• 대한자원환경지질학회:학술대회논문집
• /
• 대한자원환경지질학회 2001년도 춘계 공동학술발표회
• /
• pp.181-184
• /
• 2001

• 전자공학회논문지SC
• /
• 제42권6호
• /
• pp.77-82
• /
• 2005

본 논문은 FNN과 ANN 제어기를 이용한 유도전동기의 속도 제어 및 추정을 제시한다. 먼저, PI 제어기에서 나타나는 문제점을 해결하기 위하여 퍼지제어와 신경회로망을 혼합 적용한 FN 제어기를 설계한다. 퍼지제어기의 강인성 제어와 신경회로망의 고도의 적응제어의 장점들을 접목한다. 다음은 ANN을 이용하여 유도전동기 드라이브의 속도 추정기법을 제시한다. 2층 구조를 가진 신경회로망에 BPA(Back Propagation Algorithm)를 적용하여 유도전동기 드라이브의 속도를 추정한다. 추정속도의 타당성을 입증하기 위하여 시스템을 구성하여 제어특성을 분석한다. 그리고 추정된 속도를 지령속도와 비교하여 전류제어와 공간벡터 PWM을 통하여 유도전동기의 속도를 제어한다. 본 연구에서 제시한 FNN과 ANN의 제어특성 및 추정성능을 분석하고 그 결과를 제시한다.

• 한국컴퓨터정보학회논문지
• /
• 제13권5호
• /
• pp.117-124
• /
• 2008

편재형 컴퓨팅 환경에서 보다 편리하게 의료 서비스를 받는 것은 인간의 삶의 질을 향상시키는 방법이다. 이를 위해 본 연구에서는 헬스 케어 응용의 일환으로 심장병 환자를 위한 편재형 헬스 케어 시스템을 구현하였다. 이 시스템은 온도, 습도, 조도 등 실내의 인간의 외적 환경과 심전도 센서를 인체에 부착하여 인간의 내적 환경을 감시하는 센서, 이들을 상호 연결시키는 센서 네트워크, 그리고 의료 정보 서버로 구성된다. 단순히 사람이 머무는 공간 혹은 생체정보를 센싱하고 이를 의료진에게 전달하는 것은 비교적 단순한 수준의 헬스 케어 시스템이다. 보다 높은 수준의 의료 서비스를 제공하기 위하여 본 연구에서는 BPNN(back propagation neural network)를 이용하여 감시 대상자의 상황을 인식하는 서비스 모델을 개발하였다. 실험 결과감시 대상자의 활동을 보다 정확하게 인식하여 고수준의 의료 서비스를 제공할 수 있는 헬스 케어 시스템 구현이 가능함을 확인하였다.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2002년도 춘계학술대회 논문집
• /
• pp.195-199
• /
• 2002

This paper describes the effect of substrate back bias of CMOS Inverter. When the substrate back bias applied in body, the MOS transistor threshold voltage increased and drain saturation current decreased. The back gate reverse bias or substrate bias has been widely utilized and the following advantage has suppressing subthreshold leakage, lowering parasitic junction capacitance, preventing latch up or parasitic bipolar transistor, etc. When the reverse voltage applied substrate, this paper stimulated the propagation delay time CMOS inverter.

• Journal of Computing Science and Engineering
• /
• 제9권2호
• /
• pp.98-107
• /
• 2015

Hierarchical constraints and constraint satisfaction were analyzed in order to solve the problem of conflict detection in collaborative design. The constraints were divided into two sets: one set consisted of known constraints and the other of unknown constraints. The constraints of the two sets were detected with corresponding methods. The set of the known constraints was detected using an interval propagation algorithm, a back propagation (BP) neural network was proposed to detect the set with the unknown constraints. An immune algorithm (IA) was utilized to optimize the weights and the thresholds of the BP neural network, and the steps were designed for the optimization process. The results of the simulation indicated that the BP neural network that was optimized by IA has a better performance in terms of convergent speed and global searching ability than a genetic algorithm. The constraints were described using the eXtensible Markup Language (XML) for computers to be able to automatically recognize and establish the constraint network. The implementation of the conflict detection system was designed based on constraint satisfaction. A wind planetary gear train is taken as an example of collaborative design with a conflict detection system.

