• Journal of Communications and Networks
• /
• 제12권6호
• /
• pp.600-604
• /
• 2010

A method of width adaptation in the radial basis function network (RBFN) using stochastic gradient (SG) algorithm is introduced. Using Taylor's expansion of error signal and differentiating the error with respect to the step-size, the optimal time-varying step-size of the width in RBFN is derived. The proposed approach to adjusting widths in RBFN achieves superior learning speed and the steady-state mean square error (MSE) performance in nonlinear channel environment. The proposed method has shown enhanced steady-state MSE performance by more than 3 dB in both nonlinear channel environments. The results confirm that controlling over step-size of the width in RBFN by the proposed algorithm can be an effective approach to enhancement of convergence speed and the steady-state value of MSE.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.261-263
• /
• 2009

본 연구에서는 복잡한 비선형 모델링 방법인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 PNN(Polynomial Neural Network)을 접목한 새로운 형태의 Radial Basis Function Polynomial Neural Network(RPNN)를 제안한다. RBF 뉴럴 네트워크는 빠른 학습 시간, 일반화 그리고 단순화의 특징으로 비선형 시스템 모델링 등에 적용되고 있으며, PNN은 생성된 노드들 중에서 우수한 결과값을 가진 노드들을 선택함으로써 모델의 근사화 및 일반화에 탁월한 효과를 가진 비선형 모델링 방법이다. 제안된 RPNN모델의 기본적인 구조는 PNN의 형태를 이루고 있으며, 각각의 노드는 RBF 뉴럴 네트워크로 구성하였다. 사용된 RBF 뉴럴 네트워크에서의 커널 함수로는 FCM 클러스터링을 사용하였으며, 각 노드의 후반부는 다항식 구조로 표현하였다. 또한 각 노드의 후반부 파라미터들은 최소자승법을 이용하여 최적화 하였다. 제안한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 데이터를 이용하여 그 우수성을 보인다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.381-383
• /
• 2009

본 논문에서는 대표적인 시스템 모델링 도구중의 하나인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)를 설계하고 모델을 최적화하기 위하여 최적화 알고리즘인 PSO(Particle Swarm Optimization) 알고리즘을 이용하였다. 즉, 모델의 최적화에 주요한 영향을 미치는 모델의 파라미터들을 PSO 알고리즘을 이용하여 동정한다. 제안된 RBF 뉴럴 네트워크는 은닉층에서의 활성함수로서 일반적으로 많이 사용되어지는 가우시안 커널함수를 사용한다. 더 나아가 모델의 최적화를 위하여 각 커널함수의 중심값은 HCM 클러스터링에 기반을 두어 중심값을 결정하고, PSO 알고리즘을 통하여 가우시안 커널함수의 분포상수, 은닉층에서의 노드 수 그리고 다수의 입력을 가질 경우 입력의 종류를 동정한다. 제안한 모델의 성능을 평가하기 위해 Mackey-Glass 시계열 공정 데이터를 적용하였으며 제안된 모델의 근사화와 일반화 능력을 분석한다.

• 센서학회지
• /
• 제25권3호
• /
• pp.161-172
• /
• 2016

The use of a chemical sensor array can help discriminate between chemicals when comparing one sample with another. The ability to classify pattern characteristics from relatively small pieces of information has led to growing interest in methods of sensor recognition. A variety of pattern recognition algorithms, including the adaptive radial basis function network (RBFN), may be applicable to gas and/ or odor classification. In this paper, we provide a broad review of approaches for various types of gas and/or odor identification techniques based on RBFN and drift compensation techniques caused by sensor poisoning and aging.

