• Journal of Electrical Engineering and Technology
• /
• 제10권1호
• /
• pp.408-421
• /
• 2015

Because the wheel of V-belt continuously variable transmission (CVT) system driven by permanent magnet synchronous motor (PMSM) has much unknown nonlinear and time-varying characteristics, the better control performance design for the linear control design is a time consuming job. In order to overcome difficulties for design of the linear controllers, a hybrid recurrent Chebyshev neural network (NN) control system is proposed to control for a PMSM servo-driven V-belt CVT system under the occurrence of the lumped nonlinear load disturbances. The hybrid recurrent Chebyshev NN control system consists of an inspector control, a recurrent Chebyshev NN control with adaptive law and a recouped control. Moreover, the online parameters tuning methodology of adaptive law in the recurrent Chebyshev NN can be derived according to the Lyapunov stability theorem and the gradient descent method. Furthermore, the optimal learning rate of the parameters based on discrete-type Lyapunov function is derived to achieve fast convergence. The recurrent Chebyshev NN with fast convergence has the online learning ability to respond to the system's nonlinear and time-varying behaviors. Finally, to show the effectiveness of the proposed control scheme, comparative studies are demonstrated by experimental results.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.125-126
• /
• 2019

In this paper, we propose an improved kNN classification method. Through improved the mothed and normalizing the data, the purpose of improving the accuracy is achieved. Then we compared the three classification algorithms and the improved algorithm by experimental data.

• Journal of Power Electronics
• /
• 제6권4호
• /
• pp.340-346
• /
• 2006

A high efficiency drive technique for synchronous reluctance motors (SynRM) using a neural network (NN) is presented in this paper. High efficiency drive condition depends on the mathematical model of SynRM. A NN is employed as an adaptive model of SynRM. The proposed high efficiency drive technique does not require an accurate mathematical model of SynRM. Moreover, the proposed method shows robustness against machine parameter variations because the training algorithm of the NN is executed on-line. The usefulness of the proposed method is confirmed through experimentation.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권6호
• /
• pp.395-402
• /
• 2013

본 논문에서는 스마트폰 사용자를 위한 가속도 센서 기반의 제스처 인식 방법을 제안한다. 제안하는 제스처 인식 방법에서는 DTW 알고리즘을 적용하여 새로운 시계열 가속도 데이터와 각 제스처별 대표 훈련 데이터간의 유사도를 측정한 뒤, k-NN 알고리즘을 적용하여 제스처를 판별한다. 본 논문에서 제안하는 제스처 인식 방법의 성능을 분석해보기 위해, 안드로이드 스마트폰에서 동작하는 제스처 인식 프로그램과 이것을 활용한 제스처 기반 원격 제어 로봇 시스템을 구현하였다. 사용자-혼합 및 사용자-독립 실험들을 통해, 본 논문에서 제안한 제스처 인식방법과 구현 시스템이 높은 인식 성능과 확장성을 가진다는 것을 보였다.

• 한국문헌정보학회지
• /
• 제39권2호
• /
• pp.123-146
• /
• 2005

이 연구에서는 문서 자동분류에서 분류자질 선정과 가중치 할당을 위해서 일관된 전략을 채택하여 kNN 분류기의 성능을 향상시킬 수 있는 방안을 모색하였다. 문서 자동 분류에서 분류자질 선정 방식과 자질 가중치 할당 방식은 자동분류 알고리즘과 함께 분류성능을 좌우하는 중요한 요소이다. 기존 연구에서는 이 두 방식을 결정할 때 상반된 전략을 사용해왔다. 이 연구에서는 색인파일 저장공간과 실행시간에 따른 분류성능을 기준으로 분류자질 선정 결과를 평가해서 기존 연구와 다른 결과를 얻었다. 상호정보량과 같은 저빈도 자질 선호 기준이나 심지어는 역문헌빈도를 이용해서 분류 자질을 선정하는 것이 kNN 분류기의 분류 효과와 효율 면에서 바람직한 것으로 나타났다. 자질 선정기준으로 저빈도 자질 선호 척도를 자질 선정 및 자질 가중치 할당에 일관되게 이용한 결과 분류성능의 저하 없이 kNN 분류기의 처리 속도를 약 3배에서 5배정도 향상시킬 수 있었다.

