• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1899_1900
• /
• 2009

본 논문에서는 주어진 데이터의 입자화 특성을 효과적으로 모델 구축에 반영하고자 재구성 평가 기준을 통한 새로운 형태의 입자화 기반 RBF 뉴럴 네트워크를 개발한다. 주어진 데이터들의 입자화 특성을 파악하기 위해서 새로운 형태의 FCM 클러스터링(-Context-based fuzzy clustering)을 이용한다. 즉, 출력 공간의 입자화 특성은 K-means clustering 방법을 사용한 것에 반해, 입력 공간에서의 정보들은 Context-based fuzzy clustering 방법을 이용하여 효율적으로 데이터의 특성을 파악하여 모델의 구축에 반영하였으며, 또한 모델의 최적화를 위하여 RBF 뉴럴 네트워크의 은닉층의 수를 재구성 평가 기준을 통하여 모델의 최적화를 꾀하였다. 제안된 모델의 효율적인 특성을 보여주기 위해 저차원 합성 데이터를 이용하여 모델을 평가한다.

• Journal of Korea Multimedia Society
• /
• v.9 no.12
• /
• pp.1689-1699
• /
• 2006

A nonlinear channel blind equalizer by using a hybrid genetic algorithm, which merges a genetic algorithm with simulated annealing, and a RBF network is presented. In this study, a hybrid genetic algorithm is used to estimate the output states of a nonlinear channel, based on the Bayesian likelihood fitness function, instead of the channel parameters. From these estimated output states, the desired channel states of the nonlinear channel are derived and placed at the center of a RBF equalizer to reconstruct transmitted symbols. In the simulations, binary signals are generated at random with Gaussian noise. The performance of the proposed method is compared with those of a conventional genetic algorithm(GA) and a simplex GA, and the relatively high accuracy and fast convergence of the method are achieved.

• 제어로봇시스템학회:학술대회논문집
• /
• 2005.06a
• /
• pp.925-930
• /
• 2005

In this paper, evolutionary multi-objective selection method of RBF networks structure is considered. The candidates of RBF network structure are encoded into the chromosomes in GAs. Then, they evolve toward Pareto-optimal front defined by several objective functions concerning with model accuracy and model complexity. An ensemble network constructed by such Pareto-optimal models is also considered in this paper. Some numerical simulation results indicate that the ensemble network is much robust for the case of existence of outliers or lack of data, than one selected in the sense of information criteria.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.387-389
• /
• 2009

본 논문에서는 다항식 기반 Radial Basis Function(RBF)신경 회로망을 설계하고 이를 패턴분류 문제에 적용하여 그 성능을 분석한다. 제안된 RBF 신경회로망은 입력층, 은닉층, 출력층으로 이루어진다. 입력층의 연결가중치는 1로서 입력층의 입력벡터는 그대로 은닉층으로 전달되고 은닉층은 FCM(Fuzzy C-means Clustering)방법을 통하여 뉴런의 출력 값으로 내보낸다. 은닉층과 출력층사이의 연결가중치는 상수, 선형식 또는 이차식으로 이루어지며 경사 하강법에 의해 학습되어진다. 네트워크의 최종 출력은 연결가중치와 은닉층 출력의 곱에 의한 퍼지추론의 결과로 얻어진다. 제안된 RBF 신경회로망은 여러 종류의 machine learning 데이터에 적용하여 패턴분류기로서의 성능을 평가받는다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1887-1888
• /
• 2008

본 논문에서는 퍼지 추론 기반의 다항식 RBF 뉴럴네트워크(Polynomial Radial Basis Function Neural Network; pRBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델은 "IF-THEN" 형식으로 기술되는 퍼지 규칙에 의해 조건부, 결론부, 추론부의 기능적 모듈로 표현된다. 조건부의 입력공간 분할에는 HCM 클러스터링에 기반을 두어 구조가 결정되며, 기존에 주로 사용된 가우시안 함수를 RBF로 이용하고, 원뿔형태의 선형 함수를 제안한다. 또한 입력공간 분할시 데이터 집합의 특성을 반영하기 위해 분포상수를 각 입력마다 고려하여 설계함으로서 공간 분할의 정밀성을 높인다. 결론부에서는 기존 상수항의 연결가중치를 다항식 형태로 표현하는 pRBFNN을 제안한다. 제안한 모델의 성능을 평가하기 위해 Box와 Jenkins가 사용한 가스로 시계열 데이터를 적용하고, 기존 모델과의 근사화와 일반화 능력에 대하여 토의한다.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.451-452
• /
• 2007

