• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권2호
• /
• pp.988-1001
• /
• 2018

Arrhythmia has recently emerged as one of the major causes of death in Koreans. Premature Ventricular Contraction (PVC) is the most common arrhythmia that can be found in clinical practice, and it may be a precursor to dangerous arrhythmias, such as paroxysmal insomnia, ventricular fibrillation, and coronary artery disease. Therefore, we need for a method that can detect an abnormal heart beat and diagnose arrhythmia early. We extracted the features corresponding to the QRS pattern from the subject's ECG signal and classify the premature ventricular contraction waveform using the features. We modified the weighting and bias values based on the error back-propagation algorithm through learning data. We classify the normal signal and the premature ventricular contraction signal through the modified weights and deflection values. MIT-BIH arrhythmia data sets were used for performance tests. We used RR interval, QS interval, QR amplitude and RS amplitude features. And the hidden layer with two nodes is composed of two layers to form a total three layers (input layer 0, output layer 3).

• 대한전기학회논문지:전기기기및에너지변환시스템부문B
• /
• 제49권8호
• /
• pp.557-564
• /
• 2000

A very simple control approach using neural network for the robust position control of a Permanent Magnet Synchronous Motor(PMSM) is presented. The linear quadratic controller plus feedforward neural network is employed to obtain the robust PMSM system approximately linearized using field-orientation method for an AC servo. The neural network is trained in on-line phases and this neural network is composed by a feedforward recall and error back-propagation training. Since the total number of nodes are only eight, this system can be easily realized by the general microprocessor. During the normal operation, the input-output response is sampled and the weighting value is trained multi-times by error back-propagation method at each sample period to accommodate the possible variations in the parameters or load torque. In addition, the robustness is also obtained without affecting overall system response. This method is realized by a floating-point Digital Signal Processor DS1102 Board (TMS320C31).

• 한국구조물진단유지관리공학회 논문집
• /
• 제10권6호
• /
• pp.213-223
• /
• 2006

본 연구에서는 화강풍화토 지반에 시공된 PHC 매입말뚝의 지지력의 평가를 위해 인공신경망을 적용하였다. 오류역전파 인공신경망의 적용성을 증명하기 위해 168개의 PHC 매입말뚝의 현장시험 데이터가 사용되었다. 연구결과 오류역전파 인공신경망의 말뚝지지력 평가가 동재하시험결과와 잘 일치함을 보여주었으며, 이러한 결과는 인공신경망을 이용한 PHC 매입말뚝의 지지력 평가가 신뢰성이 있음을 보여준다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2002년도 ICCAS
• /
• pp.90.1-90
• /
• 2002

Counters for the various kinds of bank notes require high-speed distinctive point extraction and recognition for notes. In this paper we propose a new point extraction and recognition algorithm for bank notes. For distinctive point extraction we use a coordinate data extraction method from specific parts of a bank note representing the same color. The recognition algorithm uses a back-propagation neural network that has coordinate data input. The proposed algorithm is designed to minimize recognition time.

• 한국산학기술학회논문지
• /
• 제12권7호
• /
• pp.2913-2918
• /
• 2011

본 논문은 기계시스템의 마찰 현상 중 히스테리시스 현상을 실험적으로 규명하고 뉴럴 네트워크 알고리즘을 이용한 프라이자흐(Preisach) 모델을 제안하였다. 제안된 모델은 실험을 통해 구한 마찰 특성을 오류역전파(back propagation) 알고리즘을 이용하여 뉴럴 네트워크의 가중 행렬(weighting factor)를 갱신할 수 있도록 하였다. 학습된 가중행렬은 프라이자흐 모델의 파라미터로 활용하였다. 마찰 거동을 규명하기 위한 실험 및 제안된 프라이자흐 모델은 LabView소프트웨어를 이용하여 구현하고 마찰이 있는 기계 및 로봇 시스템의 정밀 제어 시스템 구축을 위한 알고리즘으로 활용할 수 있도록 제안하였다. 제안된 모델의 성능은 실험을 통해 규명하였다.

• Current Optics and Photonics
• /
• 제6권5호
• /
• pp.479-488
• /
• 2022

To account for the internal thermal effects of solid-state lasers, a method using a back propagation (BP) neural network integrated with a particle swarm optimization (PSO) algorithm is developed, which is a new wavefront distortion correction technique. In particular, by using a slab laser model, a series of fiber pumped sources are employed to form a controlled array to pump the gain medium, allowing the internal temperature field of the gain medium to be designed by altering the power of each pump source. Furthermore, the BP artificial neural network is employed to construct a nonlinear mapping relationship between the power matrix of the pump array and the thermally induced wavefront aberration. Lastly, the suppression of thermally induced wavefront distortion can be achieved by changing the power matrix of the pump array and obtaining the optimal pump light intensity distribution combined using the PSO algorithm. The minimal beam quality β can be obtained by optimally distributing the pumping light. Compared with the method of designing uniform pumping light into the gain medium, the theoretically computed single pass beam quality β value is optimized from 5.34 to 1.28. In this numerical analysis, experiments are conducted to validate the relationship between the thermally generated wavefront and certain pumping light distributions.

