• Journal of the Korea Institute of Military Science and Technology
• /
• v.1 no.1
• /
• pp.82-91
• /
• 1998

This paper presents a neural networks based approach for the problem of sensor failure detection and accommodation for ship without physical redundancy in the sensors. The designed model consists of two neural networks. The first neural network is responsible for the failure detection and the second neural network is responsible for the failure identification and accommodation. On the yaw rate sensor of ship, simulation results indicates that the proposed method can be useful as failure detector and sensor estimator.

• 전기의세계
• /
• v.46 no.3
• /
• pp.20-25
• /
• 1997

자율주행시스템은 복잡한 환경에서 효과적인 주행을 위해서 센서를 통해 주변의 정보를 수집하고 주변환경에 적절한 동작을 취해야 한다. 이러한 자율주행시스템에 지능적인 방법을 통하여 새롭게 제안한 방법을 서술하였다. 퍼지 논리를 이용하여 운전자와 같이 차량이 차선을 따라 주행하기 위한 퍼지 논리 제어기(FLC)가 설계되었다. 함축적인 차량모델을 기반으로 설계한 퍼지 논리 제어기가 복잡하고 정확한 차량모델을 기반으로 설계된 PID나 FSLQ 제어기와 동등한 성능을 발휘하였다. 인간의 운전방법을 학습할 수 있는 신경회로망을 이용하여 자율주행시스템에 적용하였다. 퍼지 신경회로망은 인간의 제어특성을 반영하도록 설계되었으며 자동으로 생성된 제어기는 퍼지 논리 제어나 신경회로망의 기법보다 우수한 성능을 발휘하였다. 퍼지 논리, 신경회로망, 유전자 알고리즘 등의 인간의 지능 모델에 기초를 둔 방법을 자율주행차량의 제어에 도입하므로써 기존의 자율주행시스템의 문제점을 극복하는데 주요한 역할을 하였다. 앞으로 퍼지 논리, 신경회로망, 유전자 알고리즘은 각각의 강점을 융합하거나, 고전적인 제어 알고리즘과 결합하므로써 더욱 우수한 성능을 발휘할 것으로 예상된다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.4
• /
• pp.460-465
• /
• 2006

This paper presents a new fuzzy learning rule which considers the Euclidean distances between the input vector and the prototypes of classes. The new fuzzy learning rule is integrated into the supervised IAFC neural network 4. This neural network is stable and plastic. We used iris data to compare the performance of the supervised IAFC neural network 4 with the performances of back propagation neural network and LVQ algorithm.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.11a
• /
• pp.176-179
• /
• 1997

본 논문은 입/출력 관계가 불명확한 가전제품 제어에 인공신경회로망을 응용하여 지능형 제어기를 구현하는 방법에 관한 것이다. 다층신경회로망을 사용하고 Error Back Propagation 학습방법에 의하여 학습되도록 한다. 제어대상물에서 알 수 있는 정보는 입력값과 이에 대응하는 출력값 뿐이며 입력과 출력에 대한 관계를 수학적으로 모델링하기 어려운 경우이다. 인공신경회로망을 이용한 제어를 위하여 Neural Network Emulator(NNE)와 Neural Network Controller(NNC)가 개발되며 각 신경회로망의 초기하중백터는 제어대상에 오프라인 학습으로 결정하고, 자동조절과정에서 온라인 학습하여 새로운 대상제품 상황에 적응하도록 설계되었다. 제안된 지능형 제어시스템은 PC를 이용하여 실시스템에 적용하여 검토되었다.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.12
• /
• pp.3265-3274
• /
• 1998

