• 제어로봇시스템학회논문지
• /
• 제13권4호
• /
• pp.315-319
• /
• 2007

A technique to model plasma processes was presented. This was accomplished by combining the backpropagation neural network (BPNN) and genetic algorithm (GA). Particularly, the GA was used to optimize five training factor effects by balancing the training and test errors. The technique was evaluated with the plasma etch data, characterized by a face-centered Box Wilson experiment. The etch outputs modeled include Al etch rate, AI selectivity, DC bias, and silica profile angle. Scanning electron microscope was used to quantify the etch outputs. For comparison, the etch outputs were modeled in a conventional fashion. GABPNN models demonstrated a considerable improvement of more than 25% for all etch outputs only but he DC bias. About 40% improvements were even achieved for the profile angle and AI etch rate. The improvements demonstrate that the presented technique is effective to improving BPNN prediction performance.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.99-101
• /
• 2006

Auto-Cross Correlated time series (ACTS) model was constructed by using the backpropagation neural network. The performance of ACTS model was evaluated with sensor information collected from a large volume, industrial plasma-enhanced chemical vapor deposition system. A total of 18 sensor information were collected. The effect of inclusion of past and future information were examined. For all but three sensor information with a large data variance demonstrated a prediction error less than 3%. By integrating ACTS model into equipment software, process quality can be more stringently monitored while improving device throughput.

• 한국정밀공학회지
• /
• 제18권11호
• /
• pp.124-131
• /
• 2001

Fault diagnosis of an assembled small motor relies usually on human experts hearing ability. The quality of diagnosis depends, however, heavily on physical conditions of the human experts. A fault diagnosis system for assembled small motors is developed using artificial neural network (ANN) in this paper. It is consisted of sound sampling device and fault diagnosis software package. Six parameters are defined to characterize the sampled sound waves. The Levenberg-Marquardt Backpropagation (LMBP) Algorithm is used to diagnose the fault of assembled small motors. Experimental results for more than two hundred small motors verify the performance of the developed system.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.328-330
• /
• 2002

본 논문에서는 역전파 신경망(Backpropagation Neural Network)을 시계열 데이터인 주가 데이터를 이용한 주가 예측의 정확도를 향상시키기 위한 학습 방법으로 적용하였다. 실제 증권거래소의 종목 데이터에서 비교적 등락폭이 안정적인 각 산업분야별 5개 기업의 5일 이동평균선 데이터 240개를 훈련 데이터로, 20개는 테스트 데이터로 이용하였다. 선정된 입력 데이터를 은닉층의 개수와 은닉 노드의 개수 등을 달리 하면서 10,000번의 훈련을 통해서 실험 하였으며, 그 결과 1개의 은닉층을 사용한 네트워크1은 20개의 테스트 데이터 사이의 19개의 신호 중 14개를 예측하였고, 2개의 은닉층을 사용한 네트워크 2는 16개를 예측하였다. 시험 결과를 통해서 보듯이 은닉층을 2개 사용하였을 때 보다 좋은 실험 결과를 얻을 수 있었으며, 역전파 신경망 모델이 주가 예측에 적합하다는 것이 증명되었다.

• 대한전기학회논문지:전력기술부문A
• /
• 제51권2호
• /
• pp.76-82
• /
• 2002

This paper presents the method of sail-resistivity estimation using the backpropagation(BP) neural network. Existing estimation programs are expensive, and their estimation methods need complex techniques and take much time. Also, those programs have not become well spreaded in Korea yet. Soil resistivity estimation method using BP algorithm has studied for the reason mentioned above. This paper suggests the method which differs from expensive program or graphic technology requiring many input stages, complicated calculation and professional knowledge. The equivalent earth resistivity can be presented immediately after inputting apparent resistivity through the personal computer with a simplified Program without many Processing stages. This program has the advantages of reasonable accuracy, rapid processing time and confident of anti users.

• 상하수도학회지
• /
• 제12권4호
• /
• pp.43-52
• /
• 1998

The purpose of this study is to establish a method of estimating the daily urban water demend using Backpropagation algorithm is part of ANN(Artificial Neural Network). This method will be used for the development of the efficient management and operations of the water supply facilities. The data used were the daily urban water demend, the population and weather conditions such as treperarture, precipitation, relative humidity, etc. Kwangju city was selected for the case study area. We adjusted the weights of ANN that are iterated the training data patterns. We normalized the non-stationary time series data [-1,+1] to fast converge, and choose the input patterns by statistical methods. We separated the training and checking patterns form input date patterns. The performance of ANN is compared with multiple-regression method. We discussed the representation ability the model building process and the applicability of ANN approach for the daily water demand. ANN provided the reasonable results for time series forecasting.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2000년도 추계학술대회 논문집
• /
• pp.687-690
• /
• 2000

