• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.36S no.4
• /
• pp.55-69
• /
• 1999

일반적으로 잉크젯 프린터는 농도에 대해 선형적인 계조재현 특성을 나타낸다. 그러나 인간 시각의 경우 농도에 선형적인 프린터 출력에 대하여 비선형적인 지각반응을 나타낸다. 즉 농도가 큰 패치(patch)에 대해서는 명도나 색차에 대한 변별력이 작으며 농도가 작은 패치에 대해서는 좀 더 예민한 변별력을 갖는다. 따라서 농도에 선형적인 프린터 출력은 시각적인 활성영역을 줄이므로 프린터에서 구별되는 계조의 범위가 좁아진다. 그러므로 본 논문에서는 인간의 시지각 특성과 매우 상관도가 높은 CIELAB 색공간을 이용하여 균등한 명도 변화 및 색차를 나타내도록 하는 프린터 계조재현 알고리즘을 제안한다. 이때 시각적으로 균등한 변화를 나타내는 프린터의 입력값을 찾기 위해 다층 퍼셉트론 신경망(multi-layer perceptron neural network, MLP)을 이용하였다. 신경망의 학습을 위해 계조에 따른 패치를 만들고, 프린터 구동입력신호 및 패치의 측정된 값으로 신경망을 학습하였다. 학습된 신경망으로 선형적인 출력을 내는 프린터 구동신호를 찾고 LUT(look-up table)를 이용하여 프린터 입력 신호를 역으로 보정하였다. 결과, 보정된 프린터의 출력이 선형적인 계조 변화를 보였고 변화가 인지되는 계조의 범위가 늘어났으며 실형상에 대한 실험에 있어서도 우수한 화질을 보였다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.37 no.4
• /
• pp.26-36
• /
• 2000

This paper proposes a neural network algorithm for real-time multiprocessor scheduling problem. The proposed algorithm is developed base on Hopfield neural network for a benefit of parallel processing, in order to finish a requested task within a deadline time. To compare the performance of the proposed algorithm, we used EDA and LLA algorithm that has studied real-time multiprocessor scheduling before. The proposed algorithm is implemented hardware using VHDL.

• Journal of KIISE:Software and Applications
• /
• v.27 no.5
• /
• pp.463-472
• /
• 2000

In this paper, we consider the problem of realizing associative memories via cellular neural network(CNN). After introducing qualitative properties of the CNN model, we formulate the synthesis of CNN that can store given binary vectors with optimal performance as a constrained optimization problem. Next, we observe that this problem's constraints can be transformed into simple inequalities involving linear matrix inequalities(LMIs). Finally, we reformulate the synthesis problem as a generalized eigenvalue problem(GEVP), which can be efficiently solved by recently developed interior point methods. Proposed method can be applied to both space varying template CNNs and space-invariant template CNNs. The validity of the proposed approach is illustrated by design examples.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.37 no.5
• /
• pp.46-55
• /
• 2000

This paper presents a direct adaptive control of robot system using chaotic neural networks and PD controller. The chaotic neural networks have robust nonlinear dynamic characteristics because of the sufficient nonlinearity in neuron itself, and the additional self-feedback and inter-connecting weights between neurons in same layer. Since the structure and the learning method are not appropriate for applying in control system, this neural networks have not been applied. In this paper, a modified chaotic neural networks is presented for dynamic control system. To evaluate the performance of the proposed neural networks, these networks are applied to the trajectory control of the three-axis PUMA robot. The structure of controller consists of PD controller and chaotic neural networks in parallel for conforming the stability in initial learning phase. Therefore, the chaotic neural network controller acts as a compensating controller of PD controller.

• Journal of the Korean Institute of Telematics and Electronics B
• /
• v.33B no.1
• /
• pp.144-152
• /
• 1996

In this paper, a pulse-mode digital multilayer neural network with a massively parallel yet compact and flexible network architecture is presented. Algebraicneural operations are replaced by stochastic processes using pseudo-random pulse sequences and simple logic gates are used as basic computing elements. The distributions of the results from the stochastic processes are approximated using the hypergeometric distribution. A statistical model of the noise(error) is developed to estimate the relative accuracy associated with stochastic computing in terms of mean and variance. Numerical character recognition problems are applied to the network to evaluate the network performance and to justify the validity of analytic results based on the developed statistical model. The network architectures are modeled in VHDL using the mixed descriptions of gate-level and register transfer level (RTL). Experiments show that the statistical model successfully predicts the accuracy of the operations performed in the network and that the character classification rate of the network is competitive to that of ordinary Back-Propagation networks.