본 논문에서는 다항식 기반 Radial Basis Function(RBF)신경회로망(Polynomial based Radial Basis Function Neural Networks)을 설계하고 이를 2-클래스 패턴 분류 문제에 응용하여 그 성능을 분석한다. 제안된 다항식기반 RBF 신경회로망은 입력층, 은닉층, 출력 층으로 이루어진다. 입력층은 입력 벡터의 값들을 은닉 층으로 전달하는 기능을 수행하고 은닉층은 Fuzzy c-means 클러스터링을 통하여 뉴런의 출력 값으로 내보낸다. 은닉층과 출력층사이의 연결가중치는 상수, 선형식 또는 이차식으로 이루어지며 경사 하강법에 의해 학습된다. Networks의 최종 출력은 연결가중치와 은닉층 출력의 곱에 의해 퍼지추론의 결과로서 얻어진다. 제안된 다항식기반 RBF 신경회로망은 각기 다른 4종류의 2-클래스 분류 문제에 적용 및 평가되어 분류기로써의 성능을 분석한다.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.179-181
• /
• 2007

This paper presents the desired position control of the mobile inverted pendulum system(MIP). The MIP is required to track the circular trajectory in the xy plane through the kinematic Jacobian relationship between the xy plane and the joint space. The reference compensation technique of the radial basis function(RBF) network is used as a neural network control method. The back-propagation teaming algorithm of the RBF network is derived and embedded on a DSP board. Experimental studies of tracking the circular trajectory are conducted.

• The Transactions of the Korean Institute of Electrical Engineers A
• /
• v.48 no.5
• /
• pp.593-600
• /
• 1999

This paper suggests a suboptimal control scheme of an active suspension system with an asymmetric hydraulic cylinder. In this paper a quarter car model including a nonlinear actuator dynamics is used. A feedback linearization technique is applied to obtain a linear model. An LQ regulator is designed with the linear model to keep robustness against sprung mass variation. The gain of the LQ regulator which depends on the damping coefficient of the damper is calculated by using an RBF neural network for real time application. The improvement achieved with our design is illustrated through comparative simulations.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1999.11a
• /
• pp.214-217
• /
• 1999

In this paper we proposed a heterogeneous hidden layer consisting of both sigmoid functions and RBFs(Radial Basis Function) in multi-layered neural networks. Focusing on the orthogonal relationship between the sigmoid function and its derivative, a derived RBF that is a derivative of the sigmoid function is used as the RBF in the neural network. so the proposed neural network is called ONN's feasibility Neural Network). Identification results using a nonlinear. function confirm both the ONN's feasibility and characteristics by comparing with those obtained using a conventional neural network which has sigmoid function or RBF in hidden layer.

• Proceedings of the KIEE Conference
• /
• 2003.11c
• /
• pp.657-660
• /
• 2003

Control of multi-link robot arms is a very difficult problem because of the highly nonlinear dynamics. Decentralized control scheme is developed for control of robot manipulators based on RBF(Radial Basis Function) Neural Networks. RBF Neural Networks is used to approximate the coupling forces among the joints, coriolis force, centrifugal force, gravitational force, and frictional force. The compensation controller is also proposed to estimate the bound of approximation error so that the chattering effect of the control effort can be reduced. The proposed scheme does not require an accurate manipulator dynamic, and it is proved that closed-loop system is asymptotic stable despite the gross robot parameter variations. Numerical simulations for two-link robot manipulator are included to show the effectiveness of controller.