• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 추계학술대회 학술발표 논문집 제14권 제2호
• /
• pp.477-480
• /
• 2004

최근 생산 현장에 최종 제품의 성능 보장을 위해 사용될 소재의 특성을 검사하는 장비가 도입.운영되고 있다. 이들 장치 중 Rheotruder는 폴리머 소재의 품질 평가기준이 되는 점도를 측정하기 위해 제작되었으며 이는 지연시간 및 비선형적 특성을 갖게 되어 시스템의 분석이 용이하지 않다는 문제점을 갖는다. 본 연구에서는 비선형 특성을 갖는 측정 장치의 성능 평가를 용이하게 하기 위해 동적 시스템 모델링이 가능한 TDNN(Time Delay Neural Network)을 도입하여 실제 Rheotruder에 적용하여 봄으로써 그 유용성을 확인하고자 한다.

• 한국통신학회논문지
• /
• 제18권5호
• /
• pp.634-642
• /
• 1993

본 논문에서는 로보트 매니퓰레이터 제어를 위하여 시간 지연이 있는 다층 신경회로망(TDNN)의 학습 알고리즘으로 매니퓰레이터의 역동역학 모델을 학습시키고 이것을 앞먹임(Feedforward)제어기로 사용하는 궤적 제어 방법을 새로이 제시하였다. TDNN 구조는 뉴런이 현재 및 과거의 입력 신호로부터 더 많은 정보를 추출할 수 있고 보다 효율적으로 학습할 수 있는 유리한 특징을 가지고 있다. TDNN 신경회로망은 기준 궤적 입력 신호와 비례 미분 제어기의 오차 신호를 각각 정규화하여 받아드린다. TDNN 신경회로망으로 입력되는 정규화 신호는 TDNN 신경회로망의 학습 효율을 향상시키는 것으로 입증되었다. 제안된 제어 방법을 두개의 관절을 가진 평면 로보트 매니퓰레이터에 대하여 적용하고 컴퓨터 시뮬레이션으로 고찰하였다.

• 한국정보처리학회논문지
• /
• 제3권5호
• /
• pp.1037-1045
• /
• 1996

본 논문은 전방차량 추적에 있어서 스테레오 카메라 패러렐 모델을 사용하여 전방 차량과의 거리 및 헤딩앵글 데이터를 추출하고 이들 데이터를 이용하여 무인자동차 ART(Binocular Autonomous Research Team vehicle)를 제어하는 방법에 관한 것이다. 무인자동창의 제어는 2개의 역전달 뉴럴네트워크의 일종인 TDNN(Time De-lay Neural Network)을 각각 독립적으로 사용하였다. 그중 하나는 S-TDNN으로 추적차량의 속도와 전방차량과의 거리를 제어하며, 다른 하나는 A-TDNN으로 무인차량의 스티어링 앵글을 전담 제어한다. 인간 운전자가 전방차량을 추적하면서 수집한 제이터를 이용하여 상기 뉴럴네트워크를 학습시키며, 학습된 뉴럴네트워크는 인간이 운전하였을 때와 같은 조건하에서 전방차량의 추적을 만족스럽게 수행하였다. 뉴럴네트워크를 이용한 제어프 로그램은 이식성이 높아 다른 종류의 차량에도 쉽게 적용할 수 있어 타모델에 적용 시에 개발경비와 소요 시간을 줄일 수 있는 장점이 있다.

• 말소리와 음성과학
• /
• 제9권2호
• /
• pp.85-94
• /
• 2017

Conventional speaker verification systems using time delay neural network, identity vector and probabilistic linear discriminant analysis (TDNN-Ivector-PLDA) are known to be very effective for verifying long-duration speech utterances. However, when test utterances are of short duration, duration mismatch between enrollment and test utterances significantly degrades the performance of TDNN-Ivector-PLDA systems. To compensate for the I-vector mismatch between long and short utterances, this paper proposes to use probabilistic linear discriminant analysis (PLDA) model adaptation with augmented data. A PLDA model is trained on vast amount of speech data, most of which have long duration. Then, the PLDA model is adapted with the I-vectors obtained from short-utterance data which are augmented by using vocal tract length perturbation (VTLP). In computer experiments using the NIST SRE 2008 database, the proposed method is shown to achieve significantly better performance than the conventional TDNN-Ivector-PLDA systems when there exists duration mismatch between enrollment and test utterances.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1992년도 한국자동제어학술회의논문집(국내학술편); KOEX, Seoul; 19-21 Oct. 1992
• /
• pp.1109-1114
• /
• 1992

Modern chemical processes are becoming more complicated. The sophisticated chemical processes have needed the fault diagnosis pxpert systems that can detect and diagnose the fault diagnosis expert systems that can detect and diagnose the faults of some processes and give and advice to the operator in the event of process faults. We present the Time-Delay Neural Network(TDNN) approach for on-line fautl diagnosis. The on-line fault diagnosis system finds the exact origin of the fault of which the symptom is propagated continuously with time. The proposed method has been applied to a pilot distillation column to show the merits and applicability of the TDNN.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 춘계학술대회
• /
• pp.711-714
• /
• 2009

