• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.652-658
• /
• 2010

본 논문에서는 밸런싱 메커니즘의 두 바퀴 형태의 이동로봇(Two Wheeled Mobile Robot:TWMR)을 구현하고 제어한다. TWMR은 역진자 시스템과 이동로봇을 합친 모바일 역진자 구조로 기존의 막대 형태의 진자대신 두 팔 달린 로봇 형태를 나타낸다. 각도와 위치에 대한 동시제어에 있어 외란에 대한 강건성을 부여하기 위해 RBF 신경회로망 제어 방식을 사용한다. 신경회로망 제어 방식으로는 입력보상 방식(RCT)을 사용하여 제어기의 성능을 실험을 통해 검증한다. 또한 원격으로 제어가능하게 하도록 시스템을 구현하여 실험하였다.

• Journal of Electrical Engineering and Technology
• /
• 제2권2호
• /
• pp.157-164
• /
• 2007

Diagnosis techniques based on the dissolved gas analysis(DGA) have been developed to detect incipient faults in power transformers. Various methods exist based on DGA such as IEC, Roger, Dornenburg, and etc. However, these methods have been applied to different problems with different standards. Furthermore, it is difficult to achieve an accurate diagnosis by DGA without experienced experts. In order to resolve these drawbacks, this paper proposes a novel diagnosis method using fuzzy clustering and a radial basis neural network(RBFNN). In the neural network, fuzzy clustering is effective for selecting the efficient training data and reducing learning process time. After fuzzy clustering, the RBF neural network is developed to analyze and diagnose the state of the transformer. The proposed method measures the possibility and degree of aging as well as the faults occurred in the transformer. To demonstrate the validity of the proposed method, various experiments are performed and their results are presented.

• 한국통신학회논문지
• /
• 제28권5C호
• /
• pp.452-460
• /
• 2003

본 논문에서는 optimal Bayesian equalization solution인 RBF(radial basis function)를 이용한 등화기 (RE)의 구조를 보다 단순화하고, 비선형 왜곡 등의 심각한 정보 신호의 손상에 대한 보상 능력을 향상시키기 위하여 비선형 다층 결합을 갖는 RBF측 이용한 등화기(RNE)를 새로이 제안한다. 기존의 RE는 RBF로 구성된 은닉층의 출력 값을 선형 결합하여 등화기 출력을 얻는다. 이와 달리 새로이 제안하는 RNE는 기존의 RE에서 RBF로 구성된 은닉층의 출력 값에 대한 결합 기법으로 perceptron을 이용한 비선형 다층 결합을 사용한다. 제안한 equalizer를 결정궤환 방식이 있는 경우와 없는 경우의 등화기로 각각 구현한다. 실험 결과 제안한 등화기는 선형 간섭이 존재하는 디지털 통신 시스템과 비선형 왜곡이 존재하는 자기기록 시스템에서보다 간단한 구조로 기존의 optimal Bayesian 등화기와 거의 같거나 우수한 비트 오류 화률 성능 및 MSE(men squared error) 수렴 특성을 나타내었다.

• 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.

• Smart Structures and Systems
• /
• 제32권5호
• /
• pp.319-338
• /
• 2023

The study presents a new hybrid data-driven method by combining radial basis functions neural networks (RBF-NN) with the Jaya algorithm (JA) to provide effective structural health monitoring of arch dams. The novelty of this approach lies in that only one user-defined parameter is required and thus can increase its effectiveness and efficiency, as compared to other machine learning techniques that often require processing a large amount of training and testing model parameters and hyper-parameters, with high time-consuming. This approach seeks rapid damage detection in arch dams under dynamic conditions, to prevent potential disasters, by utilizing the RBF-NNN to seamlessly integrate the dynamic elastic modulus (DEM) and modal parameters (such as natural frequency and mode shape) as damage indicators. To determine the dynamic characteristics of the arch dam, the JA sequentially optimizes an objective function rooted in vibration-based data sets. Two case studies of hyperbolic concrete arch dams were carefully designed using finite element simulation to demonstrate the effectiveness of the RBF-NN model, in conjunction with the Jaya algorithm. The testing results demonstrated that the proposed methods could exhibit significant computational time-savings, while effectively detecting damage in arch dam structures with complex nonlinearities. Furthermore, despite training data contaminated with a high level of noise, the RBF-NN and JA fusion remained the robustness, with high accuracy.

