• Journal of Information Processing Systems
• /
• v.18 no.4
• /
• pp.510-523
• /
• 2022

Considering the problems of poor control effect, weak disturbance rejection ability and adaptive ability of two-wheeled self-balanced robot (TWSBR) systems on undulating roads, this paper proposes a fuzzy neural network active disturbance rejection controller (FNNADRC), that is based on fuzzy neural network (FNN) for online correction of active disturbance rejection controller (ADRC)'s nonlinear control rate. Firstly, the dynamic model of the TWSBR is established and decoupled, the extended state observer (ESO) is used to compensate dynamically and linearize the upright and displacement subsystems. Then, the nonlinear PD control rate and FNN are designed, and the FNN is used to modify the control parameters of the nonlinear PD control rate in real time. Finally, the proposed control strategy is simulated and compared with the traditional ADRC and fuzzy active disturbance rejection controller (FADRC). The simulation results show that the control effect of the proposed control strategy is slightly better than ADRC and FADRC.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.1237-1240
• /
• 2010

지금의 IPTV는 IP기반 방송융합 서비스로서 현재 세계 유명 통신 사업자들을 중심으로 빠르게 발전하고 있다. 하지만 'IP+방송' 이라는 그저 단순한 결합과 부가서비스들의 제한으로 인해 기술의 비효율성이 드러나 있으며, 주로 IPTV서비스를 필두로 현재 콘텐츠에 대한 유출사고가 이루어지고 있다. 따라서 변화된 새로운 형태의 차세대 IPTV서비스와 더불어 그 특성에 맞게 보안 서비스에 대한 요구사항이 필요하다. 본 연구에서는 유무선 통합 환경에서 제공되는 IPTV서비스에서의 안전하고 효율적인 콘텐츠 서비스 제공을 위한 'CAS 적응형 DRM 모델'을 제안하였다. 사용자가 다운로드한 DRM이 적용된 콘텐츠를 안전하고 효율적으로 자신이 소유한 디바이스에서 이용할 수 있는 방안을 제시한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.679-682
• /
• 2010

피부 영역 검출 기술은 생체 인식 기술의 하나로서 얼굴 자동 인식 혹은 손 모양 자동 인식 등을 위해 사용되고 있다. 일반적으로 색상을 이용하여 피부 영역을 검출하기 위해서는 다양한 피부색 샘플을 이용해 구해진 피부색 모델을 이용한다. 하지만 피부색은 사람마다 다르고, 조명과 같은 주변 환경의 영향도 받기 때문에 다양한 영상에 하나의 고정된 피부색 모델을 적용하여 피부 영역을 검출하기에는 한계가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 영상 피드백 방법을 이용하여 영상에 적응적인 피부색 모델을 구한 뒤 이를 적용하여 피부 영역을 추출하는 방법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.39-42
• /
• 2009

사용자 적응형 추천 시스템의 목적은 사용자의 선호도와 행동 정보 등을 분석, 분류하여 그를 바탕으로 각 사용자가 필요로 하거나 선호 할 만한 서비스를 사용자에게 추천하여 사용자 편리성을 높이는 것이다. 그러나 기존의 추천 시스템은 새로운 사용자의 등장이나 새로운 서비스의 등장 시 분석에 많은 시간을 필요로 하거나, 과특성화와 희귀성이라는 특성으로 인한 추천 서비스 단순화 등의 문제점을 안고 있다. 본 논문에서는 새로운 사용자 등장 시 결정 트리를 이용한 분류로 분석시간을 줄이고, 새로운 아이템의 등장 시 분석시간의 감소와 다양한 사용자 중심적인 추천을 위해 대리자를 이용한 사용자 군집화와 추천을 수행하는 새로운 모델을 제시한다. 또한 제안된 모델을 분석하여 위의 문제점들이 어떻게 해결되는지 설명한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.1354-1357
• /
• 2011

자가 적응 시스템은 사람의 직접적인 개입 없이 자율 제어를 통한 자가 최적화 (self-optimization), 자가 치유 (self-healing) 등의 능력이 요구되고, 이러한 시스템은 시스템이 조달된 환경과 시스템 내부 상황을 고려한 적절한 적응 정책과 목표 평가를 통해 시스템의 신뢰성을 보장할 수 있어야 한다. 목표 기반의 자가 제어 시스템은 목표 만족도에 따라 시스템을 자율 제어하기 때문에 목표 기반 자가 적응 시스템에서의 목표 만족도(goal satisfaction) 평가는 매우 중요하지만 기존의 연구들의 목표 만족도 평가 방법에서는 환경 변화가 반영되지 않는다는 한계가 있다. 본 논문에서는 목표 모델에서의 상위 목표에 대한 하위 목표들의 기여도에 따라 가중치를 부여하고 시스템의 외부 환경 변화에 따라 가중치를 동적으로 변경하는 방법을 제안한다. 이를 통해 기존의 목표 평가 방법보다 사용자의 요구가 잘 반영되고 신뢰성 높은 평가가 가능하다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.55-56
• /
• 2021

