• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.768-770
• /
• 1996

This paper propose neural network which is one of self-organizing techniques. It is composed neural network controller as input signal is error and change of error which is optimal output, and is learned system by using a error back-propagation learning algorithm is one of error mimizing learning methods. In order to achieve practical real time control reduce on learning time, it is applied to load-frequency control of nonlinear power system with using a moment learning method. It is described in such a case considering constraints for a rate of increace generation-rate.

• 한국터널지하공간학회 논문집
• /
• 제4권4호
• /
• pp.277-286
• /
• 2002

터널을 설계함에 있어서 굴착방법이나 지보패턴을 결정할 때 어려움을 겪는 주된 요인은 현지 지반에 작용하는 응력조건 및 암반상태를 정확히 파악하는데 한계가 있기 때문이다. 현장 장비의 제약, 터널을 굴착 위치까지 접근성이 난이함 등의 기술적인 제약뿐만 아니라 최근에는 민원이나 각종 인허가 등으로 더욱 많은 제약요건이 존재한다. 그럼에도 불구하고 최근들어 대안설계나 턴키설계를 통하여 직접적인 시추에 의존하지 않더라도 미지의 산악터널구간에 대한 지반정보를 획득할 수 있는 고급화된 물리탐사기술이 눈부시게 발전하는 추세이며 이를 통하여 터널굴착구간의 암반에 대한 직 간접적인 지반정보를 입수할 수 있다. 인공신경망 (ANN)의 장점은 이러한 적은 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성있는 결과를 제공하여 준다는 것이다. 본 연구에서는 미지의 터널굴착구간에 대한 예비 지반정보를 입력항목으로 하여 인공신경망의 오류역전파 학습알고리즘기법에 의하여 학습된 패턴을 가지고 미지의 터널굴착구간에 대한 예비 암반분류 (RMR)를 수행하는데 그 목적을 두었다. 이를 위하여 연장 4km에 달하는 ${\triangle}{\triangle}$터널현장에 대한 인공신경망 모형적용시 입력자료에 대한 적정성을 사전 평가하였고, 그 이후에 물리탐사자료를 입력변수로 활용하여 미지의 터널구간에 대한 RMR을 예측하였다. 그 결과 자료의 일치성이나 예측 RMR에 대한 신뢰도가 높은 것으로 나타났으며, 향후에는 학습효과를 높이기 위한 입력변수의 민감도 분석 (sensitivity analysis)수행 및 모델과정에서 노출된 몇가지 문제점 보완등을 통하여 설계에 적극적으로 활용하고자 한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 B
• /
• pp.687-689
• /
• 1998

This paper represents fundamental developments in Fuzzy and Neural approaches. The Fuzzy Controller(FC) and plant are cascaded in Adaptive framework. Each of which produces its outputs. The adjustable parameters all pertain to the fuzzy controller is implemented as an Adaptive FC to adjust the environments of the plant. There is an error meaure block which is a difference between the actual state and desired state. We introduce error back propagation algorithm in neural method. To speed up convergence, we follow a steepest decent in the sense that each parameter set update leads to a smaller error measure and is learned by this methodology. Inverted pendulum is a typical testbed to measure the effectiveness of nonlinear control system. finally we simulated the adaptive fuzzy controller to be able to bring back to the upright position of the its angle and angular velocity.

• 한국항해항만학회지
• /
• 제32권8호
• /
• pp.589-596
• /
• 2008

선박의 접안운동을 자동화하기 위하여 인공신경망(Artificial Neural Network, 이하 ANN)에 의한 제어를 수행하였다. ANN은 시스템의 비선형성이 표현 가능하므로 접안운동과 같은 비선형성이 강한 조종운동에 적합하다. 입력층과 출력층 사이에 하나 이상의 중간층이 존재하는 다층 인식자(Multi-layer perceptron)를 사용하였고, 교사 데이터(Teaching data)와 역전파(Back-Propagation) 알고리즘을 사용하여 신경망의 출력값과 목표 출력값 사이의 오차가 최소가 되도록 신경망 학습을 수행하였다. 접안 시 저속조종 수학모델을 사용하여 접안 시뮬레이션을 수행하였으며, ANN의 입력층 성분(unit)이 8개인 구조와 6개인 구조의 접안 제어를 비교하였다. 시뮬레이션 결과, 두 ANN에 의하여 접안 경로 선택에 차이가 나타났으나 접안 조건은 모두 만족하였다.

• 한국음향학회지
• /
• 제37권4호
• /
• pp.196-205
• /
• 2018

본 논문은 선박소음 데이터에 음선 역전파 기법을 적용하여 수동 선박 위치 추정 알고리듬을 제시한다. 기존의 방법 [S. H. Abadi, D. Rouseff and D. R. Dowling, J. Acoust. Soc. Am. 131, 2599-2610 (2012)]은 음선 기반 블라인드 디컨벌루션 및 음선 역전파 기법을 활용하여 배열의 기울기가 없는 근거리 환경에서 음원의 위치를 추정하였다. 하지만 위 방법은 배열의 기울기에 따른 위치 추정 오차가 크게 발생한다는 단점이 존재한다. 이를 극복하기 위해 본 논문에서는 음선 기반 블라인드 디컨벌루션 및 음선 역전파 기법을 사용하되, 배열의 기울기를 보정하여 음원의 위치를 추정할 수 있는 알고리듬을 제안한다. 제안된 알고리듬의 성능은 SAVEX15(Shallow-water Acoustic Variability EXperiment in 2015)해상 실험의 선박소음 데이터를 이용하여 검증하였다.

