• 지구물리와물리탐사
• /
• 제24권2호
• /
• pp.53-66
• /
• 2021

속도 모델 구축은 탄성파 탐사 자료처리에서 필수적인 절차이다. 주시 토모그래피나 속도 분석과 같은 기존 기법들은 하나의 속도 모델을 예측하는 데 계산 시간이 오래 걸리며 역산 결과의 품질이 전문가의 판단에 크게 의존한다. 전파형 역산 또한 초기 속도 모델에 크게 의존한다는 문제가 있다. 최근 심층 신경망 기법이 복잡하고 비선형적인 문제를 푸는데 적용되는 사례가 많아지면서 널리 보급되고 있다. 이 논문에서는 심층 신경망 기법을 이용한 탄성파 속도 모델 구축 사례들을 각 연구에 사용한 신경망에 따라 분류하며 조사하였다. 또한 훈련용 인공 속도 모델 생성 사례도 포함하였다. 심층 신경망은 대량의 데이터로부터 신경망을 훈련함으로써 모델 매개변수를 자동으로 최적화한다. 따라서 기존 기법들에 비해 역산 결과에 사람의 판단이 개입될 여지가 적으며 훈련을 마친 후 하나의 속도 모델을 예측하는 비용은 무시할 수 있다. 또한, 심층 신경망은 전파형 역산과 달리 초기 속도 모델이 필요하지 않다. 여러 연구에서 계산 비용뿐만 아니라 역산 결과에서도 심층 신경망 기법이 뛰어난 성과를 달성하는 것을 보여주었다. 연구 결과들을 바탕으로 속도 모델 구축에 사용된 심층 신경망 기법의 특징에 대해 분석하고 논의하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1990년도 한국자동제어학술회의논문집(국내학술편); KOEX, Seoul; 26-27 Oct. 1990
• /
• pp.1-6
• /
• 1990

Neural network is a computational model of ft biological nervous system developed ID exploit its intelligence and parallelism. Applying neural networks so robots creates many advantages over conventional control methods such as learning, real-time control, and continuous performance improvement through training and adaptation. In this paper, dynamic control of a six-link robot will be presented using neural networks. The neural network model used in this paper is the backpropagation network. Simulated control of the PUMA 560 am shows that it can move a high speed as well as adapt to unforseen load changes and sensor noise. The results are compared with the conventional PD control scheme.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1990년도 하계학술대회 논문집
• /
• pp.500-503
• /
• 1990

Neural network is a computational model of the biological nervous system developed to exploit its intelligence and parallelism. Applying neural networks to robots creates many advantages over conventional control methods such as learning, real-time control, and continuous performance improvement through training and adaptation. In this paper, dynamic control of a six-link robot will be presented using neural networks. The neural network model used in this paper is the backpropagation network. Simulated control of the PUMA 560 arm shows that it can move at high speed as well as adapt to unforseen load changes. The results are compared with the conventional PD control scheme.

• 한국기계기술학회지
• /
• 제20권6호
• /
• pp.872-878
• /
• 2018

Steam tables including superheated, saturated and compressed region were simultaneously modeled using the neural networks. Pressure and temperature were used as two inputs for superheated and compressed region. On the other hand Pressure and dryness fraction were two inputs for saturated region. The outputs were specific volume, specific enthalpy and specific entropy. The neural network model were compared with the linear interpolation model in terms of the percentage relative errors. The criterion of judgement was selected with the percentage relative error of 1%. In conclusion the neural networks showed better results than the interpolation method for all data of superheated and compressed region and specific volume of saturated region, but similar for specific enthalpy and entropy of saturated region.

• 한국강구조학회 논문집
• /
• 제11권1호통권38호
• /
• pp.79-88
• /
• 1999

신경망을 이용하여 강박스거더교의 손상을 평가하였다. 최근, 신경망을 이용한 손상평가는 구조공학분야에서 많은 연구가 진행되고 있다. 이것은 기존방법의 한계를 극복하고자 하는 새로운 시도로서 본 연구에서는 강교의 손상평가에 적용되었다. 신경망 학습을 위한 자료는 이동하중에 의한 교량의 가속도 응답으로부터 얻었다. 유한요소모델이 우선 정의되고 여기에 5, 10, 15 및 20%의 손상을 가정하였다. 평가단계에서는 학습한 손상은 물론 학습하지 않은 손상도 잘 감지하였다. 본 연구에서는 손상부위가 몇 개의 부위로 한정되었으며 현장의 적용을 위해서는 보다 많은 연구가 필요하다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.2699-2701
• /
• 2001

