• 한국지능시스템학회논문지
• /
• 제6권2호
• /
• pp.26-35
• /
• 1996

In this paper, some fundamental problems concerning RBF(radial-basis-function) networks and approximation of functions are addressed. First, a comprehensive introduction to RBF networks is given with typical RBF networks classified into three classes. Next, sharp conditions are given under which continuous functions of a finite number of real variables can be approximated arbitrarily well by a certain class of RBF networks. Finally, a related result is given concerning the representation of functions in the form of distributed RBF networks.

• 융합신호처리학회논문지
• /
• 제3권1호
• /
• pp.48-53
• /
• 2002

본 논문에서는 무제약 필기체 숫자 인식에 있어서 향상된 RBF(Radial Basis Function) 신경망을 이용한 새로운 접근 방법을 제시하였다. RBF 신경망은 인식률과 인식 속도를 향상시키기 위해 기저 함수로서 Raised Cosine RBF를 사용하였다. Raised Cosine RBF 신경망 분류기의 성능 평가를 위하여 캐나다 몬트리올 Concordia 대학의 무제약 필기체 숫자 데이터베이스를 사용하였고, 실험 결과 98.05%의 인식률을 보였다.

• 한국수자원학회논문집
• /
• 제34권4호
• /
• pp.303-316
• /
• 2001

본 연구에서는 중소하천수계에서 수문학적 예측을 위하여 Hybrid Neural Networks의 일종인 반경기초함수(RBF) 신경망모형이 적용되었다. RBF 신경망모형은 4종류의 매개변수로 구성되어 있으며, 지율 및 지도훈련과정으로 이루어져있다. 반경기초함수로서 가우스핵함수(GKF)가 이용되었으며, GKF의 매개변수인 중심과 폭은 K-Means 군집알고리즘에 의해 최적화 된다. 그리고 RBF 신경망모형의 매개변수인 중심, 폭, 연결강도와 편차벡터는 훈련을 통하여 최적 매개변수의 값이 결정되며, 이 매개변수들을 이용하여 모형의 검증과정이 이루어진다. RBF 신경망모형은 한국의 IHP 대표유역중 하나인 위천유역에 적용하였으며, 모형의 훈련과 검증을 위하여 10개의 강우사상을 선택하였다. 또한 RBF 신경망모형과 비교검토하기 위하여 엘만 신경망(ENN)모형을 이용하였으며, ENN 모형은 일단게 할선역전파(OSSBP) 및 탄성역전파(RBP)알고리즘으로 이루어져 있다. 모형의 훈련과 검증과정을 통하여 RBF 신경망모형이 ENN 모형보다 양호한 결과를 나타내는 것으로 분석되었다. RBF 신경망모형은 훈련시키는데 시간이 적게 들고, 이론적 배경이 부족한 수문학자들도 쉽게 사용할 수 있는 신경망모형이다.

• 한국정보통신학회논문지
• /
• 제5권3호
• /
• pp.525-531
• /
• 2001

본 논문은 방사기저함수(RBF) 회로망이 도립진자 시스템의 검증에 관해 효과적으로 사용됨을 보여준다. 전체적인 제어시스템의 구성은 플랜트를 제어하기 위해 PD제어기와 RBF 회로망 제어기를 사용하여 병렬로 구성하였다. 그리고 제어 결과를 시뮬레이션을 통하여 PD 제어기와 RBF 회로망 제어기를 비교함과 동시에 비선형 제어에 대한 RBF 회로망의 우수성을 제시하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -1
• /
• pp.26-29
• /
• 2002

Radial Basis Function (RBF) networks is known as efficient method in classification problems and function approximation. The basis function of RBF networks is usual adopted normal distribution like the Gaussian function. The output of the Gaussian function has the maximum at the center and decrease as increase the distance from the center. For learning of neural network, the method treating the limited area of input space is sometimes more useful than the method treating the whole of input space. The q-normal distribution is the set of probability density function include the Gaussian function. In this paper, we introduce the RBF networks with the basis function of q-normal distribution and actually approximate a function using the RBF networks.

