• 대한용접접합학회:학술대회논문집
• /
• 대한용접접합학회 2002년도 Proceedings of the International Welding/Joining Conference-Korea
• /
• pp.295-300
• /
• 2002

In this paper, an intelligent system to determine welding parameters for each pass and welding position in pipeline welding based on one database and FEM model, two BP neural network models and a C-NN model was developed and validated. The preliminary test of the system has indicated that the developed system could determine welding parameters for pipeline welding quickly, from which good weldments can be produced without experienced welding personnel. Experiments using the predicted welding parameters from the developed system proved the feasibility of interface standards and intelligent control technology to increase productivity, improve quality, and reduce the cost of system integration.

• 제어로봇시스템학회논문지
• /
• 제14권12호
• /
• pp.1218-1225
• /
• 2008

This paper presents the design of a neural network based adaptive control for missile is presented. The application model is Exocet MM40, which is derived from missile DATCOM database. Acceleration of missile by tail Fin control cannot be controllable by DMI (Dynamic Model Inversion) directly because it is non-minimum phase system. So, the inner loop consists of DMI and NN (Neural Network) and the outer loop consists of PI controller. In order to satisfy the performances only with PI controller, it is necessary to do some additional process such as gain tuning and scheduling. In this paper, all flight area would be covered by just one PI gains without tuning and scheduling by applying mixture control technique of conventional controller and NN to the outer loop. Also, the simulation model is designed by considering non-minimum phase system and compared the performances to distinguish the validity of control law with conventional PI controller.

• 한국컴퓨터정보학회논문지
• /
• 제20권10호
• /
• pp.31-38
• /
• 2015

In this paper, we propose the ensemble-based classification model which extracts just new data patterns from the streaming-data by using clustering and generates new classification models to be added to the ensemble in order to reduce the number of data labeling while it keeps the accuracy of the existing system. The proposed technique performs clustering of similar patterned data from streaming data. It performs the data labeling to each cluster at the point when a certain amount of data has been gathered. The proposed technique applies the K-NN technique to the classification model unit in order to keep the accuracy of the existing system while it uses a small amount of data. The proposed technique is efficient as using about 3% less data comparing with the existing technique as shown the simulation results for benchmarks, thereby using clustering.

• International Journal of Korean Welding Society
• /
• 제2권2호
• /
• pp.32-35
• /
• 2002

In this paper, an intelligent system to determine welding parameters for each pass and welding position in pipeline welding based on one database and FEM model, two BP neural network models and a C-NN model was developed and validated. The preliminary test of the system has indicated that the developed system could determine welding parameters fur pipeline welding quickly, from which good weldments can be produced without experienced welding personnel. Experiments using the predicted welding parameters from the developed system proved the feasibility of interface standards and intelligent control technology to increase productivity, improve quality, and reduce the cost of system integration.

• 한국소음진동공학회논문집
• /
• 제16권9호
• /
• pp.897-903
• /
• 2006

The reduction of the vehicle interior noise has been the main interest of noise and vibration harshness (NVH) engineers. The driver's perception on the vehicle noise is affected largely by psychoacoustic characteristic of the noise as well as the SPL. In particular, the heating, ventilation and air conditioning (HVAC) system sound among the vehicle interior noise has been reflected sensitively in psychoacoustics view point. Even though the HVAC noise is not louder than overall noise level, it clearly affects subjective perception to drivers in the way of making to be nervous or annoyed. Therefore, these days a vehicle engineer takes aim at developing sound quality as well as reduction of noise. In this paper, we acquired noises in the HVAC from many vehicles. Through the objective and subjective sound quality (SQ) evaluation with acquiring noises recorded by the vehicle HVAC system, the simple and multiple regression models were obtained for the subjective evaluation 'Pleasant' using the semantic differential method (SDM). The regression procedure also allows you to produce diagnostic statistics to evaluate the regression estimates including appropriation and accuracy. Furthermore, the neural network (NN) model were obtained using three inputs(loudness, sharpness and roughness) of the SQ metrics and one output(subjective 'Pleasant'). Because human's perception is very complex and hard to estimate their pattern, we used NN model. The estimated models were compared with correlations between output indexes of SQ and hearing test results for verification data 'Pleasant'. As a result of application of the SQ indexes, the NN model was shown with the largest correlation of SQ indexes and we found possibilities to predict the SQ metrics.

• 한국산업정보학회논문지
• /
• 제25권2호
• /
• pp.129-136
• /
• 2020

손가락 움직임 인식을 통한 제어는 직관적인 인간-컴퓨터 상호작용 방법의 하나이다. 본 연구에서는 여러 가지 ML (Machine learning) 기법을 사용하여 효율적인 손가락 움직임 인식을 위한 웨어러블 디바이스를 구현한다. 움직임 인식을 위한 시계열 데이터 분석에 전통적으로 사용되어 온 HMM (Hidden markov model) 및 DTW (Dynamic time warping) 기법뿐만 아니라 NN (Neural network) 기법을 적용하여 손가락 움직임 인식의 효율성 및 정확성을 비교하고 분석한다. 제안된 시스템의 경우, 경량화된 ML 모델을 설계하기 위해 각 ML 기법에 대해 최적화된 전처리 프로세스를 적용한다. 실험 결과, 최적화된 NN, HMM 및 DTW 기반 손가락 움직임 인식시스템은 각각 99.1%, 96.6%, 95.9%의 정확도를 제공한다.

