• 한국통신학회논문지
• /
• 제25권10B호
• /
• pp.1769-1776
• /
• 2000

In this paper a new method is proposed to identify a modulation method in the case of unknown digitally modulated input signals. The proposed identification method is implemented with an artificial neural network which is based on characteristic feature extracted from the instantaneous amplitude the instantaneous phase and the instantaneous frequency of the input signals. The proposed method was simulated with 9 type signals (ASK2, FSK2, FSK4, PSK2, PSK4, PSK8, QAM8, QAM16) in a noisy communication environment. The results show that the artificial neural network can accurately recognize all kinds of patterns.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1997년도 한국자동제어학술회의논문집; 한국전력공사 서울연수원; 17-18 Oct. 1997
• /
• pp.625-628
• /
• 1997

In this paper the new neural network and sliding mode suspension controller is proposed. That neural network is error self-recurrent neural network. For fast on-line learning, this paper use recursive least squares method. A new neural networks converges considerably faster than the backpropagation algorithm and has advantages of being less affected by the poor initial weights and learning rate. The controller for suspension systems is designed according to sliding mode technique based on new proposed neural network.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 춘계종합학술대회
• /
• pp.494-497
• /
• 2002

본 논문에서는 동적신경회로망을 이용한 미지의 비선형 시스템 제어 방식을 제안하였다. 제안한 방식은 비선형 시스템의 상태 공간 모델과 유사한 형태의 신경회로망을 구성하여 비선형 시스템을 식별하고, 식별한 정보를 이용하여 제어기를 설계하는 방식이다. 제안한 방식의 유용성을 확인하기 위하여 단일 관절 매니퓰레이터를 대상으로 시뮬레이션을 수행한 결과 우수한 제어 성능을 확인하였다.

• 한국음향학회지
• /
• 제43권1호
• /
• pp.19-28
• /
• 2024

본 논문은 Convolutional Neural Network(CNN) 모델을 이용하여 선박 소음의 로파그램 분석을 통한 선박 식별 시 허프 변환을 적용함으로써 성능을 향상시키는 방안을 제안한다. 수동소나에 수신된 신호를 처리하면 시간-주파수 영역인 로파그램이 생성된다. 로파그램에는 선박이 방사하는 기계류 소음이 토널 신호로 나타나고 이를 분석하면 선박의 클래스를 특정할 수 있다. 그러나 로파그램의 분석은 숙달된 인원에 의해 진행되는 전문적이고 오랜 시간이 소요되는 작업이다. 또한, 로파그램에는 수중환경 특성 상 다양한 배경소음이 같이 전시되기 때문에 표적 식별을 위한 분석이 매우 어렵다. 이 문제를 해결하기 위해 로파그램에 허프 변환을 적용하여 선을 추가함으로써 토널 신호를 강조하였다. 원본 로파그램과 허프 변환을 적용한 로파그램에 대해 CNN 모델을 이용해 식별을 시도한 결과, CNN 모델의 정확도와 매크로 F1 점수를 통해 허프 변환을 적용한 것이 로파그램 식별 성능을 향상시켰음을 보여주었다.

• 대한의용생체공학회:의공학회지
• /
• 제17권3호
• /
• pp.387-394
• /
• 1996

This paper presents a Neural Network Identification(NNI) method for modeling of highly complicated nonlinear and time varing human system with a pneumatically driven mock circulatory system of Left Ventricular Assist Device(LVAD). This system consists of electronic circuits and pneumatic driving circuits. The initiation of systole and the pumping duration can be determined by the computer program. The line pressure from a pressure transducer inserted in the pneumatic line was recorded System modeling is completed using the adaptively trained backpropagation learning algorithms with input variables, heart rate(HR), systole-diastole rate(SDR), which can vary state of system. Output parameters are preload, afterload which indicate the systemic dynamic characteristics. Consequently, the neural network shows good approximation of nonlinearity, and characteristics of left Ventricular Assist Device. Our results show that the neural network leads to a significant improvement in the modeling of highly nonlinear Left Ventricular Assist Device.

• 한국지능시스템학회논문지
• /
• 제13권5호
• /
• pp.576-581
• /
• 2003

음성 속에는 화자의 특징이 포함되어 있다. 본 논문에서는 신경망에 기초한 Incremental Learning을 이용하여 화자 수에 제한 받지 않는 화자 인식 시스템을 제안한다. 컴퓨터를 통하여 녹음된 음성 신호는 End Detection과정을 통하여 유성음과 무성음을 분류하고 LPC를 이용해 12차수의 Cepstral Coefficients를 추출한다. 이 계수는 화자 식별을 위한 학습 입력값으로 사용 된다. Incremental Learning은 이미 학습한 Weight들을 기억하고 새로운 data에 대해서만 학습을 하는 학습 방법으로 Neural Network 구조가 화자 수에 따라 늘어나므로 화자 수에 제한을 받지 않고 학습이 가능하다.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1991년도 춘계공동학술대회 발표논문 및 초록집; 전북대학교, 전주; 26-27 Apr. 1991
• /
• pp.303-304
• /
• 1991

• 한국정밀공학회지
• /
• 제12권6호
• /
• pp.120-127
• /
• 1995

A nonlinear empirical state-space model of the Artificial Neural Network(ANN) has been developed. The nonlinear model structure incorporates characteristic, so as to enable identification of the transient response, as well as the steady-state response of a dynamic system. A hybrid feedfoward/feedback neural network, namely a Local Time Delayed Recurrent Multi-layer Perception(RMLP), is the model structure developed in this paper. RMLP is used to identify nonlinear dynamic system in an input/output sense. The feedfoward protion of the network architecture provides with the well-known curve fitting factor, while local recurrent and cross-talk connections provides the dynamics of the system. A dynamic learning algorithm is used to train the proposed network in a supervised manner. The derived dynamic learning algorithm exhibit a computationally desirable characteristic; both network sweep involved in the algorithm are performed forward, enhancing its parallel implementation. RMLP state-space and its associate learning algorithm is demonstrated through a simple examples. The simulation results are very encouraging.

• 대한조선학회논문집
• /
• 제34권2호
• /
• pp.56-63
• /
• 1997

본 논문에서는 신경망을 이용한 자동조타장치의 개발에 관한 연구결과를 소개한다. 본 연구에서는 먼저 신경망이론에 사용되는 대표적인 방법인 Back-Propagation 알고리즘의 원리를 설명하고 이를 이용하여 선박의 조종모델을 신경망으로 재구성하는 방법을 제시하였다. 신경망이론을 사용하여 선박운동모델을 System Identification 하는 경우의 문제점을 간단한 조종모델을 이용하여 수치적으로 검증하고 보다 복잡한 모델로 적용하는 경우에 대한 토의를 하였다. 본 논문에서 개발된 신경망이론들은 비선형성을 내포하고 있는 선박운동을 재구성하는데 효과적으로 사용될 수 있을 것으로 기대된다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1994년도 Proceedings of the Korea Automatic Control Conference, 9th (KACC) ; Taejeon, Korea; 17-20 Oct. 1994
• /
• pp.313-318
• /
• 1994

It is well known that the neural network can be used as an universal approximater for functions and functionals. But these theoretical results are just an existence theorem and do not lead to decide the suitable network structure. This doubfulness whether a certain network can approximate a given function or not, brings about serious stability problems when it is used to identify a system. To overcome the stability problem, We suggest successive identification and control scheme with supervisory controller which always assures the identification process within a basin of attraction of one stable equilibrium point regardless of fittness of the network.