• 정보처리학회논문지B
• /
• 제13B권4호
• /
• pp.429-438
• /
• 2006

일반적으로 신경망은 비선형성 문제를 해결하기 위해서 소프트웨어로 많이 구현되었지만, 영상처리 및 패턴인식과 같은 실시간 처리가 요구되는 응용에서는 빠른 처리가 가능한 하드웨어로 구현되고 있다. 다양한 종류의 신경망 중에서 다층 신경망(MLP: multi-layer perceptron)의 하드웨어 설계는 빠른 처리속도와 적은 면적 그리고 구현의 용이성으로 고정소수점 연산을 많이 사용하였다. 하지만 고정소수점 연산을 사용하는 하드웨어 설계는 높은 정확도의 부동소수점 연산을 많이 사용하는 소프트웨어 MLP를 쉽게 적용할 수 없는 문제점을 가진다. 본 논문에서는 높은 정확도와 높은 유연성을 가지는 부동소수점 연산을 사용하면서도 은닉층 뉴런수를 주기(cycle)로 빠르게 수행하는 MLP의 완전 파이프라이닝(fully-pipelining) 설계방법을 제안한다. MLP는 주어진 문제에 의해서 자연스럽게 입력층과 출력층의 구조가 결정되지만, 은닉층 구조는 사용자에 의해서 결정된다. 그러므로 제안된 설계방법은 많은 반복수행이 요구되는 영상처리 및 패턴인식 등의 분야에서 은닉층 뉴런수를 최적화 하여 쉽게 성능 향상을 이룰 수 있다.

• 한국지능시스템학회논문지
• /
• 제11권5호
• /
• pp.406-412
• /
• 2001

본 논문은 기존의 퍼지 단층 퍼셉트론 알고리즘의 학습 시간과 수렴성을 개선하기 위해 인간 신경계의 생리학적 뉴런 구조를 분석하며 퍼지 논리를 이용한 새로운 뉴런 구조를 제시하고, 이를 바탕으로 생리학적 퍼지 단층 퍼셉트론(P-FLSP: Physiological Fuzzy Single Layer Perceptron)에 대한 학습 모형과 학습 알고리즘을 제안한다. 제안된 학습 알고리즘의 성능을 평가하기 위해 Exclusive OR 문제, 3-bit parity 문제 그리고 차량 번호판 인식 문제 등에 적용하여 피곤의 피지 단층 퍼셉트론 알고리즘과 성능을 비교, 분석하였다. 실험 결과에서는 제안된 학습 알고리즘(P-FSLP)이 기존의 퍼지 단층 학습 알고리즘보다 지역 최소화에 빠질 가능성이 감소하였으며 학습 시간과 수렴성도 개선되었을 뿐만 아니라, 영상 인식등에 대한 응용 가능성도 제시되었다.

• 조명전기설비학회논문지
• /
• 제20권3호
• /
• pp.53-61
• /
• 2006

본 논문은 유도전동기 드라이브의 고성능 제어를 위한 적응 퍼지-뉴로 제어기를 제시한다. 이 알고리즘의 설계는 퍼지제어와 신경회로망을 사용하는 퍼지-신경회로망 제어기에 기초한다. 적응 퍼지-뉴로 제어기는 신경회로망의 학습패턴과 같은 퍼지 룰을 사용하고 또한 지령값과 실제값 사이의 오차를 최소화하기 위하여 신경회로망의 뉴런사이의 하중을 역전파 알고리즘 방법을 사용하여 조절한다. 적응 기준 모델 설계는 기준모델의 출력과 전동기 속도 사이의 오차와 오차 변화분을 기초로 한 퍼지 로직에 의하여 실행되는 적응 메카니즘을 제시한다. 적응 퍼지-뉴로 제어기의 제어 성능은 다양한 동작 상태에 대한 분석으로 평가한다. 제안한 제어시스템의 실험 결과는 고성능과 파리미터 변동과 정상상태 정확성, 순시응답의 강인성을 가진다.

• 전기전자학회논문지
• /
• 제23권2호
• /
• pp.529-533
• /
• 2019

오늘날 복합 화력 발전소는 전력 생산을 위해 많이 사용되고 있고, 최근에는 운전 매개 변수를 기반으로 발전 출력을 예측하는 것이 주요 관심사이다. 본 논문에서는 복합 화력 발전소의 출력을 예측하기 위해 컴퓨터 지능 기법을 이용하는 방법을 제시한다. 컴퓨터 지능 기술은 지속적으로 발전되어 많은 실제 문제에 적용되어 왔다. 본 논문에서는 트리 구조의 퍼지 뉴럴 네트워크를 이용하여 발전 출력을 예측하고자 한다. 트리 구조의 퍼지 뉴럴 네트워크는 퍼지 뉴런을 노드로 선택하고 관련 입력을 최적으로 선택하여 규칙 수를 줄이는 장점이 있다. 네트워크의 최적화를 위해 2 단계 최적화 방법이 사용된다. 유전 알고리즘은 최적의 노드와 리프를 선택하여 네트워크의 이진 구조를 최적화 한 다음 랜덤 신호 기반 학습을 수행하여 최적화 된 이진 연결을 단위 구간에서 미세 학습한다. 제안 된 방법의 유용성을 검증하기 위해 UCI Machine Learning Repository Database에서 얻은 복합 화력 발전소 데이터를 사용한다.