잡음환경 하의 회화에서 잡음량을 줄이고 신호처리 시스템의 성능을 향상시키기 위해서는 잡음량에 따라서 적응적으로 처리되는 신호처리 시스템이 필요하다. 또한 잡음이 중첩된 음성으로부터 잡음을 제거하기 위해서는 잡음의 크기에 따라서 음성 처리 시스템의 파라미터를 변경하는 것이 양호한 음질의 음성을 재생하는데 바람직하다. 따라서 본 논문에서는 음성 속에 포함되는 잡음량을 인식하는 방법으로 선형예측계수를 구하여 시간지연신경회로망(Time-delay neural network: TDNN)의 입력으로 사용하여 학습시키는 잡음량을 인식하는 방법을 제안한다. 본 잡음량 인식은 다양한 배경잡음에 의하여 열화된 3종류의 음성이 TDNN에 의하여 학습되어진다. 본 실험에서는 Aurora2 데이터베이스를 사용하여 여러 잡음에 대하여 양호한 인식결과를 확인할 수 있었다.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.699-704
• /
• 2001

본 논문에서는 혼성 모듈 구조의 recurrent 시간지연신경회로망(time-delay neural network)과 HMM(hidden Markov model)을 결합한 음성인식을 위한 새로운 구조에 대해 연구하였다. 시간지연신경회로망에서는 윈도우 크기를 확장하는 것이 인식률 향상에 유리하므로 이를 위해 첫 번째 은닉층에 궤환 구조를 사용하여 윈도우 크기를 실제로 크게 하지 않고도 동일한 효과를 얻을 수 있도록 하였다. 다음 이 시간지연신경망에서 입력된 음소의 특징 벡터의 시간에 따라 변화하는 성질을 잘 처리 할 수 있도록 시간지연신경회로망의 입력층을 복수의 상태로 나누어 음소특징의 시간축에 대한 각 상태마다 특징 감지기를 갖도록 하였다. 이때 시간지연신경회로망은 전체 음성인식 영역에 적용될 수 있도록 모듈 방식의 구조로 구성되었다. 그리고 이 모듈 구조 시간지연신경망의 출력 벡터를 HMM에 연결하여 서로 결합 하므로써 양 구조의 장점을 취하는 혼성 구조의 인식시스템을 구성하였고 이때 이 혼성 구조에서 효율적으로 적용할 수 있는 HMM 파라미터 smoothing 방법을 제시하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권2호
• /
• pp.114-118
• /
• 2005

Recently, in order to guarantee the quality of the final product from the production line, several equipments able to examine the polymer ingredients' quality are being used. Rheotruder is one of the equipments manufactured to measure the viscosity of the ingredient that is an important factor for the quality of final product. However, Rheotruder has nonlinear characteristics such as time delay which make systematic analysis difficult. In this paper, in order to enhance the performance of Rheotruder, a new scheme is introduced. It incorporates TDNN (Time Delay Neural Network) bank and Elman network to get a right decision on whether the tested ingredient is good or not. Furthermore, the proposed scheme is verified through real test execution.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 춘계학술대회
• /
• pp.341-344
• /
• 2009

본 논문에서는 신경회로망(Neural network)에 시간구조를 도입한 시간지연 신경회로망(Time-delay Neural Network: TDNN)을 사용하여 잡음을 포함한 음성신호로부터 잡음을 제거함으로써 음성을 강조하는 것을 목적으로 한다. 본 논문에서는 먼저 각 프레임의 FFT 진폭성분들을 유성음 구간과 무성음 구간으로 검출한 후, 무성음 구간에 대해서는 각 프레임에서 이동평균을 취하여 음성을 강조한다. 유성음 구간에 대해서는 각 프레임의 FFT 진폭성분들을 저역, 중역 및 고역으로 각각 분리한 후에 각 대역의 FFT 진폭성분들을 저역용 TDNN, 중역용 TDNN, 그리고 고역용 TDNN의 입력으로 하여 각 TDNN에 학습시킴으로써 최종 FFT 진폭성분들을 구한다. 본 실험에서는 Aurora2 데이터베이스를 사용하여 FFT의 진폭성분을 복원하는 잡음제거의 알고리즘을 사용하여 여러 잡음에 대해서 본 알고리즘의 유효성을 실험적으로 확인한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2001년도 The Pacific Aisan Confrence On Intelligent Systems 2001
• /
• pp.122-127
• /
• 2001

This study investigates the effectiveness of time delay neural networks(TDNN) for the time dependent prediction domain. Although it is well-known fact that the back-propagation neural network(BPN) performs well in pattern recognition tasks, the method has some limitations in that it can only learn an input mapping of static (or spatial) patterns that are independent of time of sequences. The preliminary results show that the accuracy of TDNN is higher than the standard BPN with time lag. Our proposed approaches are demonstrated by the stork market prediction domain.