• Journal of Advanced Research in Ocean Engineering
• /
• 제3권3호
• /
• pp.136-148
• /
• 2017

The paper presents dual arm ROV manipulation using deep reinforcement learning. The purpose of this underwater manipulator is to investigate and excavate natural resources in ocean, finding lost aircraft blackboxes and for performing other extremely dangerous tasks without endangering humans. This research work emphasizes on a self-learning approach using Deep Reinforcement Learning (DRL). DRL technique allows ROV to learn the policy of performing manipulation task directly, from raw image data. Our proposed architecture maps the visual inputs (images) to control actions (output) and get reward after each action, which allows an agent to learn manipulation skill through trial and error method. We have trained our network in simulation. The raw images and rewards are directly provided by our simple Lua simulator. Our simulator achieve accuracy by considering underwater dynamic environmental conditions. Major goal of this research is to provide a smart self-learning way to achieve manipulation in highly dynamic underwater environment. The results showed that a dual robotic arm trained for a 3DOF movement successfully achieved target reaching task in a 2D space by considering real environmental factor.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1072-1075
• /
• 2005

This paper presents that TD method is applied to the human adaptive devices for smart home with context awareness (or recognition) technique. For smart home, the very important problem is how the appliances (or devices) can adapt to user. Since there are many humans to manage home appliances (or devices), managing the appliances automatically is difficult. Moreover, making the users be satisfied by the automatically managed devices is much more difficult. In order to do so, we can use several methods, fuzzy controller, neural network, reinforcement learning, etc. Though the some methods could be used, in this case (in dynamic environment), reinforcement learning is appropriate. Among some reinforcement learning methods, we select the Temporal Difference learning method as a core algorithm for adapting the devices to user. Since this paper assumes the environment is a smart home, we simply explained about the context awareness. Also, we treated with the TD method briefly and implement an example by VC++. Thereafter, we dealt with how the devices can be applied to this problem.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.315-320
• /
• 1997

Rule minimization technique adapted from rough set theory was applied to remove redundant knowledge which is not necessary to make a knowledge base. New algorithm to diagnose fault using Improved Fuzzy Cognitive Maps(I-FCMs), and Fuzzy Associative Memory(FAM) is proposed. I-FCM[22] is superior to gathering knowledge from many experts and descries dynamic behaviors of systems very well. I-FCM is not only a knowledge base, but also a inference engine. FAM has learning capability like neural network[12]. Rule minimization and composition of I-FCM and FAM make it possible to construct compact knowledge base and breaks the border between inference engine and knowledge base.

• The Journal of the Acoustical Society of Korea
• /
• 제13권1E호
• /
• pp.20-24
• /
• 1994

이 논문에서는 새로운 음성 인식 모델인 동적 국부 자기 조직 지도 모델과 그 학습 알고리즘을 제안한다. 동적 국부 자기 조직 지도 모델은 음성의 시간적, 공간적 왜곡을 프로그래밍 기법과 국부 자기 조직 지도로 각각 정규화 시킨다. 한국어 숫자음에 대한 실험 결과로 제안하는 모델이 예측 신경회로망 모델보다 적은 수의 연결을 갖고서도 약간 높은 인식률을 보여 효과적임을 알 수 있었다.

• 한국항공우주학회지
• /
• 제41권6호
• /
• pp.465-472
• /
• 2013

본 논문에서는 요구 위치에 정밀 착륙을 위한 낙하산 전개지점 선정 기법을 제안한다. 무인기-낙하산 시스템을 위해 9-DOF 운동 모델을 구성하였고, 신경회로망을 학습시키기 위한 입출력 데이터 셋을 구성하였다. 입력 데이터 셋은 현재 항공기 위치, 속도정보 및 바람 정보로 구성되어 있고, 출력 데이터 셋은 9-DOF 운동 모델을 시뮬레이션 하여 획득한 착륙 위치 정보이다. 이를 이용하여 nonlinear function approximator를 구성함으로써 현재 위치로부터 상대적인 착륙 지점을 예측할 수 있고, 예측된 착륙 지점과 요구 착륙 지점과의 상대적인 거리 오차를 계산하여 이를 보상해줌으로써 낙하산 전개 지점을 결정할 수 있다.

• 대한의용생체공학회:의공학회지
• /
• 제32권1호
• /
• pp.55-60
• /
• 2011

Although sound intensity is considered as one of important factors in auditory processing, its neural mechanism in auditory neurons with limited dynamic range of firing rates is still unclear. In this study, we examined the effect of sound intensity adaptation on the change of glucose metabolism in a rat brain using [F-18] micro positron emission tomography (PET) neuroimaging technique. In the experiment, broadband white noise sound was given for 30 minutes after the [F-18]FDG injection in order to explore the functional adaptation of rat brain into the sound intensity levels. Nine rats were scanned with four different sound intensity levels: 40 dB, 60 dB, 80 dB, 100 dB sound pressure level (SPL) for four weeks. When glucose uptake during the adaptation of a high intensity sound level (100 dB SPL) was compared with that during adaptation to a low intensity level (40 dB SPL) in the experiment, the former induced a greater uptake at bilateral cochlear nucleus, superior olivary complexes and inferior colliculi in the auditory pathway. Expectedly, the metabolic activity in those areas linearly increased as the sound intensity level increased. In contrast, significant decrease interestingly occurred in the bilateral auditory cortices: The activities of auditory cortex proportionally decreased with higher sound intensities. It may reflect that the auditory cortex actively down-regulates neural activities when the sound gets louder.

