• 디지털콘텐츠학회 논문지
• /
• 제18권3호
• /
• pp.559-565
• /
• 2017

스마트폰에 내장된 가속도 센서를 이용하여 사용자의 동작 상태나 행동을 인식하기 위한 연구가 다양하게 진행되어 왔다. 본 논문에서는 스마트폰의 3D 가속도 정보에 신경회로망을 적용하여 사람의 행동을 인식하는 연구를 진행하였다. 시계열 데이터를 신경회로망에 그대로 적용하면 성능상의 문제가 발생한다. 따라서 여러 시구간에 대해 특징을 추출하여 각 시구간에 대해 신경회로망을 학습시키고, 이 신경회로망들의 출력들을 입력으로 하여 학습하여 구성하는 다중 시구간 신경회로망을 제안하였다. 제안하는 방법을 실제 가속도 데이터에 적용한 결과 SVM, AdaBoost, IBk 등 다른 분류기보다 우수한 성능을 보였다.

• 대한전기학회논문지:전력기술부문A
• /
• 제48권1호
• /
• pp.8-14
• /
• 1999

This paper presents the methods of short-term load forecasting Kohonen neural networks and back-propagation neural networks. First, historical load data is divided into 5 patterns for the each seasonal data using Kohonen neural networks and using these results, load forecasting neural network is used for next day hourly load forecasting. Next day hourly load of weekdays and weekend except holidays are forecasted. For load forecasting in summer, max-temperature and min-temperature data as well as historical hourly load date are used as inputs of load forecasting neural networks for a better forecasting accuracy. To show the possibility of the proposed method, it was tested with hourly load data of Korea Electric Power Corporation(1994-95).

• 비파괴검사학회지
• /
• 제24권4호
• /
• pp.362-370
• /
• 2004

In this work, the collapse moment due to wall-thinning defects is estimated by using fuzzy neural networks. The developed fuzzy neural networks have been applied to the numerical data obtained from the finite element analysis. Principal component analysis is used to preprocess the input signals into the fuzzy neural network to reduce the sensitivity to the input change and the fuzzy neural networks are trained by using the data set prepared for training (training data) and verified by using another data set different (independent) from the training data. Also, two fuzzy neural networks are trained for two data sets divided into the two classes of extrados and intrados defects, which is because they have different characteristics. The relative 2-sigma errors of the estimated collapse moment are 3.07% for the training data and 4.12% for the test data. It is known from this result that the fuzzy neural networks are sufficiently accurate to be used in the wall-thinning monitoring of elbows.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제7권2호
• /
• pp.132-137
• /
• 2007

Experimental software data capturing the essence of software projects (expressed e.g., in terms of their complexity and development time) have been a subject of intensive modeling. In this study, we introduce a new category of Hybrid Fuzzy Neural Networks (gHFNN) and discuss their comprehensive design methodology. The gHFNN architecture results from highly synergistic linkages between Fuzzy Neural Networks (FNN) and Polynomial Neural Networks (PNN). We develop a rule-based model consisting of a number of "if-then" statements whose antecedents are formed in the input space and linked with the consequents (conclusion pats) formed in the output space. In this framework, FNNs contribute to the formation of the premise part of the overall network structure of the gHFNN. The consequences of the rules are designed with the aid of genetically endowed PNNs. The experiments reported in this study deal with well-known software data such as the NASA dataset. In comparison with the previously discussed approaches, the proposed self-organizing networks are more accurate and yield significant generalization abilities.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권8호
• /
• pp.307-324
• /
• 2018

