• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04b
• /
• pp.805-808
• /
• 2002

컴퓨터 시스템 및 네트워크에 대한 침입 공격의 방법 중 이미 알려진 형태의 공격에 대해서는 상대적으로 탐지가 용이하나 사용자의 비정상행위는 방법의 다양성 때문에 탐지가 매우 어렵다. 그러나, 사용자의 정상적인 행동은 몇 가지 소수의 형태로 특정 지어질 수 있다. 본 논문에서는 상대적으로 변화가 적은 정상 행위를 신경망으로 Modeling하여 이를 비정상 행위 탐지에 적용하는 기법을 제안한다. 이를 위하여 입력 영역을 지역화 하는 특성을 갖는 RBF(Radial-Basis-Fuction) 신경망에 대한 단일 Class의 학습방법을 제안하고, 이를 이용한 비정상 행위에 대한 공격의 탐지에 대한 적용 방안을 제시한다. 비정상 행위 탐지에 대한 적용 가능성을 검증하기 위하여 사용자가 키보드 입력 유형을 학습하고 이를 이용하여 타인의 ID와 Password를 도용한 경우의 탐지에 적용하였다.

• Journal of Institute of Control, Robotics and Systems
• /
• v.10 no.12
• /
• pp.1249-1255
• /
• 2004

A new parameter adaptation scheme for RBF Neural Network (NN) has been developed in this paper. Even though the RBF Neural Network (NN) based controllers are robust against both un-modeled dynamics and external disturbances, the performance is not satisfactory for a fast and precise mobile robot. To improve the tracking performance as well as robustness, all the parameters of RBF NN are updated in real time. The stability of this control law is rigorously proved by following the Lyapunov stability theory and shown by the experimental simulations. The fact that all of the weighting factors, width and center of RBF NN have been updated implies that this scheme utilizes all the possibilities in RBF NN to make the controller robust and precise while the mobile robot is following un-known trajectories. The performance of this new algorithm has been compared to the conventional RBF NN controller where some of the parameters are adjusted for robustness.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.14 no.12
• /
• pp.6484-6487
• /
• 2013

This paper reports the direct controller for nonlinear plants using a neural network. The controller was composed of an approximate controller and a neural network auxiliary controller. The approximate controller provides rough control and the neural network controller gives the complementary signal to further reduce the output tracking error. This method does not place too much restriction on the type of nonlinear plant to be controlled. In this method, a RBF neural network was trained and the system showed stable performance for the inputs it has been trained for. The simulation results showed that it was quite effective and could realize satisfactory control of the nonlinear system.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.36-39
• /
• 1999

본 논문에서는 기존의 반연속 HMM과 신경망 알고리즘인 RBF(Radial Basis Function)를 혼합한 형태를 음성인식에 적용한다. 기존의 반연속 HMM은 학습 과정에서 모든 모델과 상태에서 공유되는 L개의 가우시안 확률 밀도들과 각가우시안 확률 밀도들의 가중치를 결정하는 흔합 밀도계수 의해 입력 음성의 특징을 확률적으로 모델링하는 혼합 확률을 얻고 또 Maximum likelihood와 Baum-Welch 알고리즘을 이용해 초기확률, 전이확률, 관측확률, 평균벡터 $\mu$, 공분산 행렬 $\Sigma$을 학습해 나간다. 그러나 제안한 RBF/반연속 HMM 혼합형태는 RBF의 변형된 방식을 첨가해 반연속 HMM 관측 파라미터를 RBF에 의해 결정함으로써 보단 분별릭 있는 화자독립 인식 시스템이 된다. 그래서 인식 실험결과 인식률에 있어서 기존의 반연속 HMM보다 향상된 인식률을 얻는다.