• 산업융합연구
• /
• 제20권8호
• /
• pp.77-84
• /
• 2022

본 연구는 기계 학습 기반의 자동 분류 기법을 적용함으로써 유망 기술의 선정 과정에 활용할 수 있는 의사결정 지원 시스템의 구현 방안을 제시하는 것을 목표로 한다. 연구 수행을 위해 전체 시스템의 아키텍처를 구축하고 세부 연구 단계를 진행하였다. 우선, 유망 기술 후보 아이템을 선정하고 빅데이터 시스템을 활용하여 추세 데이터를 자동 생성하였다. 기술 발전의 개념 모델과 패턴 분류 체계를 정의한 후 자동 분류 실험을 통해 효율적인 기계 학습 방안을 제시하였다. 마지막으로 시스템의 분석 결과를 해석하고 활용 방안을 도출하고자 하였다. 본 연구에서 제안한 동적 시간 와핑(DTW) 기법과 k-최근접 이웃(kNN) 분류 모델을 결합한 DTW-kNN 기반의 분류 실험에서 최대 87.7%의 식별 성능을 보여주었으며, 특히 추세의 변동이 심한 'eventual' 정의 구간에서는 유클리디언 거리(ED) 알고리즘 대비 39.4% 포인트의 최대 성능 차이를 보여주어 제안 모델의 우수함을 확인할 수 있었다. 또한, 시스템이 제시하는 분석 결과를 통해, 대량의 추세 데이터를 입력받아 유형별로 자동 분류하고 필터링하는 과정에 본 의사결정 지원 시스템을 효과적으로 활용할 수 있음을 확인하였다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.121-131
• /
• 2014

교통속도는 교통 문제를 해결하기 위한 중요한 지표 중 하나이다. 이를 이용하여 교통혼잡 탐지, 주행 시간 예측, 도로 설계와 같은 다양한 문제 해결에 활용할 수 있다. 따라서 정확한 교통속도 예측은 지능형 교통 시스템의 개발에 있어 필수적인 요소라고 할 수 있다. 본 논문에서는 대한민국 부산시의 특정 도로를 대상으로 교통 속도에 대한 분석 및 예측을 수행하였다. 과거 연구에서는 대상 도로의 속도 예측을 위해 과거 대상 도로의 교통속도 이력 데이터만을 사용하였다. 그러나 실제 대상 도로의 교통 상황은 인접한 도로의 교통 상황의 영향을 받게 된다. 따라서 본 논문에서는 실제 부산시의 과거 교통속도 이력 데이터를 기반으로 대상 도로와 인접 도로를 모두 고려하여 교통속도 예측 모델의 학습을 위한 속성을 추출하였다. 이와 같이 후보 속성들을 추출 한 후 선형 회귀 (linear regression), 모델 트리 (model tree) 및 k-nearest neighbor (k-NN) 기법을 이용하여 속성의 부분집합 선택 (feature subset selection)과 교통속도 예측 모델 생성을 수행하였다. 실험 결과 주어진 교통 데이터에서 k-NN 기법은 선형 회귀 및 모델 트리 기법에 비해 평균절대백분율오차 (mean absolute percent error, MAPE)와 제곱근평균제곱오차 (root mean squared error, RMSE) 측면에서 더 나은 성능을 보임을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제20권10호
• /
• pp.715-725
• /
• 2020

본 논문에서는 고차원의 특징 벡터에서 질의와 가장 가까운 k개의 데이터를 찾는 k-최근접 질의 최적화 방법을 제안한다. k-최근접 질의는 k개의 데이터를 포함할 가능성이 있는 범위를 기반으로 범위 질의로 변환되어 처리하는 기법이다. 본 논문에서는 처리 비용을 감소시키고 검색 속도를 가속화 할 수 있는 최적의 범위를 도출하기 위해 k-최근접 질의 처리 시 DNN 모델을 이용한 최적화 기법을 제안한다. 제안하는 기법은 온라인 모듈과 오프라인 모듈로 구성된다. 온라인 모듈에서는 클라이언트로부터 요청을 받아 실제 질의를 처리한다. 오프라인 모듈에서는 과거 최적화 기법의 결과를 학습 로그로 사용한 DNN 모델로 최적의 범위를 도출하고 온라인 모듈로 전달한다. 제안하는 기법의 우수성 및 타당성의 입증을 위하여 다양한 성능 평가를 수행한다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2000년도 봄 학술발표회논문집
• /
• pp.449-457
• /
• 2000

The paper describes the study of global approximate optimization utilizing soft computing techniques such as genetic algorithms (GA's), neural networks (NN's), and fuzzy inference systems(FIS). GA's provide the increasing probability of locating a global optimum over the entire design space associated with multimodality and nonlinearity. NN's can be used as a tool for function approximations, a rapid reanalysis model for subsequent use in design optimization. FIS facilitates to handle the quantitative design information under the case where the training data samples are not sufficiently provided or uncertain information is included in design modeling. Properties of soft computing techniques affect the quality of global approximate model. Evolutionary fuzzy modeling (EFM) and adaptive neuro-fuzzy inference system (ANFIS) are briefly introduced for structural optimization problem in this context. The paper presents the success of EFM depends on how optimally the fuzzy membership parameters are selected and how fuzzy rules are generated.