic operation; selection, crossover and mutation, the predetermine controller is optimally evolved by updating simultaneously the connection patterns and weights of the neural networks. The performances of the proposed ENNC(PENNC) are compared with the ones of conventional optimal controller and the conventional evolving neural network controller(CENNC) through the simulation and experimental results. And we showed that the finally optimized PENNC was very useful in the stabilization control of an IP system.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1964-1965
• /
• 2011

본 연구에서는 패턴분류를 위해 기존의 방사형 기저 함수 신경회로망(Radial Basis Funtion Neural Network)과 다항식 신경회로망(Polynomial Neural Network)을 결합한 다중 출력 방사형 기저 함수다항식 신경회로망 (Multi Output Radial Basis Funtion Polynomial Neural Network)의 분류기를 제안한다. 제안된 모델은 PNN을 기본 구조로 하여 1층에 기존의 다항식 노드 대신 다중 출력 형태의 RBFNN을 적용 한다. RBFNN의 은닉층에는 기존의 활성함수가 아닌 fuzzy 클러스터링을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. PNN은 입력변수의 수와 다항식 차수가 모델의 성능을 결정함으로 최적화가 필요하며 본 논문에서는 Differential Evolution(DE)을 사용하여 모델의 구조 및 파라미터를 최적화시켜 모델의 성능을 향상시켰다. 패턴분류기로써의 제안된 모델을 평가하기 위해 pima 데이터를 이용하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 학술대회 논문집 전문대학교육위원
• /
• pp.115-121
• /
• 2000

본 논문에서는 진화연산 중에서 해의 다양성과 수렴속도면에서 좋은 성능을 나타내는 실수형 유전알고리즘과 신경회로망을 이용한 적응 퍼지제어기를 설계하였다. 실수형 유전알고리즘을 이용하여 퍼지제어기의 입 출력 이득과 실시간으로 퍼지제어기의 입 출력이득을 적응적으로 변경하는 신경회로망의 가중치를 튜닝하였다. 제안한 방법의 유용성을 평가하기 위해 시지연을 갖는 제어시스템[14]에 적용하였다. 컴퓨터 시뮬레이션 결과, 제안한 적응 퍼지제어기가 기존의 퍼지제어기보다 오버슈트, 정정시간, 상승시간면에서 더 우수한 제어성능을 나타내었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.245-248
• /
• 2000

본 논문에서는 강화 학습 개념을 도입하여 자율이동 로봇의 성능을 개선하고자 한다. 본 논문에서 사용되는 시스템은 크게 두 부분으로 나눌 수가 있다. 즉, 뉴럴 퍼지 부분과 동적귀환 신경회로망이다. 뉴럴 퍼지 부분은 로봇의 다음 행동을 결정하는 부분이다. 또한 동적귀환 신경회로망으로부터 내부 강화 신호를 받아 학습을 하여 최적의 행동을 결정하게 된다. 동적 귀환신경회로망은 환경으로부터 외부 강화신호를 입력으로 받아 뉴럴 퍼지의 행동결정에 대해 평가를 한다. 또한 내부강화 신호 값을 결정하는 동적 귀환 신경회로망의 웨이트는 유전자 알고리즘에 의해 진화를 한다. 제안한 알고리즘 구조를 컴퓨터 시뮬레이션상에서 자율 이동 로봇의 제어에 적용을 함으로서 그 유효성을 증명하고자 한다.

• 조명전기설비학회논문지
• /
• 제14권3호
• /
• pp.68-76
• /
• 2000

로켓이나 2족 보행 로봇(Biped Robots)의 자세 제어에 응용되는 도립진자 시스템(Inverted Penduhum System)은 대표적 비선행 시스템으로 수학적 모델링이 대단히 어려우며, 모델링올 하였다 하더라도 복잡한 구조가 된다. 이의 해결을 위한 고전적인 제어 기법으로 1970년대 이후부터는, 신경회로망과 퍼지, 카오스, 유전 알고리증을 이용한 제어 기법들이 도립진자의 안정화 제어에 적용되어져고 있으며, 최근 신경회로망의 자동설계 기법들과 유전 또는 전화 알고리즘올 이용한 신경회로망의 구축 기법인 종래의 진화형 선정회로 제어기(ENNC : Evohing Neural Network Controller)가 시도되어지고 있다. 그러나 종래의 ENNC의 전화방식은 노드(뉴런)단위로 교배하며, 특히, 활성화 함수를 지닌 은닉층의 뉴런이 입력층의 뉴런으로 대체되는 경우, 입력층 뉴런과 출력층 뉴런 사이의 결합 가중치가 삭제되지 않는 등의 문제점이 지적될 수 있다. 따라서, 본 논문에서는 도립진자 시스템의 안정화 제어를 위하여 선택, 교배, 돌연변이의 진화 연산자에 의해 일시에 최적의 구조와 결합가중치로 진화시켜 가능 새로운 형태의 ENNC를 제안하고자 한디. 또한, 다양한 초기치에 적응된 최적 구조와 결합가중치를 갖는 새로운 형태의 ENNC를 시뮬레이션율 통하여 얻고, 이를 ADA-2310보드 및 80586 마이크로 프로세서로 실현하여, 도립진자 시스템의 안정화 제어에 적용함으로써 본 논운에서 제안한 ENNC의 우수성과 강인성을 입증하고자 한다.