• KIISE Transactions on Computing Practices
• /
• v.21 no.4
• /
• pp.338-342
• /
• 2015

Recurrent Neural Network (RNN), a machine learning model which can handle time-series data, can possess more varied structures than a feed-forward neural network, since a RNN allows hidden-to-hidden connections. This research focuses on the network structure among hidden neurons, and discusses the information processing capability of RNN. Time-series learning potential and dynamics of RNNs are investigated upon several well-established network structure models. Hidden neuron network structure is found to have significant impact on the performance of a model, and the performance variations are generally correlated with the criticality of the network dynamics. Especially Preferential Attachment Network model showed an interesting behavior. These findings provide clues for performance improvement of the RNN.

• Electronics and Telecommunications Trends
• /
• v.9 no.1
• /
• pp.75-80
• /
• 1994

신경회로망을 아날로그 VLSI로 구현하는 것은 디지털 구현방법에 비하여 집적도와 신호처리 속도의 장점이 있는 반면에 아날로그 신호의 저장 방법, 시냅스를 구현한 곱셈기의 비선형성, 동작영역, zero offset, noise, gain의 변동등의 문제가 존재한다. 여기서는, 이러한 문제들이 신경회로망을 구현한 아날로그 회로에서 어떤 형태로 나타나는지 알아보았다. 위와 같은 비이상적 요인들이 신경회로망의 성능에 미치는 영향이 파악되면 보다 더 신뢰성을 갖는 신경회로망 chip을 설계/제작할 수 있을 것이다.

• Electronics and Telecommunications Trends
• /
• v.8 no.2
• /
• pp.60-68
• /
• 1993

지금까지 뇌에는 컴퓨터와 같은 클럭(clock) 신호가 없고 신경들 간의 활동은 비동기적이라고 알려져 왔다. 그러나, 1989년 Singer 연구 그룹에서 시각 피질에 있는 많은 신경들이 발진하며 이들 간에는 시각 영상에 따라 동기현상을 보인다고 발표한 후, 많은 실험과 모델링이 행해지고 있다. 이 분야의 응용으로는 여러 분야가 있으며, 특히 동기 발진 모델을 이용하였을 경우에 패턴 분리와 인식에 응용될 수 있다. 본 고에서는 신경회로망의 새로운 기류인 생물학적 발진 신경망의 실험과 모델링에 대한 동향을 분석하고자 한다.

• Journal of Biosystems Engineering
• /
• v.15 no.3
• /
• pp.186-198
• /
• 1990

인간 소뇌의 구조와 기능을 간략하게 수학적으로 모델링하여 입력에 따른 시스템의 적정 출력을 학습에 의한 적응 제어 방식으로 추출해 내는 소뇌모델 대수제어기(CMAC : Cerebellar Model Arithmetic Controller)가 제안되었다. 본 논문에서는 연구개발된 기존 신경회로망과의 비교 분석에 의거하여, 소뇌모델 대수제어기 대신 네트의 특성에 따라 소뇌모델 선형조합 신경망(CMLAN : Cerebellum Model Linear Associator Network)이라 하였다. 소뇌모델 선형조합 신경망은 시스템의 제어 함수치를 결정하는 데 있어, 기존의 제어방식이 시스템의 모델링을 기초로 하여 알고리즘에 의한 수치해석적 또는 분석적 기법으로 모델 해를 산출하는 것과 달리, 학습을 통하여 저장되는 분산기억 소자들의 함수치를 선형적으로 조합함으로써 시스템의 입출력을 결정한다. 분산기억 소자로의 함수치 산정 및 저장은 소뇌모델 선형조합 신경망이 갖는 고유의 구조적 상태공간 매핑(State Space Mapping)과 델타규칙(Delta Rule)에 의거한 시스템의 입출력 상태함수의 학습으로써 수행된다. 본 논문을 통하여 소뇌모델 선형조합신경망의 구조적 특성, 학습 성질과 상태공간 설정 및 시스템의 수렴성을 규명하였다. 또한 기존의 최대 편차수정 학습 알고리즘이 갖는 비능률성 및 적용 제한성을 극복한 효율적 학습 알고리즘들을 제시하였다. 언급한 신경망의 특성 및 제안된 학습 알고리즘들의 능률성을 다양한 학습이득(Learning Gain)하에서 비선형 함수를 컴퓨터로 모의 시험하여 예시하였다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.37 no.1
• /
• pp.21-31
• /
• 2000

In this paper, an analysis of the stability for a class of discrete-time neural network control systems is presentd. Based on Lyapunov's direct method, a sufficient stability condition for the neural network control systems is systematically derived and the modified back propagation algorithm which reflects the derived stability condition is suggested. The modified BP originates from the derived sufficient condition and guarantees the exponential stability of the resulting trained closed system. Finally, computer simulation is included to show an example where the derived stability condition and the BP modified bythe condition is used to train the control plant.