본 논문에서는 인간의 칼랄 인식 특성인 명도, 채도 및 색조의 관계를 학습시킨 신경회로망을 이용하여 열화된 영상의 채도 부분을 향상하는 칼라영상향상법으 제안하였다. 제안한 방법은 우선 표준영상으로부터 여러 단계 열화된 영상들로부터 얻은 다양한 명도, 채도 및 색조의 관계를 신경회로망의 입력으로 하고 표준영상의 채도를 목표차로 해서 신경회로망을 학습시킨다. 그리고 이렇게 학습된 신경회로망에 열화된 영상의 명도, 채도, 색조 그리고 향상시킨 명도를 입력하면 향상된 채도를 얻을 수 있는 칼라영상향상방법이다. 본 논문에서는 제안한 방법이 기존의 칼라영상향상법에서 가장 문제가 되었던 영상 향상 시 칼라범위를 초과하는 문제와 채도 향상비의 인위적 선택문제를 해결하고 채도의 대비를 향상시켜 선명한 영상을 얻을 수 있는 방법임을 밝혔다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.317-323
• /
• 1998

이 논문에서는 웨이브렛 신경회로망을 사용하여 알려지지 않은 비선형 시스템을 안정하게 적응제어하는 문제를 다룬다. 비선형 시스템의 정확한 제어는 함수를 근사화하는 데 사용된 함수 근사화기의 정확성과 효율성에 의존한다. 이에 비선형 시스템 제어에 기준 함수의 선택이 자유롭고 함수 근사화 능력이 뛰어난 웨브렛 신경회로망을 사용한다. 초기 웨이브렛 신경회로망 제어기 설정은 웨이브렛 신경회로망 변수인 신축과 이동 값을 제어기 입력의 시-주파수 특성을 분석해서 구하고, 연결강도는 Lyapunov 안정성 이론에 기초한 적응 법칙을 사용하여 조절한다. 이를 비선형 시스템인 역 진자 시스템에 적용한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.199-202
• /
• 2002

신경회로망을 동적 정보처리에 응용하기 위해서는 비대칭 결합 신경회로망에서 생성되는 동적 상태천이에 관한 직관적 이해가 필요하다. 자기결합을 갖고 결합하중치가 비대칭인 순환결합형 신경회로망은 복수 개의 리미트사이클이 기억 가능하다는 것이 알려져 있다. 현재까지 이산시간 모델의 네트워크에 대한 상태천이 해석은 상세하게 이루어져 왔다. 그러나 연속시간 모델에 대한 해석은 네트워크 규모의 증가에 따른 급격한 계산량의 증가 때문에 연구가 그다지 활발하게 이루어지지 않고 있다. 본 논문에서는 각 뉴런이 최근접 뉴런에만 이진화된 결합하중 +1 및 -1로 연결된 연속시간모델 순환결합형 신경회로망의 동적인 상태천이 특성을 해석하여 이산시간 모델에서 기억 가능한 리미트사이클과의 차이점을 분석한다. 또한 연속시간 네트워크 모델에 카오스 신호를 인가하여 리미트사이클간의 천이를 제어할 수 있는 가능성을 분석하여 동적정보처리에 네트워크를 응용할 수 있는 가능성을 검토한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.671-674
• /
• 2003

본 논문에서는 고차 신경망 (High-order Neural Network) 을 이용한 LCD 모니터의 색 보정 방법에 관해 제안하였다. 스캐너를 통해 입력받는 영상과 LCD 모니터상에 보여지는 영상의 색을 고차 신경회로망을 통해 보정하였다. 측색기를 이용하여 색표의 값을 측정하고 이를 신경회로망의 출력으로, LCD 모니터에 나타나는 값을 입력으로 하여 학습하였다 입력은 측정값들의 상관항으로 구성되는 집합을 구성하여 고차 신경회로망의 입력으로 사용하였다. 최적의 실험결과를 얻기 위해 은닉층의 수와 노드 수를 변경하며 실험하였다. 실험을 통해 고차 선경회로망을 이용한 방법으로 원색에 가깝게 보정 됨을 확인하였다.

• 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.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.16 no.7
• /
• pp.610-614
• /
• 1991

This paper proposes a trajectory constrol fo a robot manipulator by using neural network. The inverse dynamic model of manipuator is learned by neural network. The manipulator is controlled by weight values of the learned neural network. The weight valuese is change with a torque of liner vontroller and a acceleration error. Phsically, the totlal torque for a manipualator is a sum of the liner controller torque and the nerural network controller torque. The proposed control effect is estimated by computer simulation.