• 정보처리학회논문지B
• /
• 제14B권4호
• /
• pp.255-262
• /
• 2007

본 연구는 칼라 이미지에서 인물의 얼굴 영역을 검출하는 개선된 색상 기반 방식을 제안한다. 제안 방법은 RGB, $YC_bC_r$, YIQ의 세 가지 색상 모델을 조합, 각각 휘도와 색도 성분 조합 히스토그램을 구축하고 구축된 색상 조합 히스토그램을 역전파방식의 신경망에 입력한 후 학습단계의 반본 과정에 Levenberg-Marquadt 알고리즘을 적용한다. 제안 방법은 신경망 학습과정에 Levenberg-Marquadt 알고리즘을 적용하여 얼굴 검출에 가장 많이 사용되는 방법 중 하나인 역전파 신경망이 지역 최소값에 봉착하는 문제점을 해결함으로써 검출 오류율을 낮추는데 기여한다. 또한 색상 조합 히스토그램을 사용한 새로운 색상 조합 기반의 얼굴 영역 검출 방법은 빛의 영향에 강건하도록 휘도 성분을 분리하고 색도 성분을 강조하여 단일 색상 히스토그램보다 신경망에 더 신뢰성 있는 값을 입력함으로써 단일 색상 공간을 사용했을 때보다 높은 얼굴 검출율을 보인다. 실험 결과는 제안 방식이 얼굴 영역 검출 개선에 효과적이며 빛의 변화에 강건함을 보여준다.

• 대한토목학회논문집
• /
• 제26권4A호
• /
• pp.639-645
• /
• 2006

FRP(Fiber Reinforced Polymer)는 부식의 저항성, 고강도, 피로저항 능력 및 성형성 등에서 우수한 건설 신소재이다. 광섬유 브래그 격자(Fiber Bragg Grating; FBG) 센서는 전자기 저항, 작은 소재의 크기, 그리고 높은 내구성 등의 이점으로 smart sensor로서 현재 많이 사용되고 있다. 하지만 FBG 센서의 변위 측정 기술 능력의 부족으로 현재까지는 변형률, 온도 등의 물리량 측정센서로서 활용되고 있는 실정이다. 본 연구에서는 FRP와 FBG센서의 기능 복합화(Hybrid)를 통하여 smart FRP Rod를 개발 한 후 인장시험을 실시하였다. 또한, FBG센서에 의해 측정된 변형률 데이터를 신경망(Neural Network) 기법을 이용하여 변위 추정 모형을 개발함으로서 FBG 센서 단점인 변형률 계측만을 위한 센싱 역할을 극복하고자 한다. 인공신경망 모형은 MLP(Multi-layer Perceptron)로, 오차범위 0.001에 수렴 될 수 있도록 학습(training)을 실시하였다. 학습에는 비선형 목적함수와 역전파 학습(Back-propagation) 알고리즘을 적용하였으며 모형의 검증은 UTM에서 측정된 변위 값과 수치해석에 의한 결과 값을 비교함으로서 실시하였다.

• International Journal of Contents
• /
• 제13권4호
• /
• pp.23-28
• /
• 2017

Of the total economic loss caused by disasters, 40% are due to floods and floods have a severe impact on human health and life. So, it is important to monitor the water level of a river and to issue a flood warning during unfavorable circumstances. In this paper, we propose a modified error function to improve a hydrological modeling using a multi-layer perceptron (MLP) neural network. When MLP's are trained to minimize the conventional mean-squared error function, the prediction performance is poor because MLP's are highly tunned to training data. Our goal is achieved by preventing overspecialization to training data, which is the main reason for performance degradation for rare or test data. Based on the modified error function, an MLP is trained to predict the water level with rainfall data at upper reaches. Through simulations to predict the water level of Nakdong River near a UNESCO World Heritage Site "Hahoe Village," we verified that the prediction performance of MLP with the modified error function is superior to that with the conventional mean-squared error function, especially maximum error of 40.85cm vs. 55.51cm.

• ETRI Journal
• /
• 제10권3호
• /
• pp.113-124
• /
• 1988

본 논문에서는 한글 단어를 발음 기호로 변환시키는 인공신경망의 설계와 이를 시뮬레이션한 결과에 대하여 논한다. 이 인공신경망은 multi-layer perceptron 구조를 가지며 error back-propagation 학습 알고리즘을 사용하였다. 이 인공신경망에 한글 발음 사전의 일부를 반복적으로 제시하여 학습시킨 결과, 학습한 단어에 대하여 최고 97%의 정확도로 변환 작업을 수행하였고 학습하지 않은 단어에 대해서는 91%의 정확도를 보였다. 이는 설계된 인공신경망이 발음 사전 내에 포괄적으로 내재되어 있는 발음규칙을 스스로 학습하였음을 나타낸다. 아울러 신경망의 학습 성취도와 입력 코드와의 관계도 연구하였는데, 한글단어를 발음기호로 변환하는 데에 있어서 compact 코드 보다 local 코드일 때 학습 성취도가 높은 것이 실험을 통해 밝혀졌다.

• 대한용접접합학회:학술대회논문집
• /
• 대한용접접합학회 1993년도 특별강연 및 춘계학술발표 개요집
• /
• pp.115-119
• /
• 1993

Many qualitive analyses of sampled process variables have been attempted to predict nugget size in resistance spot welding process. In this paper, dynamic resistance and electrode movement signal which is a good indicative of the nugget size was examined by introducing an artificial neural network estimator. An artificial neural feedforward network with back-propagation of error was applied for the estimation of the nugget size. To assess the advantage of this method. results have been compared with conventional regression method.