• ETRI Journal
• /
• 제26권2호
• /
• pp.101-111
• /
• 2004

This paper presents a near-optimum blind decision feedback equalizer (DFE) for the receivers of Advanced Television Systems Committee (ATSC) digital television. By adopting a modified trellis decoder (MTD) with a trace- back depth of 1 for the decision device in the DFE, we obtain a hardware-efficient, blind DFE approaching the performance of an optimum DFE which has no error propagation. In the MTD, the absolute distance is used rather than the squared Euclidean distance for the computation of the branch metrics. This results in a reduction of the computational complexity over the original trellis decoding scheme. Compared to the conventional slicer, the MTD shows an outstanding performance improvement in decision error probability and is comparable to the original trellis decoder using the Euclidean distance. Reducing error propagation by use of the MTD in the DFE leads to the improvement of convergence performance in terms of convergence speed and residual error. Simulation results show that the proposed blind DFE performs much better than the blind DFE with the slicer, and the difference is prominent at the trellis decoder following the blind DFE.

• 조명전기설비학회논문지
• /
• 제20권1호
• /
• pp.57-64
• /
• 2006

본 논문에서는 유도전동기의 벡터제어를 위한 ANN 센서리스 제어와 속도제어를 위한 AFLC를 제안하였다. AFLC 설계는 적응 메카니즘을 통해 퍼지 룰 베이스의 수정자를 갱신하여 실행할 수 있고 유도 전동기의 속도 추정을 위한 ANN 센서리스 제어는 BPA를 통해 수행하였다. 유도전동기의 지령속도와 실제속도는 BPA를 통해 그 오차를 줄일 수 있고, 이러한 알고리즘은 다른 전동기 드라이브에 적용이 용이하다. 본 논문에서 제시한 AFLC 및 ANN 제어의 응답특성을 분석하고 그 결과를 제시한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1478-1481
• /
• 2005

As the model of most practical system cannot be obtained, the practice of typical control method is limited. Accordingly, numerous artificial intelligence control methods have been used widely. Fuzzy control and neural network control have been an important point in the developing process of the field. This paper is proposed adaptive fuzzy-neural network based on the vector controlled interior permanent magnet synchronous motor drive system. The fuzzy-neural network is first utilized for the speed control. A model reference adaptive scheme is then proposed in which the adaptation mechanism is executed using fuzzy-neural network. Also, this paper is proposed estimation of speed of interior permanent magnet synchronous motor using artificial neural network 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 back-propagation mechanism is easy to derive and the estimated speed tracks precisely the actual motor speed. This paper is proposed the analysis results to verify the effectiveness of the new method.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 B
• /
• pp.1251-1253
• /
• 2004

This paper is proposed a fuzzy neural network controller based on the vector controlled surface permanent magnet synchronous motor(SPMSM) drive system. 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 SPMSM using neuro-fuzzy control(NFC) and estimation of speed using artificial neural network(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 back propagation mechanism is easy to derive and the estimated speed tracks precisely the actual motor speed. This paper is proposed the theoretical analysis as well as the simulation results to verify the effectiveness of the new method.

• 전자공학회논문지SC
• /
• 제42권6호
• /
• pp.77-82
• /
• 2005

본 논문은 FNN과 ANN 제어기를 이용한 유도전동기의 속도 제어 및 추정을 제시한다. 먼저, PI 제어기에서 나타나는 문제점을 해결하기 위하여 퍼지제어와 신경회로망을 혼합 적용한 FN 제어기를 설계한다. 퍼지제어기의 강인성 제어와 신경회로망의 고도의 적응제어의 장점들을 접목한다. 다음은 ANN을 이용하여 유도전동기 드라이브의 속도 추정기법을 제시한다. 2층 구조를 가진 신경회로망에 BPA(Back Propagation Algorithm)를 적용하여 유도전동기 드라이브의 속도를 추정한다. 추정속도의 타당성을 입증하기 위하여 시스템을 구성하여 제어특성을 분석한다. 그리고 추정된 속도를 지령속도와 비교하여 전류제어와 공간벡터 PWM을 통하여 유도전동기의 속도를 제어한다. 본 연구에서 제시한 FNN과 ANN의 제어특성 및 추정성능을 분석하고 그 결과를 제시한다.