최근, 딥러닝 및 인공신경망 기술의 발전으로 비디오 부호화 분야에서도 인공지능을 이용한 요소 기술에 대한 연구가 활발이 진행되고 있다. 본 논문에서는 주변 참조샘플로부터 문맥정보를 이용하여 현재블록을 예측하는 CNN 기반의 화면내 예측 모델을 구현하고, 비디오 부호화의 블록 분할 구조를 반영한 학습 기법에 따른 부호화 성능을 분석한다. 실험결과 HM(HEVC Test Model)에 구현한 문맥적응적 신경망 기반 예측 모델에서 트리 분할 구조를 반영한 학습이 HM16.19 대비 0.35% BD-rate 부호화 성능 향상을 보였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.256-257
• /
• 2023

This paper aims to propose optimal method to assess and cumulate the daily profit for liner shipping to support the shipping lines in making optimal decision with the highest average daily profit. This paper not only explains the actual calculated results align with decision-makers' behavior from concepts indicated in cumulative prospect theory but also contributes to an easy-to-apply method for liner shipping network predictability in and provides optimal decision-making is helpful for shipping managers for the best effective selection of the most appropriate alternative under uncertainties.

• Structural Engineering and Mechanics
• /
• v.88 no.6
• /
• pp.535-549
• /
• 2023

Deep extreme learning machine (DELM) and multi-verse optimization algorithms (MVO) are hybridized for designing an optimal and adaptive control framework for uncertain buildings. In this approach, first, a robust model predictive control (RMPC) scheme is developed to handle the problem uncertainty. The optimality and adaptivity of the proposed controller are provided by the optimal determination of the tunning weights of the linear programming (LP) cost function for clustered external loads using the MVO. The final control policy is achieved by collecting the clustered data and training them by DELM. The efficiency of the introduced control scheme is demonstrated by the numerical simulation of a ten-story benchmark building subjected to earthquake excitations. The results represent the capability of the proposed framework compared to robust MPC (RMPC), conventional MPC (CMPC), and conventional DELM algorithms in structural motion control.

• International Journal of Computer Science & Network Security
• /
• v.23 no.11
• /
• pp.133-141
• /
• 2023

This work take deeper analysis of Adaptive Moment Estimation (Adam) and Adam with Weight Decay (AdamW) implementation in real world text classification problem (DGA Malware Detection). AdamW is introduced by decoupling weight decay from L2 regularization and implemented as improved optimizer. This work introduces a novel implementation of AdamW variant as AdamW+ by further simplifying weight decay implementation in AdamW. DGA malware detection LSTM models results for Adam, AdamW and AdamW+ are evaluated on various DGA families/ groups as multiclass text classification. Proposed AdamW+ optimizer results has shown improvement in all standard performance metrics over Adam and AdamW. Analysis of outcome has shown that novel optimizer has outperformed both Adam and AdamW text classification based problems.

• Nuclear Engineering and Technology
• /
• v.55 no.10
• /
• pp.3515-3524
• /
• 2023

A reinforcement learning framework is proposed for the control problem of outlet steam pressure of the once-through steam generator(OTSG) in this paper. The double-layer controller using Proximal Policy Optimization(PPO) algorithm is applied in the control structure of the OTSG. The PPO algorithm can train the neural networks continuously according to the process of interaction with the environment and then the trained controller can realize better control for the OTSG. Meanwhile, reinforcement learning has the characteristic of difficult application in real-world objects, this paper proposes an innovative pretraining method to solve this problem. The difficulty in the application of reinforcement learning lies in training. The optimal strategy of each step is summed up through trial and error, and the training cost is very high. In this paper, the LSTM model is adopted as the training environment for pretraining, which saves training time and improves efficiency. The experimental results show that this method can realize the self-adjustment of control parameters under various working conditions, and the control effect has the advantages of small overshoot, fast stabilization speed, and strong adaptive ability.