• 한국생산제조학회지
• /
• 제18권3호
• /
• pp.315-320
• /
• 2009

The purpose of this study is to predict the roundness of Numerical Control Machining so that helps the operator to choose the right machining conditions to produce a product within the given error limits. Learning of neural network is Backpropagation theory. From this study, the base was set to setup the database to produce precisely machined product by predicting the rate of error in the fabrication facility which does not have the environment to analyze it.

• 한국통신학회논문지
• /
• 제16권1호
• /
• pp.35-45
• /
• 1991

본 논문에서는 Backpropagation 학습 이론을 사용한 다층 구조 신경 회로망을 이용하여 3차원적으로 왜곡된 항공기 인식과 항공기의 3차원 회전 방향 추정을 컴퓨터 시뮬레이션을 통하여 수행하였다. 항공기 영상으로 부터 2차원 영상에서 왜곡 불변 (distortion invariant)특정을 가지는 피치 $(L,\;{\Phi})$를 추출하여 신경 회로망 항공기 인식기의 학습(training)에 사용하였다. 그리고 신경 회로망 인식기 설계시 그 구조를 최적화 함으로써 높은 인식률을 가지는 항공기 인식기를 구성하였다. 신경 회로망 학습 과정에서 학습 이론으로는 변형된 backpropagation 학습 이론을 도입하고 아울러 학습 수행중에 학습 변수(learning parameter)값을 변화 시키는 방법을 사용하여 전체 학습 시간을 효과적으로 단축시킬 수 있었다.

• Journal of Electrical Engineering and Technology
• /
• 제9권3호
• /
• pp.1060-1071
• /
• 2014

Signals of the Electroencephalogram (EEG) can reflect the electrical background activity of the brain generated by the cerebral cortex nerve cells. This has been the mostly utilized signal, which helps in effective analysis of brain functions by supervised learning methods. In this paper, an approach for improving the accuracy of EEG signal classification is presented to detect epileptic seizures. Moreover, Independent Component Analysis (ICA) is incorporated as a preprocessing step and Short Time Fourier Transform (STFT) is used for denoising the signal adequately. Feature extraction of EEG signals is accomplished on the basis of three parameters namely, Standard Deviation, Correlation Dimension and Lyapunov Exponents. The Artificial Neural Network (ANN) is trained by incorporating Levenberg-Marquardt(LM) training algorithm into the backpropagation algorithm that results in high classification accuracy. Experimental results reveal that the methodology will improve the clinical service of the EEG recording and also provide better decision making in epileptic seizure detection than the existing techniques. The proposed EEG signal classification using feed forward Backpropagation Neural Network performs better than to the EEG signal classification using Adaptive Neuro Fuzzy Inference System (ANFIS) classifier in terms of accuracy, sensitivity, and specificity.

• 한국음향학회지
• /
• 제15권2호
• /
• pp.79-84
• /
• 1996

본 논문은 CDMA 이동 통신 시스템에서 직접 순차 확산 스펙트럼의 협대역 간섭 신호를 억압하기 위해 다계층 퍼셉트론을 기본으로 한 역전파 신경망을 이용하여 적응 상관기 모델을 제시하였다. 적응 상관기 구조는 빠른 수렴 율과 보다 좋은 성능을 제공하기 위해 역전파된 에러를 가진 반복적 최소 자승 역전파 알고리즘을 도입하였다. 컴퓨터 시뮬레이션 결과는 동일 채널 간섭과 협대역 간섭을 고려한 신호 잡음비와 전송 전력비에 대해 직접 순차 확산 스펙트럼 적응 횡단선 필터의 비트 에러율보다 역전파 신경망을 이용한 적응 상관기의 비트 에러율이 개선됨을 보였고, 특히 간섭 대 신호비가 5dB인 곳에서 역전파 신경망을 이용한 적응 상관기가 적응 횡단선 필터의 비트 에러율보다 약 $10^{-1}$ 정도 감소되었다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1993년도 한국자동제어학술회의논문집(국내학술편); Seoul National University, Seoul; 20-22 Oct. 1993
• /
• pp.718-723
• /
• 1993

In this paper, we propose a neural network with fuzzy preprocessor not only for improving the classification accuracy but also for being able to classify objects whose attribute values do not have clear boundaries. The fuzzy input signal representation scheme is included as a preprocessing module. It transforms imprecise input in linguistic form and precisely stated numerical input into multidimensional numerical values. The transformed input is processed in the postprocessing module. The experimental results indicate the superiority of the backpropagation network with fuzzy preprocessor in comparison to the conventional backpropagation network.

• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.672-676
• /
• 2010

본 논문은 연결강도를 조정할 때 결정 경계선 근처에 있는 데이터를 더 반영하는 학습법칙을 제안하였다. 이 학습법칙은 outlier가 결정 경계선에 미치는 영향을 줄여 더 나은 결정 경계선을 형성하도록 한다. 제안하는 학습법칙을 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망의 구조에 적용하였다. IAFC 신경회로망은 배운 것을 유지하는 안정성이 있으면서, 새로운 것을 배울 수 있는 안정성이 있다. 이 퍼지 신경회로망의 성능과 LVQ(Learning Vector Quantization) 신경회로망 및 오류역전파 신경회로망의 성능과 비교하였다. 실험결과 제안하는 퍼지 신경회로망의 성능이 우수함을 보여주었다.

• Journal of the Korean Data and Information Science Society
• /
• 제7권1호
• /
• pp.13-19
• /
• 1996

In this paper, we study and compare two types of methods for classification when both continuous and categorical variables are used to describe each individual. One is neural network(NN) method using backpropagation learning(BPL). The other is logistic model(LM) method. Both the NN and LM are based on projections of the data in directions determined from interconnection weights.

• 한국콘텐츠학회논문지
• /
• 제7권1호
• /
• pp.65-72
• /
• 2007

본 연구에서는 초음파 검사를 기반으로 하는 비파괴검사 방법을 사용하였으며, 용접결함의 패턴인식 알고리즘으로서 역전파 신경망과 확률 신경망을 비교하였다. 이러한 목적을 위한 과정에서 두 가지 알고리즘에 동일한 변수를 적용하였으며, 여기서 사용된 특징변수는 용접결함으로부터 반사된 시간영역 상의 전체 결함신호로부터 결함부분만을 분리한 신호파형을 사용하였다. 이상의 절차를 통하여 두 가지 알고리즘의 적용방안을 확인하였으며, 두 가지 알고리즘에 대하여 각각의 장단점을 비교하였다.

• 한국안전학회지
• /
• 제16권4호
• /
• pp.58-64
• /
• 2001

In this study, it is developed that the system for effective prediction of residual stresses by the back-propagation algorithm using the neural network. To achieve This goal, the series experiment were carried out and measured the residual stresses using the sectional method. Using the experimental results, the optional control algorithms using a neural network should be developed in order to reduce the effect of the external disturbances during GMA welding processes. Then the results obtained from this study were compared between the measured and calculated results, weld guality might be controlled by the neural network based on backpropagation algorithm. This system can no only help to understand the interaction between the process parameters and residual stress, but also improve the quantity control for welded structures.

• International Journal of Computer Science & Network Security
• /
• 제21권6호
• /
• pp.77-88
• /
• 2021

Heart Failure represents a critical pathological case that is challenging to predict and discover at an early age, with a notable increase in morbidity and mortality. Machine Learning and Neural Network techniques play a crucial role in predicting heart attacks, diseases and more. These techniques give valuable perspectives for clinicians who may then adjust their diagnosis for each individual patient. This paper evaluated neural network models for heart attacks predictions. Several online learning methods were investigated to automatically and accurately predict heart attacks. The UCI dataset was used in this work to train and evaluate First Order and Second Order Online Learning methods; namely Backpropagation, Delta bar Delta, Levenberg Marquardt and QuickProp learning methods. An optimizer technique was also used to minimize the random noise in the database. A regularization concept was employed to further improve the generalization of the model. Results show that a three layers' NN model with a Backpropagation algorithm and Nadam optimizer achieved a promising accuracy for the heart attach prediction tasks.