• 통합자연과학논문집
• /
• 제7권1호
• /
• pp.62-66
• /
• 2014

This study aims to implement the emergency monitoring robot system which predicts the current state of the patients without visiting the medical institutions by measuring the basic health status of the user's blood pressure, heartbeat, and basic health status of body temperature in the disaster emergency situation based on the Smart Grid. By arranging a large number of sensor(blood pressure, heartbeat, body temperature sensor) and measuring the bio signs, so the attached wireless XBee sensor can be stored in DB of robot, and it aims to draw the current state of the patients by analysis of stored bio data. Among 300 data obtained from the sensor, 1st data to 100th data were used for learning, and from 101st data to 300th data were used for assessment. 12 results were different among the total 300 assessment data, so it shows about 96% accuracy.

• 한국정밀공학회지
• /
• 제13권4호
• /
• pp.75-86
• /
• 1996

In this paper, we propose a new fuzzy-neural network control scheme for the speed and azimuth control of a mobile robot. The proposed control scheme uses a gaussian function as a unit function in the fuzzy-neural network, and back propagation algorithm to train the fuzzy-neural network controller in the frame-work of the specialized learning architecture. It is proposed a learning controller consisting of two fuzzy-neural networks based on independent reasoning and a connection net woth fixed weights to simply the fuzzy-neural network. The effectiveness of the proposed controller is illustrated by performing the computer simulation for a circular trajectory tracking of a mobile robot driven by two independent wheels.

• 전력전자학회논문지
• /
• 제10권3호
• /
• pp.282-289
• /
• 2005

본 논문에서는 NFC(Neuro-Fuzzy Controller)와 ANN(Artificial Neural network) 제어기를 이용한 IPMSM의 속도 제어 및 추정을 제시한다. PI 제어기에서 나타나는 문제점을 해결하기 위하여 신경회로망과 퍼지제어를 혼합적용한 NFC를 설계한다. 신경회로망의 고도의 적응제어와 퍼지 제어기의 강인성 제어의 장점들을 접목한다. 다음은 ANN을 이용하여 IPMSM 드라이브의 속도 추정기법을 제시한다. 2층 구조를 가진 신경회로망에 BPA(Back Propagation Algorithm)를 적용하여 IPMSM 드라이브의 속도를 추정한다. 추정속도의 타당성을 입증하기 위하여 시스템을 구성하여 제어특성을 분석한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1993년도 한국자동제어학술회의논문집(국내학술편); Seoul National University, Seoul; 20-22 Oct. 1993
• /
• pp.52-57
• /
• 1993

Conventional active control algorithm for duct system is developed without considering problems of constrained structure. Therefore it destroys the constrained structures of the weights or parameters. A new LMS algorithm, which does keep the constraints, is proposed for systems with known constrained structure. It is based on error-back propagation. The stability analysis and simulation example are also included.

• ETRI Journal
• /
• 제17권1호
• /
• pp.11-22
• /
• 1995

This paper proposes a modified error function to improve the error back-propagation (EBP) algorithm for multi-Layer perceptrons (MLPs) which suffers from slow learning speed. It can also suppress over-specialization for training patterns that occurs in an algorithm based on a cross-entropy cost function which markedly reduces learning time. In the similar way as the cross-entropy function, our new function accelerates the learning speed of the EBP algorithm by allowing the output node of the MLP to generate a strong error signal when the output node is far from the desired value. Moreover, it prevents the overspecialization of learning for training patterns by letting the output node, whose value is close to the desired value, generate a weak error signal. In a simulation study to classify handwritten digits in the CEDAR [1] database, the proposed method attained 100% correct classification for the training patterns after only 50 sweeps of learning, while the original EBP attained only 98.8% after 500 sweeps. Also, our method shows mean-squared error of 0.627 for the test patterns, which is superior to the error 0.667 in the cross-entropy method. These results demonstrate that our new method excels others in learning speed as well as in generalization.

• 한국음향학회지
• /
• 제14권1호
• /
• pp.13-21
• /
• 1995

본 논문에서는 신경망 학습에 의한 영상분류 알고리즘을 개선하였으며, 이것은 입력패턴 생성부와 분류을 위한 역전파 알고리즘에 의한 광역신경망으로 구성된다. 입력패턴을 위한 특징값으로는 자기조직화 형상지도 학습에 의해 얻은 코드북 데이타를 특징벡터로 이용한다. 이것은 입력벡터로서 원영상에 충실하면서 입력 뉴런수를 감소시킨다. 분류기에 사용된 광역망 알고리즘은 가중치와 유니트 오프셋 제어가 가능하도록 역전파 알고리즘에 제어부와 어드레스 메모리부를 삽입하였다. 실험결과 이들 분류기는 학습시 국소최소점에 빠지지 않게 되며, 대규모 신경망을 구현하고자 할 때 망구조를 간단히 할 수 있다. 또한 이것은 동작속도를 크게 개선할 수 있다.