• 인터넷정보학회논문지
• /
• 제6권1호
• /
• pp.105-114
• /
• 2005

본 논문에서는 다중 시계열 패턴을 분석하여 계측 값을 예측하는 방법에 관하여 기술한다. 본 논문의 목적은 표본패턴들 중에서 입력패턴과 가장 유사한 패턴을 찾은 다음 그 표본패턴이 가지는 실측값과의 오차율을 산출하는 것이다. 따라서 인식이 아니라 계측이며 하드웨어가 아닌 소프트웨어 기술을 제안하다. 본 논문에서 제안하는 방법은 초기화, 인식 및 계측 등의 단계로 구성된다. 초기화 단계에서는 중요도를 사용하여 인자들 각각의 가중치를 산출한다. 학습 단계에서는 수집된 표본패턴을 먼저 DTW와 LBG 알고리즘을 사용하여 각 인자별 독립적으로 군집화를 수행한 다음, 모든 표본패턴에 대하여 군집의 번호들로 구성된 코드열을 생성한다. 계측 단계에서는 입력패턴에 대한 코드열을 생성한 다음 해슁으로 표본패턴들 중에서 같은 코드열을 가지는 표본들을 찾고, 이 표본들 중에서 입력패턴에 가장 잘 정합되는 하나의 표본을 선택하다. 최종적으로 이 패턴이 가지고 있는 실측값과 오차율을 출력한다. 성능평가는 반도체생산장치 중에서 하나인 식각장치로부터 얻어진 자료에 적용하여 수행한다.

• 조명전기설비학회논문지
• /
• 제14권3호
• /
• pp.49-58
• /
• 2000

본 논문에서는 FACTS(Flexible AC Transnission System)로 분류되는 여라 기기중 기존의 전압제어 및 무효 전력보상기들이 가지고 있는 바속응성과 불연속성 문제를 해결해줄 수 있는 정지형 무효전력 보상가(Static Var Compensator : SVC)를 포함한 전력계통에 신경회로망 제어기를 적용하여 안정화에 관하여 연구하였다. 제안된 신경회로망 제어기는 오차와 오차변화량을 입력하는 오차역전과 학습 알고리즘을 사용하고, 학습시간올 단축하기 위해 모멘텀 방법을 사용하였다. 제안된 방법의 강인섬을 입증하기 위해 중부하시 및 정상부하시에 초기 전력을 변동시킨 경우와 초기에 회천자각을 변동시킨 경우에 대하여 시스렘의 회전자각, 각속도 편차 특성 및 단 자전압의 동특성을 고찰하여 다른 시스템보다 응답특성이 우수합을 보였다.

• 한국음향학회지
• /
• 제15권4호
• /
• pp.43-49
• /
• 1996

본 논문은 keyword spotting 기술을 이용한 247개의 DDD 지역명을 인식 대상으로 하여 화자 독립의 한국어 연속 음성인식을 위한 시스템을 제안하였다. 적용된 인식 알고리즘은 음성에서 시간축의 변화와 스펙트럼의 왜곡을 흡수할 수 있는 모델로 DP와 MLP로 구성된 동적 프로그래밍 신경회로망(DPNN)을 사용하였다. 이와 같은 실험을 위해 단어 모델을 만들고 이에 대한 단어 모델을 keyword 모델과 non-keyword 모델로 구분하여 성능을 향상시킬 수 있도록 하였다. 또한 잘못된 결과를 출력시키지 않기 위해서 후처리 과정을 두고 실험을 하였다. 실험결과, 단독어에 대한 화자 종속 실험은 93.45%의 결과를 보였고, 단독어에 대한 화자 독립 실험은 84.05%의 실험결과를 보였으며, 가장 중요한 간단한 대화체 문장의 keyword spotting 실험은 화자 종속으로 77.34%의 결과를 보였으며, 화자 독립 실험은 70.63%의 결과를 얻었다.

• Wind and Structures
• /
• 제32권2호
• /
• pp.127-142
• /
• 2021

Wind load acting on a standalone structure is different from that acting on a similar structure which is surrounded by other structures in close proximity. The presence of other structures in the surrounding can change the wind flow regime around the principal structure and thus causing variation in wind loads compared to a standalone case. This variation on wind loads termed as interference effect depends on several factors like terrain category, geometry of the structure, orientation, wind incident angle, interfering distances etc., In the present study, a three building configuration is considered and the mean pressure coefficients on each face of principle building are determined in presence of two interfering buildings. Generally, wind loads on interfering buildings are determined from wind tunnel experiments. Computational fluid dynamic studies are being increasingly used to determine the wind loads recently. Whereas, wind tunnel tests are very expensive, the CFD simulation requires high computational cost and time. In this scenario, Artificial Neural Network (ANN) technique and Support Vector Regression (SVR) can be explored as alternative tools to study wind loads on structures. The present study uses these data-driven approaches to predict mean pressure coefficients on each face of principle building. Three typical arrangements of three building configuration viz. L shape, V shape and mirror of L shape arrangement are considered with varying interfering distances and wind incidence angles. Mean pressure coefficients (Cp mean) are predicted for 45 degrees wind incidence angle through ANN and SVR. Further, the critical faces of principal building, critical interfering distances and building arrangement which are more prone to wind loads are identified through this study. Among three types of building arrangements considered, a maximum of 3.9 times reduction in Cp mean values are noticed under Case B (V shape) building arrangement with 2.5B interfering distance. Effect of interfering distance and building arrangement on suction pressure on building faces has also been studied. Accordingly, Case C (mirror of L shape) building arrangement at a wind angle of 45º shows less suction pressure. Through this study, it was also observed that the increase of interfering distance may increase the suction pressure for all the cases of building configurations considered.