• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.349-354
• /
• 2022

화력발전소의 보일러 모델은 로직도 작성, 플랜트 튜닝, 제어이론 적용 등 다양한 분야에 사용된다. 특히 정확한 제어를 위해서는 정확한 모델이 필요하다. 수학적 모델은 화력발전소 시스템의 비선형성, 복잡성, 시변특성 등으로 인하여 시스템을 정확하게 표현하는데 한계가 있다. 이런 시스템에 대하여 신경망을 이용한 모델링 방법은 좋은 대안이 될 수 있다. 본 논문에서는 화력발전소 보일러의 증기계통을 신경망 알고리즘의 한 종류인 GRNN을 이용하여 모델링하였다. 보일러의 과열기와 재열기, 과열저감기, 드럼을 모델링하여 540[MW]급 화력발전소에서 취득한 데이터를 이용하여 학습하고 검증하였다. 검증결과 제안한 모델의 출력이 보일러의 실제 출력과 잘 일치함을 알 수 있었다.

• Journal of Electrical Engineering and Technology
• /
• 제12권4호
• /
• pp.1548-1555
• /
• 2017

This paper attempts to employ and investigate neural based approaches as interpolation tools for modeling of Switched Reluctance Motor (SRM) drive. Precise modeling of SRM is essential to analyse the performance of control strategies for variable speed drive application. In this work the suitability of Generalized Regression Neural Network (GRNN) and Extreme Learning Machine (ELM) in addition to conventional neural network are explored for improving the modeling accuracy of SRM. The neural structures are trained with the data obtained by modeling of SRM using Finite Element Analysis (FEA) and the trained neural network is incorporated in the model of SRM drive. The results signify the modeling accuracy with GRNN model. The closed loop drive simulation is performed in MATLAB/Simulink environment and the closeness of the results in comparison with the experimental prototype validates the modeling approach.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.27-29
• /
• 2005

Using a generalized regression neural network, etch microtrenching was modeled. All neurons in the pattern layer were equipped with multi-factored spreads and their complex effects on the prediction performance were optimized by means of a genetic algorithm. For comparison, GRNN model was constructed in a conventional way. Comparison result revealed that GA-GRNN model was more accurate than GRNN model by about 30%. The microtrenching data were collected during the etching of silicon oxynitride film and the etch process was characterized by a statistical experimental design.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2010년도 하계학술대회 논문집
• /
• pp.206-206
• /
• 2010

본 연구에서는 신경망을 이용하여 SiN 박막의 특성을 예측하는 모델을 개발하였다. 신경망으로는 일반화된 회귀 신경망 (generalized regression neural network-GRNN)을 이용하였고, GRNN 모델의 예측수행은 유전자 알고리즘 (genetic algorithm-GA)을 이용하여 최적화 하였다. 개발된 모델을 이용하여 증착률과 굴절률 및 균일도를 공정변수의 함수로 예측하였다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2004년도 추계학술대회
• /
• pp.234-239
• /
• 2004

This paper describes preliminary results we have obtained in developing a computer vision system based on active IR illumination for real time gaze tracking for interactive graphic display. Unlike most of the existing gaze tracking techniques, which often require assuming a static head to work well and require a cumbersome calibration process fur each person, our gaze tracker can perform robust and accurate gaze estimation without calibration and under rather significant head movement. This is made possible by a new gaze calibration procedure that identifies the mapping from pupil parameters to screen coordinates using the Generalized Regression Neural Networks (GRNN). With GRNN, the mapping does not have to be an analytical function and head movement is explicitly accounted for by the gaze mapping function. Furthermore, the mapping function can generalize to other individuals not used in the training. The effectiveness of our gaze tracker is demonstrated by preliminary experiments that involve gaze-contingent interactive graphic display.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2002년도 ICCAS
• /
• pp.89.3-89
• /
• 2002

Plasma processing plays a crucial role in fabricating integrated circuits (ICs). Manufacturing ICs in a cost effective way, it is increasingly demanded a computer model that predicts plasma properties to unknown process inputs. Physical models are limited in the prediction accuracy since they are subject to many assumptions. Expensive computation time is another hindrance that prevents their widespread used in manufacturing site. To circumvent these difficulties inherent in physical models, neural networks have been used to learn nonlinear plasma data. A generalized regression neural network (GRNN) [I] is one of the architectures that have been widely used to analyze complex chemical data. I...