• 한국음향학회지
• /
• 제37권4호
• /
• pp.196-205
• /
• 2018

본 논문은 선박소음 데이터에 음선 역전파 기법을 적용하여 수동 선박 위치 추정 알고리듬을 제시한다. 기존의 방법 [S. H. Abadi, D. Rouseff and D. R. Dowling, J. Acoust. Soc. Am. 131, 2599-2610 (2012)]은 음선 기반 블라인드 디컨벌루션 및 음선 역전파 기법을 활용하여 배열의 기울기가 없는 근거리 환경에서 음원의 위치를 추정하였다. 하지만 위 방법은 배열의 기울기에 따른 위치 추정 오차가 크게 발생한다는 단점이 존재한다. 이를 극복하기 위해 본 논문에서는 음선 기반 블라인드 디컨벌루션 및 음선 역전파 기법을 사용하되, 배열의 기울기를 보정하여 음원의 위치를 추정할 수 있는 알고리듬을 제안한다. 제안된 알고리듬의 성능은 SAVEX15(Shallow-water Acoustic Variability EXperiment in 2015)해상 실험의 선박소음 데이터를 이용하여 검증하였다.

• 생물환경조절학회지
• /
• 제20권4호
• /
• pp.277-282
• /
• 2011

정확한 오이의 형상 및 위치를 인식하기 위하여 형상인식 알고리즘에 대한 연구를 수행하였다. 실제 영상에서 오이의 형상과 위치를 판정할 수 있도록 알고리즘을 개발한 결과, 다음과 같은 결론을 얻었다. 오이의 특징형상 검출은 $15{\times}15$ 간격으로 자동검출 되도록 처리하였다. 오이로 인식된 출력패턴 중에서 오검출된 출력패턴의 비율은 0.1~4.2%로 나타났다. 오류역전파 알고리즘은 영상크기를 $445{\times}363$, $501{\times}391$, $300{\times}421$, $450{\times}271$, $297{\times}421$의 크기에 따라 출력패턴을 얻은 결과 영상의 크기에 따른 검출 값의 변화는 없는 것으로 나타났다. 학습패턴 수가 25개로 증가하면 영상에서 다른 패턴을 검출하는 비율이 16.02%로 나타났다. 또한 학습패턴이 2개인 경우 40개의 영상에서 8개의 오이를 검출하지 못하였다. 학습패턴의 수가 7~9개인 경우 오이의 검출이 가장 좋은 것으로 나타났다.

• 지질공학
• /
• 제15권1호
• /
• pp.67-76
• /
• 2005

암석의 물리적 특성과 슈미트반발경도 결과로부터 일축압축강도를 예측하기 위한 인공신경망 이론의 적용과 최적 모델 구성에 대하여 연구하였다. 대구지 역의 퇴적암(사암, 셰일) 시료 55개가 사용되었으며, 이들 중 인공신경망 학습을 위하여 45개가 사용되었고 학습결과의 검증을 위하여 10개의 시료가 이용되었다. 인공신경망에 의한 추산 결과와 비교하기 위하여 통계적 방법을 통한 회귀분석을 통하여 역학특성의 상관식을 도출하였으며, 인공신경망의 유효성 검증을 위하여 모델 구축 시 에 사용하지 않은 새로운 자료에 대해 예측을 실시하고 통계적 방법에 의한 결과 및 실내 시험 결과와 비교하였다. 본 연구에 사용한 인공신경망모델에는 백프로퍼게이션 학습 알고리즘(back-propagation teaming algorithm)이 적용되었으며, 인공신경망의 학습효율 및 예측능력에 영향을 미치는 입ㆍ출력층 및 은닉층의 구조, 학습율, 시스템오차율 등을 달리 하며 학습을 시행하였다. 그 결과 통계적 분석보다는 인공신경망의 학습에 의한 예측결과가 더 나은 예측능력을 나타냈다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1989년도 하계종합학술대회 논문집
• /
• pp.457-460
• /
• 1989

In this paper, an improvement of the EBP(error back propagation) learning speed using an acceleration algorithm is described. Using an acceleration algorithm known as the Partan method in the gradient search algorithm, learning speed is 25% faster than the original EBP algorithm in the simulaion results.