• 전기학회논문지
• /
• 제67권11호
• /
• pp.1536-1541
• /
• 2018

For effective electricity consumption in urban railway station such as peak load shaving, it is important to know each electrical load pattern by various usage. The total electricity consumption in the urban railway substation is already measured in Korea, but the electricity consumption for each usage is not measured. The author proposed the deep learning method to estimate the electrical load pattern for each usage in the urban railway substation with public data such as weather data. GRU (gated recurrent unit), a variation on the LSTM (long short-term memory), was used, which aims to solve the vanishing gradient problem of standard a RNN (recursive neural networks). The optimal model was found and the estimation results with that were assessed.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제45권2호
• /
• pp.165-176
• /
• 2006

In this paper, we consider changes of algebra strands around the world. And we suggest needs of designing new computer environment where we make and manipulate geometric recursive patterns. For this purpose, we first consider relations among symbols, meanings and patterns. And we also consider Logo environment and characterize algebraic features. Then we introduce L-system which is considered as action letters and subgroup of turtle group. There are needs to be improved since there exists some ambiguity between sign and action. Based on needs of improving the previous L-system, we suggest new commands in JavaMAL microworld. So we design a microworld for recursive patterns and consider meanings of letters in new environments. Finally, we consider the method to integrate L-system and other existing microworlds, such as Logo and DGS. Specially, combining Logo and DGS, we consider the movement of such tiles and folding nets by L-system commands. And we discuss possible benefits in this environment.

• 한국정밀공학회지
• /
• 제33권9호
• /
• pp.745-751
• /
• 2016

This paper presents the acceleration and deceleration control of free-form surfaces. A rapid variation of acceleration (or Deceleration) drives the system into a machine shock, resulting in the inaccuracy of the path control of the NURBS curve. The pattern of acceleration control can be established using the curvature of the NURBS curve. The curvature can be easily calculated from the first and second derivative of the NURBS curve used in Taylor's expansion for NURBS interpolation. However, the derivatives are not used in the recursive method for NURBS interpolation. Hence, we attempted the difference-derivatives for calculating the NURBS curvature. Both, Taylor's expansion and the recursive method, are used jointly for controlling the acceleration in the same interpolation algorithm.

• 한국컴퓨터그래픽스학회논문지
• /
• 제22권2호
• /
• pp.1-10
• /
• 2016

의상 시뮬레이션과 렌더링 계산 비용은 메쉬의 종류와 그 품질에 크게 좌우 된다. 일반적으로 정확도와 효율성 면에서 삼각메쉬 보다 사각메쉬가 더 선호된다. 본 논문은 재귀 기하 분할법에 기초한 의복 패턴의 사각화 방법을 기술한다. 논문에서는 기존의 방법에서 두 가지 개선점을 제안한다. 첫째, 제안 방법은 기존의 방법보다 향상 된 회귀 기하 분해 알고리즘을 사용한다. 제안된 방법에서 의복패턴의 물리적 도매인은 보다 더 간단하고 맵핑 가능한 형태로 분해된다. 둘째, 본 논문에서는 정점 분류 알고리즘의 유효성 확인작업을 수행한다. 제안 알고리즘을 이용하여 인식 되지 않은 정점 분류에 대한 유효성을 검증 할 수 있다.

• 전기학회논문지
• /
• 제64권1호
• /
• pp.99-106
• /
• 2015

In this study, we propose Radial basis function Neural Network(RBFNN) using Recursive Weighted Least Square Estimation(RWLSE) to effectively deal with big data class meteorological radar data. In the condition part of the RBFNN, Fuzzy C-Means(FCM) clustering is used to obtain fitness values taking into account characteristics of input data, and connection weights are defined as linear polynomial function in the conclusion part. The coefficients of the polynomial function are estimated by using RWLSE in order to cope with big data. As recursive learning technique, RWLSE which is based on WLSE is carried out to efficiently process big data. This study is experimented with both widely used some Machine Learning (ML) dataset and big data obtained from meteorological radar to evaluate the performance of the proposed classifier. The meteorological radar data as big data consists of precipitation echo and non-precipitation echo, and the proposed classifier is used to efficiently classify these echoes.

• 전기학회논문지
• /
• 제65권6호
• /
• pp.1070-1079
• /
• 2016

In this paper, the design of recursive radial basis function neural networks based on incremental fuzzy c-means is introduced for processing the big data. Radial basis function neural networks consist of condition, conclusion and inference phase. Gaussian function is generally used as the activation function of the condition phase, but in this study, incremental fuzzy clustering is considered for the activation function of radial basis function neural networks, which could effectively do big data processing. In the conclusion phase, the connection weights of networks are given as the linear function. And then the connection weights are calculated by recursive least square estimation. In the inference phase, a final output is obtained by fuzzy inference method. Machine Learning datasets are employed to demonstrate the superiority of the proposed classifier, and their results are described from the viewpoint of the algorithm complexity and performance index.

