• 한국측량학회지
• /
• 제23권1호
• /
• pp.39-47
• /
• 2005

본 연구에서는 오늘날 해상측량에서 주로 사용되고 있는 DGPS기법과 음향측심기를 조합하여 취득된 해저지형의 3차원 위치정보를 크리깅(kriging), RBF(radial basis function), 최근린(nearest neighbor) 보간법을 이용하여, 항만공사에서의 호퍼준설량을 산정하였다. 또한, 각각의 보간법에 의해 산정된 호퍼준설량과 실제 준설량을 비교·분석함으로써, 준설량 산정에 있어 DGPS/Echo Sounder 기법의 활용성을 확인할 수 있었다. 그 결과, 크리깅 보간법을 적용한 경우 내용적 차이는 15,364㎥로 약 1.89%의 오차율을 나타내었으며, RBF 보간법과 최근린 보간법을 적용한 경우에는 각각 3.9%, 4.4%의 오차율을 나타내었다. 향후, 항만공사에서의 준설량 산정에 있어서 해저지형의 특성에 따른 적합한 보간법 적용에 관련한 연구가 선행될 경우, 보다 신속하고 정확한 준설량을 산정 할 수 있을 것으로 기대된다.

• 전기학회논문지
• /
• 제59권2호
• /
• pp.436-444
• /
• 2010

In this study, we introduce and discuss a concept of a granular-oriented radial basis function neural networks (GRBF NNs). In contrast to the typical architectures encountered in radial basis function neural networks(RBF NNs), our main objective is to develop a design strategy of GRBF NNs as follows : (a) The architecture of the network is fully reflective of the structure encountered in the training data which are granulated with the aid of clustering techniques. More specifically, the output space is granulated with use of K-Means clustering while the information granules in the multidimensional input space are formed by using a so-called context-based Fuzzy C-Means which takes into account the structure being already formed in the output space, (b) The innovative development facet of the network involves a dynamic reduction of dimensionality of the input space in which the information granules are formed in the subspace of the overall input space which is formed by selecting a suitable subset of input variables so that the this subspace retains the structure of the entire space. As this search is of combinatorial character, we use the technique of genetic optimization to determine the optimal input subspaces. A series of numeric studies exploiting some nonlinear process data and a dataset coming from the machine learning repository provide a detailed insight into the nature of the algorithm and its parameters as well as offer some comparative analysis.

• 정보처리학회논문지B
• /
• 제15B권5호
• /
• pp.477-486
• /
• 2008

얼굴의 기하학적 특징이 변하여 생기는 표정은 얼굴 인식 시스템의 인식 결과에 다양한 영향을 끼친다. 얼굴 인식율을 개선하기 위해 본 연구에서는 인식 대상 얼굴과 참조 얼굴 사이의 표정 차이를 줄이는 방법으로 얼굴 표정 정규화를 제안한다. 본 연구에서는 대형의 이미지 데이터베이스를 구축하지 않고도 한 개의 정지 이미지에 일반적인 얼굴 근육 모델을 이용하는 접근 방식을 제시하여 얼굴 표정 모델링과 정규화를 처리한다. 첫 번째 방식은 본능적으로 변하는 얼굴 표정의 생물학적 모델을 구축하기 위해 선형 근육 모델의 기하학적 계수를 예측하는 것이다. 두 번째 방식은 RBF(Radial Basis Function)기반의 보간과 와핑을 통해 주어진 표정에 따라 얼굴 근육 모델을 무표정한 얼굴로 정규화한 것이다. 실험 결과, 기저얼굴 방식, 지역 이진 패턴 방식, 회색조 상관측정 방식과 같은 얼굴 인식 과정의 전처리 단계로 본 연구의 표정 정규화 과정을 적용하면 정규화를 거치지 않은 것보다 더 높은 인식율을 보인다.

• 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.

• 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.

• 한국통신학회논문지
• /
• 제31권11C호
• /
• pp.1085-1091
• /
• 2006

The major goal of this paper is to develop a practically implemental radial basis function (RBF) neural network based multi-user detector (MUD) for direct sequence (DS)-CDMA system. This work is expected to provide an efficient solution for RBF based MUD by quickly setting up the proper number of RBF centers and their locations required in training. The basic idea in this research is to estimate all the possible RBF centers by using supervised ${\kappa-means$ clustering technique, and select the only centers which locate near seemingly decision boundary between centers, and reduce further by grouping the some of centers adjacent each other. Therefore, it reduces the computational burden for finding the proper number of RBF centers and their locations in the existing RBF based MUD, and ultimately, make its implementation practical.

• 한국멀티미디어학회논문지
• /
• 제3권3호
• /
• pp.253-262
• /
• 2000

본 논문에서는 적응적으로 추출된 입력 데이터의 특징을 은닉층 뉴런 개수와 중심값 설정에 이용하는 새로운 radial basis 함수 신경망을 제안하였다. 제안된 신경망에서는 입력데이터의 특징을 효과적으로 추출하기 위해 적응 학습알고리즘의 주요성분분석 기법을 이용하였다. 이렇게 하면 주요성분분석 기법이 가지는 대용량의 입력데이터를 통계적으로 독립인 특징들의 집합으로 변환시키는 장점과 RBF신경망이 가지는 우수한 속성을 그대로 살릴 수 있다. 제안된 기법의 radial basis 함수 신경망을 200명의 암환자를 2부류(초기와 악성)로 분류하는 문제에 적용하여 시뮬레이션한 결과, k-평균 군집화 알고리즘을 이용한 radial basis 함수 신경망에 의한 결과와 비교할 때 학습시간과 시험 데이터의 분류에서 더욱 우수한 성능이 있음을 확인할 수 있었다. 그리고 신경망의 초기 연 결가중치에 대한 의존도와 평활요소의 설정여유도 측면에서도 우수한 특성이 있음을 확인할 수 있었다.

• 산업경영시스템학회지
• /
• 제36권4호
• /
• pp.59-63
• /
• 2013

In biomass gasification, efficiency of energy quantification is a difficult part without finishing the process. In this article, a radial basis function neural network (RBFN) is proposed to predict biomass efficiency before gasification. RBFN will be compared with a principal component regression (PCR) and a multilayer perceptron neural network (MLPN). Due to the high dimensionality of data, principal component transform is first used in PCR and afterwards, ordinary regression is applied to selected principal components for modeling. Multilayer perceptron neural network (MLPN) is also used without any preprocessing. For this research, 3 wood samples and 3 other feedstock are used and they are near infrared (NIR) spectrum data with high-dimensionality. Ash and char are used as response variables. The comparison results of two responses will be shown.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.424-427
• /
• 2008

MRI 기계의 성능에 따라서 사용되는 슬라이스의 수가 적을 수 있다. 결과적으로 적은 슬라이스를 이용해 3D surface를 재구성하게 되면 퀄리티가 낮아지는 문제가 발생한다. 본 논문에서는 적은 수의 슬라이스를 이용하여 높은 퀄리티의 3D surface를 얻는 방법을 제안한다. 이를 위한 알고리즘은 먼저 원하는 영역의 경계를 찾아서 그 경계선들의 점을 찾는다. 이러한 점들을 이용하여 Radial Basis Function을 이용해서 슬라이스와 슬라이스 사이를 보간하고 이렇게 보간된 데이터들을 이용하여 Marching cube 알고리즘을 이용하여 렌더링 한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 하계종합학술대회 논문집
• /
• pp.482-485
• /
• 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(Orthogonal 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