• 전자공학회논문지B
• /
• 제31B권11호
• /
• pp.151-162
• /
• 1994

다차원 시스템(multidimensional system)에 대한 정확한 모델링을 위해 “자율 분산 신경망(Self-organized Distirbuted Networks, SODN)”을 제안하였다. 제안한 신경망은 자율 신경망(Self-organized Networks)과 다수의 소규모 다층 신경망(Multilayer Neural Networks)이 조합되어 지역적 병렬 학습을 수행하는 부분 학습망으로서 학습 속도가 빠르고 학습의 정밀도를 높일 수 있으며 타 부분망 학습에서 문제가 되는 과다한 학습 메모리 소요와 학습되니 않은 영역에 대한 낮은 일반화능력 등의 문제가 보완된 새로운 신경망이다. 학습 실험 결과, 제안한 신경망은 기존의 다층 신경망과 RBF(Radial Basis Function) 신경망에 비해서 우수한 성능을 보였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 ISIS 2003
• /
• pp.603-607
• /
• 2003

The judgment of forged passports plays an important role in the immigration control system, for which the automatic and accurate processing is required because of the rapid increase of travelers. So, as the preprocessing phase for the judgment of forged passports, this paper proposed the novel method for the recognition of passport based on the fuzzy binarization and the fuzzy RBF neural network newly proposed. first, for the extraction of individual codes being recognized, the paper extracts code sequence blocks including individual codes by applying the Sobel masking, the horizontal smearing and the contour tracking algorithm in turn to the passport image, binarizes the extracted blocks by using the fuzzy binarization based on the membership function of trapezoid type, and, as the last step, recovers and extracts individual codes from the binarized areas by applying the CDM masking and the vertical smearing. Next, the paper proposed the enhanced fuzzy RBF neural network that adapts the enhanced fuzzy ART network to the middle layer and applied to the recognition of individual codes. The results of the experiment for performance evaluation on the real passport images showed that the proposed method in the paper has the improved performance in the recognition of passport.

• 전기학회논문지
• /
• 제58권6호
• /
• pp.1230-1237
• /
• 2009

In this paper, we develop a design methodology of Granular-based Radial Basis Function Neural Networks(GRBFNN) by context-based clustering. In contrast with the plethora of existing approaches, here we promote a development strategy in which a topology of the network is predominantly based upon a collection of information granules formed on a basis of available experimental data. The output space is granulated making use of the K-Means clustering while the input space is clustered with the aid of a so-called context-based fuzzy clustering. The number of information granules produced for each context is adjusted so that we satisfy a certain reconstructability criterion that helps us minimize an error between the original data and the ones resulting from their reconstruction involving prototypes of the clusters and the corresponding membership values. In contrast to "standard" Radial Basis Function neural networks, the output neuron of the network exhibits a certain functional nature as its connections are realized as local linear whose location is determined by the values of the context and the prototypes in the input space. The other parameters of these local functions are subject to further parametric optimization. Numeric examples involve some low dimensional synthetic data and selected data coming from the Machine Learning repository.

• ETRI Journal
• /
• 제28권1호
• /
• pp.59-66
• /
• 2006

Learning behaviors of a radial basis function network (RBFN) using a singular value decomposition (SVD) and stochastic gradient (SG) algorithm, together named RBF-SVD-SG, for odor sensing systems are analyzed, and a fast training method is proposed. RBF input data is from a conducting polymer sensor array. It is revealed in this paper that the SG algorithm for the fine-tuning of centers and widths still shows ill-behaving learning results when a sufficiently small convergence coefficient is not used. Since the tuning of centers in RBFN plays a dominant role in the performance of RBFN odor sensing systems, our analysis is focused on the center-gradient variance of the RBFN-SVD-SG algorithm. We found analytically that the steadystate weight fluctuation and large values of a convergence coefficient can lead to an increase in variance of the center-gradient estimate. Based on this analysis, we propose to use the least mean square algorithm instead of SVD in adjusting the weight for stable steady-state weight behavior. Experimental results of the proposed algorithm have shown faster learning speed and better classification performance.

• 한국지능시스템학회논문지
• /
• 제21권5호
• /
• pp.595-601
• /
• 2011

본 논문에서는 영상 정보를 이용하여 로보커 팔위의 역진자의 밸런싱 제어를 한다. 로봇 팔위에 놓인 역진자의 각도는 카메라로 검출하고 검출된 각도 값은 제어기로 귀환되어 오차를 생성한다. 따라서 전체 제어루프는 폐회로 루프를 형성한다. 제어 성능을 높이기 위해 기존 선형제어기에 신경망 제어기를 더하였다. RBF 네트워크의 학습 알고리즘은 FPGA에 설계된 부동소수점 연산이 가능한 디지털 제어기에 의해 수행된다. 실험을 통하여 전체 시스템 성능을 검증하였다.