• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제7권4호
• /
• pp.242-248
• /
• 2007

This paper analyzes on the chaos characteristics of the chaotic neural networks and presents the convergence condition. Although the transient chaos of neural network sould be beneficial to overcome the local minimum problem and speed up the learning, the permanent chaotic response gives adverse effect on optimization problems and makes neural network unstable in general. This paper investigates the dynamic characteristics of the chaotic neural networks with the chaotic dynamic neuron, and presents the convergence condition for stabilizing the chaotic neural networks.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제7권4호
• /
• pp.236-241
• /
• 2007

This paper presents an adaptive controller using chaotic dynamic neural networks(CDNN) for nonlinear dynamic system. A new dynamic backpropagation learning method of the proposed chaotic dynamic neural networks is developed for efficient learning, and this learning method includes the convergence for improving the stability of chaotic neural networks. The proposed CDNN is applied to the system identification of chaotic system and the adaptive controller. The simulation results show good performances in the identification of Lorenz equation and the adaptive control of nonlinear system, since the CDNN has the fast learning characteristics and the robust adaptability to nonlinear dynamic system.

• 융합신호처리학회논문지
• /
• 제4권3호
• /
• pp.41-48
• /
• 2003

본 논문은 개선된 카오틱 신경망을 이용한 비선형 시스템의 적응제어에 관한 것이다. 개선된 카오틱 신경망은 기존의 카오틱 신경망을 간략화하며 동적 특성을 강화하기 위하여 제안하였다 또한 새로운 동적 역전파 학습방법을 개발하였다. 제안된 신경회로망은 다변수 시스템의 시스템식별과 신경망 적응제어 시스템에 적용하였다. 제안된 신경망은 비선형 동적시스템에 우수한 적응성을 가지므로 시뮬레이션 결과는 우수한 성능을 보였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1998년도 하계종합학술대회논문집
• /
• pp.263-266
• /
• 1998

This paper propose a prefilter type inverse control algorithm using chaotic neural networks. Since the chaotic neural networks show robust characteristics in approximation and adaptive learning for nonlinear dynamic system, the chaotic neural networks are suitable for controlling robotic manipulators. The structure of the proposed prefilter type controller compensate velocity of the PD controller. To estimate the proposed controller, we implemented to the Cartesian space control of three-axis PUMA robot and compared the final result with recurrent neural network(RNN) controller.

• 한국지능시스템학회논문지
• /
• 제8권6호
• /
• pp.129-135
• /
• 1998

본 논문은 서러 다른 접근방식을 사용하는 카오스 회귀 신경예측모델과 다층 신경회로망이 결합하여 고립음의 인식률을 높이고자 하였다. 전반적으로 다층신경회로망은 MLP와 결합한 인식률은 1.2%에서 2.5% 이상이 개선 되었다. 이는 서로 인식하는 방법이 다르기 때문에 서로 상호 보완되고, 카오스의 다이내믹 성질이 인식률을 개선시켰음을 실험으로 밝혔다. MLP와 결합한 인식률은 카오스 다층신경망일 때가 가장 좋았다. 그러나 학습시 알고리즘이 단순하고, 신뢰도 면에서는 오히려 카오스 단층 신경망이 인식률은 0.5%정도 떨어지지만 더욱 좋다고 생각된다. 주로 MLP는 숫자음 “일”과 “오”에서 우수한 성적을 나타내었고, 카오스 예측 신경망은 숫자음 “영”, “삼”, “칠”에서 우수하였다.

• 전자공학회논문지SC
• /
• 제37권5호
• /
• pp.46-55
• /
• 2000

본 논문은 카오틱 신경망과 PD 제어기를 이용한 로봇 시스템의 직접적응제어 방식에 관한 것이다. 카오틱 신경망은 상·하층 결합계수 외에 궤환 결합계수와 동일 층 내의 결합계수를 가지며, 뉴런자체의 충분한 비선형성 때문에 강한 동적특성을 가지고 있다. 그러나 신경망의 구조 및 학습의 문제점으로 인하여 동적 시스템의 제어에 적용되지 못하고 있다. 본 논문에서는 기존의 카오틱 신경망을 제어 분야에 적용하기 위하여 적합한 구조로 수정하고 수정된 신경망의 학습에 관하여 고찰하였다. 제안된 신경망은 모의 실험을 통하여 3 축 푸마 로봇의 경로 제어에 적용하였다. 카오틱 신경망 제어기는 PD 제어기와 병렬로 구성하여 학습 초기의 안정성을 확보하였고, 제어대상의 비선형성을 보상하는 보상 제어기의 역할을 수행하도록 하였다

