• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제2권2호
• /
• pp.95-99
• /
• 2002

The Loose Part Monitoring System(LPMS) has been designed to detect. locate and evaluate detached or loosened parts and foreign objects in the reactor coolant system. In this paper, at first, we presents an application of the back propagation neural network. At the preprocessing step, the moving window average filter is adopted to reject the reject the low frequency background noise components. And then, extracting the acoustic signature such as Starting point of impact signal. Rising time. Half period. and Global time, they are used as the inputs to neural network . Secondly, we applied the neural network algorithm to LPMS in order to estimate the mass of loose parts. We trained the impact test data of YGN3 using the backpropagation method. The input parameter for training is Rising clime. Half Period amplitude. The result shored that the neural network would be applied to LPMS. Also, applying the neural network to thin practical false alarm data during startup and impact test signal at nuclear power plant, the false alarms are reduced effectively.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1996년도 추계학술대회 논문집
• /
• pp.759-763
• /
• 1996

This paper presents a new approach to the design of neural control system using digital signal processors in order to improve the precision and robustness. Robotic manipulators have become increasingly important in the field of flexible automation. High speed and high-precision trajectory tracking are indispensable capabilities for their versatile application. The need to meet demanding control requirement in increasingly complex dynamical control systems under significant uncertainties, leads toward design of intelligent manipulation robots. The TMS320C31 is used in implementing real time neural control to provide an enhanced motion control for robotic manipulators. In this control scheme, the networks introduced are neural nets with dynamic neurons, whose dynamics are distributed over all the network nodes. The nets are trained by the distributed dynamic back propagation algorithm. The proposed neural network control scheme is simple in structure, fast in computation, and suitable for implementation of real-time control. Performance of the neural controller is illustrated by simulation and experimental results for a SCARA robot.

• 융합신호처리학회논문지
• /
• 제13권4호
• /
• pp.233-237
• /
• 2012

본 논문에서는 RTDNN과 FLC를 이용해서 주신경망을 보상하는 제어시스템을 제안한다. 주신경망이 학습을 완료한 후 외란이나 부하변동이 생겨 오브 슛 내지는 언더 슛을 나타낼 때 적절히 조정하기 위해 퍼지 보상기를 사용하여 원하는 결과를 얻을 수 있도록 하였다. 그리고 제어대상의 역모델 신경망에서 학습시킨 결과를 이용하여 주신경망의 가중치를 변경시킴으로서 제어대상의 원하는 동적 특성을 얻게 된다. 모의 실험 결과 제안한 신경망 제어기의 양호한 응답 특성을 확인 할 수 있다.

• Nuclear Engineering and Technology
• /
• 제54권12호
• /
• pp.4684-4692
• /
• 2022

Radionuclide identification is an important part of the nuclear material identification system. The development of artificial intelligence and machine learning has made nuclide identification rapid and automatic. However, many methods directly use existing deep learning models to analyze the gamma-ray spectrum, which lacks interpretability for researchers. This study proposes an explainable radionuclide identification algorithm based on the convolutional neural network and class activation mapping. This method shows the area of interest of the neural network on the gamma-ray spectrum by generating a class activation map. We analyzed the class activation map of the gamma-ray spectrum of different types, different gross counts, and different signal-to-noise ratios. The results show that the convolutional neural network attempted to learn the relationship between the input gamma-ray spectrum and the nuclide type, and could identify the nuclide based on the photoelectric peak and Compton edge. Furthermore, the results explain why the neural network could identify gamma-ray spectra with low counts and low signal-to-noise ratios. Thus, the findings improve researchers' confidence in the ability of neural networks to identify nuclides and promote the application of artificial intelligence methods in the field of nuclide identification.

• 한국음향학회지
• /
• 제18권6호
• /
• pp.3-8
• /
• 1999

본 연구에서는 신호원에 대한 사전 정보 없이 혼합된 신호로부터 잡음 신호만을 선택적으로 제거할 수 있는 새로운 형태의 능동 소음 제거기(Active noise canceller)를 제안한다. 음성신호와 같은 동특성을 갖는 신호의 분리에 효과적으로 사용되는 동적 재귀 신경망(Dynamic recurrent neural network)을 원하는 신호원에 섞인 잡음신호를 분리하여 선택적으로 제거하기 위한 능동 소음 제거기의 전처리기로 이용한다. 능동 소음 제거기는 분리된 잡음 신호에 대한 역위상 신호를 적응적으로 발생함으로써 특정 위치에서 원하는 신호만을 선택적으로 남길 수 있도록 한다. 컴퓨터 시뮬레이션을 통하여 제안된 시스템이 선택적인 소음제거에 효과적임을 보인다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권4호
• /
• pp.291-296
• /
• 2005

In this paper, we introduce a generalized synchronization method and secure communication in the State-Controlled Cellular Neural Network (SC-CNN). We make a SC-CNN using the n-double scroll. A SC-CNN is created by applying identical n-double scroll or non-identical n-double scroll and Chua's oscillator with weak coupled method to each cell. SC-CNN synchronization was achieved using GS(Generalized Synchronization) method between the transmitter and receiver about each state variable in the SC-CNN. In order to secure communication, we have synthesizing the desired information with a SC-CNN circuit by adding the information signal to the hyper-chaos signal using the SC-CNN in the transmitter. And then, transmitting the synthesized signal to the ideal channel, we confirm secure communication by separating the information signal and the SC-CNN signal in the receiver.

