• 대한전기학회논문지
• /
• 제39권9호
• /
• pp.985-996
• /
• 1990

An inverse kinematic solution of a robot manipulator using multilayer perceptrons is proposed. Neural networks allow the solution of some complex nonlinear equations such as the inverse kinematics of a robot manipulator without the need for its model. However, the back-propagation (BP) learning rule for multilayer perceptrons has the major limitation of being too slow in learning to be practical. In this paper, a new algorithm named Dynamically Reconfiguring BP is proposed to improve its learning speed. It uses a modified version of Kohonen's Self-Organizing Feature Map (SOFM) to partition the input space and for each input point, select a subset of the hidden processing elements or neurons. A subset of the original network results from these selected neuron which learns the desired mapping for this small input region. It is this selective property that accelerates convergence as well as enhances resolution. This network was used to learn the parity function and further, to solve the inverse kinematic problem of a robot manipulator. The results demonstrate faster learning than the BP network.

• 전자공학회논문지B
• /
• 제28B권9호
• /
• pp.739-746
• /
• 1991

This paper develops a modified multilayer perceptron architecture which speeds up learning as well as the net's mapping accuracy. In Phase I, a cluster partitioning algorithm like the Kohonen's self-organizing feature map or the leader clustering algorithm is used as the front end that determines the cluster to which the input data belongs. In Phase II, this cluster selects a subset of the hidden layer nodes that combines the input and outputs nodes into a subnet of the full scale backpropagation network. The proposed net has been applied to two mapping problems, one rather smooth and the other highly nonlinear. Namely, the inverse kinematic problem for a 3-link robot manipulator and the 5-bit parity mapping have been chosen as examples. The results demonstrate the proposed net's superior accuracy and convergence properties over the original backpropagation network or its existing improvement techniques.

• 전자공학회논문지S
• /
• 제35S권5호
• /
• pp.75-82
• /
• 1998

Conventional vector quantization (VQ) codebook design methods have several drawbacks such as edge degradation and high computational complexity. In this paper, we first made activity coordinates from the horizonatal and the vertical activity of the input block. Then it is mapped on the 2-dimensional interconnected codebook, and the codebook is designed using kohonen self-organizing map (KSFM) learning algorithm after the search of a codevector that has the minumum distance from the input vector in a small window, centered by the mapped point. As the serch area is restricted within the window, the computational amount is reduced compared with usual VQ. From the resutls of computer simulation, proposed method shows a better perfomance, in the view point of edge reconstruction and PSNR, than previous codebook training methods. And we also obtained a higher PSNR than that of classified vector quantization (CVQ).

• 대한전기학회논문지
• /
• 제41권5호
• /
• pp.533-540
• /
• 1992

The Self Creating and Organizing (SCO) is a new architecture and one of the unsupervized learning algorithm for the artificial neural network. SCO begins with only one output node which has a sufficiently wide response range, and the response ranges of all the nodes decrease automatically whether adapting the weights of existing node or creating a new node. It is compared to the Kohonen's Self Organizing Feature Map (SOFM). The results show that SCONN has lots of advantages over other competitive learning architecture.

• 대한전기학회논문지:전력기술부문A
• /
• 제50권4호
• /
• pp.172-179
• /
• 2001

A component based method out of load modeling is to aggregate component load model according to the composition rate of each component load at load bus based on the circuit theory. But the most of component loads respond complex nonlinear characteristics respect to voltage and frequency variation due to the control techniques and semiconductor elements applied to component load. It needs to verify this approach through actual experiment of the aggregation of component load even if it can be down. To identify this aggregation method well known, this paper is proposed the classifying method of component load characteristics for component loads to group by quantitative analysis. The component load characteristics were divided into several types by KSOM (kohonen self organizing map), which can classify multi-dimension vector, component load pattern, into two-dimension vector. Some ambiguous cases happened from KSOM were classified by the proposed closing degree.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2005년도 춘계학술대회
• /
• pp.186-189
• /
• 2005

본 논문에서는 LVQ를 퍼지화한 새로운 퍼지 학습 법칙들을 제안하였다. 퍼지 LVQ 학습법칙 1은 기존의 학습률 대신에 퍼지 학습률을 사용하였는데 이는 조건 확률의 퍼지화에 기반을 두고 있다. 퍼지 LVQ 학습법칙 2는 클래스들 사이에 존재하는 입력벡터가 결정 경계선에 대한 정보를 더 가지고 있는 것을 반영한 것이다. 이 새로운 퍼지 학습 법칙들을 improved IAFC(Integrted Adaptive Fuzzy Clustering)신경회로망에 적용하였다. improved IAFC신경회로망은 ART-1 (Adaptive Resonance Theory)신경회로망과 Kohonen의 Self-Organizing Feature Map의 장점을 취합한 퍼지 신경회로망이다. 제안한 supervised IAFC 신경회로망 1과 supervised IAFC neural 신경회로망 2의 성능을 오류 역전파 신경회로망의 성능과 비교하기 위하여 iris 데이터를 사용하였는데 Supervised IAFC neural network 2가 오류 역전파 신경회로망보다 성능이 우수함을 보여주었다.

