• Structural Engineering and Mechanics
• /
• 제12권5호
• /
• pp.527-540
• /
• 2001

A new sort of learning algorithm named whole learning algorithm is proposed to simulate the nonlinear and dynamic behavior of RC members for the estimation of structural integrity. A mathematical technique to solve the multi-objective optimization problem is applied for the learning of the feedforward neural network, which is formulated so as to minimize the Euclidean norm of the error vector defined as the difference between the outputs and the target values for all the learning data sets. The change of the outputs is approximated in the first-order with respect to the amount of weight modification of the network. The governing equation for weight modification to make the error vector null is constituted with the consideration of the approximated outputs for all the learning data sets. The solution is neatly determined by means of the Moore-Penrose generalized inverse after summarization of the governing equation into the linear simultaneous equations with a rectangular matrix of coefficients. The learning efficiency of the proposed algorithm from the viewpoint of computational cost is verified in three types of problems to learn the truth table for exclusive or, the stress-strain relationship described by the Ramberg-Osgood model and the nonlinear and dynamic behavior of RC members observed under an earthquake.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권6호
• /
• pp.433-439
• /
• 2004

The Helicopter Simulator System is non-linear and complex. Futhermore, because of absence of its accurate mathematical model, it is difficult to control accurately its attitudes such as elevation angle and azimuth one. Therefore, we proposed a Hybrid GA-PID WAVENET(Genetic Algorithm Proportional Integral Derivative Wavelet Neural Network)control technique to control efficiently these angles. The proposed Hybrid GA-PID WAVENET is made through the following process. First, the WAVENET fundamental functions are defined. And their dilation and translation values are adjusted by GA to construct the optimal WAVENET controller. Secondly, the proportional, integral, and derivative gain coefficients of PR controller are tuned optimally. Finally, WAVENET controller which has a good transient characteristic and GA-PE controller which has a good steady state characteristic is adequately combined in hybrid type. Through the computer simulations, it is proved that the Hybrid GA-PE WAVENET control technique has a more excellent dynamic response than PID control technique and GA-PID one.

• 한국산학기술학회논문지
• /
• 제12권2호
• /
• pp.712-717
• /
• 2011

동적 델타 헤징(Dynamic Delta Hedging)이란 옵션 발행자가 옵션의 만기정산금액(payoff)을 지급하기 위해 주기적으로 델타에 근거한 헤지 포지션을 조절함으로써 옵션의 payoff를 복제하고 옵션 가치변화에 따른 위험을 회피하는 방법이다. 본 연구에서는 헤지에 있어서 주요 변수인 블랙-숄즈의 모형에 의해 산출된 델타의 대체 값을 찾기 위해 기계학습의 일종인 인공신경망 학습을 적용하여 옵션의 만기 시 헤지 비용의 최소화 및 차익 실현을 위한 방법론을 제시하고자 한다. 기초자산의 현재가격, 변동성, 무위험이자율, 만기 등의 시장 상황 변화에 따른 다양한 시나리오에 대한 실험을 통해 본 연구에서 제시하는 방법론의 성능을 분석하고 그 우수성을 보인다.

• 한국항공우주학회지
• /
• 제31권3호
• /
• pp.50-57
• /
• 2003

본 연구에서 헬리콥더의 궤적추종을 위한 제어기의 설계 및 평가를 수행하였다. 제어시스템의 알고리즘은 선형 되먹임 기법과 두 단계 시간분리 구조를 이용하여 구성하였다. 또한 헬리콥터 동특성에 대한 정확한 정보의 결핍으로 인한 모델 역변화 오차를 보상하기 위해 신경회로망을 이용한 실시간 적응제어 구조를 자세제어 시스템에 적용하였다. 제어 시스템의 궤적추종성능은 아파치 헬기의 동측성을 나타내는TMAN 시뮬레이션 프로그램의 단순형을 사용하여 평가하였다. 이를 통하여 실시간 신경회로망 적응제어 구조가 동특성 정보의 부족으로 이한 궤도 추종 제어의 성능 저하 문제에 매우 효과적으로 기여함을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 학술대회 논문집 전문대학교육위원
• /
• pp.83-87
• /
• 2007

Correlation Propagation Neural Networks is proposed for On-line interpolation. The proposed neural network technique is the real time computation method through the inter-node diffusion. In the network, a node corresponds to a state in the quantized input space. Each node is composed of a processing unit and fixed weights from its neighbor nodes as well as its input terminal. Information propagates among neighbor nodes laterally and inter-node interpolation is achieved. Through several simulation experiments, real time reconstruction of the nonlinear image information is processed. 1-D CPNN hardware has been implemented with general purpose analog ICs to test the interpolation capability of the proposed neural networks. Experiments with static and dynamic signals have been done upon the CPNN hardware.