• 대한전기학회논문지:시스템및제어부문D
• /
• 제50권4호
• /
• pp.184-191
• /
• 2001

This paper proposes a prefilter type velocity compensating control system using modified chaotic neural networks for the trajectory control of robotic manipulator. Since the structure of modified chaotic neural networks(MCNN) and neurons have highly nonlinear dynamic characteristics, MCNN can show the robust characteristics for controlling highly nonlinear dynamics like robotic manipulators. For its application, the trajectory controller of the three-axis robot manipulator is designed by MCNN. The MCNN controller acts as the compensator of the PD controller. Simulation results show that learning error decrease drastically via on-line learning and the performance is excellent. The MCNN controller showed much better control performance and shorter calculation time compared to the RNN controller, Another advantage of the proposed controller could by attached to conventional robot controller without hardware changes.

• 융합신호처리학회논문지
• /
• 제2권1호
• /
• pp.44-52
• /
• 2001

본 논문은 수정된 카오틱 신경망(MCNN)을 이용하여 완전 무제약 서체 숫자 인식을 다루고 있다. 카오틱 신경망(CNN)의 동적 특성과 학습과정을 강화함으로써 복잡한 패턴인식 문제를 해결할 수 있는 유용한 신경망으로 수정하였다. MCNN은 신경망 구조와 뉴런 자체가 높은 차수의 비선형 동적특성을 갖고 있으므로 복잡한 서체 숫자를 분류할 수 있는 적합한 신경망이다. 숫자 확인은 원래의 숫자 이미지로부터 특징을 추출하고 MCNN에 근거한 분류기를 이용하여 숫자를 인식한다. MCNN 분류기의 성능은 Canada, Montreal의 Concordia 대학의 숫자 데이터 베이스로 평가하였다. 인식성능의 상대적인 비교를 위해 MCNN 분류기는 리커런트 신경망(RNN) 분류기와 비교하였다. 실험결과에 의하면 인식율은 98.0%이었으며, 이는 MCNN 분류기가 같은 데이터 베이스에 대해 발표되었던 다른 분류기와 RNN 분류기보다 성능이 우수함을 나타낸다.

• International Journal of Control, Automation, and Systems
• /
• 제6권1호
• /
• pp.24-34
• /
• 2008

A novel neural network model, termed the standard neural network model (SNNM), similar to the nominal model in linear robust control theory, is suggested to facilitate the synthesis of controllers for delayed (or non-delayed) nonlinear systems composed of neural networks. The model is composed of a linear dynamic system and a bounded static delayed (or non-delayed) nonlinear operator. Based on the global asymptotic stability analysis of SNNMs, Static state-feedback controller and dynamic output feedback controller are designed for the SNNMs to stabilize the closed-loop systems, respectively. The control design equations are shown to be a set of linear matrix inequalities (LMIs) which can be easily solved by various convex optimization algorithms to determine the control signals. Most neural-network-based nonlinear systems with time delays or without time delays can be transformed into the SNNMs for controller synthesis in a unified way. Two application examples are given where the SNNMs are employed to synthesize the feedback stabilizing controllers for an SISO nonlinear system modeled by the neural network, and for a chaotic neural network, respectively. Through these examples, it is demonstrated that the SNNM not only makes controller synthesis of neural-network-based systems much easier, but also provides a new approach to the synthesis of the controllers for the other type of nonlinear systems.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권1호
• /
• pp.31-36
• /
• 2008

This paper presents adaptive learning data of evolvable neural networks (ENNs) for time series prediction of nonlinear dynamic systems. ENNs are a special class of neural networks that adopt the concept of biological evolution as a mechanism of adaptation or learning. ENNs can adapt to an environment as well as changes in the enviromuent. ENNs used in this paper are L-system and DNA coding based ENNs. The ENNs adopt the evolution of simultaneous network architecture and weights using indirect encoding. In general just previous data are used for training the predictor that predicts future data. However the characteristics of data and appropriate size of learning data are usually unknown. Therefore we propose adaptive change of learning data size to predict the future data effectively. In order to verify the effectiveness of our scheme, we apply it to chaotic time series predictions of Mackey-Glass data.