• 한국멀티미디어학회논문지
• /
• 제23권2호
• /
• pp.146-154
• /
• 2020

Negative emotion causes stress and lack of attention concentration. The classification of negative emotion is important to recognize risk factors. To classify emotion status, various methods such as questionnaires and interview are used and it could be changed by personal thinking. To solve the problem, we acquire multi modal bio-signals such as electrocardiogram (ECG), skin temperature (ST), galvanic skin response (GSR) and extract features. The neural network (NN), the deep neural network (DNN), and the deep belief network (DBN) is designed using the multi modal bio-signals to analyze emotion status. As a result, the DBN based on features extracted from ECG, ST and GSR shows the highest accuracy (93.8%). It is 5.7% higher than compared to the NN and 1.4% higher than compared to the DNN. It shows 12.2% higher accuracy than using only single bio-signal (GSR). The multi modal bio-signal acquisition and the deep learning classifier play an important role to classify emotion.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.286-289
• /
• 2007

This study is to develop a cloud detection algorit1un for COMS and it is currently tested by using MODIS level 2B and MTSAT-1R satellite radiance data. Unlike many existing cloud detection schemes which use a threshold method and traditional statistical methods, in this study a feed-forward neural network method with back-propagation algorit1un is used. MODIS level 2B products are matched with feature information of five-band MTSAT 1R image data to form the training dataset. The neural network is trained over the global region for the period of January to December in 2006 with 5 km spatial resolution. The main results show that this model is capable to detect complex cloud phenomena. And when it is applied to seasonal images, it shows reliable results to reflect seasonal characteristics except for snow cover of winter. The cloud detection by the neural network method shows 90% accuracy compared to the MODIS products.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 C
• /
• pp.1880-1884
• /
• 2000

The discrete wavelet transform is utilized as preprocessing of Neural Network(NN) to identify aging state of internal partial discharge in transformer. The discrete traveler transform is used to produce wavelet coefficients which are used for Classification. The statistical parameters (maximum of wavelet coefficients, average value, dispersion, skewness, kurtosis) using the wavelet coefficients are input into an back-propagation neural network. The neurons whose weights have obtained through Result of Cross-Validation. The Neural Network learning stops either when the error rate achieves an appropriate minimum or when the learning time overcomes a constant value. The networks, after training, can decide if the test signal is Early Aging State or Last Aging State or normal state.

• 한국정보처리학회논문지
• /
• 제7권12호
• /
• pp.3821-3828
• /
• 2000

많은 소프트웨어 프로젝트는 시험이나 운영단계에서 고장 시간이나 고장 수 데이타 보다는 그룹 고장 데이타 (여러 고장 간격에서 또는 가변적인 시간 간격에서의 고장 들)가 수집된다. 본 논문은 그룹 고장 데이타에 대해 가변적인 미래의 시간에서 누적 고장 수를 예측할 수 있는 신경망 모델을 제시한다. 신경망의 입-출력으로 무엇을 선택하고 어떤 순서로 훈련을 수행하느냐에 따라 신경망의 예측력에 영향을 미친다. 따라서, 신경망의 입-출력에 대한 11개의 훈련제도가 고려되었으며, 모델의 성능을 평가하기 위해 다음 단계 평균 상대 예측 오차 (AE)와 정규화된 AE (NAE) 측도에 의해 최적의 훈련제도가 선택되고, 다른 잘 알려진 신경망 모델과 통계적 소프트웨어 신뢰성 성장 모델과 비교되었다. 실험 결과, 가변적인 미래의 시간 간격에서 누적 고장 수를 예측하기 위해서는 신경망 모델에 가변 시간간격 정보가 필요함을 보였다.

• Journal of Positioning, Navigation, and Timing
• /
• 제11권3호
• /
• pp.217-227
• /
• 2022

In order to provide a location-based services regardless of indoor or outdoor space, it is important to provide position information of the terminal regardless of location. Among the wireless/mobile communication resources used for this purpose, Long Term Evolution (LTE) signal is a representative infrastructure that can overcome spatial limitations, but the positioning method based on the location of the base station has a disadvantage in that the accuracy is low. Therefore, a fingerprinting technique, which is a pattern recognition technology, has been widely used. The simplest yet widely applied algorithm among Fingerprint positioning technologies is k-Nearest Neighbors (kNN). However, in the kNN algorithm, it is difficult to find the optimal K value with the lowest positioning error for each location to be estimated, so it is generally fixed to an appropriate K value and used. Since the optimal K value cannot be applied to each estimated location, therefore, there is a problem in that the accuracy of the overall estimated location information is lowered. Considering this problem, this paper proposes a technique for adaptively varying the K value by using a Convolutional Neural Network (CNN) model among Artificial Neural Network (ANN) techniques. First, by using the signal information of the measured values obtained in the service area, an image is created according to the Physical Cell Identity (PCI) and Band combination, and an answer label for supervised learning is created. Then, the structure of the CNN is modeled to classify K values through the image information of the measurements. The performance of the proposed technique is verified based on actual data measured in the testbed. As a result, it can be seen that the proposed technique improves the positioning performance compared to using a fixed K value.