• The Transactions of the Korean Institute of Electrical Engineers A
• /
• v.48 no.2
• /
• pp.168-175
• /
• 1999

In this paper, a modified RBF(Radial Basis Function) network structure is suggested for the prediction of a time-series with non-linear, non-stationary characteristics. Coventional RBF network predicting time series by using past outputs sense the trajectory of the time series and react when there exists strong relation between input and hidden activation function's RBF center. But this response is highly sensitive to level and trend of time serieses. In order to overcome such dependencies, hidden activation functions are modified to react to the increments of input variable and multiplied by increment(or dectement) for prediction. When the suggested structure is applied to prediction of Macyey-Glass chaotic time series, Lorenz equation, and Rossler equation, improved performances are obtained.

• Proceedings of the Korea Institutes of Information Security and Cryptology Conference
• /
• 2002.11a
• /
• pp.144-146
• /
• 2002

현재 침입탐지 시스템은 인터넷의 확장과 더불어 네트워크 보안을 보장하기 위한 광범위한 수단으로 이용되고 있다. 이러한 탐지 시스템중 신경망의 적용은 분산된 네트워크와 다양한 공격환경하의 오용탐지와 비정상행위 탐지에 좋은 응용이 되고 있다. 본 연구에서는 RBF-신경망을 이용한 침입탐지 시스템이 가지고 있는 단점 중 하나인 학습데이터의 공격과 정상의 비율에 따라 탐지 율의 차이가 큰 것에 착안, 보다 자동화되고 안정된 학습을 위한 데이터 결정 알고리즘을 제안한다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1996.11a
• /
• pp.994-998
• /
• 1996

We propose an approach to integrating fuzzy logic control with RBF(Radial Basis Function) networks and show how the integrated network can be applied to multivariable self-organizing and self-learning fuzzy controller. Using the hybrid learning algorithm. To investigate its usefulness and performance, this controller is applied to a time-delayed process system. Simulation results show good control performance and fast convergency in hybrid loaming method.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.637-639
• /
• 2003

본 논문은 카메라로 획득한 배의 표면과 꼭지 영상을 입력으로 하여 RBF 신경망 기반 분류기를 사용하여 양호한 배인지 아닌지를 판별하는 판별기의 설계에 대해 설명한다. 먼저 입력 영상에서 배경을 분리시킨 후 배만을 포함하는 영상을 얻고 이 영상에서 윤곽선과 같은 여러 가지 특징들을 추출한 후 미리 대량의 표면 영상과 꼭지 영상으로 훈련시킨 두 개의 RBF 신경망 기반 분류기를 사용하여 배의 상태를 판별한다. 구현되는 세부 모듈을 과일 종류에 맞게 수정한다면 제안되는 방법을 사과, 참외와 같은 다른 과일에도 적용할 수 있을 것이다.

• Journal of the Korea Society of Computer and Information
• /
• v.10 no.6 s.38
• /
• pp.279-286
• /
• 2005

The objective of this study is to suggest a credit scoring model of a capital company's customers by integration of multiple classifiers using genetic algorithm. For this purpose , an integrated model is derived in two phases. In first phase, three types of classifiers MLP (Multi-Layered Perceptron), RBF (Radial Basis Function) and linear models - are trained, in which each type has three ones respectively so htat we have nine classifiers totally. In second phase, genetic algorithm is applied twice for integration of classifiers. That is, after htree models are derived from each group, a final one is from these three, In result, our suggested model shows a superior accuracy to any single ones.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.2
• /
• pp.109-114
• /
• 2001

본 논문에서는 비선형 제어시스템의 성능 개선을 위한 새로운 신경망 직접 적응제어 알고리즘을 제시하였다. 제어칙은 Gaussian RBF 신경망을 이용한 제어입력과 근사화 오차 및 외란의 영향을 제거하기 위한 보조제어 입력으로 구성하였다. 또한 신경망에 사용된 가중치와 보조입력의 파라미터를 조정하기 위한 적응칙은 Lyapunov 안정도 이론에 의하여 구하였다. 이렇게 함으로써 외란이나 근사화 오차에 관계없이 플랜트와 기준모델 사이의 오차가 0이 되도록 하는 알고리즘을 구할 수 있었다. 또한 제시된 알고리즘의 효용성을 알아보기 위하여 Duffing forced oscillation 시스템에 대하여 시뮬레이션 하여본 결과 만족할만한 성능을 얻을 수 있었다.