최근 순환 신경 망(Recurrent Neural Networks)은 시간에 대한 의존성을 고려한 구조를 통해 순차 데이터(Sequential data)의 예측 문제 해결에서 각광받고 있다. 하지만 순차 데이터의 시간 스텝이 늘어남에 따라 발생하는 그라디언트 소실(Gradients vanishing)이 문제로 대두되었다. 이를 해결하기 위해 장단기 기억 모델(Long Short-Term Memory)이 제안되었지만, 많은 데이터를 저장하고 장기간 보존하는 데에 한계가 있다. 따라서 순환 신경망과 메모리 요소(Memory component)를 활용한 학습 모델인 메모리-증대 신경망(Memory-Augmented Neural Networks)에 대한 연구가 최근 활발히 진행되고 있다. 본 논문에서는 딥 러닝(Deep Learning) 분야의 화두로 떠오른 메모리-증대 신경망 주요 모델들의 구조와 특징을 열거하고, 이를 활용한 최신 기법들과 향후 연구 방향을 제시한다.

• 한국정보과학회논문지:정보통신
• /
• 제32권3호
• /
• pp.301-309
• /
• 2005

시스템 호출 감사자료기반 기계학습기법을 사용한 프로그램 행위 학습방법은 효과적인 호스트 기반 침입탐지 방법이며, 규칙 학습, 신경망, 통계적 방법, 은닉 마크로프 모델 등의 방법이 대표적이다. 그 중에서 신경망은 시스템 호출 시퀀스를 학습하는데 있어 적합하다고 알려져 있는데, 실제 문제에 적용하여 좋은 성능을 내기 위해서는 그 구조를 결정하는 것이 중요하다 하지만 보통의 신경망은 그 구조를 찾기 위한 방법이 알려져 있지 않아 침입탐지에 효과적인 구조를 찾기 위해서는 많은 시간이 요구된다. 본 논문에서는 기존 신경망 기반 침입탐지시스템의 단점을 보완하고 성능을 향상시키기 위해 진화신경망을 이용한 방법을 제안한다. 진화 신경망은 신경망의 구조와 가중치를 동시에 학습하기 때문에 일반 신경망보다 빠른 시간에 더 좋은 성능의 신경망을 얻을 수 있다는 장점이 있다. 1999년의 DARPA IDEVAL 자료로 실험한 결과 기존의 연구보다 좋은 탐지율을 보여 진화신경망이 침입탐지에 효과적임을 확인할 수 있었다.

• Korean Journal of Mathematics
• /
• 제23권3호
• /
• pp.327-336
• /
• 2015

In this paper, we study a constructive approximation by neural networks with positive integer weights. Like neural networks with real weights, we show that neural networks with positive integer weights can even approximate arbitrarily well for any continuous functions on compact subsets of $\mathbb{R}$. We give a numerical result to justify our theoretical result.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1998년도 하계종합학술대회논문집
• /
• pp.263-266
• /
• 1998

This paper propose a prefilter type inverse control algorithm using chaotic neural networks. Since the chaotic neural networks show robust characteristics in approximation and adaptive learning for nonlinear dynamic system, the chaotic neural networks are suitable for controlling robotic manipulators. The structure of the proposed prefilter type controller compensate velocity of the PD controller. To estimate the proposed controller, we implemented to the Cartesian space control of three-axis PUMA robot and compared the final result with recurrent neural network(RNN) controller.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 1996년도 International Conference on Agricultural Machinery Engineering Proceedings
• /
• pp.1073-1080
• /
• 1996

The impact of the input and output probability distributions on the performance of neural networks to forecast two year peak stream flow (cubic meters per second) is examined for two major river basins of the US. The neural network input consisted of drainage area(square kilometers ) and elevation (meters). When data are normally distributed , the neural networks predict much better than when the data are non-normal and have larger tails in their distributions.

• 전자공학회논문지B
• /
• 제31B권8호
• /
• pp.219-226
• /
• 1994

Sinusoidal current tracking inverters have substantial advantages in high performance acdrive systems and various control strategies for the inverter have been proposed by several researchers. This paper develops a sinusoidal current tracking inverter with neural networks. The neural network are trained to follow a set of reference current waveforms by erro back propagation algorithm and the trained neural networks are applied to the current control. We compare neural networks method with conventional current control methods (fixed band and sinusiidal band hystersis methods) and simulation results are presented.