• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 A
• /
• pp.30-32
• /
• 2004

This paper describes control system design for the DH(dynamic voltage restorer) consisted of a diode rectifier and series inverter applied to 22.9kV distribution system. The DVR control system is consisted of the main two parts. One is a voltage event detector using a neural network and the other is deadbeat controller for the output voltage and current control of the DVR. A simulation model was developed for analyzing performance of the controller and the whole system. The results confirm that the DVR can restore load voltage under the fault of the distribution system.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.675-679
• /
• 2020

최근 이미지 분류의 성능 향상을 위해 깊은 레이어와 넓은 채널을 가지는 모델들이 제안되어져 왔다. 높은 분류 정확도를 보이는 모델을 제안하는 것은 과한 컴퓨팅 파워와 계산시간을 요구한다. 본 논문에서는 이미지 분류 기법에서 사용되는 딥 뉴럴 네트워크 모델에 있어, 프루닝 방법을 통해 상대적으로 불필요한 가중치를 제거함과 동시에 분류 정확도 하락을 최소로 하는 동적 필터 프루닝 방법을 제시한다. 원샷 프루닝 기법, 정적 필터 프루닝 기법과 다르게 제거된 가중치에 대해서 소생 기회를 제공함으로써 더 좋은 성능을 보인다. 또한, 재학습이 필요하지 않기 때문에 빠른 계산 속도와 적은 컴퓨팅 파워를 보장한다. ResNet20 에서 CIFAR10 데이터셋에 대하여 실험한 결과 약 50%의 압축률에도 88.74%의 분류 정확도를 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.633-634
• /
• 2020

본 논문에서는 미디어영상을 기반한 무대 공연의 다양한 미디어 효과를 분석하고, 무대 공연을 위한 제스처 기반 동적 프로젝션 맵핑 프레임워크를 설계 구현한다. 이를 위하여, 동적 프로젝션 맵핑 기반 기존 공연에서 공연자의 제스처와 이에 따른 미디어 효과를 분석하고, 동적 프로젝션 맵핑기술을 효율적으로 구현하기 위하여 모션 히스토리 이미지를 이용한 CNN(Convolutional Neural Network) 기반의 제스처 인식 기술을 구현한다. 또한, 구현된 제스처인식 기술을 기반으로 공연자의 서로 다른 제스처와 미디어 효과를 매칭시킬 수 있는 프레임 워크 구현 내용을 소개한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 하계학술대회
• /
• pp.195-199
• /
• 2021

본 논문에서는 재귀 신경망을 통해 동적 비전 센서 (DVS: Dynamic Vision Sensor)의 출력에서 엣지를 추정하는 방법을 제안한다. 동적 비전 센서는 기존의 일반적인 카메라들과 달리 급격한 움직임이나 밝기 변화에 강인하게 동작한다. 그러나 동적 비전 센서에서 획득한 출력은 각각이 독립적이기 때문에 화소들의 상관관계를 이용한 알고리즘을 사용함에 어려움이 따른다. 제안하는 방법은 센서에서 획득한 출력을 일정한 시간단위로 분할하고 2차원 평면에 투영함으로써 출력의 정보량 및 상관관계를 향상시키고, 이를 재귀 신경망에 통과시켜 엣지 정보를 추정한다. 이 방법은 센서의 출력에 의해 형성된 패턴을 학습하여 엣지를 잘 추출하였으며, 기존의 컴퓨터 비전 알고리즘의 적용 및 시각 관성 측위 등의 분야에서 활용될 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 춘계학술발표대회
• /
• pp.761-763
• /
• 2008

최근 온라인교육의 필요성이 높아지고 요구 수준이 커짐에 따라 교육 서비스를 제공하는 시스템의 지능화된 처리능력이 필요하다. 퍼지신경회로망은 각각의 가중치(weight)를 갖는 채널로 연결한 망형태의 계산모델이다. 퍼지신경회로망을 학습시스템에 적용하여 학습자의 문항테스트 결과에서 학습과정을 재설정 할 수 있는 출력 값을 생성한다. 적응형 학습시스템은 퍼지신경회로망을 적용하여 개별화된 강의 코스로 학습을 진행하고 결과의 feedback을 통해 학습자의 최적 커리큘럼을 찾아내는 방법을 구현하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권4호
• /
• pp.1122-1140
• /
• 2024

The importance of indoor positioning has grown in numerous application areas such as emergency response, logistics, and industrial automation. In ships, indoor positioning is also needed to provide services to passengers on board. Due to the complex structure and dynamic nature of ship environments, conventional positioning techniques have limitations in providing accurate positions. Compared to other indoor positioning technologies, Bluetooth 5.1-based indoor positioning technology is highly suitable for ship environments. Bluetooth 5.1 attains centimeter-level positioning accuracy by collecting In-phase and Quadrature (IQ) samples from wireless signals. However, distorted IQ samples can lead to significant errors in the final estimated position. Therefore, we propose an indoor positioning method for ships that utilizes a Deep Neural Network (DNN) combined with IQ fingerprint maps to overcome the challenges associated with accurate location detection within the ship. The results indicate that the accuracy of our proposed method can reach up to 97.76%.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.814-822
• /
• 2022

