• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 1998년도 추계종합학술대회
• /
• pp.202-207
• /
• 1998

본 논문에서는 유전자 알고리즘을 이용하여 불확실한 비선형 시스템의 퍼지-신경 회로망 모델링을 제안하였다. 제안한 퍼지-신경 회로망 모델링을 위한 학습 알고리즘은 다음과 같은 세 단계로 나누어 진행한다. 첫 번째 단계에서는 퍼지 모델의 소속 함수의 중심간과 표준편차를 구하여 초기 퍼지소속 함수를 결정한다. 두 번째 단계에서는 새로운 알고리즘을 통하여 언어적 퍼지 규칙을 만든다. 마지막 세 번째 단계에서는 유전자 알고리즘을 이용하여 중심값과 표준편차를 최적화함으로써 퍼지 모델의 소속 함수를 조절한다. 제안된 유전자 알고리즘의 장점은 흔히 신경 회로망에서 널리 쓰이는 역전파 알고리즘이 갖는 지역 최소점에 빠지는 현상이 없다는 것이다. 제안한 알고리즘의 유용성을 확인하기 위하여 일반적으로 가장 많이 쓰이는 비선형 시스템에 대하여 시뮬레이션 하여 확인하였다.

• 전자통신동향분석
• /
• 제9권4호
• /
• pp.53-61
• /
• 1994

최근 생물학에 기반을 두고 최적화 문제와 학습 문제에 많이 사용되고 있는 유전자 알고리즘과 신경 회로망 기술을 결합하는 연구가 활발해 지고 있다. 신경 회로망 연구에 비해 조금 늦게 시작된 유전자 알고리즘에 대한 연구는 유전자 복제, 교차, 돌연 변이 등의 현상을 걸쳐서 새로운 개체를 발생시켜 나가는 진화의 과정에서 착안하여 해결하고자 하는 문제의 해답을 유전자 탐색의 과정을 통하여 찾아내는 것이다. 이 글에서는 유전자 알고리즘과 신경 회로망을 혹은 서로 보조적인 입장에서 혹은 동등한 입장에서 결합하는 연구에 대한 조사를 소개함으로써 보다 복잡한 최적화 문제나 자동 프로그래밍, 기계 학습, 복잡한 자료 분석, 시계열 예측 등의 분야에 응용하는데 도움을 주고자 한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 추계종합학술대회 논문집
• /
• pp.441-447
• /
• 1999

본 논문은 복잡 적응 시스템의 분석 및 모델링을 위해, 인공생명의 기본 패러다임인 셀룰라 오토마타를 선택하여, 무정형의 구조를 가지며 투명한 자료 전파 특성을 갖는 셀룰라 신경 회로망의 설계하고 개발하는데 중점을 두었다. 우선, 신경 회로망의 불규칙한 구조를 발생학적으로 다루어 무정형의 은닉층을 생성하고, 다윈의 진화론을 적용하여 구조적 진화 및 선택을 통해 최적화된 신경 회로망을 설계하였다. 주변 셀의 상태를 감지하여 자신의 상태를 수정해나가는 방식의 셀룰라 오토마타의 투명한 신호 전파 모델로 자료 및 오차의 역전파에 적용하도록 고안하였고, 라마르크의 용불용설을 활용한 오차의역전파 학습 알고리즘을 유도하였다. 이러한 복잡 적응계의 학습 과정을 유도하여 시뮬레이션에서 그 타당성을 입증하였다. 시뮬레이션에서는 신경 회로망의 XOR 문제와 다중 입력 다중 출력 함수에 대한 근사화 문제를 풀었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2052-2054
• /
• 2003

본 논문에서는 혼돈 비선형 시스템의 지능 제어를 위해 간접 적응 제어 기법에 기반한 웨이블릿 신경 회로망 제어기 설계 방법을 제안한다. 제어기 성능에 큰 영향을 미칠 수 있는 웨이블릿 신경 회로망 구조의 파라미터 동정은 본질적으로 강인하고 전역 최적해에 근사한 값을 결정할 수 있는 유전 알고리듬을 사용한다. 본 논문에서 제안한 제어 방법은 유전 알고리듬을 이용한 혼돈 비선형 시스템의 오프라인 동정 모델 및 기준 신호와 플랜트 출력으로 정의되는 제어 오차를 이용하여 원하는 제어 입력을 생성한다. 한편 본 논문에서 제안한 웨이블릿 신경 회로망 제어기를 대표적인 연속 시간 혼돈 비선형 시스템인 Duffing 시스템에 적용하여 설계된 제어기의 효율성 및 우수성을 검증하고자 한다.

• 한국지능시스템학회논문지
• /
• 제14권3호
• /
• pp.375-382
• /
• 2004

신경회로망을 이용한 XY 테이블의 비선형 보상기법을 제안한다. 제안된 신경망 제어기는 시스템의 비선형 성분에 의한 성능저하를 보상하는 신경회로망과 시스템의 안정화를 위한 비례미분(PD) 제어기로 구성된다. 신경망 보상 구조가 적응적이고 추적오차와 파라미터 추정치가 유계가 되는 신경망 파라미터 동조알고리듬과 안정도 증명을 제시한다. 신경망 제어기를 위치 테이블에 실험함으로써 비선형 성분에 의한 성능저하를 줄이는 효과를 보여준다.

