• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.619-621
• /
• 2002

MLP(multilayer perceptron)는 기존의 패턴인식 방법에 비해 몇 가지 이점을 제공하지만 학습에 비교적 많은 시간을 요구한다. 이 점은 화자증명 시스템의 인식방법으로서 MLP를 사용할 경우 등록시간이 길어지는 문제를 발생시킨다. 본 논문에서는 기존의 시스템에서 채택한 화자군집 방법을 응용하여 MLP 학습에 필요만 배경화자 수를 줄임으로써 화자등록 시간을 단축하는 방법을 제안한다.

• 전자공학회논문지B
• /
• 제28B권12호
• /
• pp.59-67
• /
• 1991

In this paper, we aimed to develop associative pattern recognizer based on neural network for aircraft identification. For obtaining invariant feature space description of an object regardless of its scale change and rotation, Log-polar sampling technique recently developed partly due to its similarity to the human visual system was introduced with Fourier transform post-processing. In addition to the recognition results, image recall was associatively performed and also used for the visualization of the recognition reliability. The multilayer perceptron model was learned by backpropagation algorithm.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1996년도 추계학술대회 논문집
• /
• pp.384-388
• /
• 1996

The closed-loop system modeling of an Active/semiactive suspension system has been accomplished through an artificial neural Networks. The 7DOF full model as the system equation of motion has been derived and the output feedback linear quadratic regulator has been designed for the control purpose. For the neural networks training set of a sample data has been obtained through the computer simulation. A 7DOF full model with LQR controller simulated under the several road conditions such as sinusoidal bumps and the rectangular bumps. A general multilayer perceptron neural network is used for the dynamic modeling and the target outputs are feedback to the input layer. The Backpropagation method is used as the training algorithm. The modeling of system and the model validation have been shown through computer simulations.

• 전기학회논문지
• /
• 제66권5호
• /
• pp.870-876
• /
• 2017

In this paper, we proposed the automatic vision inspection system using multi-layer perceptron to detect the defects occurred on rail surface. The proposed system consists of image acquisition part and analysis part. Rail surface image is acquired as equal interval using line scan camera and lighting. Mean filter and dynamic threshold is used to reduce noise and segment defect area. Various features to characterize the defects are extracted. And they are used to train and distinguish defects by MLP-classifier. The system is installed on HEMU-430X and applied to analyze the rail surface images acquired from Honam-line at high speed up to 300 km/h. Recognition rate is calculated through comparison with manual inspection results.

• 한국정밀공학회지
• /
• 제15권2호
• /
• pp.35-44
• /
• 1998

This paper describes multiple fault diagnosis method in complex system with hierarchical structure. Complex system is divided into subsystem, item and component. For diagnosing this hierarchical complex system, it is necessary to implement special neural network. We introduced Modular Artificial Neural Network(MANN) for this purpose. MANN consists of four level neural network, first level for symptom classification, second level for item fault diagnosis, third level for component symptom classification, forth level for component fault diagnosis. Each network is multi layer perceptron with 7 inputs, 30 hidden node and 7 outputs trained by backpropagation. UNIX IPC(Inter Process Communication) is used for implementing MANN with multitasking and message transfer between processes in SUN workstation. We tested MANN in reactor system.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.172.6-172
• /
• 2001

In recent years, many attempts have been made to predict the behavior of bonds, currencies, stock, or other economic markets. Most previous experiments used multilayer perceptrons(MLP) for stock market forecasting, The Kospi 200 Index is modeled using different neural networks and fuzzy system predictions. In this paper, a multilayer perceptron architecture, a dynamic polynomial neural network(DPNN) and a fuzzy system are used to predict the Kospi 200 index. The results of prediction is compared with the root mean squared error(RMSE) and the scatter plot. The results show that the fuzzy system is performing slightly better than DPNN and MLP. We can develop the desired fuzzy system by learning methods ...