• 전기학회논문지
• /
• 제60권3호
• /
• pp.639-647
• /
• 2011

In this paper, we introduce a design methodology of data-centroid Radial Basis Function neural networks with extended polynomial function. The two underlying design mechanisms of such networks involve K-means clustering method and Particle Swarm Optimization(PSO). The proposed algorithm is based on K-means clustering method for efficient processing of data and the optimization of model was carried out using PSO. In this paper, as the connection weight of RBF neural networks, we are able to use four types of polynomials such as simplified, linear, quadratic, and modified quadratic. Using K-means clustering, the center values of Gaussian function as activation function are selected. And the PSO-based RBF neural networks results in a structurally optimized structure and comes with a higher level of flexibility than the one encountered in the conventional RBF neural networks. The PSO-based design procedure being applied at each node of RBF neural networks leads to the selection of preferred parameters with specific local characteristics (such as the number of input variables, a specific set of input variables, and the distribution constant value in activation function) available within the RBF neural networks. To evaluate the performance of the proposed data-centroid RBF neural network with extended polynomial function, the model is experimented with using the nonlinear process data(2-Dimensional synthetic data and Mackey-Glass time series process data) and the Machine Learning dataset(NOx emission process data in gas turbine plant, Automobile Miles per Gallon(MPG) data, and Boston housing data). For the characteristic analysis of the given entire dataset with non-linearity as well as the efficient construction and evaluation of the dynamic network model, the partition of the given entire dataset distinguishes between two cases of Division I(training dataset and testing dataset) and Division II(training dataset, validation dataset, and testing dataset). A comparative analysis shows that the proposed RBF neural networks produces model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제7권2호
• /
• pp.143-147
• /
• 2007

This paper proposes a new watermarking scheme in which a logo watermark is embedded into the discrete wavelet transform (DWT) domain of the original image using exact radial basis function neural networks (RBF). RBF will learn the characteristics of the image, and then watermark is embedded and extracted by the trained RBF. A watermark is added to the coefficients at the low frequency band of the DWT of an image and a watermark is embedded into the DWT domain using the trained RBF. The trained RBF also used in watermark extracting process. Experimental results show that the proposed method has good imperceptibility and high robustness to common image processing attacks.

• 한국통신학회논문지
• /
• 제28권5C호
• /
• pp.555-560
• /
• 2003

본 논문에서는 Synchronous DS-CDMA(direct sequence-code division multiple access) 시스템에서 준 최적의 RBF(radial basis function) 수신기를 제안한다. 제안된 수신기는 병렬적인 RBF Network들이 결합된 형태를 갖으며, 각 RBF Network는 일반적인 RBF 수신기의 구조를 갖는다. 각각의 RBF Network는 다른 RBF Network에 할당된 사용자들에 의해 야기되는 간섭 성분으로 인해 성능이 저하된다. 따라서, 이러한 간섭 영향을 완화시킬 수 있는 병렬 간섭제거 기법(PIC)을 각 RBF Network들간에 적용한다. 본 논문에서는 제안된 수신기가 요구되는 RBF의 개수(RBF의 중심값)를 줄일 수 있는 구조를 갖고, 수신과정에서 하나의 정보열당 요구되는 연산량 또한 줄일 수 있는 구조임을 확인하였다. 그리고, AWGN 채널에서의 모의실험을 통해 일반적인 수신기보다 복잡도를 줄인 제안된 수신기가 최적의 수신기와 유사한 성능을 나타냄을 확인하였다. 또한, 제안된 수신기가 다양한 시스템 요구사항에 대처할 수 있음을 확인하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권11호
• /
• pp.251-262
• /
• 2019

본 논문에서는 뉴로모픽 칩에서 운영되는 RBF 네트워크를 다양한 형태로 제공하는 시뮬레이터를 제안한다. 뉴로모픽 칩의 RBF 네트워크를 학습할 때 시뮬레이터를 사용할 경우에는 시간은 단축되지만 다양한 형태의 알고리즘을 테스트하기 어렵다는 단점이 있다. 본 제안 시뮬레이터는 기존 시뮬레이터와 비교하여 4배 많은 종류의 네트워크 구조 모의실험이 가능하며 특히, 이중 레이어 구조를 추가로 제공한다. 이중 레이어 구조는 다중 데이터 입력 시 활용되도록 구성하였으며 성능 분석 결과, 본 이중 레이어 구조가 기존보다 더 높은 정확도를 보였다.

• 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.