• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1991년도 한국자동제어학술회의논문집(국내학술편); KOEX, Seoul; 22-24 Oct. 1991
• /
• pp.768-772
• /
• 1991

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 with time. Self Creating and Organizing Neural Network (SCONN) decides 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.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.482-482
• /
• 2000

The essential requirements of neural network for human skill transfer are fast convergence, high storage capacity, and strong noise immunity. Bidirectional associative memory(BAM) suffering from low storage capacity and abundance of spurious memories is rarely used for skill transfer application though it has fast and wide association characteristics for visual data. This paper suggests generalization of classical BAM structure and new learning algorithm which uses supervised learning to guarantee perfect recall starting with correlation matrix. The generalization is validated to accelerate convergence speed, to increase storage capacity, to lessen spurious memories, to enhance noise immunity, and to enable multiple association using simulation work.

• 한국ITS학회 논문지
• /
• 제17권4호
• /
• pp.150-158
• /
• 2018

본 논문에서는 전력선 통신을 이용하는 전기자동차 충전 시스템에 대해 소개하고 전력선 통신을 이용하는 전기자동차 충전 시스템의 제어 신호에 오류가 발생했을 때 딥 러닝 알고리즘을 적용하여 오류를 정정하는 방식을 제안한다. 제어 신호의 오류 발견과 정정은 기존의 오류정정부호 기법을 통해 해결할 수 있으나 딥 러닝 기반의 오류정정부호 기법을 이용하여 더욱 효율적으로 오류를 발견하고 정정한다. 그래서 딥 러닝 기반의 오류정정부호 기법에 대해 소개하며 이 기법을 전력선 통신을 이용하는 전기자동차 충전 시스템에 적용하여 시뮬레이션을 진행하고 비트 오류율로 성능을 확인하여 딥 러닝 기반의 오류정정부호 기법이 기존의 기법보다 효율적인지를 판단한다.

• International Journal of Control, Automation, and Systems
• /
• 제5권4호
• /
• pp.436-443
• /
• 2007

In this paper, an intelligent method called BELBIC (Brain Emotional Learning Based Intelligent Controller) is used to control of Locally Linear Neuro-Fuzzy Model (LOLIMOT) of Washing Machine. The Locally Linear Neuro-Fuzzy Model of Washing Machine is obtained based on previously extracted data. One of the important issues in using BELBIC is its parameters setting. On the other hand, the controller design for Washing Machine is a multi objective problem. Indeed, the two objectives, energy consumption and effectiveness of washing process, are main issues in this problem, and these two objectives are in contrast. Due to these challenges, a Multi Objective Genetic Algorithm is used for tuning the BELBIC parameters. The algorithm provides a set of non-dominated set points rather than a single point, so the designer has the advantage of selecting the desired set point. With considering the proper parameters after using additional assumptions, the simulation results show that this controller with optimal parameters has very good performance and considerable saving in energy consumption.

• 조명전기설비학회논문지
• /
• 제21권5호
• /
• pp.32-43
• /
• 2007

IPMSM은 하중에 비하여 고출력으로 인하여 전기자동차에 널리 보급되고 있다. 본 논문은 적응 학습 퍼지-신경회로망과 ANN을 이용한 IPMSM드라이브의 최대토크 제어를 제시한다. 이러한 제어 방법은 인버터의 정격전류 및 전압값의 범위를 고려한 전속도 영역에 적용 된다. 본 논문은 적응학습 퍼지-신경회로망을 이용하여 IPMSM의 속도제어와 ANN을 이용하여 속도를 추정을 제시한다. 신경회로망의 역전파 알고리즘은 전동기 속도의 실시간 추정을 제시하는데 사용된다. 제시된 제어 알고리즘은 적응학습 퍼지-신경회로망과 ANN 제어기를 IPMSM 드라이브에 적용된다. 최대토크에 의해 제어된 동작 특성은 세부적으로 실험한다. 또한 본 논문은 적응 학습 퍼지 신경회로망과 ANN의 효과를 결과 분석을 통해 제시한다.

