• 한국컴퓨터정보학회논문지
• /
• 제10권6호
• /
• pp.279-286
• /
• 2005

본 연구에서는 캐피탈시장에서의 고객신용예측을 위한 모형으로 여러 가지 인공신경망(Neural Network) 모형들을 유전자 알고리즘(Genetic Algorithm)을 이용하여 통합한 신용예측모형을 제안하였다. 10개의 학습된 인공신경망 모형들을 유전자알고리즘을 이용하여 종류별로 통합하여 MLP (Multi-Layered Perceptron), Linear, RBF(Radial Basis Function) 세 가지의 대표모델을 얻고 이를 다시 하나의 인공신경망 모델로 통합하였다. 이를 통합되기 이전의 각각의 인공신경망 모형들과 성능을 비교, 분석하여 본 연구에서 제안한 통합모형의 유효성과 통합방법의 타당성을 제시하였다.

• 한국지능시스템학회논문지
• /
• 제13권4호
• /
• pp.474-479
• /
• 2003

In this paper, we proposed the novel method for the recognition of English calling cards by using the projection method and the enhanced RBF (Radial Basis Function) network. The recognition of calling cards consists of the extraction phase of character areas and the recognition phase of extracted characters. In the extraction phase, first of all, noises are removed from the images of calling cards, and the feature areas including character strings are separated from the calling card images by using the horizontal smearing method and the 8-directional contour tracking method. And using the image projection method, the feature areas are split into the areas of individual characters. We also proposed the enhanced RBF network that organizes the middle layer effectively by using the enhanced ART1 neural network adjusting the vigilance threshold dynamically according to the homogeneity between patterns. In the recognition phase, the proposed neural network is applied to recognize individual characters. Our experiment result showed that the proposed recognition algorithm has higher success rate of recognition and faster learning time than the existing neural network based recognition.

• Journal of Mechanical Science and Technology
• /
• 제17권4호
• /
• pp.484-491
• /
• 2003

For most of linear time-varying (LTV) systems, it is difficult to design time-varying controllers in analytic way. Accordingly, by approximating LTV systems as uncertain linear time-invariant, control design approaches such as robust control have been applied to the resulting uncertain LTI systems. In particular, a robust control method such as quantitative feedback theory (QFT) has an advantage of guaranteeing the frozen-time stability and the performance specification against plant parameter uncertainties. However, if these methods are applied to the approximated linear. time-invariant (LTI) plants with large uncertainty, the resulting control law becomes complicated and also may not become ineffective with faster dynamic behavior. In this paper, as a method to enhance the fast dynamic performance of LTV systems with bounded time-varying parameters, the approximated uncertainty of time-varying parameters are reduced by the proposed QFT parameter-scheduling control design based on radial basis function (RBF) networks.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1954-1955
• /
• 2011

본 연구에서는 교육용으로 제작된 NXT 장비에 설치된 Light 센서, Ultrasonic센서, Sound센서를 이용하여 각 거리(10~60cm)에서 5cm 간격으로 각 센서 데이터를 취득하였다. 데이터 취득은 NI(National Instrument)에서 제공하는 LabVIEW Software를 사용하여 각 거리마다 100개의 셈플 데이터를 취득하였다. 취득한 데이터는 제안한 모델의 입력 데이터로 사용하여 실제거리와 모델 출력과의 정확도를 평가 하였다. 본 연구에서 제안한 모델은 지능형 모델 중 퍼지추론 기반의 최적 다항식 RBF 뉴럴네트워크(Radial Basis Function Neural Network; RBFNN)를 설계한다. 제안된 RBFNN은 기존 RBF 뉴럴네트워크를 기반으로 한 구조로, 퍼지추론 메커니즘의 기능적 모듈 동작 특성을 갖도록 정규화 부분을 추가하고, 은닉층과 출력층 사이의 연결가중치를 기존 상수항에서 선형식(first order)으로 확장한 형태이다. 또한 최적의 알고리즘인 PSO(Paticle Swarm Optimization)와 DE(Differential Evolution)을 이용하여 제안된 모델의 파라미터들을 동정하여 성능을 비교, 분석 하였다.

• 한국위성정보통신학회논문지
• /
• 제12권1호
• /
• pp.1-5
• /
• 2017

본 논문에서는 멀티코드를 사용하는 직접 시퀀스-코드 분할 다중 접속 (DS/CDMA: direct sequence/code division multiple access) 전력선 통신 시스템에서 사용자 검출을 위해 방사형 기저 함수를 응용하는 모델을 제안하였다. 방사형 기저 함수 기반의 사용자 검출기의 성능은 기존의 부 최적화된 다중 사용자 검출기의 성능과 비트 에러율 면에서 비교 분석되었다. 컴퓨터 시뮬레이션 결과를 통해 제안한 모델인 역 상관기 기반 검출기보다 우수한 성능을 나타내는 것을 확인하였고, 다양한 환경에서 near-optimum 성능을 보이는 것을 확인하였다. 본 논문에서 이러한 결과들은 다중코드 DS/CDMA 전력선 통신 시스템에서 다중 사용자 검출기 디자인에 적용 될 수 있다.

