• International Journal of Control, Automation, and Systems
• /
• 제6권5호
• /
• pp.639-650
• /
• 2008

Electricity price forecasting has become an integral part of power system operation and control. In this paper, a wavelet transform (WT) based neural network (NN) model to forecast price profile in a deregulated electricity market has been presented. The historical price data has been decomposed into wavelet domain constitutive sub series using WT and then combined with the other time domain variables to form the set of input variables for the proposed forecasting model. The behavior of the wavelet domain constitutive series has been studied based on statistical analysis. It has been observed that forecasting accuracy can be improved by the use of WT in a forecasting model. Multi-scale analysis from one to seven levels of decomposition has been performed and the empirical evidence suggests that accuracy improvement is highest at third level of decomposition. Forecasting performance of the proposed model has been compared with (i) a heuristic technique, (ii) a simulation model used by Ontario's Independent Electricity System Operator (IESO), (iii) a Multiple Linear Regression (MLR) model, (iv) NN model, (v) Auto Regressive Integrated Moving Average (ARIMA) model, (vi) Dynamic Regression (DR) model, and (vii) Transfer Function (TF) model. Forecasting results show that the performance of the proposed WT based NN model is satisfactory and it can be used by the participants to respond properly as it predicts price before closing of window for submission of initial bids.

• Journal of the Optical Society of Korea
• /
• 제18권2호
• /
• pp.174-179
• /
• 2014

Since in vitro neural recording and imaging applications based on a surface plasmon resonance (SPR) technique have expanded dramatically in recent years, cytotoxicity assessment to ensure the biosafety and biocompatibility for those applications is crucial. Here, we report the cytotoxicity of the SPR substrate incorporating a flint glass whose refractive index is larger than that of a conventional crown glass. A high refractive index glass substrate is essential in neural signal detection due to the advantages such as high sensitivity and wide dynamic range. From experimental data using primary hippocampal neurons, it is found that a lead-based flint glass is not appropriate as a neural recording template although the neuron cells are not directly attached to the toxic glass. We also demonstrate that the adhesion layer between the glass substrate and the gold film plays an important role in achieving the substrate stability and the cell viability.

• 제어로봇시스템학회논문지
• /
• 제6권9호
• /
• pp.758-767
• /
• 2000

The properties of linear time-varying(LTV) systems vary because of the time-varying property of plant parameters. The generalized controller design method for linear time-varying systems does not exit because the analytic soultion of dynamic equation has not been found yet. Hence, to design a controller for LTV systems, the robust control methods for uncertain LTI systems which are the approximation of LTV systems have been generally ised omstead. However, these methods are not sufficient to reflect the fast dynamics of the original time-varying systems such as missiles and supersonic aircraft. In general, both the performance and the robustness of the control system which is designed with these are not satisfactory. In addition, since a better model will give the more robustness to the controlled system, a gain scheduling technique based on LTI controller design methods has been uesd to solve time problem. Therefore, we propose a new gain scheduled QFT method for LTV systems based on neural networks in this paper. The gain scheduled QFT involves gain dcheduling procedured which are the first trial for QFT and are well suited consideration of the properties of the existing QFT method. The proposed method is illustrated by a numerical example.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (1)
• /
• pp.877-879
• /
• 2005

배터리를 이용하는 모바일 장비에서 전력 소비를 줄이기 위한 많은 연구들이 있다. 그 중에 동적 전력 관리(Dynamic Power Management)는 시스템의 각 컴포넌트의 상태를 쉽게 관찰할 수 있다는 측면에서 운영체제에서 접근하기 적합한 전력 관리 방법이다. 본 논문에서는 대표적인 모바일 장비인 노트북에서 하드 디스크의 전력소비를 줄이기 위하여 기계 학습 기반의 동적 전력 관리 방법을 제안한다. 하드 디스크 접근 패턴을 분석하여 Artificial Neural Network(ANN) 기법으로 모형을 만들고 이 모형을 바탕으로 하드 디스크의 다음 유휴기간을 예측하였다. 예측된 유휴기간 동안 하드 디스크로의 공급 전력을 감소시키지 않았을 경우에 소비하는 비용이 전력을 줄였다 다시 늘이는 비용보다 크다면 하드 디스크로 공급되는 전력을 줄임으로써 유휴기간 동안 낭비되는 배터리 전력을 줄일 수 있었다. 본 연구에서 생성된 모형을 하드 디스크 디바이스 드라이버에 적용하면 기존의 시간 경계 값을 이용한 방법에 비해 약 23.05W의 전력 소비 감소를 기대할 수 있다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제13권3호
• /
• pp.154-163
• /
• 2013

In this paper, we propose a formation control algorithm for underactuated autonomous underwater vehicles (AUVs) with parametric uncertainties using the approach angle. The approach angle is used to solve the underactuated problem for AUVs, and the leader-follower strategy is used for the formation control. The proposed controller considers the nonzero off-diagonal terms of the mass matrix of the AUV model and the associated parametric uncertainties. Using the state transformation, the mass matrix, which has nonzero off-diagonal terms, is transformed into a diagonal matrix to simplify designing the control. To deal with the parametric uncertainties of the AUV model, a self-recurrent wavelet neural network is used. The proposed formation controller is designed based on the dynamic surface control technique. Some simulation results are presented to demonstrate the performance of the proposed control method.