• International Journal of Contents
• /
• 제7권3호
• /
• pp.1-5
• /
• 2011

It has been an interesting challenge to find a good classifier for imbalanced data, since it is pervasive but a difficult problem to solve. However, classifiers developed with the assumption of well-balanced class distributions show poor classification performance for the imbalanced data. Among many approaches to the imbalanced data problems, the algorithmic level approach is attractive because it can be applied to the other approaches such as data level or ensemble approaches. Especially, the error back-propagation algorithm using the target node method, which can change the amount of weight-updating with regards to the target node of each class, attains good performances in the imbalanced data problems. In this paper, we analyze the relationship between two optimal outputs of neural network classifier trained with the target node method. Also, the optimal relationship is compared with those of the other error function methods such as mean-squared error and the n-th order extension of cross-entropy error. The analyses are verified through simulations on a thyroid data set.

• 한국정보통신학회논문지
• /
• 제7권5호
• /
• pp.1044-1051
• /
• 2003

본 논문은 MLP의 학습 방법으로 사용되는 EBP학습, Cross Entropy함수, 계층별 학습을 소개하고, 필기체 숫자인식 문제를 대상으로 각 학습 방법의 장단점을 비교한다. 실험 결과, EBP학습은 학습 초기에 학습 속도가 다른 학습 방법에 비해 느리지만, 일반화 성능이 좋다. 또한, EBP학습의 단점을 보안한 Cross Entropy 함수는 학습 속도가 EBP학습보다 빠르다. 그러나, 출력층의 오차 신호가 목표 벡터에 대해 선형적으로 학습하기 때문에, 일반화 성능이 EBP학습보다 낮다. 그리고, 계층별 학습은 학습 초기에, 학습 속도가 가장 빠르다. 그러나, 일정한 시간 후, 더 이상 학습이 진행되지 않기 때문에, 일반화 성능이 가장 낮은 결과를 얻었다. 따라서, 본 논문은 MLP를 응용하고자 할 때, 학습 방법의 선택 기준을 제시한다.

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.987-994
• /
• 2020

본 논문은 음향잡음감쇠기에서 CNN(: Convolutional Neural Network) 계층의 커널 사이즈가 성능에 미치는 영향을 위한 연구하였다 이 시스템은 기존의 적응필터를 이용하는 대신 신경망 적응예측필터를 이용한 심층학습 알고리즘으로 잡음감쇠 성능을 개선한다. 100-neuron, 16-filter CNN 필터와 오차 역전파(back propagation) 알고리즘을 이용하여 잡음이 포함된 단일입력 음성신호로부터 음성을 추정한다. 이는 음성신호가 갖는 유성음 구간에서의 준주기적 성질을 이용하는 것이다. 본 연구에서 커널 사이즈에 대한 잡음감쇠기의 성능을 검증하기 위하여 Tensorflow와 Keras 라이브러리를 사용한 시뮬레이션 프로그램을 작성하고 모의실험을 수행하였다. 모의실험 결과, 커널 사이즈가 16 정도일 때 평균자승오차(MSE: Mean Square Error) 및 평균절대값오차(MAE: Mean Absolute Error) 값이 가장 작은 것으로 나타났으며 사이즈가 이보다 더 작거나 커지면 MSE 및 MAE 값이 증가하는 것을 볼 수 있다. 이는 음성신호의 경우 커널 사이즈가 16 정도일 때 특성을 가장 잘 포집할 수 있음을 알 수 있다.

• Journal of Mechanical Science and Technology
• /
• 제16권11호
• /
• pp.1359-1366
• /
• 2002

The measurement of residual stresses by the hole-drilling method has been used to evaluate residual stresses in structural members. In this method, eccentricity can usually occur between the hole center and rosette gage center. In this study, we obtained the magnitude of the error due to eccentricity of a hole through the finite element analysis. To predict the magnitude of the error due to eccentricity of a hole in the biaxial residual stress field, it could be learned through the back propagation neural network. The prediction results of the error using the trained neural network showed good agreement with FE analyzed results.

• 전자공학회논문지B
• /
• 제31B권5호
• /
• pp.149-161
• /
• 1994

The Max-Min CRI method , a traditional inference method , has three problems: subjective formulation of membership functions, error-prone weighting strategy, and inefficient compositional rule of inference. Because of these problems, there is an insurmountable error region between desired output and inferred output. To overcome these problems, we propose an Intelligent Neuro-Fuzzy System (INFS) based on fuzzy thoery and self-organizing functions of neural networks. INFS makes use of neural networks(Error Back Propagation) to solve the first problem, and NCRI(New Max-Min CRI) method for the second. With a proposed similarity measure, NCRI method is an improved method compared to the traditional Max-Min CRI method. For the last problem, we propose a new defuzzification method which combines only the appropriate rules produced by the rule selection level. Applying INFS to a D.C. series motor, we can conclude that the error region is reduced and NCRI method performs better than Max-Min CRI method.