• 한국정보처리학회논문지
• /
• 제4권3호
• /
• pp.747-753
• /
• 1997

함수근사는 과학과 공학분야에서 광범위하게 응용된다. 다층 전방향 신경망은 비선형 함수근사를 위한 도구로서 제안되어져 왔으며, 다층 신경망을 학습시키기 위한 학습 알고리즘으로 역전파 알고리즘이 널리 이용되어져 왔다. 그러나 이상치(outlier) 를 포함한 학습자료가 존재할 때에는 학습되는 함수는 존재하는 모든 자료 사이를 보간 하므로 이상치가 있는 자료의 위치까지도 보간 하여, 원하지 않은 구조를 파악하게 된다. 따라서 이상치의 영향을 최소화 시키기 위해 본 논문에서는 로버스트 에너지 함수를 유도하여 개량된 로버스트 역전파 알고리즘을 제안한다.

• 정보처리학회논문지B
• /
• 제18B권3호
• /
• pp.147-156
• /
• 2011

본 논문에서는 유도전동기 고장 검출 및 분류를 위한 3-단계 (고장 신호의 전 처리, 고장 신호의 특징 추출, 고장 신호의 고장 유형별 분류) 알고리즘을 제안한다. 먼저 전 처리 단계에서는 저역 통과 필터를 통해 취득한 신호의 고주파 대역에 영향을 미칠 수 있는 잡음 성분을 제거하며, 다음으로는 이산 코사인 변환(discrete cosine transform)과 통계적 방법을 이용하여 고장 유형별 신호의 특징을 추출하고, 마지막 단계에서는 추출된 특징을 입력으로 하는 역 전파 신경 회로망(back propagation neural network)를 이용하여 신호를 고장 유형별로 분류한다. 시스템의 성능을 평가하기 위해 모의실험에 사용된 신호는 유도전동기의 진동 신호로, 정상 및 각종 이상 상태에 대해 8kHz의 샘플링율을 갖는 1초 길이의 데이터를 사용하였다. 모의실험 결과, 제안한 알고리즘은 학습된 상황의 고장 분류에서는 100%의 정확도를 보였으며, 기존의 공분산을 이용한 고장 검출 및 분류 알고리즘과 비교하여 약 50%의 정확도 향상을 보였다. 또한 고장 신호 취득 시 사용하는 센서의 종류나 주변 환경으로 인해 잡음이 추가될 수 있는 상황을 고려하여 취득한 데이터에 백색 가우시안 잡음을 인위적으로 추가한 모의실험에서도 98%이상의 고장 분류 정확도를 보였다. 더불어, 본 논문에서는 TI사의 TMS320F2812 디지털 신호 처리기에 제안한 고장 검출 및 분류 알고리즘을 탑재하여 실제 산업현장에서의 사용여부를 검증하였다.

• 정보처리학회논문지D
• /
• 제14D권1호
• /
• pp.139-144
• /
• 2007

본 논문에서는 상황인지 시스템의 작업 부하를 줄이고 추론 성능을 향상시키기 위하여 개선된 역전파 알고리즘을 사용하는 진보된 학습 메커니즘을 위한 새로운 프레임워크를 제안한다. 학습 메커니즘은 상황인지 시스템의 전체 성능을 좌우하는 매우 중요한 부분이지만 현재까지 사용자들의 상황 정보를 대상으로 학습 메커니즘의 개선을 통한 상황인지 시스템의 성능을 향상하려는 연구는 많이 진행되지 않았다. 역전파 알고리즘은 상황 인식 시스템의 학습 메커니즘을 위한 가장 적합한 알고리즘 중에 하나로서 제안된 프레임워크는 기존의 역전파 알고리즘을 개선하고, 시스템 캐싱을 이용하여 작업 부하를 효율적으로 관리함으로써 추론 성능을 향상시켜 상황인지 시스템의 전체 성능을 향상시킨다. 성능평가를 통하여 제안된 프레임워크가 상황인지 시스템의 전체 성능을 향상시키는 것을 보인다.

• 대한의용생체공학회:의공학회지
• /
• 제12권3호
• /
• pp.191-202
• /
• 1991

This paper describes ECG data compression algorithm using neural network. As a learning method, we use back error propagation algorithm. ECG data compression is performed using learning ability of neural network. CSE database, which is sampled 12bit digitized at 500samp1e/sec, is selected as a input signal. In order to reduce unit number of input layer, we modify sampling ratio 250samples/sec in QRS complex, 125samples/sec in P & T wave respectively. hs a input pattern of neural network, from 35 points backward to 45 points forward sample Points of R peak are used.