• 융합신호처리학회논문지
• /
• 제2권1호
• /
• pp.44-52
• /
• 2001

본 논문은 수정된 카오틱 신경망(MCNN)을 이용하여 완전 무제약 서체 숫자 인식을 다루고 있다. 카오틱 신경망(CNN)의 동적 특성과 학습과정을 강화함으로써 복잡한 패턴인식 문제를 해결할 수 있는 유용한 신경망으로 수정하였다. MCNN은 신경망 구조와 뉴런 자체가 높은 차수의 비선형 동적특성을 갖고 있으므로 복잡한 서체 숫자를 분류할 수 있는 적합한 신경망이다. 숫자 확인은 원래의 숫자 이미지로부터 특징을 추출하고 MCNN에 근거한 분류기를 이용하여 숫자를 인식한다. MCNN 분류기의 성능은 Canada, Montreal의 Concordia 대학의 숫자 데이터 베이스로 평가하였다. 인식성능의 상대적인 비교를 위해 MCNN 분류기는 리커런트 신경망(RNN) 분류기와 비교하였다. 실험결과에 의하면 인식율은 98.0%이었으며, 이는 MCNN 분류기가 같은 데이터 베이스에 대해 발표되었던 다른 분류기와 RNN 분류기보다 성능이 우수함을 나타낸다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 A
• /
• pp.279-281
• /
• 2001

This paper presents a chaotic neural networks to solve the distribution feeder reconfiguration problem for loss reduction. Feeder reconfiguration problem is the determination of switching option that minimizes the power losses for a particular set of loads in distribution systems. A chaotic neural networks is used to determine the switching combinations, select the status of the switches, and find the best combination of switches for minimum loss. The proposed method has been tested on 32 bus system, and the results indicate that it is able to determine the appropriate switching options for optimal configuration.

• 전자공학회논문지CI
• /
• 제37권5호
• /
• pp.45-53
• /
• 2000

0.8㎛ 단일 폴리 CMOS 집적회로로 구현된 혼돈 뉴런의 동적 응답 특성을 분석하였다. 구현된 CMOS 혼돈 뉴런의 시그모이드 출력함수와 혼돈 발생회로 블록에 대한 일련의 수식 모델을 구하여 혼돈 뉴런의 동적 응답특성, 즉 뉴런 내부상태의 분기도 및 초기값 의존성을 보여주는 리아프노프 지수와 평균 발화율, 시간 및 주파수 응답 등 다양한 특성들을 수치해석적으로 분석하였다. 뿐만 아니라 4개의 시냅스를 지닌 2개의 혼돈 뉴런으로 이루어진 카오스 신경 회로망을 구성하여 시냅스 가중치에 따른 분기도 변화를 구하고 뉴럴 네트워크에서의 응용 가능성을 확인하였다. 한편 CMOS 집적회로로 구현된 혼돈 뉴런을 ±2.5V 전원, 10㎑의 클럭으로 구동시켜 단일 혼돈 뉴런 및 2개의 뉴런으로 이루어진 카오스 신경망에 대한 여러 동적 응답 특성을 측정하여 수치해석 결과와 비교, 분석하였다.

• 한국지능시스템학회논문지
• /
• 제13권1호
• /
• pp.24-30
• /
• 2003

본 논문에서는 혼돈 시스템을 제어하기 위해 웨이블릿 신경 회로망을 예측기로 사용하여 일반형 예측 제어기를 설계하는 방법을 제안한다. 본 논문의 방법에서는 웨이블릿 신경 회로망의 각 파라미터에 대한 학습은 예측 오차를 이용한 경사 하강법에 의해 수행되며, 제어 신호는 웨이블릿 신경 회로망의 출력과 기준 신호 사이의 제어 오차를 최소화함으로써 생성된다. 한편, 모의 실험을 통해 본 논문에서 제안한 제어기를 각각 연속 시간 혼돈 시스템인 Doffing 시스템과 이산 시간 혼돈 시스템인 Henon 시스템에 적용하여 제어기의 효율성을 확인하고 아울러 신경 회로망을 이용한 예측 제어의 결과와 비교함으로써 제어기의 우수성을 검증한다

