• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권11호
• /
• pp.1082-1087
• /
• 2000

신경회로망 구조의 정제(精製)는 회로망의 일반화능력이나 효율성의 관점에서 중요한 문제이다. 본 논문에서는 feed-forward neural networks로부터 은닉지식을 추출하는 방법을 사용하여 네트워크 재구성을 통한 정제방법을 제안한다. 먼저, 효율적인 if-then rule 추출방법을 제시하고 그 추출된 룰들을 사용하여 룰기반 네트워크로 변환하는 과정을 보여준다. 생성된 룰기반 네트워크 fully connected network에 비하여 상당히 축소된 연결 복잡도를 가지게 되며 일반적으로 더 우수한 일반화능력을 가지게 된다. 본 연구는 도메인 지식이 없이 데이타만 사용하여 어떻게 정제된 룰기반 신경망회로를 생성하고 있는가를 보여준다. 도메인 데이타들에 대한 실험결과도 제시하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2015년도 추계학술대회 논문집
• /
• pp.185-186
• /
• 2015

This paper introduces general single PLL(Phase Locked Loop) algorithm and compares with proposed PLL method. The suggested PLL uses low pass filter to reduce high harmonics in real grid and uses feed forward method to compensate phase delay of the low pass filter.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.49.1-49
• /
• 2001

The skin color model is a very important concept in face detection, face recognition and face tracking. Usually, this model is obtained by estimating a probability density function of skin color distribution. In many cases, it is assumed that the underlying density function follows a Gaussian distribution. In this paper, a new method for non-parametric estimation of the probability density function, by using feed-forward neural network, is used to estimate the underlying skin color model. By using this method, the resulting skin color model is better than the Gaussian estimation and substantially approaches the real distribution. Applications to face detection and face ...

• 멤브레인
• /
• 제33권6호
• /
• pp.383-389
• /
• 2023

폴리에틸렌 글라이콜 다이아크릴레이트 (polyethylene glycol diacrylate, PEGDA) 하이드로젤을 정삼투 (forward osmosis, FO) 분리막의 지지체로 사용하여 고성능의 FO 분리막을 제조하였다. 친수성의 PEGDA를 자외선 조사를 통한 중합과 그에 따른 상분리를 이용하여 다공성으로 구조화하였고, 매우 높은 친수성을 가진 하이드로젤 지지체를 얻을 수 있었다. 제조된 친수성 PEGDA 지지체 위에 높은 수투과도와 염 선택도를 확보하기 위해서 일반적인 계면중합 방식이 아닌 톨루엔을 유기 용매로 사용한 계면중합 방식(TIP)으로 선택층을 도입하였다. 제조된 PEGDA 지지체 기반 분리막은 1.0 M NaCl 유도 용액과 증류수 유입수를 통한 FO 성능 측정에서 상용 HTI 분리막들에 비해서 매우 높은 수투과도와 낮은 염 선택도를 나타내었다. 본 연구를 통해, 기존의 소수성 지지체를 추가적으로 개질하는 방식이 아닌 새로운 물질과 제조방식을 사용한 FO 지지체의 가능성을 제시하고자 한다.

• 한국음향학회지
• /
• 제29권5호
• /
• pp.303-313
• /
• 2010

본 논문에서는 25 kHz의 반송파와 5 kHz의 심볼율을 갖는 QPSK (Quadrature Phase Shift Keying) 통신시스템에서 수신된 신호를 100 kHz로 샘플링하여 전송데이터를 복원하는 수중통신용 수신기의 구조에 대하여 논한다. 또한, 천해역에서 제작한 센서를 이용하여 취득한 데이터를 2:1의 비율로 간축한 후 설계한 수신기의 입력으로 하여, 결합채널등화기 출력신호의 BER (Bit Error Rate) 을 최소화하는 결합채널등화기의 FF (Feed-Forward) 및 FB (Feed-Back) 필터 탭 수 및 RLS (Recursive Least-Square) 알고리듬의 망각인자 등의 설계 파라미터를 도출하였다. 취득 신호의 전송거리는 각각 1.4 km, 2.9 km, 4.7 km이다. 분석결과 BER을 최소화하기 위한 결합채널등화기의 FF 와 FB 탭 수는 전송거리에 따라 상이하나 망각인자는 0.997에서 최적 또는 최적에 가까운 성능을 보이는 것을 확인하였다. 그러므로, 수중음향통신 수신기 설계시 망각인자, ${\lambda}$,는 0.997로 고정하고, 전송거리에 따라 최적의 성능을 갖는 결합채널등화기의 FF 필터 탭 수와 FB 필터 탭수를 가변적으로 변경할 수 있는 구조를 갖는 수신기를 설계하는 것이 바람직하다는 결론을 얻을 수 있었다. 또한, 수신기 성능 분석을 통하여 본 논문에서 고려하는 시스템에서는 16탭 길이를 갖는 간단한 형태의 필터를 161탭 길이를 갖는 정합필터 대신에 수신기의 저역통과필터로 사용하더라도 성능의 열화가 적음을 확인하였다.

