• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.239-240
• /
• 2008

본 논문에서는 Subtractive clustering 알고리즘을 이용한 Fuzzy Radial Basis Function Neural Network (FRBFNN)의 규칙 수를 자동적으로 생성하는 방법을 제시한다. FRBFNN은 멤버쉽 함수로써 기존 RBFNN에서 가우시안이나 타원형 형태의 특정 RBF를 사용하는 구조와 달리 Fuzzy C-Means clustering 알고리즘에서 사용하는 거리에 기한 멤버쉽 함수를 사용하여 전반부의 공간 분할 및 활성화 레벨을 결정하는 구조이다. 본 논문에서는 데이터의 밀집도에 기반을 두어 클러스터링을 하는 Subtractive clustering 알고리즘을 사용하여 퍼지 규칙의 수와 같은 의미를 갖는 분할할 입력공간의 수와 분할된 입력공간의 중심값을 동정하며, Least Square Estimator (LSE) 알고리즘을 사용하여 후반부 다항식의 계수를 추정 한다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1960-1961
• /
• 2011

얼굴 인식에서 가장 많이 사용되고 있는 PCA(Principal Component Analysis)는 고차원의 얼굴 데이터를 낮은 차원으로 표현할 수 있다는 장점이 있다. LDA(Linear Discriminant Analysis)는 서로 다른 데이터를 잘 분리할 수 있으며, 얼굴 인식에서 우수한 성능을 보인다. 본 연구에서는 서로의 장점을 결합하여 PCA와 LDA를 혼합, 적용하였다. 고차원의 얼굴데이터를 PCA로 차원 축소한 후 LDA를 이용해 더욱 효과적인 분류가 되어 얼굴 인식률을 향상시킨다. 인식 모듈로는 pRBFNN(Polynomial Based Radial Basis Function Neural Networks) 모델을 구축하여 고차원 패턴인식 문제에 대한 해결책을 제시하고자 한다. 그리고 제안된 패턴분류기는 얼굴 데이터를 사용하여 성능을 확인한다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1966-1967
• /
• 2011

본 연구에서는 방사형 기저 함수를 이용한 다항식 신경회로망(Polynomial Neural Network) 분류기를 제안한다. 제안된 모델은 PNN을 기본 구조로 하여 1층의 다항식 노드 대신에 다중 출력 형태의 방사형 기저 함수를 사용하여 각 노드가 방사형 기저 함수 신경회로망(RBFNN)을 형성한다. RBFNN의 은닉층에는 fuzzy 클러스터링을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. 제안된 분류기는 입력변수의 수와 다항식 차수가 모델의 성능을 결정함으로 최적화가 필요하며 본 논문에서는 Multiobjective Particle Swarm Optimization(MoPSO)을 사용하여 모델의 성능뿐만 아니라 모델의 복잡성 및 해석력을 고려하였다. 패턴 분류기로써의 제안된 모델을 평가하기 위해 Iris 데이터를 이용하였다.

• Korea-Australia Rheology Journal
• /
• v.21 no.1
• /
• pp.1-12
• /
• 2009

This paper reports the suitability of a domain decomposition technique for the hybrid simulation of dilute polymer solution flows using Eulerian Brownian dynamics and Radial Basis Function Networks (RBFN) based methods. The Brownian Configuration Fields (BCF) and RBFN method incorporates the features of the BCF scheme (which render both closed form constitutive equations and a particle tracking process unnecessary) and a mesh-less method (which eliminates element-based discretisation of domains). However, when dealing with large scale problems, there appear several difficulties: the high computational time associated with the Stochastic Simulation Technique (SST), and the ill-condition of the system matrix associated with the RBFN. One way to overcome these disadvantages is to use parallel domain decomposition (DD) techniques. This approach makes the BCF-RBFN method more suitable for large scale problems.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1887-1888
• /
• 2008

