• 대한전자공학회논문지SP
• /
• 제44권2호
• /
• pp.82-92
• /
• 2007

본 논문에서는 3차원 얼굴인식을 위한 방사 기저 함수 신경망 기반의 새로운 전역적 형태 특징과 그 특징을 추출하는 방법을 제안한다. 방사 기저 함수 신경망은 방사 기저 함수들의 가중합으로써, 얼굴 형태 정보의 비선형성을 방사 기저 함수의 선형합으로 잘 표현한다. 이 논문에서는 얼굴의 가로 방향 프로파일을 학습된 방사 기저 함수 신경망에 적용시켰을 때 생성되는 가증치를 새로운 전역적 형태 특징으로 제안한다. 제안하는 전역적 형태 특징의 경우 국소적 특징의 특성을 가지며, 일반적인 전역적 특징의 특성인 특징의 복잡도도 감소시킨다. 100명의 데이터베이스 영상과 100명에 대한 서로 다른 3개의 포즈를 포함하는 300개의 테스트 영상을 이용한 실험에서 제안하는 전역적 형태 특징과 은닉 마르코프 모델을 이용한 특징 비교를 통해서 94.7%의 인식률을 얻었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권3호
• /
• pp.145-155
• /
• 2002

내용 기반 영상 검색에서 대부분의 기존 방법들은 서로 다른 특징들 사이의 선형 관계를 가정하고 또 사용자가 직접 각 특징의 가중치를 설정하도록 한다 허나 특징들 사이의 관계가 선형적으로 가정된 하에서는 고차원의 개념과 인간의 지각 주관성을 충분히 표현할 수 없는 단점이 있다. 본 논문에서는 신경망에 기반한 영상 검색 모델이 제안된다. 이는 RBFN을 이용한 내용 기반 영상 검색 기법과 인간컴퓨터 상호작용의 접근 방법을 기반으로 구축되었다. RBFN을 이용하여 특징들 사이의 비선형적 관계를 추출해낼 수 있고 사용자가 처음에 질의 영상을 선택하고 관련성 피드백을 통하여 점차적으로 목표 영상을 찾아나가도록 함으로써 영상의 비교를 더 정확하게 할 수 있다. 실험은 145개의 클래스로 구분되며 1,015개의 영상을 포함하는 데이타베이스를 사용하여 재생과 정도를 계산하였다. 실험 결과는 제안된 방법의 재생과 정도가 각각 93.45%과 80.61%로서, 기존의 선형 결합 방법이나 순위 기반 방법 그리고 역전파 알고리즘에 기반한 방법보다 더 뛰어난 검색 성능을 지님을 보여준다.

• 한국수자원학회논문집
• /
• 제33권4호
• /
• pp.505-515
• /
• 2000

본 연구는 하천에서 호우의 발생에 따라 하천 유출수문곡선을 예측코자 블랙박스모형의 신경망이론을 적용하여 수문학적인 문제를 규명하고자 하였다. 이를 위해 신경망 이론 중 Levenverg-Marquardt 방법에 의한 오차역전파 알고리즘과 Radial Basis Function Network(RBFN)를 이용하여 IHP 대표유역인 보청청유역에 수문곡선을 적용하여 선행유출량 예측과 미학습 유역의 적용성을 검토하였다. 그 결과 복잡하고 비선형적인 수문계의 강우-유출 과정의 학습에 있어 RBFN은 은닉층에서 자율학습, 출력층에서 지도학습의 두 단계로 나누어 학습을 함으로서 BP 알고리즘보다 학습시간이 빠르게 나타났고, 선행유출량의 예측결과 여러 통계적 지표에서 RBFN이 BP 알고리즘보다 좋은 결과를 얻을 수 있었다. 미학습 유역의 적용성 검토에서도 BP알고리즘과 RBFN 모두 첨두치가 비교적 실측자료의 경향과 비슷한 경향으로 나타났다.

• 조명전기설비학회논문지
• /
• 제22권4호
• /
• pp.46-53
• /
• 2008

본 연구에서는 고조파를 고려한 방사기저함수 네트워크 기반의 부하모델링 기법을 개발하였다. 개발된 부하모델은 입력정보로서 기본 주파수와 기본 전압 외에 고조파 성분도 고려하여 전압 및 주파수뿐만 아니라 고조파의 영향에 대해서도 효과적으로 부하를 추정할 수 있도록 구성하였다. 부하모델링을 위해 적용된 방사기저함수 네트워크는 기존에 널리 사용되는 다층 신경망에 비해 구조가 간단하고 수렴속도가 빠른 장점을 지니고 있다. 개발된 부하모델링 기법은 기존에 널리 사용되는 다항식과 다층 신경회로망 및 고조파 성분을 고려하지 않은 방사기저함수 네트워크를 이용한 부하모델 기법과 비교함으로써 제안방법의 타당성을 검증하였다.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2004년도 하계학술대회 논문집 Vol.5 No.2
• /
• pp.1129-1133
• /
• 2004