• 항공우주시스템공학회지
• /
• 제13권6호
• /
• pp.17-25
• /
• 2019

항공기 엔진의 고장예지 및 건전성 관리(PHM)는 고장 또는 수명한계 도달 전에 잔존 유효 수명을 예측하는 것이다. PHM 기술 중 예측모델을 확립하는 방법은 물리 기반과 데이터 기반 방법이 있다. 물리기반 방법은 적은 데이터로 정확한 예측이 가능하지만 확립된 손상 물리 모델이 적어서 적용에 한계가 있다. 본 연구는 따라서 데이터 기반 방법을 적용하였으며, 수명 예측을 위해서 신경회로망 알고리즘 중 Multi-layer Perceptron을 이용하였다. 이를 위해 미국 항공우주국(NASA)에서 개발한 C-MAPSS 코드로 생성된 가상 데이터 세트를 이용하여 신경회로망을 학습하였다. 학습된 신경회로망 모델은 테스트 세트에 적용한 후 잔존 유효 수명의 신뢰구간을 예측하고 실제 값을 통해 정확도를 검증하였다. 또한 본 연구에서 제시된 방법을 기존 문헌의 것과도 비교하였고 그 결과 비교적 양호한 정확도를 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.20-26
• /
• 2008

지능형 로봇이나 컴퓨터가 일상생활 속에서 차지하는 비중이 점점 높아짐에 따라 인간과의 상호교류도 점점 중요시되고 있다. 이렇게 지능형 로봇(컴퓨터) - 인간의 상호 교류하는데 있어서 감정 인식 및 표현은 필수라 할 수 있겠다. 본 논문에서는 음성 신호와 얼굴 영상에서 감정적인 특징들을 추출한 후 이것을 Bayesian Learning과 Principal Component Analysis에 적용하여 5가지 감정(평활, 기쁨, 슬픔, 화남, 놀람)으로 패턴을 분류하였다. 그리고 각각 매개체의 단점을 보완하고 인식률을 높이기 위해서 결정 융합 방법과 특징 융합 방법을 적용하여 감정 인식 실험을 하였다. 결정 융합 방법은 각각 인식 시스템을 통해 얻어진 인식 결과 값을 퍼지 소속 함수에 적용하여 감정 인식 실험을 하였으며, 특징 융합 방법은 SFS(Sequential Forward Selection) 특징 선택 방법을 통해 우수한 특징들을 선택한 후 MLP(Multi Layer Perceptron) 기반 신경망(Neural Networks)에 적용하여 감정 인식 실험을 실행하였다. 그리고 인식된 결과 값을 2D 얼굴 형태에 적용하여 감정을 표현하였다.

• 한국산업정보학회논문지
• /
• 제29권4호
• /
• pp.35-42
• /
• 2024

본 연구에서는 움직임 센서 모듈과 딥러닝을 활용하여 반려견의 행동을 실시간으로 인식하고 분석하는 방법을 제안한다. 일반적으로 반려견의 행동을 파악하는 홈 CCTV(Closed-Circuit Television)는 개인의 사생활 보호 문제와 보안 이슈가 있어 이를 극복하기 위한 새로운 기술의 필요성이 제기되고 있다. 본 논문에서는 움직임 센서에서 측정되는 데이터를 기반으로 반려견의 행동을 분석하고 케어할 수 있는 시스템을 제안한다. 본 연구에서는 MLP(Multi-Layer Perceptron)와 CNN(Convolutional Neural Network) 모델을 비교하여 반려견 행동 분석에 적합한 모델을 선정하고 최적화를 하였으며, 실험 결과, 제안된 MLP 모델은 평균 82.19%의 정확도를 보이는 것을 확인하였으며, 모델 경량화를 통해 임베디드 환경에서 효율적으로 활용될 수 있음을 확인하였다.

• 한국소음진동공학회논문집
• /
• 제24권9호
• /
• pp.675-681
• /
• 2014

This paper proposes a fault diagnosis system for an induction motor. This system uses empirical mode decomposition(EMD) to extract fault signatures and multi-layer perceptron(MLP) neural network to facilitate an accurate fault diagnosis. EMD can not only decompose a signal adaptively but also provide intrinsic mode functions(IMFs) containing natural oscillatory modes of the signal. However, every IMF does not represent fault signature, an IMF selection algorithm based on harmonics and their energy of each IMF is proposed. The selected IMFs are utilized for fault classification using MLP and this system shows approximately 98 % diagnosis accuracy for the fault vibration signal of the induction motor.