• 한국지능시스템학회논문지
• /
• 제15권7호
• /
• pp.828-833
• /
• 2005

커널 기법은 데이터를 high dimension 상의 속성 공간으로 mapping함으로써 복잡한 분포를 가지는 데이터에 대하여 기존의 선형 분류 알고리즘들의 성능을 향상시킬 수 있다r4]. 본 논문에서는 기존의 유클리디안 거리측정방법 대신에 커널 함수에 의한 속성 공간의 거리측정방법을 fuzzy K-nearest neighbor(fuzzy K-NN) 알고리즘에 적용한 fuzzy kernel K-nearest neighbor(fuzzy kernel K-NN) 알고리즘을 제안한다. 제시한 알고리즘은 데이터에 대한 적절한 커널 함수의 선택으로 기존 알고리즘의 성능을 향상시킬 수 있다. 제시한 알고리즘의 타당성을 보이기 위하여 여러 데이터 집합에 대한 실험결과와 실제 영상의 분할 결과를 보일 것이다.

• Journal of Forest and Environmental Science
• /
• 제24권3호
• /
• pp.151-154
• /
• 2008

Dramatic price increases of fossil fuels and the economic development of emerging nations accelerates the transformation of forest lands into monocultures, e.g. for biofuel production. On this account, cost efficient methods to enable the monitoring of land resources has become a vital ambition. The application of remote sensing techniques has become an integral part of forest attribute estimation and mapping. The aim of this study was to evaluate the potentials of the kNN method by combining terrestrial with remotely sensed data for the development of a pixel-based monitoring system for the small scaled mosaic of different land use types of the off-reserve forests of the Goaso forest district in Ghana, West Africa. For this reason, occurrence and distribution of land use types like cocoa and non-timber forest resources, such as bamboo and raphia palms, were estimated, applying the kNN method to ASTER satellite data. Averaged overall accuracies, ranging from 79% for plantain, to 83% for oil palms, were found for single-attribute classifications, whereas a multi-attribute approach showed overall accuracies of up to 70%. Values of k between 3 and 6 seem appropriate for mapping bamboo. Optimisation of spectral bands improves results considerably.

• 응용통계연구
• /
• 제21권1호
• /
• pp.95-107
• /
• 2008

농촌생활지표조사는 2000년부터 농촌자원개발연구소에서 매년 실시하는 조사로서 통계청 승인통계이다. 본 연구에서는 2005년 농촌생활지표조사에 사용된 원자료를 이용하였다. 원자료에 대한 에디팅 과정을 거친 후 무응답이 포함된 개체를 제거하여 얻어진 1,582 가구를 대 상으로 하였으며 총 146문항 중에서 최종 선택되어진 15문항을 증심으로 무응답 대체를 실시하였다. 실험에 사용된 대체법과 각 대체법의 효율성은 자료의 종류에 따라 다르게 적용되었다. 먼저 연속형 자료에 대해서는 평균대체, 회귀대체, 수정된 그레이 기반 k-NN 대체(DU, DW, WU, WW) 방법을 사용하여 무응답을 대체하고 RMSB를 이용하여 실험결과를 비교하였으며, 범주형 자료에 대해서는 최빈값 이용, 확률 대체, 조건부 최빈간 이용, 조건부 학률 대체, 단순 임의 핫덱 대체 방법을 사용하여 무응답을 대체하고 정확도(Accuracy)를 이용하여 실험 결과를 비교하였다. 실험 결과에 의하면 연속형 자료에 대해서는 회귀대체 또는 그레이 기반 k-NN 대체가 적절하고, 범주형 자료에 대해서는 핫덱 대체가 가장 적절한 것으로 나타났다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2005년도 전력전자학술대회 논문집
• /
• pp.624-627
• /
• 2005

This paper presents a new data classification method using the Robbins Monro stochastic approximation algorithm k-nearest neighbor and distribution analysis. To cluster the data set, we decide the centroid of the test data set using k-nearest neighbor algorithm and the local area of data set. To decide each class of the data, the Robbins Monro stochastic approximation algorithm is applied to the decided local area of the data set. To evaluate the performance, the proposed classification method is compared to the conventional fuzzy c-mean method and k-nn algorithm. The simulation results show that the proposed method is more accurate than fuzzy c-mean method, k-nn algorithm and discriminant analysis algorithm.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 춘계학술발표대회
• /
• pp.423-426
• /
• 2005

기억기반학습의 일종인 최근접 이웃(k nearest neighbor) 알고리즘은 과거의 데이터들 중에서 새로운 개체와 유사한 데이터들을 이용해서 새로운 개체의 목적 값을 예측하는 것이다. 이 경우 속성의 가중치를 계산하는 방식은 kNN의 성능을 결정하는 중요한 요소가 된다. 본 논문에서는 기존의 다른 이론들과 달리 정보이론에서 사용되는 엔트로피 개념을 이용해서 속성의 가중치를 이론적이고, 효과적으로 계산하는 새로운 방법을 제시하고자한다. 제안된 방법은 각 속성이 목적속성에 제공하는 정보의 양에 따라 가중치를 자동으로 계산하여 kNN의 성능을 향상시킨다. 마지막으로 이러한 방식의 성능을 다수의 실험을 통해 비교하였다.