The deployment of sensors for Structural Health Monitoring requires a complicated network arrangement, ground truthing, and calibration for validating sensor performance periodically. Any conventional sensor on a structural element is also subjected to static and dynamic vertical loadings in conjunction with other environmental factors, such as brightness, noise, temperature, and humidity. A structural model with strain gauges was built and tested to get realistic sensory information. This paper investigates different deep learning architectures and algorithms, including unsupervised, autoencoder, and supervised methods, to benchmark blind drift calibration methods using deep learning. It involves a fully connected neural network (FCNN), a long short-term memory (LSTM), and a gated recurrent unit (GRU) to address the blind drift calibration problem (i.e., performing calibrations of installed sensors when ground truth is not available). The results show that the supervised methods perform much better than unsupervised methods, such as an autoencoder, when ground truths are available. Furthermore, taking advantage of time-series information, the GRU model generates the most precise predictions to remove the drift overall.

• 항공우주시스템공학회지
• /
• 제11권1호
• /
• pp.14-21
• /
• 2017

매우 큰 정안정성($C_{L{\alpha}}$)을 갖는 틸트덕트 운동모델에 대해 선형 파라미터를 갖는 Sigma-Pi 신경망(SPNN) 제어법칙을 적용하였다. 기존의 비례적분미분(PID) 제어기는 매우 큰 정안정성을 갖는 운동모델이 갖는 강한 기수숙임 문제를 해결하기 어려웠고 이로인해 제어성능을 높일 수 없었다. 이와 달리 외부루프와 내부루프에 모두 적용된 SPNN 제어기는 동역학역변환 및 모델오차를 줄일 수 있는 의사적응제어 명령을 이용해서 과도한 안정성을 개선할 수 있었다. 이를 검증하기 위해서 경로점 추종 시뮬레이션을 이용해서 PID제어 성능과 SPNN제어 성능을 비교하였다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제55권6호
• /
• pp.264-273
• /
• 2006

In this paper, we propose a new architecture of Self-Organizing Fuzzy Polynomial Neural Networks (SOFPNN) by means of consecutive optimization and also discuss its comprehensive design methodology involving mechanisms of genetic optimization. The network is based on a structurally as well as parametrically optimized fuzzy polynomial neurons (FPNs) conducted with the aid of information granulation and genetic algorithms. In structurally identification of FPN, the design procedure applied in the construction of each layer of a SOFPNN deals with its structural optimization involving the selection of preferred nodes (or FPNs) with specific local characteristics and addresses specific aspects of parametric optimization. In addition, the fuzzy rules used in the networks exploit the notion of information granules defined over system's variables and formed through the process of information granulation. That is, we determine the initial location (apexes) of membership functions and initial values of polynomial function being used in the premised and consequence part of the fuzzy rules respectively. This granulation is realized with the aid of the hard c-menas clustering method (HCM). For the parametric identification, we obtained the effective model that the axes of MFs are identified by GA to reflect characteristic of given data. Especially, the genetically dynamic search method is introduced in the identification of parameter. It helps lead to rapidly optimal convergence over a limited region or a boundary condition. To evaluate the performance of the proposed model, the model is experimented with using two time series data(gas furnace process, nonlinear system data, and NOx process data).

• Steel and Composite Structures
• /
• 제31권6호
• /
• pp.629-640
• /
• 2019

The investigation of retaining wall structures behavior under dynamic loads is considered as one of important parts for designing such structures. Generally, the performance of these structures is under the influence of the environment conditions and their geometry. The aim of this research is to design retaining wall structures based on smart and optimal systems. The use of accuracy and speed to assess the structures under different conditions is one of the important parts sought by designers. Therefore, optimal and smart systems are able to have better addressing these problems. Using numerical and coding methods, this research investigates the retaining wall structure design under different dynamic conditions. More than 9500 models were constructed and considered for modelling design. These designs include height and thickness of the wall, soil density, rock density, soil friction angle, and peak ground acceleration (PGA) variables. Accordingly, a neural network system was developed to establish an appropriate relationship between data to obtain safety factor (SF) of retaining walls under different seismic conditions. Different parameters were analyzed and the effect of each parameter was assessed separately. According to these analyses, the structure optimization was performed to increase the SF values. The optimal and smart design showed that under different PGA conditions, the structure performance can be appropriately improved while utilization of the initial (or basic) parameters leads to the structure failure. Therefore, by increasing accuracy and speed, smart methods could improve the retaining structure performance in controlling the wall failure. The intelligent design process of this study can be applied to some other civil engineering applications such as slope stability.