• 전기전자학회논문지
• /
• 제27권4호
• /
• pp.430-438
• /
• 2023

The Modular Multilevel Converter (MMC) has emerged as a key component in HVDC systems due to its ability to efficiently transmit large amounts of power over long distances. In such systems, accurate estimation of the MMC capacitor voltage is of utmost importance for ensuring optimal system performance, stability, and reliability. Traditional methods for voltage estimation may face limitations in accuracy and robustness, prompting the need for innovative approaches. In this paper, we propose a novel distributed neural network observer specifically designed for MMC capacitor voltage estimation. Our observer harnesses the power of a multi-layer neural network architecture, which enables the observer to learn and adapt to the complex dynamics of the MMC system. By utilizing a distributed approach, we deploy multiple observers, each with its own set of neural network layers, to collectively estimate the capacitor voltage. This distributed configuration enhances the accuracy and robustness of the voltage estimation process. A crucial aspect of our observer's performance lies in the meticulous initialization of random weights within the neural network. This initialization process ensures that the observer starts with a solid foundation for efficient learning and accurate voltage estimation. The observer iteratively updates its weights based on the observed voltage and current values, continuously improving its estimation accuracy over time. The validity of proposed algorithm is verified by the result of estimated voltage at each observer in capacitor of MMC.

• 전자공학회논문지SC
• /
• 제38권2호
• /
• pp.12-19
• /
• 2001

본 논문에서는 새로운 구조의 모듈라 시스템의 최적구조 설계 알고리즘을 제안하였다. 모듈라 시스템은 구조의 단순화와 시간 주파수 분석법을 이용하기 위해 웨이블렛 신경망으로 구성하였다. 제안한 최적구조 설계 알고리즘을 이용하여 근사화 대상함수의 시간-주파수 특성을 분석하여 모듈의 개수와 부-시스템의 노드의 개수를 결정할 수 있다. 제안한 최적 구조 설계 알고리즘은 시스템의 특성을 분석하여 모듈라 웨이블렛 신경망의 최적구조를 설계할 수 있는 방법론을 제공할 수 있다. 제안한 새로운 구조와 최적 구조 설계 알고리즘을 근사화 문제에 적용하여 우수성을 검증하였다.

• Advances in robotics research
• /
• 제1권1호
• /
• pp.101-126
• /
• 2014

In this article we present modular neural control for a leg-wheel hybrid robot consisting of three legs with omnidirectional wheels. This neural control has four main modules having their functional origin in biological neural systems. A minimal recurrent control (MRC) module is for sensory signal processing and state memorization. Its outputs drive two front wheels while the rear wheel is controlled through a velocity regulating network (VRN) module. In parallel, a neural oscillator network module serves as a central pattern generator (CPG) controls leg movements for sidestepping. Stepping directions are achieved by a phase switching network (PSN) module. The combination of these modules generates various locomotion patterns and a reactive obstacle avoidance behavior. The behavior is driven by sensor inputs, to which additional neural preprocessing networks are applied. The complete neural circuitry is developed and tested using a physics simulation environment. This study verifies that the neural modules can serve a general purpose regardless of the robot's specific embodiment. We also believe that our neural modules can be important components for locomotion generation in other complex robotic systems or they can serve as useful modules for other module-based neural control applications.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1991년도 추계학술대회 논문집 학회본부
• /
• pp.189-192
• /
• 1991

This paper presents a modular structure design of analog Hopfield neural network. Each multiplier consists of four MOS transistors which are connected to an op-amp at the front end of a neuron. A pair of MOS transistor is used in order to maintain linear operation of the synapse and can produce positive or negative synaptic weight. This architecture can be expandable to any size neural network by forming tree structure. By altering the connections, other nework paradigms can also be implemented using this basic modules. The stength of this approach is the expandability and the general applicability. The layout design of a four-neuron fully connected feedback neural network is presented and is simulated using SPICE. The network shows correct retrival of distorted patterns.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.415-418
• /
• 2002

MR의 자율주행 기능에는 추종, 접근, 충돌회피, 경고 등의 여러 기능이 있다. 이 기능들을하나의 Neural Network로 학습시키는 것은 어려운 일이다. 이것을 보안하고자 기능들을 각각의 Module로 구성하여 상황에 맞게 학습된 Module의 출력 값으로 MR을 제어하였다 로봇은 인간의 감각을 대신할 수 있는 다중 초음파 센서와 PC 카메라를 장착하고 있으며, 이곳에서 측정된 환경정보 데이터들은 Modular Neural Network을 통해 학습이 이루어진다 MNN에서의 출력값은 Gating Network(GN)에서 로봇의 진행 방향과 속도를 스위칭 출력함으로서 MR을 제어하는데 사용된다. MNN 내 EN의 활성화 함수 최적결합을 통해 효과적인 MNN을 구성하였다. 본 논문에서는 Modular Neural Network의 Expert Network(EN)을 최적설계 하였고, 제안한 MNN의 검증을 위해 실시간으로 MR에 구현하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 추계학술대회 학술발표 논문집
• /
• pp.10-13
• /
• 2001