본 논문에서는 퍼지 추론 기반의 다항식 RBF 뉴럴네트워크(Polynomial Radial Basis Function Neural Network; pRBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델은 "IF-THEN" 형식으로 기술되는 퍼지 규칙에 의해 조건부, 결론부, 추론부의 기능적 모듈로 표현된다. 조건부의 입력공간 분할에는 HCM 클러스터링에 기반을 두어 구조가 결정되며, 기존에 주로 사용된 가우시안 함수를 RBF로 이용하고, 원뿔형태의 선형 함수를 제안한다. 또한 입력공간 분할시 데이터 집합의 특성을 반영하기 위해 분포상수를 각 입력마다 고려하여 설계함으로서 공간 분할의 정밀성을 높인다. 결론부에서는 기존 상수항의 연결가중치를 다항식 형태로 표현하는 pRBFNN을 제안한다. 제안한 모델의 성능을 평가하기 위해 Box와 Jenkins가 사용한 가스로 시계열 데이터를 적용하고, 기존 모델과의 근사화와 일반화 능력에 대하여 토의한다.

• Journal of Ocean Engineering and Technology
• /
• v.18 no.2
• /
• pp.33-38
• /
• 2004

All adaptive neural network controller has been developed for a model of an underwater vehicle. This controller combines a radial basis neural network and sliding mode control techniques. No prior off-line training phase is required, and this scheme exploits the advantages of both neural network control and sliding mode control. An on-line stable adaptive law is derived using Lyapunov theory. The number of neurons and the width of Gaussian function should be chosen carefully. Performance of the controller is demonstrated through computer simulation.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2930-2932
• /
• 2000

In this paper. a robust gesture recognition system is designed and implemented to explore the communication methods between human and computer. Hand gestures in the proposed approach are used to communicate with a computer for actions of a high degree of freedom. The user does not need to wear any cumbersome devices like cyber-gloves. No assumption is made on whether the user is wearing any ornaments and whether the user is using the left or right hand gestures. Image segmentation based upon the skin-color and a shape analysis based upon the invariant moments are combined. The features are extracted and used for input vectors to a radial basis function networks(RBFN). Our "Puppy" robot is employed as a testbed. Preliminary results on a set of gestures show recognition rates of about 87% on the a real-time implementation.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2992-2994
• /
• 1999

This paper investigates the direct adaptive control of nonlinear systems using RBFN(radial basis function networks). The structure of the controller consists of a fixed PD controller and a RBFN controller in parallel. An adaptation law for the weight adjustment is developed based on the Lyapunov stability theory to guarantee the stability of the overall control scheme. Also, the tracking errors between the system outputs and the desired outputs converge to zero asymptotically. To evaluate the performance of the controller, the proposed method is applied to the trajectory control of the two-link manipulator.

• The Transactions of the Korean Institute of Electrical Engineers P
• /
• v.57 no.4
• /
• pp.362-369
• /
• 2008

In this study, we developed RBFN(Radial Basis Function Networks) based load modeling method with harmonic components. The developed method considers harmonic information as well as fundamental frequency and voltage considered as essential factors in conventional method. Thus, the proposed method makes it possible to effectively estimate load characteristics in power lines with harmonics. RBFN has some advantage such as simple structure and rapid computation ability compared with multi-layer perceptorn which is extensively applied for load modeling. To verify the effectiveness, the proposed method has been intensively tested with various dataset acquired under the different frequency and voltage and compared it with conventional methods such as polynomial method, MLPN and RBFN with no harmonic components.

• Proceedings of the KIEE Conference
• /
• summer
• /
• pp.202-204
• /
• 2004

This paper presents a neural network technology for the detection and classification of the various types of power quality disturbances. Power quality phenomena are short-time problems and of many varieties. Particularly, the transients happen during very short durations to the nano- and microsecond. Thus, a method for detecting ·md classifying transient signals at the same time and in an automatic combines the properties of the wavelet transform and the advantages of neural networks. We test two neural network and compare the results of Backpropagation Neural (BPN) network with Radial basis function network (RBFN). RBFN is more useful to detect and classify than BPN. The configuration of the hardware of PQ-DAS and some case studies are described.