The study is concerned with an approach to the design of a new category of fuzzy neural networks. The proposed Fuzzy Polynomial Neural Networks(FPNN) with hybrid multi-layer inference architecture is based on fuzzy neural networks(FNN) and polynomial neural networks(PNN) for model identification of complex and nonlinear systems. The one and the other are considered as premise and consequence part of FPNN respectively. We introduce two kinds of FPNN architectures, namely the generic and advanced types depending on the connection points (nodes) of the layer of FNN. Owing to the specific features of two combined architectures, it is possible to consider the nonlinear characteristics of process and to get output performance with superb predictive ability. The availability and feasibility of the FPNN is discussed and illustrated with the aid of two representative numerical examples. The results show that the proposed FPNN can produce the model with higher accuracy and predictive ability than any other method presented previously.

• 전기전자학회논문지
• /
• 제24권4호
• /
• pp.1034-1038
• /
• 2020

레이더를 통한 표적식별을 효과적으로 처리하기 위해서는 표적에 대한 정확한 신호 정보가 필요하다. 그러나 이러한 표적 신호에는 잡음이 섞여 있는 경우가 일반적이며, 이 부분에 대한 연구가 지속적으로 이루어지고 있다. 특히 표적에 대한 이미지 처리, 표적신호처리, 표적식별 등이 그 예라 할 수 있겠다. 군사적 측면으로 볼 때 표적식별 분야가 중요하므로 본 논문에서는 트리 구조의 퍼지 뉴럴 네트워크를 이용하여 비행체 표적식별에 대한 연구를 수행하였다. 비행체에 대한 반사파 데이터를 활용하여 퍼지 뉴럴 네트워크를 학습시켜 모델에 대한 최적화를 수행하였고, 최적화된 모델에 표적에 대한 테스팅 데이터를 입력하여 표적식별에 대한 실험을 수행하여 그 결과를 통해 제안된 방법의 효용성을 검증하였다.

• 한국통신학회논문지
• /
• 제34권3C호
• /
• pp.257-267
• /
• 2009

This paper presents a training method for neural networks and the employment of MSE (mean scare error) values as the basis of a decision regarding the identity claim of a speaker in a recurrent neural networks based speaker verification system. Recurrent neural networks (RNNs) are employed to capture temporally dynamic characteristics of speech signal. In the process of supervised learning for RNNs, target outputs are automatically generated and the generated target outputs are made to represent the temporal variation of input speech sounds. To increase the capability of discriminating between the true speaker and an impostor, a discriminative training method for RNNs is presented. This paper shows the use and the effectiveness of the MSE value, which is obtained from the Euclidean distance between the target outputs and the outputs of networks for test speech sounds of a speaker, as the basis of speaker verification. In terms of equal error rates, results of experiments, which have been performed using the Korean speech database, show that the proposed speaker verification system exhibits better performance than a conventional hidden Markov model based speaker verification system.

• 한국정밀공학회지
• /
• 제13권11호
• /
• pp.57-63
• /
• 1996

Monitoring of grinding troble occurring during the process is classified into the quantitative data which depends upon a sensor and the qualitative knowledge which relies upon an empirical knowledge. Since grinding operation is highly related with a large amount of functional parameters, it is actually deficulty in copying wiht the grinding troubles through the process. To cope with grinding trouble, it is an effective monitoring systems when occurring the grinding process. The use of neural networks is an effective method of detection and/or monitroing on the grinding trouble. In this paper, four parameters which are derived from the AE(Acoustic Emission) signatures are identified, and grinding monitoring system utilized a back propagation learning algorithm of PDP neural networks is presented.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권8호
• /
• pp.307-324
• /
• 2018

최근 순환 신경 망(Recurrent Neural Networks)은 시간에 대한 의존성을 고려한 구조를 통해 순차 데이터(Sequential data)의 예측 문제 해결에서 각광받고 있다. 하지만 순차 데이터의 시간 스텝이 늘어남에 따라 발생하는 그라디언트 소실(Gradients vanishing)이 문제로 대두되었다. 이를 해결하기 위해 장단기 기억 모델(Long Short-Term Memory)이 제안되었지만, 많은 데이터를 저장하고 장기간 보존하는 데에 한계가 있다. 따라서 순환 신경망과 메모리 요소(Memory component)를 활용한 학습 모델인 메모리-증대 신경망(Memory-Augmented Neural Networks)에 대한 연구가 최근 활발히 진행되고 있다. 본 논문에서는 딥 러닝(Deep Learning) 분야의 화두로 떠오른 메모리-증대 신경망 주요 모델들의 구조와 특징을 열거하고, 이를 활용한 최신 기법들과 향후 연구 방향을 제시한다.