• 전자공학회논문지CI
• /
• 제37권1호
• /
• pp.32-42
• /
• 2000

이 논문에서는 비선형 시스템 모델링을 위한 일반화된 RBF 신경회로망(GRBFN)을 순차적으로 구성하기 위한 온라인 학습 알고리즘을 제안한다. 상수 연결강도를 갖는 표준 RBF 신경회로망의 확장형인GRBFN은 여러 개의 국부 선형모델을 결합하여 비선형 시스템을 표현할 수 있는 구조이다. 제안한 학습 알고리즘은 구조 학습과 파라미터 학습을 수행하는 두 단계의 학습으로 구성된다. 구조 학습은 주어진 훈련 데이터로부터 새로운 은닉 유니트 및 선형 국부모델을 할항하기 위하여 훈련 오차와 Mahalanobis 거리에 기초한 두 개의 생성 조건을 이용하여 GRBFN 모델을 구성한다. 파라미터 학습은 경사강하 법칙을 기반으로 기존 네트웍의 파라미터 벡터를 갱신한다. 제안한 알고리즘의 모델링 성능을 평가하기 위해서 잘 알려진 두 예제에 대한 시뮬레이션 및 결과를 제시한다.

• 한국자동차공학회논문집
• /
• 제10권5호
• /
• pp.29-34
• /
• 2002

This study presents the process of the continuous-time system identification for unknown nonlinear systems. The Radial Basis Function(RBF) error filtering identification model is introduced at first. This identification scheme includes RBF network to approximate unknown function of nonlinear system which is structured by affine form. The neural network is trained by the adaptive law based on Lyapunov synthesis method. The identification scheme is applied to engine and the performance of RBF error filtering Identification model is verified by the simulation with a three-state engine model. The simulation results have revealed that the values of the estimated function show favorable agreement with the real values of the engine model. The introduced identification scheme can be effectively applied to model-based nonlinear control.

• 전자공학회논문지C
• /
• 제35C권11호
• /
• pp.89-98
• /
• 1998

정적 시스템 모델링을 위해 RBF 신경회로망의 은닉 유니트를 자동으로 생성하는 ERAN을 제안한다. ERAN은 관측 데이터의 신규성을 기반으로 새로운 은닉 유니트를 할당하는 RAN의 성능을 개선한 것이다. ERAN의 학습 과정은 새로운 은닉 유니트의 생성과 네트웍 파라미터 학습을 포함한다. 네트웍은 초기에 0개의 은닉 유니트로 시작하여 세 가지의 은닉 유니트 생성 판별기준을 만족할 경우에만 새로운 은닉 유니트를 생성시킨다. 네트웍의 파라미터는 LMS 알고리즘을 이용하여 조정한다. 제안한 ERAN의 성능은 순차 학습 및 랜덤 학습을 갖는 비선형 정적 시스템 모델링 문제에 대하여 RAN의 결과와 성능을 비교한다. 두 실험에 대하여 ERAN은 RAN 보다 적은 은닉 유니트를 가지고 정확성이 더 우수한 RBF 신경회로망을 구현할 수 있음을 보인다.

• 한국지능시스템학회논문지
• /
• 제21권4호
• /
• pp.449-455
• /
• 2011

본 논문에서는 원격제어 시스템의 시간지연 문제를 분석하고 그 문제를 신경망으로 보상한다. 스미스 예측기는 시간지연 시스템에서 정확한 모델을 필요로 한다. 스미스 예측기의 모델링 오차를 보상하기 위해 신경회로망을 사용한다. 스미스 예측기를 구성하기 위해 Radial Basis Function(RBF) 신경회로망이 사용된다. 시뮬레이션과 실험을 통해 제안하는 방법의 동작을 검증한다.