반도체공정 최적화에 소요되는 시간과 경비를 줄이기 위해 신경망 모델이 개발되고 있다. 주로 역전파 신경망을 이용하여 모델이 개발되고 있으며, 본 연구에서는 Radial Basis Function Network (RBFN)을 이용하여 플라즈마 식각공정 모델을 개발한다. 실험데이터는 유도결합형 플라즈마를 이용한 Silicon Carbide 박막의 식각공정으로부터 수집되었다. 모델개발을 위해 $2^4$ 전인자 (full factorial) 실험계획법이 적용되었으며, 모델에 이용된 식각응답은 식각률과 atomic force microscopy로 측정한 식각표면 거칠기이다. 모델검증을 위해 추가적으로 16번의 실험을 수행하였다. RBFN의 예측성능은 세 학습인자, 즉 뉴런수, width, 초기 웨이트 분포 (initial weight distribution-IWD) 크기에 의해 결정된다. 본 연구에서는 각 학습인자의 영향을 최적화하였으며, IWD의 불규칙성을 고려하여 주어진 학습인자에 대해서 100개의 모델을 발생하고, 이중 최소의 IWD를 갖는 모델을 선택하였다. 최적화한 식각률과 표면거칠기 모델의 RMSE는 각기 26 nm/min과 0.103 nm이었다. 통계적인 회귀모델과 비교하여, 식각률과 표면거칠기 모델은 각기 52%와 24%의 향상된 예측정확도를 보였다. 이로써 RBFN이 플라즈마 공정을 효과적으로 모델링 할 수 있음을 확인하였다.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 2003년도 추계학술대회
• /
• pp.368-373
• /
• 2003

A major concern at present is the simultaneous control of transverse thickness profile and flatness in the finishing stages of hot rolling process. The mathematical modeling of hot rolling process has long been recognized to be a desirable approach to investigate rolling operating practice and the design of mill equipment to improve productivity and quality. However, many factors make the mathematical analysis of the rolling process very complex and time-consuming. In order to overcome these problems and to obtain an accurate rolling force, the predicted model of rolling force using neural networks has widely been employed. In this paper, Radial Basis Function Network(RBFN) is applied to improve the accuracy of rolling force prediction in hot rolling mill. In order to verify and analysis the performance of applied neural network, the comparison with the measured rolling force and the predicted results using two different neural networks - RBFN, MLP, has respectively been carried out. The results obtained using RBFN neural network are much more accurate those obtained the MLP.

• 한국공작기계학회논문집
• /
• 제13권6호
• /
• pp.29-33
• /
• 2004

A major concern at present is the simultaneous control of transverse thickness profile and flatness in the finishing stages of hot rolling process. The mathematical modeling of hot rolling process has long been recognized to be a desirable approach to investigate rolling operating practice and the design of mill equipment to improve productivity and quality. However, many factors make the mathematical analysis of the rolling process very complex and time-consuming. In order to overcome these problems and to obtain an accurate rolling force, the predicted model of rolling force using neural networks has widely been employed. In this paper, Radial Basis Function Network(RBFN) is applied to improve the accuracy of rolling force prediction in hot rolling mill. In order to verify and analyze the performance of applied neural network the comparison with the measured rolling force and the predicted results using two different neural networks-RBFN, MLP, has respectively been carried out. The results obtained using RBFN neural network are much more accurate those obtained the MLP.

• 전력전자학회논문지
• /
• 제9권5호
• /
• pp.467-477
• /
• 2004

본 논문에서는 극저속 영역에서 서보 전동기 구동 장치의 관성을 추정하는 기법을 제안한다. 대개의 서보 시스템에서 저속 영역의 성능 향상을 위해 사용되는 순시 속도 관측기는 관성계수와 같은 기계계 파라미터의 변동에 민감하다. 이와 같은 문제를 해결하기 위해 방사형 기저 함수망(Radial Basis Function Networks)을 이용하는 전동기관성을 추정기법을 제안한다. 실험을 통하여 제안한 추정기법의 타당성을 검증한다.

• 제어로봇시스템학회논문지
• /
• 제10권2호
• /
• pp.185-191
• /
• 2004

Partial least squares(PLS) is one of multiplicate statistical process methods and has been developed in various algorithms with the characteristics of principal component analysis, dimensionality reduction, and analysis of the relationship between input variables and output variables. But it has been limited somewhat by their dependency on linear mathematics. The algorithm is proposed to classify for the non-linear data using PLS and the residual compensator(RC) based on radial basis function network (RBFN). It compensates for the error of the non-linear data using the RC based on RBFN. The experimental result is given to verify its efficiency compared with those of previous works.

• 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.