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 하계학술대회 논문집 D
• /
• pp.2749-2751
• /
• 2002

일반화된 회귀 신경망 (GRNN)을 이용하여 플라즈마을 분류하는 새로운 알고리즘을 보고한다. 데이터분포를 통계적인 평균치와 표준편차를 이용하여 특징지었으며, 바이어스 인자을 이용하여 9 종류의 데이터을 발생하였다. 각 데이터에 대하여 GRNN의 학습인자를 최적화하였으며, 모델성능은 예측과 분류 정확도로 나누어 바이어스와 학습인자의 함수로 분석하였다. 바이어스는 모델성능에 상당한 영향을 주었으며, 학습인자와의 상호작용을 통하여 완전 분류를 이루었다.

• 지능정보연구
• /
• 제14권3호
• /
• pp.25-39
• /
• 2008

본 연구는 인공신경망을 이용하여 대대급 방어 작전에서 임의시점에서의 작전지속능력을 예측하는 데 있다. 전투결과에 대한 수학적 모델링은 이를 위한 많은 요인들이 가지는 시?공간적 가변성으로 인해 전투력을 평가하는데 많은 문제점이 있었다. 따라서 이번 연구에서는 대대 전투지휘훈련간 각 부대의 생존률을 전방향 다층 신경망(Feed-Forward Multilayer Perceptrons, MLP)과 일반 회귀신경망(General Regression Neural Network, GRNN)모형에 적용하여 임무달성 여부를 예측하였다. 실험 결과 매개변수들의 비선형적인 관계에도 불구하고 각각 82.62%, 85.48%의 적중률을 보여 일반회귀신경망 모형이 지휘관이 상황을 인식하고 예비대 투입 우선순위 선정 등 실시간 지휘결심을 하는데 도움을 줄 수 있는 방법임을 보여준다.

• 한국정보통신학회논문지
• /
• 제8권2호
• /
• pp.477-483
• /
• 2004

본 논문에서는 새로운 실시간 시선 추적 방식을 제안하고자한다 기존의 시선추적 방식은 사용자가 머리를 조금만 움직여도 잘못된 결과를 얻을 수가 있었고 각각의 사용자에 대하여 교정 과정을 수행할 필요가 있었다 따라서 제안된 시선 추적 방법은 적외선 조명과 Generalized Regression Neural Networks(GRNN)를 이용함으로써 교정 과정 없이 머리의 움직임이 큰 경우에도 견실하고 정확한 시선 추적을 가능하도록 하였다. GRNN을 사용함으로써 매핑기능은 원활하게 할 수 있었고, 머리의 움직임은 시선 매핑 기능에 의해 적절하게 시선추적에 반영되어 얼굴의 움직임이 있는 경우에도 시선추적이 가능토록 하였고, 매핑 기능을 일반화함으로써 각각의 교정과정을 생략 할 수 있게 하여 학습에 참석하지 않은 다른 사용자도 시선 추적을 가능케 하였다. 실험결과 얼굴의 움직임이 있는 경우에는 평균 90%, 다른 사용자에 대해서는 평균 85%의 시선 추적 결과를 나타내었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2004년도 학술대회지
• /
• pp.857-861
• /
• 2004

This paper describes preliminary results we have obtained in developing a computer vision system based on active IR illumination for real time gaze tracking for interactive graphic display. Unlike most of the existing gaze tracking techniques, which often require assuming a static head to work well and require a cumbersome calibration process for each person, our gaze tracker can perform robust and accurate gaze estimation without calibration and under rather significant head movement. This is made possible by a new gaze calibration procedure that identifies the mapping from pupil parameters to screen coordinates using the Generalized Regression Neural Networks (GRNN). With GRNN, the mapping does not have to be an analytical function and head movement is explicitly accounted for by the gaze mapping function. Furthermore, the mapping function can generalize to other individuals not used in the training. The effectiveness of our gaze tracker is demonstrated by preliminary experiments that involve gaze-contingent interactive graphic display.