• 대한전기학회논문지:전력기술부문A
• /
• 제48권4호
• /
• pp.434-443
• /
• 1999

In this paper, neural network predictive PID (NNPPID) control system is proposed to reduce the vibration of building structure. NNPPID control system is made up predictor, controller, and self-tuner to yield the parameters of controller. The neural networks predictor forecasts the future output based on present input and output of building structure. The controller is PID type whose parameters are yielded by neural networks self-tuning algorithm. Computer simulations show displacements of single and multi-story structure applied to NNPPID system about disturbance loads-wind forces and earthquakes.

• 설비공학논문집
• /
• 제12권7호
• /
• pp.680-687
• /
• 2000

The objective of this study is to improve the control performance of Ondol system which causes overheating and underheating with 2-position on/off control. For this, a predictive control that determines the suitable on/off positions using Artificial Neural Network(ANN) model was proposed Dynamic analyses using computer simulation show that the neural network used in the predictive control is adapted to each room whose loads variation and thermal characteristics are different. To examine the applicability of this predictive control with ANN it was compared with 2-position on/off control through experiments.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1995년도 춘계공동학술대회논문집; 전남대학교; 28-29 Apr. 1995
• /
• pp.586-586
• /
• 1995

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2002년도 ICCAS
• /
• pp.103.3-103
• /
• 2002

1. Introduction 2. Dynamic Model of Stacking Crane 3. The Path Plan of Stacking Crane 4. Design of Neural Network Predictive PID Controller 5. Result of Computer Simulation and Investigation 5. Conclusion

• 한국지능시스템학회논문지
• /
• 제13권1호
• /
• pp.24-30
• /
• 2003

본 논문에서는 혼돈 시스템을 제어하기 위해 웨이블릿 신경 회로망을 예측기로 사용하여 일반형 예측 제어기를 설계하는 방법을 제안한다. 본 논문의 방법에서는 웨이블릿 신경 회로망의 각 파라미터에 대한 학습은 예측 오차를 이용한 경사 하강법에 의해 수행되며, 제어 신호는 웨이블릿 신경 회로망의 출력과 기준 신호 사이의 제어 오차를 최소화함으로써 생성된다. 한편, 모의 실험을 통해 본 논문에서 제안한 제어기를 각각 연속 시간 혼돈 시스템인 Doffing 시스템과 이산 시간 혼돈 시스템인 Henon 시스템에 적용하여 제어기의 효율성을 확인하고 아울러 신경 회로망을 이용한 예측 제어의 결과와 비교함으로써 제어기의 우수성을 검증한다

• 한국정보통신학회논문지
• /
• 제15권12호
• /
• pp.2521-2526
• /
• 2011

본 논문에서는 퍼셉트론 신경회로망과 선형예측부호화 켑스트럼 계수를 사용한 화자인식 알고리즘을 제안한다. 제안하는 화자인식 알고리즘은 입력받은 음성신호에 대해서 유성음 구간을 추출한다. 추출된 유성음 구간에 대하여 선형예측 분석에 의하여 화자의 특성을 가지고 있는 선형예측부호화 켑스트럼 계수를 구한다. 구해진 선형예측부호화 켑스트럼 계수를 분류하기 위하여 이 켑스트럼 계수를 퍼셉트론 신경회로망의 입력으로 사용하여 네트워크의 학습을 수행한다. 본 실험에서는 선형예측부호화 켑스트럼 계수와 신경회로망을 사용하여 본 화자인식 알고리즘이 유효하다는 것을 인식률을 통하여 확인한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.798-800
• /
• 1995

The neural network predictive controller(NNPC) is proposed for the attempt to mimic the function of brain that forecasts the future. It consists of two loops, one is for the prediction of output(Neural Network Predictor) and the other one is for control the plant(Neural Network Controller). The output of NNC makes the control input of plant, which is followed by the variation of both plant error and prediction error. The NNP forecasts the future output based upon the current control input and the estimated control output. The method is applied to the control of temperature in boiler systems. The proposed NNPC is compared with the other conventional control methods such as PID controller, neural network controller with specialized learning architecture, and one-step-ahead controller. The computer simulation and experimental results show that the proposed method has better performances than the other methods.