• 대한토목학회논문집
• /
• 제29권2B호
• /
• pp.181-191
• /
• 2009

본 연구에서는 2007년 IPCC AR4와 함께 제시된 SRES A2 시나리오를 이용해서 기후변화가 한반도 가뭄에 미치는 영향을 평가하기 위한 방안을 제시하고자 한다. IPCC는 DDC를 통해서 총 24개의 기후모형의 결과를 월 단위로제공하고 있다. 이 중 노르웨이 BCCR의 BCM2 모형과 NCEP 자료를 이용하여 최근린법(K-NN)과 인공신경망(Artificial Neural Network)이론을 적용함으로써, 온도와 강수량을 기상청 산하 서울지점으로 축소하였다. 최근린법의 경우, 온도와 강수량 모두를 축소하는 것이 가능하였지만, 인공신경망이론을 적용하여 축소할 경우, 온도는 비교적 잘 축소하였으나 강수량의 경우는 발산하는 결과를 보였다. 마지막으로 기후변화가 가뭄에 미치는 영향을 평가하기 위해서 최근린법으로부터 축소된 월 단위 강수량을 이용하여 서울지점의 표준강수지수를 산정하였다. BCM2 모형에 의하면 서울지점의 경우, 미래에는 전반적으로 온도가 증가하고 가뭄의 지속기간이 길어짐에 따라 가뭄이 더욱더 심각하게 된다는 결과를 예측하였다.

• 한국해안·해양공학회논문집
• /
• 제34권6호
• /
• pp.315-324
• /
• 2022

2차원 조파수조 내에서 취득된 규칙파 실험데이터를 머신러닝 기법으로 분석하여 천수 변형을 경험한 파랑으로부터 조파기의 입력파고를 예측하는 모델을 수립하고 그 성능을 검증하였다. 이를 위해 가장 대표적인 머신러닝 기법인 인공신경망(NN)과 비모수 회귀분석 방법 중 하나인 가우시안 과정 회귀(GPR) 모델을 각각 수립하고 두 모델의 예측 성능을 비교하였다. 전체 실험자료를 모두 한꺼번에 활용한 경우와 쇄파 발생 여부에 따라 자료를 구분한 경우에 대해 독립적으로 분석을 수행하였다. 데이터를 구분하지 않은 경우에는 NN 및 GPR 모델 모두 조파기 입력파고 값과 계측값 사이의 오차가 비교적 크게 나타났다. 반면에 데이터를 비쇄파 및 쇄파 조건으로 구분하면 조파기 입력파고의 예측 정확도가 크게 향상되었다. 두 모델 중에서는 NN 모델보다 GPR 모델의 성능이 전반적으로 더 우수한 것으로 나타났다.

• 한국지능시스템학회논문지
• /
• 제21권5호
• /
• pp.602-608
• /
• 2011

본 논문에서는, 신경망을 이용한 뉴로 인터페이스 설계를 통해 논홀로노믹 이동 로봇을 제어하는 방법을 제시하였다. 특히, 가상의 마스터-슬레이브 로봇 개념을 이용하여, 부분적으로 안정된 마스터 로봇의 역 동적모델이 피드백-에러 학습법을 적용한 신경망을 통해 온라인으로 획득되도록 하였다. 이 피드백 제어기는 PD 보상기에 기초를 두고 있다. 온라인 학습을 위한 신경망은 입력층이 6개의 입력세포들($x_i$, i=1~6)로 구성되어있으며, 1개의 은닉층에는 2개의 은닉세포($o_j$, j=1~2), 출력층은 2개의 출력세포(${\tau}_k$, k=1~2)로 구성되었고, 신경망의 온라인 학습을 위하여 최소자승법에 의한 오류역전파 알고리즘을 이용하였다. 본 연구에서 개발된 뉴로 인터페이스의 경로추적제어에 관한 성능은 2-wheel 독립구동이 가능한 논홀로노믹 이동 로봇의 시뮬레이션으로 증명하였다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1997년도 춘계학술대회 논문집
• /
• pp.101-106
• /
• 1997

This paper proposes a stable adaptive neural network control(NNC) for fixable joint manipulators. For designing the stable adaptive NNC, the flexible system dynamics is separated into fast and slow subdynamics according to singular perturbation concept. For the slow subdynamics, an adaptive NNC is designed to warrant the system stability and NN learning by lyapunov stability criterion. And to stabilize the fast dynamics, derivative control loop is installed. Through numerical simulation, the performance of the proposed NNC was compared to that of an adaptive controller designed based on the knowledge of the system dynamics. The proposed NNC shows much improvement over the conventional adaptive controller.

• Journal of information and communication convergence engineering
• /
• 제8권3호
• /
• pp.333-338
• /
• 2010

This paper derives a nominal state relationship (NSR) from the data of a nominal system. Through an example of a second order system, it is shown that the relationship can be derived only in the system with different real eigenvalues. In higher order system, the relationship is expressed by using neural network (NN). The derived NSR is used to design a noble sliding surface with a nominal system characteristic. By using the sliding surface, the robustness of the sliding mode control (SMC) is added to the pole-placement control.