• 제어로봇시스템학회논문지
• /
• 제15권9호
• /
• pp.929-938
• /
• 2009

This paper presents a novel control methodology for communication network based nonlinear systems with time delay nature. We construct a nominal nonlinear control law for representing a linear model and a reset control system which is aimed for corrective control strategy to compensate system error due to uncertain time delay through wireless communication network. Next, online neural control approach is proposed for overcoming nonstationary statistical nature in the network topology. Additionally, DBN (Dynamic Bayesian Network) technique is accomplished for modeling of its dynamics in terms of casuality, which is then utilized for estimating prediction of system output. We evaluate superiority and reliability of the proposed control approach through numerical simulation example in which a nonlinear inverted pendulum model is employed as a networked control system.

• Journal of Advanced Marine Engineering and Technology
• /
• 제31권5호
• /
• pp.531-542
• /
• 2007

Simultaneous measurement technique for temperature and velocity fields near a heated solid body has been constructed. The measurement system consists of a 3-late CCD color camera, a color image grabber, a 1ighting system, a host computer and a software for the whole quantification process. Thermo Chromic Liquid Crystals (TCLC) was used as temperature sensors. A neural network was used to get a calibration curve between the temperature and the color change of the TCLC in order to enhance the dynamic range of temperature measurement. The velocity field measurement was attained by the use of the fray-level images taken for the flow field, and by introducing the cross-correlation technique. The temperature and the velocity fields of the forced and the natural convective flows neat the surface of a cartridge heater were measured simultaneously with the constructed measurement system.

• 대한토목학회논문집
• /
• 제40권3호
• /
• pp.303-314
• /
• 2020

수자원분야에서 이용되는 강우에 따른 유역의 수문학적 시스템, 도시지역 및 하천에 대한 수리학적 시스템은 비선형성이 강하고 많은 변수들을 포함하고 있다. 이러한 특성을 가진 시계열 자료에서 기계학습을 통한 예측은 예측시점 이전의 자료 특성을 반영하지 못하는 등 기본적인 신경망으로는 부족한 상황이 발생하기도 한다. 본 연구에서 적용할 강우-유출량과 같이 비선형성이 강하고 시간종속성이 높은 복잡한 시계열 자료를 예측하기 위해 신경망의 학습능력을 극대화한 순환형 동적 신경망(Recurrent Dynamic Neural Network)의 한 종류인 동시에, 시간 지연 신경망(Time-Delay Neural Network)의 특성을 가진 비선형 자기회귀(NARX, Nonlinear Autoregressive Exogenous Model) 인공신경망을 사용하였다. 이를 태화강 지방하천 구간에 적용하여 NARX 인공신경망의 시간 지연 매개변수를 10분에서 120분까지 조정하며 모의한 결과에 대해 여러 통계지표를 이용해 정량적으로 평가하였다. 그 결과 지연시간이 증가할수록 효율계수(NSE)가 0.530에서 0.988으로 증가하고, 평균제곱근편차(RMSE)가 379.9 ㎥/s에서 16.1 ㎥/s로 감소하는 등 정교한 예측이 가능함을 확인하였다.

• 인터넷정보학회논문지
• /
• 제6권5호
• /
• pp.45-56
• /
• 2005

컴퓨터 네트워크의 확대 및 인터넷 이용의 급격한 증가에 따라 네트워크 서비스 품질의 보장과 네트워크의 관리가 어려울 뿐만 아니라 네트워크 보안의 취약성으로 인하여 해킹 및 정보유출 등의 위협에 노출되어 있다. 특히 시스템 침입의 보안 위협에 대한 능동적인 대처 및 침입 이후에 동일하거나 유사한 유형의 사건 발생에 대해 실시간에 대응하는 것이 중요하므로 침임 탐지 시스템에 대한 많은 연구가 진행되고 있다. 본 논문에서는 시스템 호출을 이용하여 이상 침입 탐지 시스템의 성능을 향상시키기 위해, 특징 선택과 가변 길이 데이터를 고정 길이 학습 패턴으로 변환 생성하는 문제를 해결하기 위한 사운덱스 알고리즘을 적용한 신경망 학습을 통하여 이상 침입 탐지의 연구를 하고자 한다. 즉, 가변 길이의 순차적인 시스템 호출 데이터를 사운덱스 알고리즘에 의한 고정 길이의 행위 패턴을 생성하여 역전파 알고리즘에 의해 신경망 학습을 수행하였다. 역전파 신경망 기법을 UNM의 Sendmail Data Set을 이용하여 시스템 호출의 이상 탐지에 적용하여 성능을 검증하였다.

• 한국산학기술학회논문지
• /
• 제7권5호
• /
• pp.830-836
• /
• 2006

본 논문에서는 기존의 PID 제어기와 퍼지 제어기의 특성을 공통으로 갖는 새로운 형태의 신경회로망 기반 자동 동조 뉴로-퍼지 PID제어기를 제안하였다. 제안된 제어기는 퍼지의 선형성을 이용하여 퍼지 PID 제어기의 퍼지 연산부를 간략화 시키고 일반 PID 제어기와 유사한 입출력 특성을 갖도록 하였으며 비선형 성분 보상을 위하여 제어기 출력에 가장 큰 영향을 미치는 출력측 스케일 계수를 단일 신경 회로망 구조로 변경하고 PID 제어기 구조를 유지하게 하였다. 또한 단일 신경 회로망 구조를 이용함으로써 신경회로망의 초기 연결강도와 계산량에 대한 문제점을 해결하고 오차의 부호 정보에 따라 학습계수를 변화시키는 가변 학습계수 역전파 알고리즘을 사용하여 오버 슈트가 작으면서도 빠른 수렴 속도를 갖도록 하였다. 제안된 제어기를 비선형성이 강한 시스템으로 알려진 자기 부양(magnetic levitation) 시스템에 실제 적용하여 본 논문에서 제안한 제어기의 우수한 성능을 확인하였다.