• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1996.04a
• /
• pp.71-74
• /
• 1996

본 연구에서는 반복 학습제어 이론을 기초로 하는 하이브리드 신경망 제어기를 제안한다. 신경망으로는 백프로퍼게이션(backpropagation) 신경망을 사용하고, 기존의 반복 학습 제어 이론의 단점을 보안한 제어 알고리즘을 제안한다. 백프로퍼게이션 신경망의 맵핑(mapping)의 특징으로 원하는 목표 패턴에 추종할 수 있는 출력 패턴을 생성하고 반복 학습에 소요되는 학습시간을 줄일 수 있다. 실험결과에서 보듯이 제안된 제어 알고리즘은 목표패턴에 수렴함을 알 수 있다. 제시한 알고리즘은 CD-ROM 드라이브와 같은 광디스크 드라이브류의 초점 제어 등에 응용할 수 있다.

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 1999.04a
• /
• pp.59-60
• /
• 1999

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1994.04a
• /
• pp.198-207
• /
• 1994

공작기계부품 가공을 위한 공정표는 가공공정, 공정별 도면 분할, 가공기계 등을 결정하는 공정계획과 한 공정에 대하여 가공방법, 가공공구, 절삭조건, 공수등을 결정하는 작업계획을 통하여 발행된다. 작업계획에서 가공방법과 가공공구의 결정은 절삭조건과 공수에 영향을 주는 중요한 요소이다. 기존의 연구에서는 가공방법과 가공공구를 결정하기 위해 전문가 시스템 쉘(expert system shell)이용한 사례가 많았다. 이 경우, 지식 베이스(knowledge base) 의 구축에 많은 시간이 소요되고, 지식이 변했을 때 수정의 어려움이 있다. 본 연구에서는 표준화되지 않아 변경의 소지가 많은 가공방법과 가공공구 결정에 뉴럴 네트워크(neural network)의 한 종류인 백 프로퍼게이션 (back propagation) 학습 모델을 이용했다. 공정계획 후 분할된 공정별 도면으로부 터 크기 및 정밀도 등과 같은 특징형상(feature) 정보를 추출한 후, 특징형상 의 종류와 크기, 치수공차, 기하공차, 거칠기 등을 입력하여 가공방법 및 가 공공구가 출력되도록 학습패턴을 설정하여 학습시켰다. 학습패턴은 공정설계 전문가와 인터뷰하는 방법과 작업계획 과정을 분석하는 방법을 통하여 설정 했다. 백 프로퍼게이션 모델을 통하여 학습시킨 결과, 학습시킨대로 정확한 가공방법 및 가공공구를 결정할 수 있었다.

• Electrical & Electronic Materials
• /
• v.8 no.4
• /
• pp.509-517
• /
• 1995

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2003.11a
• /
• pp.411-415
• /
• 2003

본 논문에서는 비단조뉴런 모델을 이용한 DBM(Deterministic Boltzmann Machine)네트워크의 학습능력을 평가하였다. 먼저 제안한 네트워크의 은닉층 뉴런수의 변화에 따른 학습성능을 기존의 단조뉴런 모델을 이용한 네트워크의 경우와 비교하였다. 또한 대표적인 학습 모델인 백프로퍼게이션의 경우와도 비교하여 제안한 네트워크가 우수한 성능을 보임을 확인하였다. 마지막으로 네트워크의 응용을 위하여 비단조 DBM 네트워크를 VHDL로 구현하였다.

• Proceedings of the Korean Institute of Electrical and Electronic Material Engineers Conference
• /
• 2000.11a
• /
• pp.602-605
• /
• 2000

Recently, a study of intellectual smell recognition system is applied for the various fields such as control of food processing and survey of decay. A basic gas recognition system was implemented gases using four metal oxides semiconductor sensors as inputs. A CPLD chip of twenty thousand gates level was used for this purpose. The CPLD chip was designed and the availability of the one chip smell recognition system was tested.

• Journal of the Korean Society of Manufacturing Technology Engineers
• /
• v.9 no.6
• /
• pp.89-95
• /
• 2000

In order to achieve effective prediction of residual stresses, the series experiment were carried out and the residual stresses were measured using the backgpropagation algorithm from the neural network and the sectional method. Using the experimental results, the optimal control algorithms using a neural network should be developed in order to reduce the effect of the external disturbances on residual stresses during GMA welding processes. The results obtained from the comparison between the measured and calculated results, showed that the neural network based on backpropagation algorithm can be sued in order to control weld quality. This system can not only help to understand the interaction between the process parameters and residual stress, but also, improve the quantity control for welded structures. The development of the system is goal in this study.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.2 no.1
• /
• pp.39-45
• /
• 1997

In this paper, a high speed motor drive system using an indirect adaptive neural network controller is proposed. In the variable high speed motor drives, the speed response can be deteriorated by long settling time and high overshoot. To obtain a good dynamical performance, an adaptive feedforward controller consisted of Neural Network Controller(NNC) and Neural Network Emulator(NNE) is applied. The NNE is used to identify the parameters and characteristics of high speed motor. To train the controller, the weights are dynamically adjusted using the back propagation algorithm. Computer simulation and implementation of the proposed system is described.

• Annual Conference on Human and Language Technology
• /
• 1996.10a
• /
• pp.479-483
• /
• 1996

본 논문은 구운 분석의 검색 영역 축소를 통한 구문 분석기의 성능 향상을 목적으로 connectionism을 이용한 부분 구문 인식기의 설계와 구현을 기술한다. 본 부분 구문 인식기는 형태소 분석된 문장으로부터 명사-주어부와 술어부를 인식함으로써 전체 검색 영역을 여러 부분으로 나누어 구문 분석문제를 축소시키는 것을 목적으로 하고 있다. Connectionist 모델은 입력층과 출력층으로 구성된 개선된 퍼셉트론 구조이며, 입/출력층 사이의 노드들을, 입력층 사이의 노드들을 연결하는 연결 강도(weight)가 존재한다. 명사-주어부 및 술어부 구문 태그를 connectionist 모델에 적용하며, 학습 알고리즘으로는 개선된 백프로퍼게이션 학습 알고리즘을 사용한다. 부분 구문 인식 실험은 112개 문장의 학습 코퍼스와 46개 문장의 실험 코퍼스에 대하여 85.7%와 80.4%의 정확한 명사-주어부 및 술어부 인식을, 94.6%와 95.7%의 명사-주어부와 술어부 사이의 올바른 경계 인식을 보여준다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.5 no.2
• /
• pp.132-137
• /
• 2004

In this paper, the adaptive noise canceler using neural network with backpropagation is designed. The adaptive noise canceler using the least mean square algorithm has the large correlativity of the reference signal. The performance of the adaptive noise canceler shows the limitation when the information signal is relatively small to the noise. The system proposed in this paper plays an important role in denoising these signals. In addition, the experiments are carried out to analyze the effects of the number of hidden layers and nodes about the system. The performance of the proposed adaptive noise canceler is compared with that of the system which is used the least mean square algorithm.