Lately, many studies have been progressed for the protection human's lives and property as holding in check accidents happened by human's carelessness or mistakes. One part of these is the development of an autonomouse vehicle. General control method of vision-based autonomous vehicle system is to determine the navigation direction by analyzing lane images from a camera, and to navigate using proper control algorithm. In this paper, characteristic points are abstracted from lane images using lane recognition algorithm with sobel operator. And then the vehicle is controlled using two proposed auto-steering algorithms. Two steering control algorithms are introduced in this paper. First method is to use the geometric relation of a camera. After transforming from an image coordinate to a vehicle coordinate, a steering angle is calculated using Ackermann angle. Second one is using a neural network algorithm. It doesn't need to use the geometric relation of a camera and is easy to apply a steering algorithm. In addition, It is a nearest algorithm for the driving style of human driver. Proposed controller is a multilayer neural network using Levenberg-Marquardt backpropagation learning algorithm which was estimated much better than other methods, i.e. Conjugate Gradient or Gradient Decent ones.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2004년도 추계학술대회 논문집 Vol.17
• /
• pp.272-275
• /
• 2004

플라즈마 식각공정은 소자제조를 위한 미세 패턴닝 제작에 이용되고 있다. 공정 메커니즘의 정성적 해석, 최적화, 그리고 제어를 위해서는 컴퓨터 예측모델의 개발이 요구된다. 역전파 신경망 (backpropagation neural network-BPNN) 모델을 개발하는 데에는 다수의 학습인자가 관여하고 있으며, 가장 그 최적화가 어려운 학습인자는 초기웨이트이다. 모델개발시, 초기웨이트는 random 값으로 설정이 되며, 이로 인해 초기웨이트의 최적화가 어렵다. 본 연구에서는 유전자 알고리즘 (genetic algorithm-GA)을 이용하여 BPNN의 초기웨이트를 최적화하였으며, 이를 식각공정 모델링에 적용하여 평가하였다. 실리카 식각공정 데이터는 $2^3$ 인자 실험계획법을 이용하여 수집하였으며, GA에 관여하는 두 확률인자의 영향을 42 인자 실험계획법을 이용하여 최적화 하였다. 종래의 모델에 비해, 최적화된 모델은 실리카 식각률, Al 식각률, Al 선택비, 그리고 프로파일 응답에 대해서 각 기 24%, 13%,, 16%, 그리고 17%의 향상률을 보였다. 이는 제안된 최적화 기법이 플라즈마 모델의 예측성능을 증진하는데 효과적으로 응용될 수 있음을 의미한다.

• 융합신호처리학회논문지
• /
• 제5권2호
• /
• pp.132-137
• /
• 2004

본 논문에서는 다층 신경회로망의 구조를 가지며, 백프로퍼게이션 학습 알고리즘을 이용한 적응신호처리 시스템을 구현하였다. 최소자승 알고리즘을 이용한 적응 잡음 제거기는 기준 신호와 잡음과의 상관도에 영향을 많이 받고, 정보 신호가 잡음에 비하여 상대적으로 작은 경우에 한계를 보이고 있다. 이와 같은 잡음에 대하여 본 논문에서 제안된 시스템은 좋은 성능을 보인다. 또한, 은닉층의 수와 노드 수를 다르게 구성했을 경우에 시스템의 출력에 미치는 결과에 대하여 분석하였다. 제안된 적응 신호처리 시스템의 장점을 알아보기 위하여 성능 평가의 기준이 되는 최소자승 알고리즘을 이용한 시스템과 비교하였다.

• 인지과학
• /
• 제4권2호
• /
• pp.181-200
• /
• 1994

다층 신경망의 학습에 있어서 역전파 알고리즘은 시스템이 지역적 최소치에 빠질수 있고,탐색공간의 피라미터들에 의해 신경망 시스템의 성능이 크게 좌우된다는 단점이 있다.이러한 단점을 보완하기 의해 유전자 알고리즘이 신경망의 학습에 도입도었다.그러나 유전자 알고리즘에는 역전파 알고리즘과 같은 미세 조정되는 지역적 탐색(fine-tuned local search) 을 위한 메카니즘이 존재하지 않으므로 시스템이 전역적 최적해로 수렴하는데 많은 시간을 필요로 한다는 단점이 있다. 따라서 본 논문에서는 역전파 알고리즘의 기울기 강하 기법(gradient descent method)을 교배나 돌연변이와 같은 유전 연산자로 둠으로써 유전자 알고리즘에 지역적 미세 조정(local fine-tuning)을 위한 메카니즘을 제공해주는 새로운 형태의 GA-BP 방법을 제안한다.제안된 방법의 유용성을 보이기 위해 3-패러티 비트(3-parity bit) 문제에 실험하였다.