International Journal of Computer Science & Network Security
/
v.23
no.9
/
pp.186-191
/
2023
Neural Networks are widely used for huge variety of tasks solution. Machine Learning methods are used also for signal and time series analysis, including electrocardiograms. Contemporary wearable devices, both medical and non-medical type like smart watch, allow to gather the data in real time uninterruptedly. This allows us to transfer these data for analysis or make an analysis on the device, and thus provide preliminary diagnosis, or at least fix some serious deviations. Different methods are being used for this kind of analysis, ranging from medical-oriented using distinctive features of the signal to machine learning and deep learning approaches. Here we will demonstrate a neural network-based approach to this task by building an ensemble of 1D CNN classifiers and a final classifier of selection using logistic regression, random forest or support vector machine, and make the conclusions of the comparison with other approaches.
The compressive strength of self-compacting concrete (SCC) containing fly ash (FA) is highly related to its constituents. The principal purpose of this paper is to investigate the efficiency of hybrid fuzzy radial basis function neural network with biogeography-based optimization (FRBFNN-BBO) for predicting the compressive strength of SCC containing FA based on its mix design i.e., cement, fly ash, water, fine aggregate, coarse aggregate, superplasticizer, and age. In this regard, biogeography-based optimization (BBO) is applied for the optimal design of fuzzy radial basis function neural network (FRBFNN) and the proposed model, implemented in a MATLAB environment, is constructed, trained and tested using 338 available sets of data obtained from 24 different published literature sources. Moreover, the artificial neural network and three types of radial basis function neural network models are applied to compare the efficiency of the proposed model. The statistical analysis results strongly showed that the proposed FRBFNN-BBO model has good performance in desirable accuracy for predicting the compressive strength of SCC with fly ash.
Proceedings of the Korean Institute of IIIuminating and Electrical Installation Engineers Conference
/
2007.11a
/
pp.307-312
/
2007
The paper is proposed artificial neural network(ANN) sensorless control of induction motor drive with fuzzy learning control-fuzzy neural network(FLC-FNN) controller. The hybrid combination of neural network and fuzzy control will produce a powerful representation flexibility and numerical processing capability. Also, this paper is proposed speed control of induction motor using FLC-FNN and estimation of speed using ANN controller The back propagation neural network technique is used to provide a real time adaptive estimation of the motor speed. The error between the desired state variable and the actual one is back-propagated to adjust the rotor speed, so that the actual state variable will coincide with the desired one. The proposed control algorithm is applied to induction motor drive system controlled FLC-FNN and ANN controller, Also, this paper is proposed the analysis results to verify the effectiveness of the FLC-FNN and ANN controller.
The interior permanent magnet synchronous motor (IPMSM) has been widely used in electric vehicle applications due to its excellent power to weigh ratio. This paper proposes the maximum torque control of an IPMSM drive using an adaptive learning (AL) fuzzy neural network (FNN) and an artificial neural network (ANN). This control method is applicable over the entire speed range while taking into consideration the limits of the inverter's rated current and voltage. This maximum torque control is an executed control through an optimal d-axis current that is calculated according to the operating conditions. This paper proposes a novel technique for the high performance speed control of an IPMSM using AL-FNN and ANN. The AL-FNN is a control algorithm that is a combination of adaptive control and a FNN. This control algorithm has a powerful numerical processing capability and a high adaptability. In addition, this paper proposes the speed control of an IPMSM using an AL-FNN, the estimation of speed using an ANN and a maximum torque control using the optimal d-axis current according to the operating conditions. The proposed control algorithm is applied to an IPMSM drive system. This paper demonstrates the validity of the proposed algorithms through result analysis based on experiments under various operating conditions.
Proceedings of the Korean Society for Quality Management Conference
/
2004.04a
/
pp.597-602
/
2004
This study examined the forecasting of instant messinger's users choice using neural network. We used the statistical methods which were Logistic Regression, MDA(Multiple Discriminant Analysis), and ANN(Artificial Neural Network). In the result, the forecasting performance of the ANN was better than conventional model(Logistic Regression, MDA).
