• Journal of Radiation Protection and Research
• /
• v.36 no.1
• /
• pp.44-51
• /
• 2011

Activation foil-based Bonner sphere spheres are used to obtain neutron energy spectra of nuclear power plants or accelerator-produced neutrons. The position and the foil mass dependence of response functions should be studied carefully before measurement of Bonner spheres. This study showed that the normal incidence to the foil surface made a large shift of responses while parallel and isotropic incidence made no position dependence. The correlation between foil mass and response was not linear. Therefore, the response functions of activation-foil based Bonner spheres should be calculated for every different foil mass and the direction of Bonner spheres for parallel incidence will be preferred for radioactive neutron source or accelerator target produced neutrons.

• Proceedings of the Korea Electromagnetic Engineering Society Conference
• /
• 2001.11a
• /
• pp.7-11
• /
• 2001

본 논문에서는 방사 적분방정식의 해를 구하기 위하여 파수영역 웨이블릿 변환개념에 기반을 둔 윈도우 그린함수를 사용하여 파수영역에서 고속으로 산란필드를 계산하는 방법을 제안하였다. 그린함수에 적용된 파수영역 웨이블릿 변환은 공간영역에서 동일한 Q를 갖는 윈도우를 사용하여 필터링함으로써 등가적으로 구현하였다. 고유함수를 이용하여 관찰점을 중심으로 전개된 그린함수를 푸리에 변환한 후 파수영역에서 방사 적분을 계산함으로써 계산효율을 얻을 수 있음을 확인하였다. 관찰영역에서만 정확한 값을 갖는 고유함수로 전개된 그린함수는 그린함수에 윈도우 함수를 씌운 형태로 방사 적분방정식의 파수영역 표현에 적용하면 기존의 고속멀티폴법과 동일한 산란필드 공식을 얻을 수 있다.

• 대한방사선방어학회:학술대회논문집
• /
• 2010.04a
• /
• pp.162-163
• /
• 2010

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1365-1366
• /
• 2015

본 논문에서는 HOG 특징을 이용한 다항식 방사형 기저함수 신경회로망 기반 숫자 인식 시스템의 설계를 제안한다. 제안한 숫자 인식 시스템은 HOG 특징을 이용하여 숫자를 입력 데이터로 사용하기 위해 특징을 계산한다. 다항식 방사형 기저 함수 신경회로망은 고차원 데이터의 입-출력 형태를 갖는 클래스를 분류하는데 용이하며, 활성함수의 중심점 및 분포상수는 Fuzzy C-Means(FCM) 알고리즘에 의해 초기 값을 설정한다. 또한 제안한 분류기의 최적화를 위해 Particle Swarm Optimization(PSO)를 사용하여 최적화된 분류기의 성능을 비교한다. 숫자 인식을 위하여 공인 데이터베이스인 MNIST handwritten digit database를 사용하여 분류기의 성능을 평가하고 분석한다.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.22 no.4
• /
• pp.46-53
• /
• 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 reposed 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
• /
• 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.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.17 no.12
• /
• pp.2937-2943
• /
• 2013

This paper introduces a real-time flocking simulation framework through radial basis function(RBF). The proposed framework first divides the entire environment into a grid structure and then assign a vector per each cell. These vectors are automatically calculated by using RBF function, which is parameterized from user-input control lines. Once the construction of vector field is done, then, flocks determine their path by following the vector field flow. The collision with static obstacles are modeled as a repulsive vector field, which is ultimately over-layed on the existing vector field and the inter-individual collision is also handled through fast lattice-bin method.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.44 no.2 s.314
• /
• pp.82-92
• /
• 2007

This paper describes a novel global shape (GS) feature based on radial basis function network (RBFN) and the extraction method of the proposed feature for 3D face recognition. RBFN is the weighted sum of RBfs, it well present the non-linearity of a facial shape using the linear combination of RBFs. It is the proposed facial feature that the weights of RBFN learned by the horizontal profiles of a face. RBFN based feature expresses the locality of the facial shape even if it is GS feature, and it reduces the feature complexity like existing global methods. And it also get the smoothing effect of the facial shape. Through the experiments, we get 94.7% using the proposed feature and hidden markov model (HMM) to match the features for 100 gallery set with those for 300 test set.

• The Journal of Korean Institute of Electromagnetic Engineering and Science
• /
• v.12 no.7
• /
• pp.1122-1130
• /
• 2001

In this paper, by applying the spectral domain wavelet concept to Green function, a fast spectral domain calculation of scattered fields is proposed to get the solution for the radiation integral. The spectral domain wavelet transform to represent Green function is implemented equivalently in space via the constant-Q windowing technique. The radiation integral can be calculated efficiently in the spectral domain using the windowed Green function expanded by its eigen functions around the observation region. Finally, the same formulation as that of the conventional fast multipole method (FMM) is obtained through the windowed Green function and the spectral domain calculation of the radiation integral.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1964-1965
• /
• 2011

본 연구에서는 패턴분류를 위해 기존의 방사형 기저 함수 신경회로망(Radial Basis Funtion Neural Network)과 다항식 신경회로망(Polynomial Neural Network)을 결합한 다중 출력 방사형 기저 함수다항식 신경회로망 (Multi Output Radial Basis Funtion Polynomial Neural Network)의 분류기를 제안한다. 제안된 모델은 PNN을 기본 구조로 하여 1층에 기존의 다항식 노드 대신 다중 출력 형태의 RBFNN을 적용 한다. RBFNN의 은닉층에는 기존의 활성함수가 아닌 fuzzy 클러스터링을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. PNN은 입력변수의 수와 다항식 차수가 모델의 성능을 결정함으로 최적화가 필요하며 본 논문에서는 Differential Evolution(DE)을 사용하여 모델의 구조 및 파라미터를 최적화시켜 모델의 성능을 향상시켰다. 패턴분류기로써의 제안된 모델을 평가하기 위해 pima 데이터를 이용하였다.