• 한국지능시스템학회논문지
• /
• 제16권1호
• /
• pp.49-54
• /
• 2006

현재의 지문 인식 시스템은 지문 패턴의 복제와 지문 특징점의 해킹이라는 불안한 요소가 잠재되어 있어, 시스템 오동작의 주요 원인이 되기도 한다. 이에 본 논문에서는 신체의 일부인 지문을 주 핵심 인식기로 사용하고, 여기에 최근 널리 이용 되고 있는 화자 인증을 이용하여 직렬 형태의 다중 생체인식 시스템을 구현하였다. 구현된 시스템은 다중생체인식시스템으로 먼저 음성에 대한 인증과정이 성공하면 지문에 대한 인식과정을 수행하는 구조로 되어있다. 또한 효율적인 실시간 인증 처리를 위해 기존의 음성 인식 알고리즘 중에서 화자 종속형인 DTW(Dynamic Time Waning) 알고리즘을 사용하였으며, 지문 인식 알고리즘으로는 계산량을 고려하여 인공지능 기법인 KSOM(Kohonen Self-Organizing feature Map) 알고리즘을 적용하였다. 본 논문에서 구현한 다중생체 인식시스템을 실험한 결과 지문과 음성을 각각 이용한 단일인식시스템보다 본인거부율은 $2\~7\%$정도 떨어졌지만, 인식시스템에서 가장 중요한 요소인 타인수락율은 전혀 발생하지 않음을 확인하였다. 아울러 인식테스트 시간 또한 기존의 단일 생체 인식 시스템과 차이가 거의 없었으며, 인식에 걸린 시간은 평균 1.5초 정도였다. 이에 구현된 다중 생체 인의 시스템은 여러 가지 실험 결과 단일 인식 시스템보다 더 효율적인 보안 시스템임을 증명하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 추계학술대회 논문집 전력기술부문
• /
• pp.162-164
• /
• 2005

This paper presents an hour-ahead System Marginal Price (SMP) forecasting framework based on a neural network. Recently, the deregulation in power industries has impacted on the power system operational problems. The bidding strategy of market participants in energy market is highly dependent on the short-term price levels. Therefore, short-term SMP forecasting is a very important issue to market participants to maximize their profits. and to market operator who may wish to operate the electricity market in a stable sense. The proposed hybrid neural network is composed of tow parts. First part of this scheme is pattern classification to input data using Kohonen Self-Organizing Map (SOM) and the second part is SMP forecasting using back-propagation neural network that has three layers. This paper compares the forecasting results using classified input data and unclassified input data. The proposed technique is trained, validated and tested with historical date of Korea Power Exchange (KPX) in 2002.

• 생태와환경
• /
• 제36권1호통권102호
• /
• pp.29-37
• /
• 2003

부산의 대표적인 자연형 계곡이 있는 범어사에서 도시하천인 온천천을 거쳐 수영강 합류부에 분포하는 저서성 대형무척추동물을 계절별로 조사하였다. 전 조사지점에서 층 4문 5강 10목 19과 23종이 조사되었다. 범어사에서는 하루살이류 (Ephemeroptera), 강도래류(Ple-coptera)등 다양한 분류군이 출현한 반면에 나머지 조사지에서 빈모류 (Oligochaeta)와 깔따구류 (Chirono-midae)가 우점하였다. 두 우점분류군의 출현시기는 7월12월과 3월은 빈모류군이 우점을 차지하였으나 9월은 깔따구류가 우점을 차지하여 차이를 보였다. 생물학적 지수인 TBI (Trent Biotic Index), BS (Biotic Score), BMWP (Biological Monitoring Working Party)를 조사하였는데 전체적으로 범어사 지점에서 하류로 가면서 각 지수들이 낮아지는 경향이 나타났다. 전체적인 지수 분포는 TBI 1-8, BMWP 1-93 그리고 CBI는 9-387의 분포를 보였다. 비지도 학습법인 코호넨 신경망을 통하여 지점별 저서생물 출현의 유형화가 잘 반영되어 표출되었다. 또한 하천의 지속적인 관리를 위해 생물학적 지수를 회귀신경망을 통하여 예측하였는데 전체적으로 각 지수의 예측은 실제치와 잘 일치하여 나타났다(TBI, BMWP와 CBI의 상관계수(correlation coefficient)는 각각 0.957, 0.979와 0.967).

• 조명전기설비학회논문지
• /
• 제13권3호
• /
• pp.56-63
• /
• 1999

전력계통의 변전소 설비들은 계통의 확장에 따라 점점 복잡하고 거대해지고 있다. 또한, 몇몇 장비들은 점점 노후되고, 종종 예상치 않은 고장을 일으킨다. 변전소 설비들 중 변압기의 신뢰도를 증가시키기 위해서, 변압기의 진단기법 개발이 매우 필요하다. 본 연구에서는, 전력용 변압기의 용해 가스들을 근거로 KSOM(Kohonen Self Organizing Map)에 의한 열화정도와 원인의 분석기법을 개발하였다. KOSM은 용해가스에 의해 구성된 다차원 패텅을 이차원 평면에 지형학적 맵핑이 가능하다. 그리고 정장변압기에 대한 열화의 정도와 잠재적인 열화의 가능성을 제안된 정량적 지표에 의해 제시하였다. 아울러, 변압기의 열화과정을 제안된 지표를 근거로 특정한 변압기에 대해 분석하였다. 제안된 방법의 타당성을 입증하기 위해서 사례연구가 수행되고, 그 결과를 제시하였다.