• Journal of Information Technology Applications and Management
• /
• 제19권1호
• /
• pp.1-12
• /
• 2012

Data mining is the process of searching and analyzing large quantities of data for finding out meaningful patterns and rules. Artificial Neural Network (ANN) is one of the tools of data mining which is becoming very popular in forecasting the future values. Some of the areas where it is used are banking, medicine, retailing and fraud detection. In finance, artificial neural network is used in various disciplines including stock market forecasting. In the stock market time series, due to high volatility, it is very important to choose a model which reads volatility and forecasts the future values considering volatility as one of the major attributes for forecasting. In this paper, an attempt is made to develop two models - one using feed forward back propagation Artificial Neural Network and the other using Autoregressive Conditional Heteroskedasticity (ARCH) technique for forecasting stock market returns. Various parameters which are considered for the design of optimal ANN model development are input and output data normalization, transfer function and neuron/s at input, hidden and output layers, number of hidden layers, values with respect to momentum, learning rate and error tolerance. Simulations have been done using prices of daily close of Sensex. Stock market returns are chosen as input data and output is the forecasted return. Simulations of the Model have been done using MATLAB$^{(R)}$ 6.1.0.450 and EViews 4.1. Convergence and performance of models have been evaluated on the basis of the simulation results. Performance evaluation is done on the basis of the errors calculated between the actual and predicted values.

• Structural Engineering and Mechanics
• /
• 제58권3호
• /
• pp.459-473
• /
• 2016

Various vague and unstructured problems encountered the civil engineering/designers that persuaded by their experiences. One of these problems is the structural failure of the reinforced concrete (RC) building determination. Typically, using the traditional Limit state method is time consuming and complex in designing structures that are optimized in terms of one/many parameters. Recent research has revealed the Artificial Neural Networks potentiality in solving various real life problems. Thus, the current work employed the Multilayer Perceptron Feed-Forward Network (MLP-FFN) classifier to tackle the problem of predicting structural failure of multistoried reinforced concrete buildings via detecting the failure possibility of the multistoried RC building structure in the future. In order to evaluate the proposed method performance, a database of 257 multistoried buildings RC structures has been constructed by professional engineers, from which 150 RC structures were used. From the structural design, fifteen features have been extracted, where nine features of them have been selected to perform the classification process. Various performance measures have been calculated to evaluate the proposed model. The experimental results established satisfactory performance of the proposed model.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.142-145
• /
• 2003

Many control applications using Neural Network need a priori information about the objective system. But it is impossible to get exact information about the objective system in real world. To solve this problem, several control methods were proposed. Reinforcement learning control using neural network is one of them. Basically reinforcement learning control doesn't need a priori information of objective system. This method uses reinforcement signal from interaction of objective system and environment and observable states of objective system as input data. But many methods take too much time to apply to real-world. So we focus on faster learning to apply reinforcement learning control to real-world. Two data types are used for reinforcement learning. One is reinforcement signal data. It has only two fixed scalar values that are assigned for each success and fail state. The other is observable state data. There are infinitive states in real-world system. So the number of observable state data is also infinitive. This requires too much learning time for applying to real-world. So we try to reduce the number of observable states by classification of states with Self-Organizing Map. We also use neural dynamic programming for controller design. An inverted pendulum on the cart system is simulated. Failure signal is used for reinforcement signal. The failure signal occurs when the pendulum angle or cart position deviate from the defined control range. The control objective is to maintain the balanced pole and centered cart. And four states that is, position and velocity of cart, angle and angular velocity of pole are used for state signal. Learning controller is composed of serial connection of Self-Organizing Map and two Multi-layer Feed-Forward Neural Networks.

• 한국정보통신학회논문지
• /
• 제22권2호
• /
• pp.253-260
• /
• 2018

천해 환경에서의 수중 음향 통신 채널은 전형적으로 시변 다중 경로 페이딩 채널 특성을 나타낸다. 이러한 채널 전송을 통해 수신된 신호는 시간 지연 및 진폭의 중첩에 의해 심볼 간 간섭을 유발한다. 이를 보완하기 위해 여러 기술이 사용되었으며, 그 중 하나가 음향 등화기이다. 본 연구에서는 심볼 간 간섭을 보상하기 위해 feed-forward equalizer (FFE), decision direct equalizer (DDE), decision feedback equalizer (DFE) 및 DFE와 결합된 DDE의 4 종류의 등화기와 등화기의 계수를 조정하기 위해 normalized least mean square (NLMS) 알고리즘과 recursive least square (RLS) 알고리즘의 2 종류의 알고리즘을 적용하였다. 그 결과 비선형 등화기에서는 신호 대 잡음비 6 dB 이상에서 상당한 성능 향상을 발견할 수 있었으며, DFE와 DDE의 조합은 어떤 경우에도 최고의 성능을 발휘하였다.

• 전력전자학회논문지
• /
• 제9권3호
• /
• pp.275-284
• /
• 2004

본 논문은 동적전압보상기(DVR)의 제어를 위한 우수한 성능의 디지털제어기를 제시하고 제어이득(Control Gain)의 설정에 관하여 논한다. DVR계통의 전력회로를 분석하여 DVR의 운전한계를 찾고 그에 따른 제어목표 및 제어기 구조를 제시한다. 디지털 제어기는 인버터의 PWM 스위칭과 함께 제어시스템의 시간지연을 야기한다. 이러한 시간 지연은 제어시스템의 전달함수를 1차수 높게 하여 제어시스템을 더한층 복잡하고 불안정하게 한다. 본 논문은 제어기의 시간지연을 고려하여 제안된 제어기의 이득을 설정하는 방법을 제시하고 인버터의 스위칭 주파수와 관련하여 출력측 필터요소의 설계지침을 제시한다. 제안된 설계방법에 의하여 전디지털화(Full Digital Control) 된 DVR 시스템을 제작하여 이론을 검증한다.