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.172.4-172
• /
• 2001

In this paper, the Generalized Predictive Control(GPC) method based on Fuzzy Neural Networks(FNNs) is presented for the control of chaotic nonlinear systems without precise mathematical models. In our method, FNNs is used as the predictor whose parameters are tuned by the error between the actual output of nonlinear chaotic system and that of FNNs model. The parameters of GPC controller are adjusted via the gradient descent method where the difference between the actual output and the reference signal is used as a control error. Finally, computer simulation on the representative continuous-time chaotic system(Duffing system) is presented to demonstrate the effectiveness of our chaos control method.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 B
• /
• pp.400-402
• /
• 1997

This paper investigates the direct and adaptive control of mechatronic servo systems using modified chaotic neural networks (CNNs). For the performance evaluation of the proposed neural networks, we simulate the trajectory control of the X-Y table with direct control strategies. The CNN based controller demonstrates accurate tracking of the planned path and also shows superior performance on convergence and final error comparing with recurrent neural network(RNN) controller.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 추계학술대회 논문집 학회본부 B
• /
• pp.530-532
• /
• 1998

In this paper, We Designed the torque compensatory controller for robot manipulator using modified chaotic neural networks with self feedback loop. The proposed torque compensatory controller compensate torque of the PD controller. In order to estimate the proposed controller, we implemented to the Cartesian space control of three-axis PUMA robot and compared the simulation results with recurrent neural networks(RNNs) controller. Simulation results show that the learning error drastically decrease at on-line learning. The proposed CNNs controller shows much better control performance and shorter processing time compared to the recurrent neural network controller in the robot trajectory control.

• 한국지능시스템학회논문지
• /
• 제14권1호
• /
• pp.118-124
• /
• 2004

In this paper, we present a indirect adaptive control method using a wavelet neural network (WNN) for the control of chaotic nonlinear systems without precise mathematical models. The proposed indirect adaptive control method includes the off-line identification and on-line control procedure for chaotic nonlinear systems. In the off-line identification procedure, the WNN based identification model identifies the chaotic nonlinear system by using the serial-parallel identification structure and is trained by the gradient-descent method. And, in the on-line control procedure, a WNN controller is designed by using the off-line identification model and is trained by the error back-propagation algorithm. Finally, the effectiveness and feasibility of the proposed control method is demonstrated with applications to the chaotic nonlinear systems.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1998년도 추계종합학술대회 논문집
• /
• pp.437-440
• /
• 1998

In this paper, the design method of fuzzy neural network(FNN) controller using indirect adaptive control technique is presented for controlling chaotic nonlinear systems. Firstly, the fuzzy model identified with a FNN in off-line process. Secondly, the trained fuzzy model tunes adaptively the control rules of the FNN controller in on-line process. In order to evaluate the proposed control method, Indirect adaptive control method is applied to the representative continuous-time chaotic nonlinear systems, that is, the Duffing system and the Lorenz system. Simulations are done to verify the effectivencess of controller.

• Transactions on Control, Automation and Systems Engineering
• /
• 제4권2호
• /
• pp.124-129
• /
• 2002

This paper demonstrates that the largest Lyapunov exponent λ of recurrent neural networks can be controlled efficiently by a stochastic gradient method. An essential core of the proposed method is a novel stochastic approximate formulation of the Lyapunov exponent λ as a function of the network parameters such as connection weights and thresholds of neural activation functions. By a gradient method, a direct calculation to minimize a square error (λ - λ$\^$obj/)$^2$, where λ$\^$obj/ is a desired exponent value, needs gradients collection through time which are given by a recursive calculation from past to present values. The collection is computationally expensive and causes unstable control of the exponent for networks with chaotic dynamics because of chaotic instability. The stochastic formulation derived in this paper gives us an approximation of the gradients collection in a fashion without the recursive calculation. This approximation can realize not only a faster calculation of the gradient, but also stable control for chaotic dynamics. Due to the non-recursive calculation. without respect to the time evolutions, the running times of this approximation grow only about as N$^2$ compared to as N$\^$5/T that is of the direct calculation method. It is also shown by simulation studies that the approximation is a robust formulation for the network size and that proposed method can control the chaos dynamics in recurrent neural networks efficiently.