• 한국정보통신학회논문지
• /
• 제3권3호
• /
• pp.553-558
• /
• 1999

환자의 상태 및 심장 질환 등의 진단에 있어 매우 중요한 정보신호는 심전도 신호이며, 많은 잡음이 혼입되어 있기 때문에 잡음 신호의 필터링이 매우 어렵고 잘못된 신호처리는 심전도 신호의 왜곡을 가져올 수 있다. 심전도 신호의 잡음을 필터링하기 위해 기존의 방법은 다 단계 형태로 필터를 구성하여 처리하기 때문에 신호처리 구조가 복잡하고 연산 량이 많아 처리속도가 느려진다. 이러한 문제를 개선하기 위해 인공지능의 한 기법인 RBF 신경회로망을 이용하여 간단한 구조로 심전도 신호의 필터링 방법을 제안하고, 실험한 결과 우수한 성능을 얻었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 D
• /
• pp.2531-2533
• /
• 2004

일반적으로 ECG(electrocardiogram)파형은 정상인의 경우에도 그 형태가 일정하지 않으며, 측정시간 및 측정인의 상태에 따라서도 파형이 변화하기 때문에 표준화된 ECG파형 검사로는 개인의 특성에 따른 정밀 진단이 어려웠다. 따라서 자동화된 개인별 맞춤형 진단을 위해서는 측정대상에 대한 사용자인식 기술이 필수적이다. 본 논문에서는 세 가지 잡음제거법을 이용하여 파형의 잡음성분을 제거하고, ECG Limb Lead III 파형의 다양한 신호간격(interval) 특성치와 미분변화량을 통한 꼭짓점 분석 등을 통하여 파형으로부터 특정인의 특징을 추출한 후 신경회로망을 이용하여 생체인식을 수행하였다. 실험은 동일한 연령대인 7명의 성인남녀를 대상으로 하였고, 재현성을 평가하기 위해서 인위적인 변화(커피, 담배, 알코올 섭취 및 스트레스)후의 ECG파형을 측정, 특정인 인식률을 실험한 결과 실험에 이용된 제한된 변동 내에서 90.9%의 인식률을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1343-1344
• /
• 2015

본 연구에서는 증분형 FCM(Incremental Fuzzy C-Means: Incremental FCM) 클러스터링 알고리즘을 기반으로 방사형 기저함수 신경회로망(Radial Basis Function Neural Networks: RBFNN) 패턴 분류기를 설계한다. 방사형 기저함수 신경회로망은 조건부에서 가우시안 함수 또는 FCM을 사용하여 적합도를 구하였지만, 제안된 분류기에서는 빅 데이터간의 적합도를 구하기 위해 증분형 FCM을 사용한다. 또한, 빅 데이터를 학습하기 위해 결론부에서 재귀최소자승법(Recursive Least Square Estimation: RLSE)을 사용하여 다항식 계수를 추정한다. 마지막으로 추론부에서는 증분형 FCM에서 구한 적합도와 재귀최소자승법으로 구한 다항식을 이용하여 최종 출력을 구한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 B
• /
• pp.394-396
• /
• 1997

This paper describes RBF network controller based on fuzzy control rules for intelligent control of nonlinear systems. The proposed scheme is derived from the functional equivalence between RBF networks and fuzzy inference systems. The design procedure of the proposed scheme is realized by first transforming the fuzzy control rules into the parameters of RBF networks. The optimized RBF network controller is then performed through the gradient descent learning mechanism to an error function. The proposed method is rigorously tested using a nonlinear and unstable nonlinear system. Simulation is performed to demonstrate the feasibility and effectiveness of the proposed scheme.

• 융합신호처리학회논문지
• /
• 제2권3호
• /
• pp.79-85
• /
• 2001

본 논문에서는 퍼지 보상기와 자기구성 신경회로망을 이용하여 3축 매니퓰레이터의 역 기구학 해를 구하는 방법을 제안한다. 가우시안 위치 함수를 활성화 함수로 사용하는 자기구성 신경회로망은 학습 시작시 1개의 은닉층 노드를 가지고 학습을 하면서 점차적으로 은닉층의 노드수를 증가시킴으로서 최적의 노드수를 얻을 수 있으며, 퍼지 보상기는 신경회로망의 양호한 학습비를 얻는다. 이와 같이 시스템을 구성하여 빠른 학습속도와 학습비의 개선 그리고 빠른 정상상태로의 수렴을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 G
• /
• pp.2203-2205
• /
• 1998

This paper describes fuzzy radial basis function networks(FRBFN) extracting fuzzy rules through the learning from training data set. The proposed FRBFN is derived from the functional equivalence between RBF networks and fuzzy inference systems. The FRBFN learn by assigning new fuzzy rules and updating the parameters of existing fuzzy rules. The parameters of the FRBFN are adjusted using the standard LMS algorithm. The performance of the FRBFN is illustrated with function approximation and system identification.