International Journal of Control, Automation, and Systems
/
v.3
no.2
/
pp.152-158
/
2005
Commercial lower limb prostheses or orthotics help patients achieve a normal life. However, patients who use such aids need prolonged training to achieve a normal gait, and their fatigability increases. To improve patient comfort, this study proposed a method of predicting gait angle using neural networks and EMG signals. Experimental results using our method show that the absolute average error of the estimated gait angles is $0.25^{\circ}$. This performance data used reference input from a controller for the lower limb orthotic or prosthesis controllers while the patients were walking.
Recently, an automatic crane control system is required with high speed and rapid transportation. Therefore, when container is transferred from the initial coordinate to the finial coordinate, the container paths should be built in terms of the least time and without sway. Therefore, we calculated the anti-collision path for avoiding collision in its movement to the finial coordinate in this paper. And we constructed the neural network predictive two degree of freedom PID controller to control the precise navigation. The proposed predictive control system is composed of the neural network predictor, two degree of freedom PID controller, neural network self-tuner which yields parameters of two degree of freedom PID. We analyzed crane system through simulation, and proved excellency of control performance over the conventional controllers.
Proceedings of the Korean Institute of Intelligent Systems Conference
/
1997.10a
/
pp.115-120
/
1997
System identification is the task of inferring a mathematical description of a dynamic system from a series of measurements of the system. There are several motives for establishing mathematical descriptions of dynamic systems. Typical applications encompass simulation, prediction, fault diagnostics, and control system design. The paper demonstrates that neural networks can be used effective for the identification of nonlinear dynamical systems. The content of this paper concerns dynamic neural network models, where not all inputs to and outputs from the networks are measurable. Only one model type is treated, the well-known Innovation State Space model(Kalman Predictor). The identification is based only on input/output measurements, so in fact a non-linear Extended Kalman Filter problem is solved. Even for linear models this is a non-linear problem without any assurance of convergence, and in spite of this fact an attempt is made to apply the principles from linear models, an extend them to non-linear models. Computer simulation results reveal that the identification scheme suggested are practically feasible.
We have researched quantitative structure activity relationships between molecular structure of medicines and physiological activity. Since they are non-linear, neural networks are useful tool to research them. There are many ranks for the non-linearity; therefore, the neuron function must be selected carefully. As the results of some trial calculations, Ire find the sigmoid-linear functions pair. We call the neural network constructed of the pair as ANN. The inter- or extrapolation abilities of the ANN are excellent; therefere, ANN is a superior predictor for the relationships. We evaluated the anticarcinogenic medicines, Carboquinone derivatives, by the developed ANN and leave-one-out method.
The Transactions of the Korean Institute of Electrical Engineers D
/
v.53
no.2
/
pp.65-75
/
2004
This paper presents a generalized predictive control method based on a fuzzy neural network(FNN) model, which uses the on-line multi-step prediction, fur the intelligent control of chaotic nonlinear systems whose mathematical models are unknown. In our design method, the parameters of both predictor and controller are tuned by a simple gradient descent scheme, and the weight parameters of FNN are determined adaptively during the operation of the system. In order to design a generalized predictive controller effectively, this paper describes computing procedure for each of the two important parameters. Also, we introduce a projection matrix to determine the control input, which deceases the control performance function very rapidly. Finally, in order to evaluate the performance of our controller, the proposed method is applied to the Doffing and Henon systems, which are two representative continuous-time and discrete-time chaotic nonlinear systems, res reactively.
International Journal of Computer Science & Network Security
/
v.22
no.2
/
pp.145-152
/
2022
One of the impacts of Covid-19 on education systems has been the shift to online education. This shift has changed the way education is consumed and perceived by students. However, the exact nature of student perception about online education is not known. The aim of this study was to understand the perceptions of Saudi higher education students (e.g., post-school students) about online education during the Covid-19 pandemic. Various aspects of online education including benefits, features and cybersecurity were explored. The data collected were analysed using statistical techniques, especially artificial neural networks, to address the research aims. The key findings were that benefits of online education was perceived by students with positive experience or when ensured of safe use of online platforms without the fear cyber security breaches for which recruitment of a cyber security officer was an important predictor. The issue of whether perception of online education as a necessity only for Covid situation or a lasting option beyond the pandemic is a topic for future research.
Journal of the Korean Institute of Intelligent Systems
/
v.6
no.2
/
pp.13-21
/
1996
The necessity and usefulness of higher-order neural networks have been well-known since early days of
neurocomputing. However the explosive number of terms has hampered the design and training of such networks.
In this paper we present an evolutionary learning method for efficiently constructing problem-specific higher-order
neural models. The crux of the method is the neural tree representation employing both sigma and pi units, in combination
with the use of an MDL-based fitness function for learning minimal models. We provide experimental
results in classification and prediction problems which demonstrate the effectiveness of the method.
I. Introduction topology employs one hidden layer with full connectivity
between neighboring layers. This structure has
One of the most popular neural network models been very successful for many applications. However,
used for supervised learning applications has been the they have some weaknesses. For instance, the fully
mutilayer feedforward network. A commonly adopted connected structure is not necessarily a good topology
unless the task contains a good predictor for the full
*d*dWs %BH%W* input space.
Park, Sang-Woo;Choi, Jong-Tae;Choi, Yoon-Ho;Park, Jin-Bae
Journal of the Korean Institute of Intelligent Systems
/
v.13
no.1
/
pp.24-30
/
2003
In this paper, we propose a novel predictive control method, which uses a wavelet neural network as a predictor, for the control of chaotic systems. In our method, we use the gradient descent method for training the parameter of a wavelet neural network. The control signals are directly obtained by minimizing the difference between a reference signal and the output of a wavelet neural network. To verify the efficiency of our method, we apply it to the Doffing and the Henon system, which are a representative continuous and discrete time chaotic system respectively, and compare with the results of generalized predictive control using multi-layer perceptron.
KSII Transactions on Internet and Information Systems (TIIS)
/
v.16
no.6
/
pp.2018-2043
/
2022
Nowadays, COVID-19 infections are influencing our daily lives which have spread globally. The major symptoms' of COVID-19 are dry cough, sore throat, and fever which in turn to critical complications like multi organs failure, acute respiratory distress syndrome, etc. Therefore, to hinder the spread of COVID-19, a Computerized Doughty Predictor Framework (CDPF) is developed to yield benefits in monitoring the progression of disease from Chest CT images which will reduce the mortality rates significantly. The proposed framework CDPF employs Convolutional Neural Network (CNN) as a feature extractor to extract the features from CT images. Subsequently, the extracted features are fed into the Adaptive Dragonfly Algorithm (ADA) to extract the most significant features which will smoothly drive the diagnosing of the COVID and Non-COVID cases with the support of Doughty Learners (DL). This paper uses the publicly available SARS-CoV-2 and Github COVID CT dataset which contains 2482 and 812 CT images with two class labels COVID+ and COVI-. The performance of CDPF is evaluated against existing state of art approaches, which shows the superiority of CDPF with the diagnosis accuracy of about 99.76%.
We used a deep neural network model for the prediction of the stock prices of Kia Motors and Shinsegae as listed in the KOSPI 100. We used an emotional variable derived from online news in addition to the various technical indicators most often used. The emotional variable used as a predictor variable was generated from the average of the emotional scores for companies in the industrial group after building an emotional dictionary specific to each industrial group classified in a social network analysis. The study was conducted with various combinations of predictors and confirmed that good predictive and profitable power could be expected when jointly using technical indicators and an emotional variable based on online news by industrial groups.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.