• 정보학연구
• /
• 제2권2호
• /
• pp.145-161
• /
• 1999

본 논문에서는 캐리 전파가 없어 고속연산이 가능한 잉여 수 체계를 이용하여 고속으로 동작할 수 있는 역전파 신경회로망을 설계방법을 제안하였다. 설계된 신경회로망은 잉여수계를 이용한 MAC 연산기와 혼합계수 변환을 이용한 시그모이드 함수 연산 부로 구성되며, 설계된 회로는 VHDL로 기술하였고 Compass 툴로 합성하였다. 실험결과, 가장 나쁜 경로일 경우, 약 19nsec의 지연속도를 보였고, 기존의 실수 연산기에 비하여 약 40%정도 하드웨어 크기를 줄일 수 있었다. 본 논문에서 설계한 신경회로망은 실시간 처리를 요하는 병렬분산처리 시스템에 적용될 수 있을 것으로 기대된다.

• Water Engineering Research
• /
• 제1권2호
• /
• pp.129-136
• /
• 2000

Predicting water levels is a difficult task because a lot of uncertainties are included. Therefore the neural network which is appropriate to such a problem, is introduced. One day ahead forecasting of river stage in the Bocheong River is carried out by using the neural network model. Historical water levels at Snagye gauging point which is located at the downstream of the Bocheong River and average rainfall of the Bocheong River basin are selected as training data sets. With these data sets, the training process has been done by using back propagation algorithm. Then waters levels in 1997 and 1998 are predicted with the trained algorithm. To improve the accuracy, a filtering method is introduced as predicting scheme. It is shown that predicted results are in a good agreement with observed water levels and that a filtering method can overcome the lack of training patterns.

• 한국정보통신학회논문지
• /
• 제14권3호
• /
• pp.565-571
• /
• 2010

본 논문에서는 퍼셉트론형 신경회로망에 오차역전파 알고리즘을 사용하여 학습을 실시하여, N비트의 패리티판별에 필요한 최소의 중간유닛수의 해석에 관한 연구이다. 따라서 본 논문은 제안한 퍼셉트론형 신경회로망의 중간 유닛의 수를 변화시켜 N비트의 패리티 판별 실험을 실시하였다. 본 시스템은 패라티 판별의 실험을 통하여 N비트 패리티 판별이 가능하다는 것을 실험으로 확인한다.

• 대한기계학회논문집A
• /
• 제29권2호
• /
• pp.303-310
• /
• 2005

The systems with probe and SIL(Solid Immersion Lens) mechanisms have been researched as the technology to perform NFR(Near Field Recording). Most of them use the flying head mechanism to accomplish high recording density and fast data transfer rate. In this paper, ABS shape of flying head was optimized with the object of securing the maximum compliance ability of OFH. We suggest low different optimization processes to predict the static flying characteristics for the OFH. Two different approximation methods, regression analysis and back propagation neural network were used. And we compared the result of directly connected(between CAE and optimizer) method and two approximated optimization results. Design Optimization Tool(DOT) and ${\mu}GA$ were used as the optimizers.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1997년도 한국자동제어학술회의논문집; 한국전력공사 서울연수원; 17-18 Oct. 1997
• /
• pp.120-123
• /
• 1997

This paper presents models of fuzzy inference systems that can be built from a set of input-output training data pairs through hybrid structure-parameter learning. Fuzzy inference systems has the difficulty of parameter learning. Here we develop a coding format to determine a fuzzy neural network(FNN) model by chromosome in a genetic algorithm(GA) and present systematic approach to identify the parameters and structure of FNN. The proposed FNN can automatically identify the fuzzy rules and tune the membership functions by modifying the connection weights of the networks using the GA and the back-propagation learning algorithm. In order to show effectiveness of it we simulate and compare with conventional methods.