• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1993년도 Fifth International Fuzzy Systems Association World Congress 93
• /
• pp.1013-1016
• /
• 1993

This paper describes a new type of neuron model, the inputs of which are interfered with one another. It has a high mapping ability with only single unit. The learning speed is considerably improved compared with the conventional linear type neural networks. The proposed neuron model was successfully applied to the prediction problem of chaotic time series signal.

• 융합신호처리학회논문지
• /
• 제5권1호
• /
• pp.32-39
• /
• 2004

생체 뉴론은 일반적으로 지속적 또는 과도적인 카오틱 특성을 가지고 있다. 생체 뉴론의 카오틱 반응에 대한 분석적인 해석은 아직까지 이루어지지 않고 있다. 동적 카오틱 반응에 대한 카오틱 뉴런의 과도 카오틱 특성은 지역 수렴 문제를 극복하는데 도움이 되지만 일반적으로 지속적인 카오틱 응답은 최적화 문제에 악영향을 미치게 되므로 초기 카오틱 특성은 사라져야 한다. 패턴 인식, 확인, 예측, 그리고 제어에 사용되는 대부분의 신경회로망 응용에 있어서 필요한 최적화 문제를 해결하기 위해서는 뉴론은 한 개의 안정적인 고정점을 가지고 있어야 한다. 본 논문에서는 동적 카오틱 뉴런의 동적 특성과 카오틱 응답을 발생시키는 조건을 분석하고, 카오틱 뉴런의 수렴조건을 제안하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 B
• /
• pp.933-935
• /
• 1999

In this paper, we present model predictive control scheme based on neural network to control discrete-time chaotic systems. We use a feedforward neural network as nonlinear prediction model. The training algorithm used is an adaptive backpropagation algorithm that tunes the connection weights. And control signal is obtained by using gradient descent (GD), some kind of LMS method. We identify that the system identification results through model prediction control have a great effect on control performance. Finally, simulation results show that the proposed control algorithm performs much better than the conventional controller.

• Journal of Information Processing Systems
• /
• 제15권3호
• /
• pp.682-693
• /
• 2019

The traditional classification methods mostly assume that the data for class distribution is balanced, while imbalanced data is widely found in the real world. So it is important to solve the problem of classification with imbalanced data. In Mahalanobis-Taguchi system (MTS) algorithm, data classification model is constructed with the reference space and measurement reference scale which is come from a single normal group, and thus it is suitable to handle the imbalanced data problem. In this paper, an improved method of MTS-CBPSO is constructed by introducing the chaotic mapping and binary particle swarm optimization algorithm instead of orthogonal array and signal-to-noise ratio (SNR) to select the valid variables, in which G-means, F-measure, dimensionality reduction are regarded as the classification optimization target. This proposed method is also applied to the financial distress prediction of Chinese listed companies. Compared with the traditional MTS and the common classification methods such as SVM, C4.5, k-NN, it is showed that the MTS-CBPSO method has better result of prediction accuracy and dimensionality reduction.

• Smart Structures and Systems
• /
• 제5권4호
• /
• pp.329-344
• /
• 2009

Ultrasonic chaotic excitations combined with sensor prediction algorithms have shown the ability to identify incipient damage (loss of preload) in a bolted joint. In this study we examine a physical experiment on a single-bolt aluminum lap joint as well as a three-dimensional physics-based simulation designed to model the behavior of guided ultrasonic waves through a similarly configured joint. A multiple bolt frame structure is also experimentally examined. In the physical experiment each signal is imparted to the structure through a macro-fiber composite (MFC) patch on one side of the lap joint and sensed using an equivalent MFC patch on the opposite side of the joint. The model applies the waveform via direct nodal displacement and 'senses' the resulting displacement using an average of the nodal strain over an area equivalent to the MFC patch. A novel statistical classification feature is developed from information theory concepts of cross-prediction and interdependence. This damage detection algorithm is used to evaluate multiple damage levels and locations.

• 전자공학회논문지S
• /
• 제35S권10호
• /
• pp.166-174
• /
• 1998

신경망은 분산된 비선형 처리구조와 학습능력 때문에 높은 차수의 비선형 동특성 구현능력을 갖고 있으므로 비정적 신호에 대한 적응예측을 수행할 수 있다. 본 논문에서는 두 가지 방법 (비선형 모듈구조와 비선형과 선형모듈이 직렬로 연결된 예측구조)으로 비정적 신호의 비선형 예측을 다루고 있다. 완전 궤환된 리커런트 신경망과 기존의 TDL(tapped-delay-line) 필터가 비선형과 선형모듈로 각각 사용되었다. 제안된 예측기의 동특성은 카오스 시계열과 음성신호에 대해 시험하였으며, 예측성능의 상대적인 비교를 위해 기존의 ARMA(autoregressive moving average) 구조의 선형 예측모델과 비교하였다. 실험결과에 의하면 신경망을 이용한 적응 예측기는 선형 예측기보다 예측성능이 훨씬 우수하였으며, 특히 직렬구조의 예측기는 신호가 크게 변화하는 시계열의 예측에 효과적으로 사용할 수 있음을 확인하였다.