• 로봇학회논문지
• /
• 제16권2호
• /
• pp.137-146
• /
• 2021

When controlling manipulator, degree of freedom is lost in singularity so specific joint velocity does not propagate to the end effector. In addition, control problem occurs because jacobian inverse matrix can not be calculated. To avoid singularity, we apply Deep Deterministic Policy Gradient(DDPG), algorithm of reinforcement learning that rewards behavior according to actions then determines high-reward actions in simulation. DDPG uses off-policy that uses 𝝐-greedy policy for selecting action of current time step and greed policy for the next step. In the simulation, learning is given by negative reward when moving near singulairty, and positive reward when moving away from the singularity and moving to target point. The reward equation consists of distance to target point and singularity, manipulability, and arrival flag. Dual arm manipulators hold long rod at the same time and conduct experiments to avoid singularity by simulated path. In the learning process, if object to be avoided is set as a space rather than point, it is expected that avoidance of obstacles will be possible in future research.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1072-1075
• /
• 2005

This paper presents that TD method is applied to the human adaptive devices for smart home with context awareness (or recognition) technique. For smart home, the very important problem is how the appliances (or devices) can adapt to user. Since there are many humans to manage home appliances (or devices), managing the appliances automatically is difficult. Moreover, making the users be satisfied by the automatically managed devices is much more difficult. In order to do so, we can use several methods, fuzzy controller, neural network, reinforcement learning, etc. Though the some methods could be used, in this case (in dynamic environment), reinforcement learning is appropriate. Among some reinforcement learning methods, we select the Temporal Difference learning method as a core algorithm for adapting the devices to user. Since this paper assumes the environment is a smart home, we simply explained about the context awareness. Also, we treated with the TD method briefly and implement an example by VC++. Thereafter, we dealt with how the devices can be applied to this problem.

• 조명전기설비학회논문지
• /
• 제13권2호
• /
• pp.55-62
• /
• 1999

자동화 설비시스템에서 부품의 조립, 가공 등 복잡하고 정교한 임무를 수행시키기위해서는 end-effector의 이동경로 궤적에 대한 추적제어 뿐만 아니라 목표물에 대하여 접촉하는 힘의 궤적에 대한 추적제어가 필수적이다. 본 논문에서는 외란이나 시스템의 파라미터 변동 및 불확실설 등이 존재하는 자동화 설비시스템을 강인하고 정밀하게 제어할 수 ldT도로 하기 위해 동적 신경망 처리(DNP)라 불리우는 신경망 제어기를 설계하였다. 또한 자동화 설비시스템의 매니플레이터에 역기구학적인 좌표변환을 계산하기 위한 학습구조를 개발하였으며, DNP가 이용될수 있는 예를 설명하고자 한다. 제안된 동적 신경망인 DNP의 구조와 학습 알고리즘을 제시하고 컴퓨터 모의 실험을 통해 DNP를 이용한 제안된 학습법의 성능을 확인한다.

• 한국산학기술학회논문지
• /
• 제9권6호
• /
• pp.1574-1580
• /
• 2008

본 논문에서는 외란이나 시스템의 파라미터 변동 및 불확실성 등이 존재하는 자동화 설비시스템을 강인하고 정밀하게 제어할 수 있도록 하기 위해 동적 신경망 처리기(DNP)인 신경망 제어기를 설계하였다. 자동화 설비시스템에서 부품의 조립, 가공 등 복잡하고 정교한 임무를 수행시키기 위해서는 end-effector의 이동경로 궤적에 대한 추적제어 뿐만 아니라 목표물에 대하여 접촉하는 힘의 궤적에 대한 추적 제어가 필수적이다. 또한 자동화 설비시스템에서 플랜트의 역기구학적인 좌표변환을 계산하기 위한 학습구조를 개발하였으며, DNP가 이용될 수 있는 예를 설명하였다. 제안된 동적 신경망인 DNP의 구조와 학습 알고리즘을 제시하고 컴퓨터 모의실험을 통해 학습 성능을 증명하였다.

• 한국지능시스템학회논문지
• /
• 제11권5호
• /
• pp.388-394
• /
• 2001

강화학습은 에이전트가 환경과의 상호작용을 통해 획득한 경험으로부터 제어 규칙을 학습하는 방법이다. 강화학습의 중요한 문제 중의 하나인 신뢰 할당 문제를 해결하기 위해 기여도가 사용되는데, 누적 기여도나 대체 기여도와 같은 기존의 기여도를 이용한 방법은 방문한 상태에서 수행된 행위만을 학습시키기 때문에 학습 자정에서 획득된 보답 신호를 효과적으로 사용하지 못한다. 본 논문에서는 방문한 상태에서 수행된 행위뿐만 아니라 인접 행위들도 학습될 수 있도록 하는 새로운 기여도로써 분포 기여도를 제안한다. 제안된 기여도를 이용한 퍼지 Q-learning 알고리즘을 역진자 시스템에 적용하여 학습 속도면에서 기존의 방법에 비해 우수함을 보인다.