• Journal of Electrical Engineering and Technology
• /
• 제3권4호
• /
• pp.468-475
• /
• 2008

This paper presents a method for estimating the transient stability status of the power system using radial basis function(RBF) neural network with a fast hybrid training approach. A normalized transient energy margin(${\Delta}V_n$) has been obtained by the potential energy boundary surface(PEBS) method along with a time-domain simulation technique, and is used as an output of the RBF neural network. The RBF neural network is then trained to map the operating conditions of the power system to the ${\Delta}V_n$, which provides a measure of the transient stability of the power system. The proposed approach has been successfully applied to the 10-machine 39-bus New England test system, and the results are given.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제13권2호
• /
• pp.116-123
• /
• 2013

Currently, most automobiles have automatic transmission systems. The gear-shifting strategy used to generate shift patterns in transmission systems plays an important role in improving the performance of vehicles. However, conventional transmission systems have a fixed type of shift map, so it may not be enough to provide an efficient gear-shifting pattern to satisfy the demands of driver. In this study, we developed an intelligent strategy to handle these problems. This approach is based on a normalized radial basis function neural network, which can generate a flexible gear-shift pattern to satisfy the demands of drivers, including comfortable travel and fuel consumption. The method was verified through simulations.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.424-427
• /
• 2008

MRI 기계의 성능에 따라서 사용되는 슬라이스의 수가 적을 수 있다. 결과적으로 적은 슬라이스를 이용해 3D surface를 재구성하게 되면 퀄리티가 낮아지는 문제가 발생한다. 본 논문에서는 적은 수의 슬라이스를 이용하여 높은 퀄리티의 3D surface를 얻는 방법을 제안한다. 이를 위한 알고리즘은 먼저 원하는 영역의 경계를 찾아서 그 경계선들의 점을 찾는다. 이러한 점들을 이용하여 Radial Basis Function을 이용해서 슬라이스와 슬라이스 사이를 보간하고 이렇게 보간된 데이터들을 이용하여 Marching cube 알고리즘을 이용하여 렌더링 한다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1995년도 춘계학술대회
• /
• pp.265-269
• /
• 1995

In this study, we present a training method of radial basis function networks based on recursive modified Gram-Schmidt algorithm for single step prediction of chaotic time series. With single step predictions of Mackey-Glass time series and alpha-rhythm EEG which has chaotic characteristics, the radial basis function network trained by this method is compared with one trained by a classical non-recursive method and the radial basis function model proposed by X.D. He and A. Lapedes. The results show the effectiveness of the training method.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.451-452
• /
• 2007

본 논문에서는 다항식 기반 Radial Basis Function(RBF)신경회로망(Polynomial based Radial Basis Function Neural Networks)을 설계하고 이를 2-클래스 패턴 분류 문제에 응용하여 그 성능을 분석한다. 제안된 다항식기반 RBF 신경회로망은 입력층, 은닉층, 출력 층으로 이루어진다. 입력층은 입력 벡터의 값들을 은닉 층으로 전달하는 기능을 수행하고 은닉층은 Fuzzy c-means 클러스터링을 통하여 뉴런의 출력 값으로 내보낸다. 은닉층과 출력층사이의 연결가중치는 상수, 선형식 또는 이차식으로 이루어지며 경사 하강법에 의해 학습된다. Networks의 최종 출력은 연결가중치와 은닉층 출력의 곱에 의해 퍼지추론의 결과로서 얻어진다. 제안된 다항식기반 RBF 신경회로망은 각기 다른 4종류의 2-클래스 분류 문제에 적용 및 평가되어 분류기로써의 성능을 분석한다.

• Journal of Power Electronics
• /
• 제11권6호
• /
• pp.922-930
• /
• 2011

In this paper, two radial basis function neural networks (RBFNNs) are used to dynamically identify harmonics content in converter waveforms based on the p-q (real power-imaginary power) theory. The converter waveforms are analyzed and the types of harmonic content are identified over a wide operating range. Constant power and sinusoidal current compensation strategies are investigated in this paper. The RBFNN filtering training algorithm is based on a systematic and computationally efficient training method called the hybrid learning method. In this new methodology, the RBFNN is combined with the p-q theory to extract the harmonics content in converter waveforms. The small size and the robustness of the resulting network models reflect the effectiveness of the algorithm. The analysis is verified using MATLAB simulations.