International Journal of Internet, Broadcasting and Communication
/
v.13
no.1
/
pp.210-218
/
2021
CNN (Convolutional Neural Network), a type of deep learning algorithm, is a type of artificial neural network used to analyze visual images. In deep learning, it is classified as a deep neural network and is most commonly used for visual image analysis. Accordingly, an AI autonomous driving model was constructed through real-time image processing, and a crosswalk image of a road was used as an obstacle. In this paper, we proposed a low-cost model that can actually implement autonomous driving based on the CNN model. The most well-known deep neural network technique for autonomous driving is investigated and an end-to-end model is applied. In particular, it was shown that training and self-driving on a simulated road is possible through a practical approach to realizing lane detection and keeping.
In this study, an artificial neural network model was constructed to convert CAE analysis data into similar experimental data. In the analysis and experiment, the injection molding data for 50 conditions were acquired through the design of experiment and random selection method. The injection molding conditions and the weight, height, and diameter of the product derived from CAE results were used as the input parameters for learning of the convert model. Also the product qualities of experimental results were used as the output parameters for learning of the convert model. The accuracy of the convert model showed RMSE values of 0.06g, 0.03mm, and 0.03mm in weight, height, and diameter, respectively. As the next step, additional randomly selected conditions were created and CAE analysis was performed. Then, the additional CAE analysis data were converted to similar experimental data through the conversion model. An artificial neural network model was constructed to predict the quality of injection molded product by using converted similar experimental data and injection molding experiment data. The injection molding conditions were used as input parameters for learning of the predicted model and weight, height, and diameter of the product were used as output parameters for learning. As a result of evaluating the performance of the prediction model, the predicted weight, height, and diameter showed RMSE values of 0.11g, 0.03mm, and 0.05mm and in terms of quality criteria of the target product, all of them showed accurate results satisfying the criteria range.
This study focuses on the adoption of Healthcare Information System (HIS) in India's healthcare services, which has led to an increased use of HIS software for managing patient information in hospitals. The study aims to evaluate the factors that influence hospital workers' satisfaction with HIS usage and its impact on their intention to continue in the use of HIS. Primary data was collected through a survey questionnaire from 265 hospital workers. A new framework was developed, and Structural Equation Modeling (SEM) was used for analysis. Sensitivity analysis was also conducted on demographic data using an Artificial Neural Network (ANN) approach. The results indicated that all hypotheses were significant (p < 0.05). Effort expectancy was the most significant factor influencing hospital workers' satisfaction (p < 0.01). Sensitivity analysis showed that education (Model-A) and experience in use of HIS (Model-B) were the most important factors. The study contributes by proposing a new theoretical framework and extending the previous research on HIS usage satisfaction. Overall, the study highlights the importance of easiness and usefulness in predicting HIS usage satisfaction.
Kim, Dong-Hyawn;Kim, Young-Jin;Hur, Dong-Soo;Jeon, Ho-Sung;Lee, Chang-Hoon
Journal of Korean Society of Coastal and Ocean Engineers
/
v.22
no.2
/
pp.126-132
/
2010
An approach to calculating expected damage of breakwater assisted by artificial neural network was developed. Wave height in front of a breakwater was predicted by a trained artificial neural network with inputs of wave height in deep ocean and tidal level. Prediction results by the neural network can be comparable to that by professional numerical model for wave transformation. Using the wave prediction neural network, it was very easy and fast to obtain a number of significant waves at breakwater and finally analysis time for expected damage can be shortened. In addition, the effect of considering tidal level in the calculation of expected damage was revealed by comparing the expected damages with and without tidal variation. Therefore, it was pointed out that tidal variation should be considered to improve prediction accuracy.
Lee, J.S.;Lee, S.C.;Choi, K.S.;Kim, Y.S.;So, S.H.;Ha, K.J.;Ryu, D.H.;Cho, T.H.;Jung, M.S.
Analytical Science and Technology
/
v.15
no.5
/
pp.399-409
/
2002
A system software on-line spectral analysis of atomic emission spectrometer. The system program consisted of a control part for the optical instruments and the spectrum analysis part the artificial intelligence method to reduce nonlinear error of the wavelengths. McPHERSON 207 Monochromator controlled GPIB communication protocol, and the detector signal was measured from PMT by using A/D Amplifier that was made by Photon_Tek. co.. HNN(Hybrid Neural Network) of artificial intelligence technique was applied to the qualitative analysis of P, Cu, Fe, Cr, and that was accurately applied to the quantitative analysis of Cd with 10 ppb level better than the conventional methods.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.