Nonlinear Function Approximation of Moduled Neural Network Using Genetic Algorithm Neural Network consists of neuron and synapse. Synapse memorize last pattern and study new pattern. When Neural Network learn new pattern, it tend to forget previously learned pattern. This phenomenon is called to catastrophic inference or catastrophic forgetting. To overcome this phenomenon, Neural Network must be modularized. In this paper, we propose Moduled Neural Network. Modular Neural Network consists of two Neural Network. Each Network individually study different pattern and their outputs is finally summed by net function. Sometimes Neural Network don't find global minimum, but find local minimum. To find global minimum we use Genetic Algorithm.

• 한국지능시스템학회논문지
• /
• 제11권9호
• /
• pp.782-787
• /
• 2001

본 논문에서는 F-투영과 기하학적인 성장 기준을 이용하여 모듈화된 웨이블렛 신경망(MWNN)의 적응구조를 설계하기 위한 성장과 소거 알고리즘을 제안한다. 기하학적인 성장 알고리즘은 지역 오차를 고려한 추정 에러 기준과 이미 존재하는 다른 웨이블렛 함수와 근사적인 직교성을 보장하도록 웨이블렛 함수를 배열할 수 있는 각도 기준으로 구성되어 있다. 이러한 기준은 망의 설계자가 설계자의 의도대로 MWNN을 구성할 수 있는 방법론을 제시한다. 제안한 성장 알고리즘은 모듈과 모듈의 크기를 성장시킨다. 또한 소거 알고리즘은 MWNN의 모듈에 사용되는 웨이블렛 신경망의 지역화 특성에 기인한 문제점을 극복하기 위해 구성된 MWNN에서 불필요한 모듈의 노드나 모듈을 제거한다. 제안한 MWNN의 적응 구조 설계 알고리즘을 1, 2차원 대상 함수에 적용하여 성능을 검증하였다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권12호
• /
• pp.804-810
• /
• 2004

There are two important things for the general purpose neural network processor. The first is a capability to build various structures of neural network, and the second is to be able to support suitable learning method for that neural network. Some way to process various learning algorithms is required for on-chip learning, because the more neural network types are to be handled, the more learning methods need to be built into. In this paper, an improved hardware structure is proposed to compute various kinds of learning algorithms flexibly. The hardware structure is based on the existing modular neural network structure. It doesn't need to add a new circuit or a new program for the learning process. It is shown that rearrangements of the existing processing elements can produce several neural network learning modules. The performance and utilization of this module are analyzed by comparing with other neural network chips.

• 정보처리학회논문지B
• /
• 제12B권1호
• /
• pp.25-30
• /
• 2005

이 논문은 대용량 분류 문제를 위한 모듈러 신경망(modular feedforward MLP)과 SVM(Support Vector Machine)의 성능을 비교 분석하였다. 전반적으로 SVM이 상당한 성능 차이로 우수함을 확인하였다. 또한 부류 수가 많아짐에 따라 SVM이 신경망보다 완만하게 성능 저하가 있음도 확인하였다. 또한 기각에 따른 정인식률 추이를 분석하였고, 대용량 분류에 적합한 SVM 파라메터(kernel 함수와 관련 변수들)를 도출하였다.

• 정보처리학회논문지B
• /
• 제13B권1호
• /
• pp.1-6
• /
• 2006

단백질의 기능 예측 모델은 guilt-by-association 개념을 바탕으로 단백질-단백질 상호작용 맵을 이용하고 있다. 이 방법은 목표 단백질이 기능이 알려진 단백질과 상호작용이 없는 경우 기능 예측이 불가능하다. 본 논문에서는 단백질 기능 예측 모델을 K-class 다중 분류 문제로 재 정의하고 단백질-단백질 상호작용 데이터 및 단백질의 알려진 속성 등을 학습 모델에 이용한 단위신경망의 설계와 응용을 제안한다. 제안하는 모델은 Yeast 단백질 데이터의 기능 예측에서 단백질-단백질 상호작용 데이터를 이용하는 방법에 비해 분류 예측율에서 우수한 성능을 보였으며 또한 상호작용이 밝혀지지 않은 단백질의 기능 예측을 할 수 있다.