• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -1
• /
• pp.30-33
• /
• 2002

To obtain good performance of radial basis function (RBF) neural networks, it needs very careful consideration in design. The selection of several parameters such as the number of centers and widths of the radial basis functions must be considered carefully since they critically affect the network's performance. We propose a learning algorithm for growing of complexity of RBF neural networks which is adapted automatically according to the complexity of tasks. The algorithm generates a new basis function based on the errors of network, the percentage of decreasing rate of errors and the nearest distance from input data to the center of hidden unit. The RBF's center is located at the point where the maximum of absolute interference error occurs in the input space. The width is calculated based on the standard deviation of distance between the center and inputs data. The steepest descent method is also applied for adjusting the weights, centers, and widths. To demonstrate the performance of the proposed algorithm, general problem of function estimation is evaluated. The results obtained from the simulation show that the proposed algorithm for RBF neural networks yields good performance in terms of convergence and accuracy compared with those obtained by conventional multilayer feedforward networks.

• 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.

• 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.

• 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.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.26.6-26
• /
• 2001

In this paper we introduce a new algorithm that enables radial basis function network(RBFN) to be structured automatically and guarantees the stability of the RBFN. Because this new algorithm is efficient and also have the advantage of fast computational speed we adopt this algorithm as online learning scheme for uncertain nonlinear dynamical systems. Based on the fact that a 3-layered RBFN can represent a specific nonlinear function reasonably well by linearly combining a set of nonlinear and localized basis functions, we show that this RBFN can identify the nonlinear system very well without knowing the information of the system in advance.

• 전자공학회논문지SC
• /
• 제38권5호
• /
• pp.1-6
• /
• 2001

본 논문에서는 신경망에 비해 보다 단순화되고 빠르게 수렴하는 특성을 보이는 방사 기준 함수 구조를 초기에 설계하기 위한 방법을 제안한다. 이를 위해 시간 주파수 지역화를 이용한 분석 기법을 사용하였고 방사기준 함수 구조를 초기에 주어진 문제에 적합한 최적 상태로 결정하였다. 시간-주파수 평면에서 지역화 특성이 대상 함수를 근사할 수 있는 특성을 지닌 방사 기준 함수를 사용하여 은닉층을 구성할 경우, 근사 능력을 지닌 초기 구조를 결정함에 있어서 장점을 지닌다.

• Transactions on Control, Automation and Systems Engineering
• /
• 제2권4호
• /
• pp.268-273
• /
• 2000

Plasma models are crucial to equipment design and process optimization. A radial basis function network(RBFN) in con-junction with statistical experimental design has been used to model a process plasma. A 2$^4$ full factorial experiment was employed to characterized a hemispherical inductively coupled plasma(HICP) in characterizing HICP, the factors that were varied in the design include source power, pressure, position of shuck holder, and Cl$_2$ flow rate. Using a Langmuir probe, plasma attributes were collected, which include typical electron density, electron temperature. and plasma potential as well as their spatial uniformity. Root mean-squared prediction errors of RBEN are 0.409(10(sup)12/㎤), 0.277(eV), and 0.699(V), for electron density, electron temperature, and Plasma potential, respectively. For spatial uniformity data, they are 2.623(10(sup)12/㎤), 5.704(eV) and 3.481(V), for electron density, electron temperature, and plasma potential, respectively. Comparisons with generalized regression neural network(GRNN) revealed an improved prediction accuracy of RBFN as well as a comparable performance between GRNN and statistical response surface model. Both RBEN and GRNN, however, experienced difficulties in generalizing training data with smaller standard deviation.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권5호
• /
• pp.555-562
• /
• 2004

소프트웨어 회사들은 새로운 개발보다는 기존 프로젝트의 유지보수와 성능향상 프로젝트를 보다 많이 수행한다. 기존의 비용 추정 모델들은 유지보수 프로젝트들에 적용할 수 있지만, 유지보수 분야에 적용시키기 위해서는 변경이 필요하다. 본 논문은 개발 프로젝트와 유지보수 프로젝트의 기능점수 계산방법을 분류하고 ISBSG의 밴치마킹 자료를 회귀 분석한 결과를 토대로 유지보수 프로젝트의 비용을 측정할 수 있는 방법을 제안하였다. 먼저, ISBSG 자료를 소프트웨어 비용에 영향을 미치는 요소인 프로그램 추가, 변경과 삭제 3가지 요소의 8가지 중에서 실제 유지보수가 나타나는 4가지 그룹으로 분류하였다. 그리고, 그룹별로 통계적 모델과 RBF 망(Radial Basis Function Network)을 이용한 모델을 개발하여 각각의 성능을 분석 평가한 결과 RBF 망이 통계적 모델보다 좋은 성능을 보였다.

• Geomechanics and Engineering
• /
• 재33권6호
• /
• pp.567-581
• /
• 2023

The prediction and achievement of a proper rock fragmentation size is the main challenge of blasting operations in surface mines. This is because an optimum size distribution can optimize the overall mine/plant economics. To this end, this study attempts to develop four improved artificial intelligence models to predict rock fragmentation through cascaded forward neural network (CFNN) and radial basis function neural network (RBFNN) models. In this regards, the CFNN was trained by the Levenberg-Marquardt algorithm (LMA) and Conjugate gradient backpropagation (CGP). Further, the RBFNN was optimized by the Dragonfly Algorithm (DA) and teaching-learning-based optimization (TLBO). For developing the models, the database required was collected from the Midouk copper mine, Iran. After modeling, the statistical functions were computed to check the accuracy of the models, and the root mean square errors (RMSEs) of CFNN-LMA, CFNN-CGP, RBFNN-DA, and RBFNN-TLBO were obtained as 1.0656, 1.9698, 2.2235, and 1.6216, respectively. Accordingly, CFNN-LMA, with the lowest RMSE, was determined as the model with the best prediction results among the four examined in this study.

• 한국항공우주학회지
• /
• 제37권5호
• /
• pp.433-441
• /
• 2009

대부분의 자연현상은 다학제 특성을 갖고 표현된다. 유체-구조 연계(FSI) 문제의 경우 기존에 검증된 전산유체 해석 프로그램 및 구조해석 프로그램을 그대로 사용할 수 있다는 장점 때문에 약결합 방식이 일반적으로 이용된다. 그러나 약결합을 이용하여 해석을 수행하기 위해서는 서로 다른 특성을 갖는 격자시스템으로 발생되는 자료의 교환을 위해서 보간 및 사상이 필수적이다. 본 연구에서는 전역지지 및 국부지지 방사기저함수(RBF)를 이용한 보간 및 가상일의 원리를 적용한 사상의 성능을 단순 3차원 형상에 적용하여 검토하였다. 국부지지 RBF에 공간분할 트리의 일종으로 빠른 공간 탐색을 가능하게 해주는 kd-tree를 사용하는 경우 효과적으로 거대 구조물의 FSI에도 보간 및 사상이 적용 가능함을 여객기 형상의 항공기 모형을 이용하여 제시하였다.