• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.317-323
• /
• 1998

이 논문에서는 웨이브렛 신경회로망을 사용하여 알려지지 않은 비선형 시스템을 안정하게 적응제어하는 문제를 다룬다. 비선형 시스템의 정확한 제어는 함수를 근사화하는 데 사용된 함수 근사화기의 정확성과 효율성에 의존한다. 이에 비선형 시스템 제어에 기준 함수의 선택이 자유롭고 함수 근사화 능력이 뛰어난 웨브렛 신경회로망을 사용한다. 초기 웨이브렛 신경회로망 제어기 설정은 웨이브렛 신경회로망 변수인 신축과 이동 값을 제어기 입력의 시-주파수 특성을 분석해서 구하고, 연결강도는 Lyapunov 안정성 이론에 기초한 적응 법칙을 사용하여 조절한다. 이를 비선형 시스템인 역 진자 시스템에 적용한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.384-389
• /
• 1998

본 논문은 특정 응용에 적합한 퍼지 제어기의 최적 설계 파라메터(퍼지 규칙과 소속 함수)를 찾는데 역전파 학습 과정과 유전 알고리즘을 결합한 Lamarckian 상호적응 기법을 이용한 뉴로-퍼지 제어기의 새로운 설계 방법을 제안한다. 설계 파라메타들은 진화에 의한 전역적 탐색을 통해 높은 포함값과 유용한 퍼지 규칙들을 갖는 규칙 베이스와 작은 근사화 오차와 좋은 제어 성능을 갖는 소속 함수들을 얻도록 제어기간 파라메타 조절을 수행하며, 학습에 의한 국부적 탐색을 통해 각 퍼지 제어기가 원하는 제어 결과를 나타내도록 제어기내 파라메타 조절을 수행한다. 제안한 상호적응 설계 방법은 유전 알고리즘의 모든 세대에서 역전파 학습이 이루어지므로 보다 좋은 근사화 능력을 나타나고, 사용한 무게 중심 비퍼지화기가 정확한 비퍼지화값을 계산하므로 보다 좋은 제어 성능을 가지며, 퍼지 규칙 베이스와 소속 함수들의 최적화 탐색 과정이 입출력 공간의 같은 퍼지 분할 상에서 통합된 적응 함수에 의하여 동시에 수행되므로 탐색을 위한 작업 공간이 아주 작아지는 장점이 있다. 시뮬레이션 결과는 Lamarckian 상호 적응에 의해 얻어진 FLC가 퍼지 규\ulcorner 수, 근사화 능력, 제어 성능등 모든면에서 다른 방법에 의해 얻어진 FLC보다 가장 우수함을 보여준다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.2
• /
• pp.677-680
• /
• 2005

In numerical analysis on the thermal performance of the heat exchanger with phase change fluids, the numerical values of thermodynamic properties are needed. But the steam table should be modeled properly as the direct use of thermodynamic properties of the steam table is impossible. In this study the function approximation characteristics of neural networks was used in modeling the saturated vapor region of refrigerant R12. The neural network consists of one input layer with one node, two hidden layers with 10 and 20 nodes each and one output layer with 7 nodes. Input can be both saturation temperature and saturation pressure and two cases were examined. The proposed model gives percentage error of ${\pm}$0.005% for enthalpy and entropy, ${\pm}$0.02% for specific volume and ${\pm}$0.02% for saturation pressure and saturation temperature except several points. From this results neural network could be a powerful method in function approximation of saturated vapor region of R12.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.28 no.4
• /
• pp.475-480
• /
• 2004

Function approximation is one of the most important and active research fields in design optimization. Accurate function approximations can reduce the repetitive computational effort fur system analysis. So this study presents an enhanced two-point diagonal quadratic approximation method. The proposed method is based on the Two-point Diagonal Quadratic Approximation method. But unlike TDQA, the suggested method has two quadratic terms, the diagonal term and the correction term. Therefore this method overcomes the disadvantage of TDQA when the derivatives of two design points are same signed values. And in the proposed method, both the approximate function and derivative values at two design points are equal to the exact counterparts whether the signs of derivatives at two design points are the same or not. Several numerical examples are presented to show the merits of the proposed method compared to the other forms used in the literature.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.15 no.8
• /
• pp.1756-1763
• /
• 2011

This paper was researched the straight cruise of fish robot according to biological mimic, and it was compared the proposed method which was considered up to 7th order components in fourier series of Liu's tail motion function with the approximate method which was used general sine function by simulation. If fish robot has a large number of links and if the length of tail link is long. The end rotary joint trajectory of tail motion function generally is different from sine function. Therefore The approximate method which expresses tail motion trajectories as fundamental component in fourier series has a problem. Through the computer simulation, the proposed method showed 10% excellent propulsion and velocity than the conventional method.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.13 no.6
• /
• pp.635-642
• /
• 2003

Reinforcement learning got successful results in a lot of applications such as control and scheduling. Various function approximation methods have been studied in order to improve the learning speed and to solve the shortage of storage in the standard reinforcement learning algorithm of Q-Learning. Most function approximation methods remove some special quality of reinforcement learning and need prior knowledge and preprocessing. Fuzzy Q-Learning needs preprocessing to define fuzzy variables and Local Weighted Regression uses training examples. In this paper, we propose a function approximation method, Fuzzy Q-Map that is based on on-line fuzzy clustering. Fuzzy Q-Map classifies a query state and predicts a suitable action according to the membership degree. We applied the Fuzzy Q-Map, CMAC and LWR to the mountain car problem. Fuzzy Q-Map reached the optimal prediction rate faster than CMAC and the lower prediction rate was seen than LWR that uses training example.