• Journal of Platform Technology
• /
• 제6권3호
• /
• pp.23-30
• /
• 2018

동작 패턴 생성이란 로봇이 어떤 동작을 안정하게 수행하기 위해 미리 안정적인 동작 궤적을 계산해 내는 것을 말하며 자세 제어는 미리 생성된 동작 패턴을 이용하여 동작을 수행하는 도중 발생하는 외란을 제거하여 로봇의 자세를 안정 하게 만들어주는 것을 말한다. 본 논문에서는 수치적 방법이나 로봇의 상체 구조를 간략화하여 근사적으로 생성하는 기존의 보행 패턴 방법과는 다르게 범용적으로 사용 가능한 뉴럴네트워크 학습기법을 이용한 로봇의 동작패턴 생성방법에 대하여 연구한다.

• Spatial Information Research
• /
• 제21권5호
• /
• pp.63-72
• /
• 2013

본 연구에서는 무주 남대천을 대상으로 재귀호출 알고리듬을 이용하여 제방 파제시 홍수위별 홍수전파 특성을 분석하였다. 먼저 벙구보와 차산보를 파제 지점으로 설정하여 재귀호출 알고리듬에 의한 홍수위별 홍수전파 차수를 분석하였으며, 홍수전파 차수별 격자수와 누계 침수면적을 계산하였다. 또한 홍수전파 차수와 DEM 격자크기를 기준으로 홍수위별로 홍수가 전파되는 시간을 계산하였다. 재귀호출 알고리듬에 의한 홍수전파 차수의 분포특성을 통해 홍수 전파 과정을 파악할 수 있었으며, 홍수전파 차수별 누계 침수면적 그래프의 기울기 패턴을 통해 홍수에 취약한 지역을 선정함으로써 수재해 업무에 기초자료로 제공할 수 있었다. 또한 홍수위별로 홍수전파 시간을 계산함으로써 홍수시 주민들의 대피경로 및 대피시간과 같은 계획을 수립하는데 매우 효과적인 정보를 제공해 줄 수 있을 것으로 판단된다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제13권3호
• /
• pp.186-199
• /
• 2013

We pose pattern classification as a density estimation problem where we consider mixtures of generative models under partially labeled data setups. Unlike traditional approaches that estimate density everywhere in data space, we focus on the density along the decision boundary that can yield more discriminative models with superior classification performance. We extend our earlier work on the recursive estimation method for discriminative mixture models to semi-supervised learning setups where some of the data points lack class labels. Our model exploits the mixture structure in the functional gradient framework: it searches for the base mixture component model in a greedy fashion, maximizing the conditional class likelihoods for the labeled data and at the same time minimizing the uncertainty of class label prediction for unlabeled data points. The objective can be effectively imposed as individual mixture component learning on weighted data, hence our mixture learning typically becomes highly efficient for popular base generative models like Gaussians or hidden Markov models. Moreover, apart from the expectation-maximization algorithm, the proposed recursive estimation has several advantages including the lack of need for a pre-determined mixture order and robustness to the choice of initial parameters. We demonstrate the benefits of the proposed approach on a comprehensive set of evaluations consisting of diverse time-series classification problems in semi-supervised scenarios.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권1호
• /
• pp.11-17
• /
• 2007

패턴 분류에 많이 사용되는 기법 중의 하나인 메모리 기반 추론 알고리즘은 단순히 메모리에 저장된 학습패턴 또는 초월평면과 테스트 패턴간의 거리를 계산하여 가장 가까운 학습패턴의 클래스로 분류하기 때문에 테스트 패턴을 분류하는 기준을 설명할 수 없다는 문제점을 가지고 있다. 이 문제를 해결하기 위하여, 메모리 기반 학습 기법인 RPA를 기반으로 학습패턴들에 내재된 규칙성을 표현하는 IF-THEN 형태의 규칙을 생성하는 점진적 학습 알고리즘을 제안하였다. 하지만, RPA에 의해 생성된 규칙은 주어진 학습패턴 집합에만 충실히 학습되어 overfitting 현상을 보이게 되며, 또한 패턴 공간의 과도한 분할로 인하여 필요 이상으로 많은 개수의 규칙이 생성된다. 따라서, 본 논문에서는 생성된 규칙으로부터 불필요한 조건을 제거함으로써 ovefitting 현상을 해결함과 동시에 생성되는 규칙의 개수를 줄일 수 있는 점진적 규칙 추출 알고리즘을 제안하였으며, UCI Machine Learning Repository의 벤치마크 데이터를 이용하여 제안한 알고리즘의 성능을 입증하였다.