• 전자공학회논문지SC
• /
• 제39권1호
• /
• pp.51-65
• /
• 2002

본 논문에서는 혼돈 비선형 시스템의 지능 제어를 위해 간접 적응 제어 방식에 기초한 신경 회로망 제어기 설계 방법을 제안하였다. 제안된 제어 방법은 혼돈 비선형 시스템의 동정을 위해 다층 신경 회로망과 간단한 상태 공간 신경 회로망을 사용한 직-병렬 동정 구조를 이용하여 오프 라인으로 동정 과정을 수행하였으며, 학습된 혼돈 비선형 시스템에 대한 신경 회로망 모델을 사용하여 온 라인으로 제어를 수행하였다. 이때 혼돈 비선형 시스템의 동정 및 제어를 위한 학습 방법은 오차 역전파 방법을 사용하였다. 한편 본 논문에서 제안된 제어 방법을 연속 시간 혼돈 비선형 시스템인 Duffing 방정식과 Lorenz 방정식에 각각 적용하여 신경 회로망을 사용한 기존의 제어 방법과 컴퓨터 모의 실험을 통해 제어 성능을 비교 및 고찰하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1995년도 추계학술대회 학술발표 논문집
• /
• pp.243-248
• /
• 1995

본 논문에서는 신경회로망의 학습능력을 이용하여 AC 모터의 속도제어에 이용된 기 존의 PI제어기의 문제점을 보완하고자 한다. 기존의 아날로그 PI제어기에서는 각 비례, 적분 파라메타를 개발자가 조정하여 고정하면 부하가 변동될 경우 적응성이 떨어지는 문제점을 안고 있었다. 본 논문에서 제시된 디지털 신경망제어기는 학습을 통해 새로운 환경에 적응 가능하다는 점에 가정하여 설계하고 성능을 비교 평가하였다. 본 논문에서 사용된 신경회로 망의 구조는 신경망중에서 가장 범용적으로 사용되는 다층 퍼셉트론 모델구조를 선택하였 다. 신경망 제어기장치로는 인텔 8097 마이크로 콘트롤러를 이용하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권1_2호
• /
• pp.1-9
• /
• 2002

진화 신경망은 기존의 경험적 지식 대신에 진화 알고리즘의 전역 탐색 능력을 사용해서 최적의 신경망을 찾는다. 하지만 실세계의 복잡한 문제는 하나의 신경망으로 해결하기 어려운 경우가 많기 때문에 최근에 하나 이상의 신경망을 결합한 다중 신경망에 관한 연구가 활발히 진행되고 있다. 본 논문에서는 진화과정 중 상호보완 가능한 다양한 신경망을 얻기 위한 종분화 방식을 제안한다. 또한 적합도 공유를 통해 종분화된 진화 신경망의 결과를 효과적으로 결합하기 위해 추상 레벨, 순위 레벨, 측정치 레벨의 여러 결합 방법을 이용한 다중 신경망 시스템을 개발한다. UCI 데이터베이스의 벤치마크 문제 중 호주 신용카드 승인 데이터에 대하여 실험한 결과, 종분화를 사용해 탐색한 신경망을 결합한 경우는 더 높은 인식률을 보였으며 Borda 결합의 경우 0.105의 오류율을 보여 제안한 방법이 효과적임을 알 수 있었다.

• 전자공학회논문지SC
• /
• 제39권4호
• /
• pp.6-15
• /
• 2002

본 논문에서는 로봇 매니퓰레이터의 제어에 사용할 수 있는 신경망 외란 관측기를 제안하도록 한다. 제안한 신경망 외란 관측기는 다층신경망의 구조로 신경망 외란관측기의 오차와 제어 오차가 충분히 작은 콤팩트 집합에 절대 상시 유계된다. 본 논문에서 제안하는 신경망 외란 관측기는 기존의 적응 제어기의 단점을 해결한 방식으로 복잡한 회귀 모델을 필요로 하지 않는다. 끝으로 제안한 방식을 3관절 로봇에 적용하여 그 타당성을 확인한다.

• 한국인터넷방송통신학회논문지
• /
• 제12권3호
• /
• pp.201-207
• /
• 2012

RAM 기반 신경망은 2진 신경망(Binary Neural Network, BNN)에 복수개의 정보 저장 비트를 두어 교육의 반복 횟수를 누적하도록 구성된 가중치를 가지지 않는(weightless) 신경회로망으로서 한 번의 교육만으로 학습이 이루어지는 효율성이 뛰어난 신경회로망이다. 지도 학습에 기반을 둔 RAM 기반 신경망은 패턴 인식 분야에는 우수한 성능을 보이는 반면, 비지도 학습에 의해 패턴을 구분해야 하는 범주화 연구에는 적합하지 않은 모델로 분류된다. 본 논문에서는 비지도 학습 알고리즘을 제안하여 RAM 기반 신경망으로 패턴 범주화를 수행한다. 제안된 비지도 학습 알고리즘에 의해 RAM 기반 신경망은 입력 패턴에 따라 자율 학습하여 스스로 범주를 생성할 수 있으며, 이를 통해 RAM 기반 신경망이 지도 학습과 비지도 학습이 모두 가능한 복합 모델임을 증명한다. 실험에 사용한 학습 패턴으로는 0에서 9까지의 오프라인 필기체 숫자로 구성된 MNIST 데이터베이스를 사용하였다.