• 한국멀티미디어학회논문지
• /
• 제24권5호
• /
• pp.676-683
• /
• 2021

Wi-Fi Round-trip timing (RTT) based location estimation technology estimates the distance between the user and the AP based on the transmission and reception time of the signal. This is because reception instability and signal distortion are greater than that of a Received Signal Strength Indicator (RSSI) based fingerprint in an indoor NLOS environment, resulting in a large position error due to multipath fading. To solve this problem, in this paper, we propose an end-to-end based WiFi Trilateration Net (WTN) that combines neural network-based RTT correction and trilateral positioning network, respectively. The proposed WTN is composed of an RNN-based correction network to improve the RTT distance accuracy and a neural network-based trilateral positioning network for real-time positioning implemented in an end-to-end structure. The proposed network improves learning efficiency by changing the trilateral positioning algorithm, which cannot be learned through differentiation due to mathematical operations, to a neural network. In addition, in order to increase the stability of the TOA based RTT, a correction network is applied in the scanning step to collect reliable distance estimation values from each RTT AP.

• 한국생산제조학회지
• /
• 제6권4호
• /
• pp.46-53
• /
• 1997

This paper presents a method of detection localized defects on tapered roller bearing in main spindle of machine tool system. The feature vectors, i.e. statistical parameters, in time-domain analysis technique have been calculated to extract useful features from acoustic emission signals. These feature vectors are used as the input feature of an neural network to classify and detect bearing defects. As a results, the detection of bearing defect conditions could be sucessfully performed by using an neural network with statistical parameters of acoustic emission signals.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.2198-2202
• /
• 2005

In this paper we have presented a condition monitoring method of check valve using neural network. The acoustic emission sensor was used to acquire the condition signals of check valve in direct vessel injection (DVI) test loop. The acquired sensor signal pass through a signal conditioning which are consisted of steps; rejection of background noise, amplification, analogue to digital conversion, extract of feature points. The extracted feature points which represent the condition of check valve was utilized input values of fault diagnosis algorithms using pre-learned neural network. The fault diagnosis algorithm proceeds fault detection, fault isolation and fault identification within limited ranges. The developed algorithm enables timely diagnosis of failure of check valve’s degradation and service aging so that maintenance and replacement could be preformed prior to loss of the safety function. The overall process has been experimented and the results are given to show its effectiveness.

• Journal of the Optical Society of Korea
• /
• 제13권2호
• /
• pp.272-278
• /
• 2009

Recently, there has been a growing interest in optical imaging of neural activity because the optical neuroimaging has considerable advantages over conventional imaging. Birefringence of the axon has been reported to change during neural activation, but the neurophysiological origin of the change is still unresolved. This study hypothesizes that the birefringence signal is at least partially attributed to the transient cellular volume change associated with nerve excitation. To examine this hypothesis, we investigated how the intensity of cross-polarized light transmitting through the axon would change as the size of the axon changes. For this purpose, a two-dimensional finite-difference time-domain program was developed with the improvement of the total-field/scattered-field method which reduces numerical noise. The results support our hypothesis in that the computed cross-polarized signals exhibit some agreement with previously-reported birefringence signals.

• 융합신호처리학회논문지
• /
• 제2권2호
• /
• pp.89-94
• /
• 2001

본 논문에서는 로봇 매니플레이터의 고속 동작시 위치 제어의 정확성을 감소시키는 다중 모드 오차 진동을 제거 할 수 있는 단순한 슬라이딩 모드 제어를 소개한다. 또한 시스템의 파라메터 변화와 외란으로 인해 슬라이딩 평면 조건의 깨짐을 방지하기 위해 신경망 학습 기능이 사용되어 진다. 그러므로 본 논문에서는 신경망을 이용한 슬라이딩 모드 제어시스템이 설계되고, 제안된 제어 시스템의 성능은 시뮬레이션 을 통해 증명된다.

• 융합신호처리학회논문지
• /
• 제2권4호
• /
• pp.77-84
• /
• 2001

신경망을 이용한 선형프로그랭 회로를 홉프필드가 제안한 이후로 이에 관한 많은 논문들이 발표되었으며, 그 중에는 비선형 프로그래밍 문제에 관한 것들도 많다. 그래서 비용함수가 비선형인 경우는 해결이 되었으나 제한조건이 비선형인 경우에는 해결되지 못한 상태이다. 이 논문에서는 제한조건이 비선형인 경우를 포함하는 즉 비용함수와 제한조건 모두 비선형인 경우를 풀 수 있는 일반적인 비선형프로그래밍 신경망을 제안하고자 한다.