• 제어로봇시스템학회논문지
• /
• 제14권12호
• /
• pp.1218-1225
• /
• 2008

This paper presents the design of a neural network based adaptive control for missile is presented. The application model is Exocet MM40, which is derived from missile DATCOM database. Acceleration of missile by tail Fin control cannot be controllable by DMI (Dynamic Model Inversion) directly because it is non-minimum phase system. So, the inner loop consists of DMI and NN (Neural Network) and the outer loop consists of PI controller. In order to satisfy the performances only with PI controller, it is necessary to do some additional process such as gain tuning and scheduling. In this paper, all flight area would be covered by just one PI gains without tuning and scheduling by applying mixture control technique of conventional controller and NN to the outer loop. Also, the simulation model is designed by considering non-minimum phase system and compared the performances to distinguish the validity of control law with conventional PI controller.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (B)
• /
• pp.218-222
• /
• 2006

우수한 능력의 인공지능 개체로 구성된 게임은 그렇지 못한 게임에 비해 더 나은 흥미를 사용자에게 제공할 수 있다. 미국 Valve사의 Half-Life, Counter-Strike 및 한국 Dragonfly사의 Special-Force와 같은 실시간 FPS 전투게임에서 상대편에 대한 검색 및 목표 화하는(Targeting) 기법은 인공개체의 전투력에 중요한 하나의 요소이다. 하지만 이 같은 경우의Targeting은 정적인 대상에 대한 것이 아니라 동적인 대상에 대한 것이므로 단순한 산술 계산으로는 실용적인 효과를 내기 힘들다. 본 논문에서는 Neural Network를 이용한 학습기법을 사용하여 동적인 개체에 대한 효과적인 Targeting기법을 제안한다. 제안한 기법은 매 순간 변화하는 상황정보와 Virtual bullet이라는 가상 미사일 개념을 활용하여 학습 Data를 모델링한 후 Neural Network로 학습시켜 효과적인 Targeting이 가능하도록 구현하였다. 제안한 기법은 Java기반의 탱크전투 시뮬레이션 Framework인 Robocode에 적용하여 그 성능을 평가하였다. 제안된 기법으로 제작된 Robot(Crystal 1.0)은 ‘2006 Robocode Korea Cup에서 우승을 차지하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 B
• /
• pp.461-464
• /
• 1998

Lateral Information Propagation Neural Networks (LIPN) is proposed for on-line interpolation. The proposed neural network technique is the real time computation method through the inter-node diffusion. In the network, a node corresponds to a state in the quantized input space. Each node is composed of a processing unit and fixed weights from its neighbor nodes as well as its input terminal. Information propagates among neighbor nodes laterally and inter-node interpolation is achieved. Through several simulation experiments, real time reconstruction of the nonlinear image information is processed. 1-D LIPN hardware has been implemented with general purpose analog ICs to test the interpolation capability of the proposed neural networks. Experiments with static and dynamic signals have been done upon the LIPN hardware.

• 한국정보통신학회논문지
• /
• 제6권1호
• /
• pp.14-24
• /
• 2002

본 논문에서는 학습과 정정 기능을 갖는 PWM 뉴럴네트워크를 설계하였다. 설계된 PWM 뉴럴시스템에서, 네트워크의 입력과 출력 신호들은 PWM 신호에 의해서 표현되어진다. 뉴럴네트워크에서 곱셈은 가장 많이 사용하는 동작이다. 승산과 합산의 기능은 PWM 기술과 간단한 혼합모드 회로기술에 의해서 실현된다. 그러므로 설계된 뉴럴네트워크는 단지 소규모의 칩상에서 구현될 수가 있다. 하나의 뉴런과 세개의 시냅스, 연관된 학습회로로 설계된 네트워크회로는 양호한 선형성과 넓은 범위의 동작범위를 가지고 있다. PWM을 이용한 신경망회로의 학습능력을 검증하기 위해, 델타 학습 규칙을 적용하였다. AND 기능과 OR 기능 학습 예측 HSPICE 시뮬레이션을 통해서 설계한 신경망회로의 기능이 성공적임을 증명하였다.

• 한국지능시스템학회논문지
• /
• 제6권3호
• /
• pp.63-72
• /
• 1996

본 논문에서는 신경회로망 제어기의 한 설계기법을 하고 이를 전력계통 안정화에 적용하였다. 제안된 신경회로망 제어기는 오차와 오차변화량을 입력으로 하는 오차역전파 학습 알고리즘을 사용하고, 학습시간을 단축하여 실시간 제어가 가능한 모멘템 방법을 사용하였다. 이를 전력계통에 적용한 결과 제안된 제어기법이 종래의 제어기법보다 응답특성이 우수함을 보였다.