• 한국산학기술학회논문지
• /
• 제14권12호
• /
• pp.6484-6487
• /
• 2013

본 논문은 비선형 동적 신경망을 이용한 직접 제어에 관한 연구이다. 제어기는 근사화 제어와 신경망 보조제어 입력으로 구성되어 있다. 신경망 제어 입력은 출력 추적 오차를 더 줄이기 위해 보완 신호를 제공한다. 이 방법은 제어할 비선형 시스템의 종류에 많은 제한을 두지 않기 때문에 RBF 신경망을 이용하여 입력에 대해 안정적인 성능을 가지고 있다. 시뮬레이션 결과는 매우 효과적이며 비선형 시스템의 만족스러운 학습 성능을 증명하였다.

• 한국음향학회지
• /
• 제22권3호
• /
• pp.182-187
• /
• 2003

본 논문에서는 방사 기저함수 (RBF: Radial Basis Function) 신경망을 이용하여 특징 파라미터를 사상시켜 화자인식의 성능을 개선하기 위한 알고리즘을 제안하였다. 동일한 화자의 유무선 전화의 백터 영역이 서로 다르므로 제안한 화자확인시스템은 유무선 학습모델을 생성하기 위해서 먼저 음성인식을 통해 유무선 채널을 판별하고, 학습하지 않은 채널의 모델은 방사 기저함수 신경망을 이용하여 학습된 모델의 특징 벡터 (LPC-켑스트럼)를 사상하는 방법이다. 모의 실험 결과 기존의 켑스트럼 평균 차감법을 사용할 때보다 제안한 알고리즘을 적용했을 때의 인식율이 약 0.6%∼10.5%의 성능 향상을 보여주었다.

• 전기학회논문지
• /
• 제65권6호
• /
• pp.1070-1079
• /
• 2016

In this paper, the design of recursive radial basis function neural networks based on incremental fuzzy c-means is introduced for processing the big data. Radial basis function neural networks consist of condition, conclusion and inference phase. Gaussian function is generally used as the activation function of the condition phase, but in this study, incremental fuzzy clustering is considered for the activation function of radial basis function neural networks, which could effectively do big data processing. In the conclusion phase, the connection weights of networks are given as the linear function. And then the connection weights are calculated by recursive least square estimation. In the inference phase, a final output is obtained by fuzzy inference method. Machine Learning datasets are employed to demonstrate the superiority of the proposed classifier, and their results are described from the viewpoint of the algorithm complexity and performance index.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1857-1858
• /
• 2008

본 논문에서는 FCM 기반 RBF 뉴럴네트워크(FCM-RBFNN) 구조를 제안하고 PSO를 이용한 FCM-RBFNN의 구조 및 파라미터의 최적화 방법을 제시한다. 클러스터링 알고리즘은 퍼지 뉴럴 네트워크에서 멤버쉽함수의 중심점과 반경 등을 결정하는 학습에 일반적으로 사용된다. 제안된 FCM-RBFNN서는 방사기저함수로써 가우시안, 삼각형 타입 등의 정해진 형태를 사용하지 않고 데이터들 사이의 거리에 관계된 계산을 수행하는 FCM에 의해 결정된다. 기존의 RBFNN에서 후반부는 상수형태로써 방사기저함수의 선형결합으로써 표현되는 반면에 제안된 FCM-RBFNN의 후반부는 상수형, 선형, 2차식 등의 다양한 형태의 다항식으로 표현될 수 있으며 다항식의 계수는 WLSE를 이용하여 추정한다. FCM 기반 RBF 뉴럴 네트워크의 성능은 퍼지규칙의 수, 후반부 다항식의 차수 FCM의 퍼지화 계수에 의하여 결정기 때문에 FCM-RBFNN의 구조와 파라미터의 최적화가 요구된다. 본 논문에서는 PSO를 이용하여 FCM-RBFNN의 구조에 관련된 퍼지 규칙의 수, 후반부 다항식의 차수와 파라미터에 관련된 퍼지화 계수를 최적화한다. 또한 후반부 다항식의 계수는 WLSE를 사용하여 추정한다.

• Computers and Concrete
• /
• 제16권5호
• /
• pp.741-757
• /
• 2015

In the last decade, several modeling approaches have been proposed and applied to estimate the high-performance concrete (HPC) slump flow. While HPC is a highly complex material, modeling its behavior is a very difficult issue. Thus, the selection and application of proper modeling methods remain therefore a crucial task. Like many other applications, HPC slump flow prediction suffers from noise which negatively affects the prediction accuracy and increases the variance. In the recent years, ensemble learning methods have introduced to optimize the prediction accuracy and reduce the prediction error. This study investigates the potential usage of bagging (Bag), which is among the most popular ensemble learning methods, in building ensemble models. Four well-known artificial intelligence models (i.e., classification and regression trees CART, support vector machines SVM, multilayer perceptron MLP and radial basis function neural networks RBF) are deployed as base learner. As a result of this study, bagging ensemble models (i.e., Bag-SVM, Bag-RT, Bag-MLP and Bag-RBF) are found superior to their base learners (i.e., SVM, CART, MLP and RBF) and bagging could noticeable optimize prediction accuracy and reduce the prediction error of proposed predictive models.