• 스마트미디어저널
• /
• 제5권3호
• /
• pp.35-41
• /
• 2016

본 논문에서는 심층 학습 모델 방법을 이용하여 EPS(Electronic Potential Sensor) 기반의 손동작 신호를 인식하는 시스템을 제안한다. 전기장 기반 센서인 EPS로부터 추출된 신호는 다량의 잡음이 포함되어 있어 이를 제거하는 전처리과정을 거쳐야 한다. 주파수 대역 특징 필터를 이용한 잡음 제거한 후, 신호는 시간에 따른 전압(Voltage) 값만 가지는 1차원적 특징을 지닌다. 2차원 데이터를 입력으로 하여 컨볼루션 연산을 하는 알고리즘에 적합한 형태를 갖추기 위해 신호는 차원 변형을 통해 재구성된다. 재구성된 신호데이터는 여러 계층의 학습 층(layer)을 가지는 심층 학습 기반의 모델을 통해 분류되어 최종 인식된다. 기존 확률 기반 통계적 모델링 알고리즘은 훈련 후 모델을 생성하는 과정에서 초기 파라미터에 결과가 좌우되는 어려움이 있었다. 심층 학습 기반 모델은 학습 층을 쌓아 훈련을 반복하므로 이를 극복할 수 있다. 실험에서, 제안된 심층 학습 기반의 서로 다른 구조를 가지는 컨볼루션 신경망(Convolutional Neural Networks), DBN(Deep Belief Network) 알고리즘과 통계적 모델링 기반의 방법을 이용한 인식 결과의 성능을 비교하였고, 컨볼루션 신경망 알고리즘이 다른 알고리즘에 비해 EPS 동작신호 인식에서 보다 우수한 성능을 나타냄을 보였다.

• 한국정보통신학회논문지
• /
• 제24권1호
• /
• pp.37-43
• /
• 2020

최근 심전도 (ECG) 신호를 사용하여 심장병을 진단하는 많은 연구가 이루어지고 있다. 이러한 심전도 신호는 비정상적인 심장 상태를 나타내는 부정맥을 모니터링하고 진단하는 데 유용하게 쓰인다. 본 논문에서는 1차원 합성곱 신경망을 사용하여 ECG 신호에 대하여 부정맥을 분류하는 시스템을 제안한다. 제안하는 신경망 알고리즘은 부정맥 신호의 특징을 세밀하게 추출하도록 4개의 합성곱 계층으로 구성하고 매개변수를 최적화하도록 설계되었다. MIT-BIH 부정맥 데이터베이스에 대해 학습한 신경망은 시뮬레이션을 통해 99% 이상의 정확도의 분류 성능을 가진다는 것을 보여준다. 비교적 합성곱 커널의 개수가 많을수록 ECG 신호의 특성을 더 잘 나타내기 때문에 좋은 성능을 나타내는 것으로 분석되었다. 또한 제안된 신경망을 활용한 실제 시스템을 구현하여 실시간으로 부정맥을 분류하는 결과를 검증하였다.

• 대한전기학회논문지
• /
• 제39권5호
• /
• pp.519-526
• /
• 1990

In this paper we propose the resolved motion controller using a neural network for a robot manipulator. Neural identifier designed by a neural network is trained by using a feedback force as an error signal. The identifier approximates the output of a unknown nonlinear system by monitoring both the input and the output of this system. If the neural network is sufficiently trained well, it does not require either strict modelling of the manipulator or precise parameter estimation. The effectiveness of the proposed controller is demonstrated by computer simulation using a two-link planar robot.

• 전자공학회논문지
• /
• 제50권4호
• /
• pp.229-235
• /
• 2013

본 논문은 최근 활발하게 연구되고 있는 뇌-기계 접속을 위한 완전 삽입형 마이크로 시스템의 구현에 있어서 중요한 이슈들을 고찰한다. 현재까지의 과학 기술적 연구는 신경 신호 증폭기, 무선 신호 전송 등 주로 고성능 저전력 전자기기 및 시스템을 구현하는데 집중되어 왔으나, 마이크로 시스템의 실제적인 응용은 전자 기기의 특성뿐만 아니라 밀봉 구조의 디자인에서 뇌의 생리 해부학적 특성에 이르기까지 여러 가지 요인에 의해 영향을 받게 된다. 본 논문은 특히 뇌 삽입형 마이크로 시스템의 실질적인 구현에 결정적인 영향을 주는 시스템 발열의 영향, 신경 프로브의 감지 부피, 무선 데이터 전송 및 전력 전달, 그리고 뇌의 생리 해부학적인 고려 요인에 대해 논의한다.