• 한국항행학회논문지
• /
• 제25권5호
• /
• pp.409-414
• /
• 2021

미세먼지에 대한 심각성이 사회적으로 대두됨에 따라 대중들은 미세먼지 예보에 대한 정보의 높은 신뢰성을 요구하고 있다. 이에 따라 다양한 신경망 알고리즘을 이용하여 미세먼지 예측을 위한 연구가 활발히 진행되고 있다. 본 논문에서는 미세먼지 예측을 위해 다양한 알고리즘으로 연구되고 있는 신경망 알고리즘들 중 대표적인 알고리즘들의 예측 성능 비교를 진행하였다. 신경망 알고리즘 중 DNN(deep neural network), RNN(recurrent neural network), LSTM(long short-term memory)을 이용하였으며, 하이퍼 파라미터 탐색을 이용하여 최적의 예측 모델을 설계하였다. 각 모델의 예측 성능 비교 분석 결과, 실제 값과 예측 값의 변화 추이는 전반적으로 좋은 성능을 보였다. RMSE와 정확도를 기준으로 한 분석에서는 DNN 예측 모델이 다른 예측 모델에 비해 예측 오차에 대한 안정성을 갖는 것을 확인하였다.

• 한국음향학회지
• /
• 제18권3호
• /
• pp.62-67
• /
• 1999

본 논문은 회귀신경망을 이용한 음성인식에 관한 연구이다. 예측형 신경망으로 음절단위로 모델링한 후 미지의 입력음성에 대하여 예측오차가 최소가 되는 모델을 인식결과로 한다. 이를 위해서 예측형으로 구성된 신경망에 음성의 시변성을 신경망 내부에 흡수시키기 위해서 회귀구조의 동적인 신경망인 회귀예측신경망을 구성하고 Elman과 Jordan이 제안한 회귀구조에 따라 인식성능을 서로 비교하였다. 음성DB는 ETRI의 샘돌이 음성 데이터를 사용하였다. 그리고, 신경망의 최적모델을 구하기 위하여 예측차수와 은닉층 유니트 수의 변화에 따른 인식률의 변화와 문맥층에서 자기회귀계수를 두어 이전의 값들이 문맥층에서 누적되도록 하였을 경우에 대한 인식률의 변화를 비교하였다. 실험결과, 최적의 예측차수, 은닉층 유니트수, 자기회귀계수는 신경망의 구조에 따라 차이가 나타났으며, 전반적으로 Jordan망이 Elman망보다 인식률이 높았으며, 자기회귀계수에 대한 영향은 신경망의 구조와 계수값에 따라 불규칙하게 나타났다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1998년도 The Korea Society for Simulation 98 춘계학술대회 논문집
• /
• pp.101-105
• /
• 1998

A large system predictor, which can perform prediction of sales trend in a huge number of distribution centers, is presented using neural predictive model. There are 20,000 number of distribution centers, and each distribution center need to forecast future demand in order to establish a reasonable inventory policy. Therefore, the number of forecasting models corresponds to the number of distribution centers, which is not possible to estimate that kind of huge number of accurate models in ERP (Enterprise Resource Planning)module. Multilayer neural net as universal approximation is employed for fitting the prediction model. In order to improve prediction accuracy, a sequential simulation procedure is performed to get appropriate network structure and also to improve forecasting accuracy. The proposed simulation procedure includes neural structure identification and virtual predictive model generation. The predictive model generation consists of generating virtual signals and estimating predictive model. The virtual predictive model plays a key role in tuning the real model by absorbing the real model errors. The complement approach, based on real and virtual model, could forecast the future demands of various distribution centers.