• 한국정밀공학회지
• /
• 제21권11호
• /
• pp.125-129
• /
• 2004

For the diagnosis of compressor abnormal condition in air-conditioner, AE signal which is derived from wear condition, compressed air and assembly error is analyzed experimentally. The burst and continuous type AE signal occurred by metal contact and compressed air and AE raw signal of compressors were directly acquired in production line. After extracting samples according to waveforms, Early Life Test(ELT) is conducted and classified to normal and abnormal waveform. The efficient parameters of waveform pattern are investigated in time and frequency domain and the diagnosis algorithm of air-conditioner by Neural Network estimation is suggested.

• 전자공학회논문지CI
• /
• 제39권3호
• /
• pp.32-43
• /
• 2002

본 논문에서는 신경망에 기반한 디지털 신호를 위한 패턴분류 시스템을 제안한다. 제안하는 시스템은 두 가지 신경망 모델로 구성된다. 첫 번째 부분은 특징 추출의 역할을 하는 웨이블릿 신경망이다. 이 부분을 위해 기존의 웨이블릿 신경망 모델들을 비교한 후, 특징 추출을 위한 새로운 웨이블릿 신경망 모델을 제안한다. 다른 부분은 패턴 분류를 위한 웨이블릿 신경망이다. 패턴 분류에 적용하기 위해 기존의 웨이블릿 신경망 구조를 수정하고 학습 방법을 제안한다. 패턴 분류 웨이블릿 신경망의 입력은 특징 추출 신경망의 은닉노드의 연결강도, 확장 및 이동 파라미터로 구성되었다. 또 출력은 특징 추출 신경망의 입력 신호가 속한 부류를 나타낸다. 제안한 시스템을 EEG 신호를 주파수에 따라서 분류하는 문제에 적용하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권7호
• /
• pp.213-220
• /
• 2020

합성곱 신경망은 합성곱층과 완전연결층으로 구성되어 있다. 합성곱층과 완전연결층의 각 층에서는 비선형 활성함수를 사용하고 있다. 활성함수는 뉴런 간에 신호를 전달할 때 입력신호가 일정 기준 이상이면 신호를 전달하고 기준에 도달하지 못하면 신호를 보내지 않을 수 있는 뉴런의 정보전달 방법을 모사하는 함수이다. 기존의 활성함수는 손실함수와 관계성을 가지고 있지 않아 최적해를 찾아가는 과정이 늦어지는 점을 개선하기 위해 활성함수를 일반화한 민첩한 활성함수를 제안하였다. 민첩한 활성함수의 매개변수는 역전파 과정에서, 매개변수에 대한 손실함수의 1차 미분계수를 이용한 학습과정을 통해 최적의 매개변수를 선택하는 방법으로 손실함수를 감소시킴으로써 심층신경망의 성능을 향상시킬 수 있다. MNIST 분류문제를 통하여 민첩한 활성함수가 기존의 활성함수에 비해 우월한 성능을 가짐을 확인하였다.

• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.30-40
• /
• 2022

심전도 신호는 개인에 따라 형태와 특징이 다양하므로, 하나의 신경망으로는 분류하기가 어렵다. 주어진 데이터를 직접적으로 분류하는 것은 어려우나, 대응되는 정상 데이터가 있을 경우, 이를 비교하여 정상 및 비정상을 분류하는 것은 상대적으로 쉽고 정확하다. 본 논문에서는 템플릿 군을 이용하여 대표정상심박 정보를 획득하고, 이를 입력 심박에 결합함으로써 심박을 분류한다. 결합된 심박을 영상화한 후, 학습 및 분류를 진행하여, 하나의 신경망으로도 다양한 레코드의 비정상심박을 검출이 가능하였다. 특히, GoogLeNet, ResNet, DarkNet 등 다양한 신경망에 대해서도 비교학습 기법을 적용한 결과, 모두 우수한 검출성능을 가졌으며, GoogLeNet의 경우 99.72%의 민감도로, 실험에 사용된 신경망 중 가장 우수한 성능을 가졌음을 확인하였다.