• 한국지능시스템학회논문지
• /
• 제26권1호
• /
• pp.56-63
• /
• 2016

본 연구에서는 퍼지 RBFNNs과 증분형 주성분 분석법으로 실현된 숫자인식 시스템의 설계를 소개한다. 주성분 분석법은 차원축소를 위해 사용되는 알고리즘으로 학습데이터의 차원 수가 고차원이거나 데이터의 양이 많을 때 특징 추출을 위한 많은 계산 시간을 필요로 한다. 따라서 고차원 데이터의 효율적인 차원축소와 점진적인 학습을 위해 증분형 주성분분석법을 적용하는 방법을 제안한다. 방사형 기저함수 신경회로망의 구조는 조건부, 결론부, 추론부의 3가지 기능적 모듈로서 구분이 가능하다. 조건부에서는 FCM 클러스터링 알고리즘의 도움으로 실현된 퍼지 클러스터링의 사용으로 입력 공간을 분할한다. 또한 가우시안 함수 대신 FCM(Fuzzy C-Means)클러스터링 알고리즘의 멤버쉽 값을 사용함으로써 입력 데이터의 특성을 좀 더 잘 반영할 수 있도록 개선하였으며, 결론부에서 연결가중치는 상수항에서 일차식과 이차식, 그리고 변형된 이차식과 같은 다항식의 형태로 확장하여 사용한다. 실험 결과는 공인 숫자 데이터인 MNIST 필기체 숫자 데이터를 사용하여 제안된 숫자 인식 시스템의 효율성을 다른 연구와의 비교를 통해 입증한다.

• 전기학회논문지
• /
• 제60권3호
• /
• pp.639-647
• /
• 2011

In this paper, we introduce a design methodology of data-centroid Radial Basis Function neural networks with extended polynomial function. The two underlying design mechanisms of such networks involve K-means clustering method and Particle Swarm Optimization(PSO). The proposed algorithm is based on K-means clustering method for efficient processing of data and the optimization of model was carried out using PSO. In this paper, as the connection weight of RBF neural networks, we are able to use four types of polynomials such as simplified, linear, quadratic, and modified quadratic. Using K-means clustering, the center values of Gaussian function as activation function are selected. And the PSO-based RBF neural networks results in a structurally optimized structure and comes with a higher level of flexibility than the one encountered in the conventional RBF neural networks. The PSO-based design procedure being applied at each node of RBF neural networks leads to the selection of preferred parameters with specific local characteristics (such as the number of input variables, a specific set of input variables, and the distribution constant value in activation function) available within the RBF neural networks. To evaluate the performance of the proposed data-centroid RBF neural network with extended polynomial function, the model is experimented with using the nonlinear process data(2-Dimensional synthetic data and Mackey-Glass time series process data) and the Machine Learning dataset(NOx emission process data in gas turbine plant, Automobile Miles per Gallon(MPG) data, and Boston housing data). For the characteristic analysis of the given entire dataset with non-linearity as well as the efficient construction and evaluation of the dynamic network model, the partition of the given entire dataset distinguishes between two cases of Division I(training dataset and testing dataset) and Division II(training dataset, validation dataset, and testing dataset). A comparative analysis shows that the proposed RBF neural networks produces model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• 한국항행학회논문지
• /
• 제21권1호
• /
• pp.43-49
• /
• 2017

일반적인 위성 항법 장치 수신기는 루프 필터 기반의 스칼라 추적 루프를 통해 신호 추적이 이루어진다. 본 논문에서는 루프 필터를 LQG 제어기로, 스칼라 추적 루프를 벡터 추적 루프로 대체한 LQG 기반 벡터 추적 루프의 성능을 정확성과 강건성 측면에서 살펴보았다. 정확성을 판단하기 위해서, 일반적인 루프 필터 기반 스칼라 추적 루프 대비 LQG 기반 스칼라 추적 루프의 측정치 추정 오차가 60% 이상 향상됨을 확인하였다. 다음으로 LQG 기반 스칼라 추적 루프 대비 LQG 기반 벡터 추적 루프의 측정치 추정 오차의 성능 향상과 위성 개수 증가에 따른 위치/속도 추정 오차 성능 향상을 확인함으로써 정확성을 확인하였다. 마지막으로 4초 동안의 30 dB-Hz의 일시적 신호 감쇄 상황에서 루프 필터 기반의 스칼라 추적 루프는 신호 추적에 실패하는 반면, LQG 기반 벡터 추적 루프는 연속적으로 위치/속도, 측정치 추정이 가능함을 확인함으로써 강건성을 확인하였다.