• The Journal of the Acoustical Society of Korea
• /
• v.36 no.1
• /
• pp.1-11
• /
• 2017

In this study, novel approximate form of the square-root operator of three dimensional acoustic Parabolic Equation (3D PE) is proposed using a rational approximant for two variables. This form has two advantages in comparison with existing approximation studies of the square-root operator. One is the wide-angle capability. The proposed form has wider angle accuracy to the inclination angle of ${\pm}62^{\circ}$ from the range axis of 3D PE at the bearing angle of $45^{\circ}$, which is approximately three times the angle limit of the existing 3D PE algorithm. Another is that the denominator of our approximate form can be expressed into the product of one-dimensional operators for depth and cross-range. Such a splitting form is very preferable in the numerical analysis in that the 3D PE can be easily transformed into the tridiagonal matrix equation. To confirm the capability of the proposed approximate form, comparative study of other approximation methods is conducted based on the phase error analysis, and the proposed method shows best performance.

• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.3 no.4
• /
• pp.49-56
• /
• 1989

약 이온화되어 있는 기체 방전에서 전자 에너지 분포함수는 계산상 어려움으로 인하여 맥스웰 분포를 가정하나 이러한 가정은 실제 방전내의 전자 에너지 분포함수와 차이를 보이게 된다. 본 논문에서는 저압 수은 방전에 대하여 전자온도, 관벽온도, 전자밀도, 포화증기압밀도를 변수로 사용하여 볼쯔만식을 해석하였다. 구성된 방정식으로부터 정상상태를 가정하여 구한 전자 에너지 분포함수는 보통 적용하는 맥스웰 분포와 꼬리부분에서는 많은 차이를 보였다. 특히 충돌 단면적을 에너지의 함수로 근사하여 식을 간략화함으로써 분포함수를 간편하게 구할 수 있으며 광범위하게 적용할 수 있는 방법을 제안하였다. 또한 명확한 이론에 근거한 해석적 모델을 제시하여 분포함수의 해석을 용이하게 하고 계산과정을 간편하게 하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.81-84
• /
• 2003

$\varepsilon$-SVR(e-Support Vector Regression)학습방법은 SV(Support Vector)들을 이용하여 함수 근사(Regression)하는 방법으로 최근 주목받고 있는 기법이다. SVM(SV machine)의 한 가지 방법으로, 신경망을 기반으로 한 다른 알고리즘들이 학습과정에서 지역적 최적해로 수렴하는 등의 문제를 한계로 갖는데 반해, 이러한 구조들을 대체할 수 있는 학습방법으로 사용될 수 있다. 일반적인 $\varepsilon$-SVR에서는 학습 데이터와 관사 함수 f사이에 허용 가능한 에러범위 $\varepsilon$값이 학습하기 전에 정해진다. 그러나 Nu-SVR(ν-version SVR)학습방법은 학습의 결과로 최적화 된 $\varepsilon$값을 얻을 수 있다. 정해진 기저함수가 포함되는 $\varepsilon$-SVR 학습방법(Sermparametric SVR)은 정해진 독립 기저함수를 사용하여 함수를 근사하는 방법으로, 일반적인 $\varepsilon$-SVR 학습방범에 비해 우수한 결과를 나타내는 것이 성공적으로 입증된 바 있다. 이에 따라, 본 논문에서는 정해진 기저함수가 포함된 ν-SVR 학습 방법을 제안하고, 이에 대한 수식을 유도하였다. 그리고, 모의 실험을 통하여 제안된 Sermparametric ν-SVR 학습 방법의 적용 가능성을 알아보았다.

• The KIPS Transactions:PartB
• /
• v.10B no.6
• /
• pp.587-592
• /
• 2003

Many real world control problems have continuous states and actions. When the state space is continuous, the reinforcement learning problems involve very large state space and suffer from memory and time for learning all individual state-action values. These problems need function approximators that reason action about new state from previously experienced states. We introduce Fuzzy Q-Map that is a function approximators for 1 - step Q-learning and is based on fuzzy clustering. Fuzzy Q-Map groups similar states and chooses an action and refers Q value according to membership degree. The centroid and Q value of winner cluster is updated using membership degree and TD(Temporal Difference) error. We applied Fuzzy Q-Map to the mountain car problem and acquired accelerated learning speed.