• 한국지능시스템학회논문지
• /
• 제26권1호
• /
• pp.87-92
• /
• 2016

본 논문에서는 일반적인 신경회로망의 단점인 느린 학습속도를 획기적으로 개선한 네트워크인 Extreme Learning Machine과 전문가들의 언어적 정보들을 기술 할 수 있는 퍼지 이론을 접목한 퍼지 Extreme Learning Machine을 최적화하기 위하여 Particle Swarm Optimization 알고리즘을 이용하였다. 퍼지 Extreme Learning Machine의 활성화 함수를 일반적인 시그모이드 함수를 사용하지 않고, 퍼지 C-Means 클러스터링 알고리즘의 활성화 레벨 함수를 이용하였다. Particle Swarm Optimization 알고리즘과 같은 최적화 알고리즘을 통하여 퍼지 Extreme Learning Machine의 활성화 함수의 파라미터들을 최적화 한다. Particle Swarm Optimization과 같은 최적화 알고리즘을 통한 제안된 모델의 최적화 하고 최적화된 모델의 분류성능을 평가하기 위하여 다양한 머신 러닝 데이터 집합을 사용하여 평가한다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1993년도 춘계학술대회 논문집
• /
• pp.235-241
• /
• 1993

생산시스템의 요소기술은 단계별로 설계, 가공, 검사에 관한것이 있으며 FMS, CIM과같은 생산시스템에서는 통가공 Cell의 효율을 극대화시키기 위한 기술로 지능화한 지능화기술은 전문가시스템(Expert System), 퍼지 이론 (Fuzzy logic)및 신경회로망(Neural Network)의 도입에 의해 활발히 이루어지고있다. 시스템의 지능화 를 위해서 가장 근간이 되는 기술은 그림 1.에 나타낸 바와 같이 지식(Knowledge) 기술과 센서(Sensor) 응용 기술이 며, 현재의 가공상태에 대한 정보는 전적으로 센서를 통해 얻어지며 상태판단은 축적된 지식을 바탕으 로 행해진다. 센서를 통해 얻어진 외부정보를 외부정보를 처리하는 인식(Recognition)이란 대상물의 존재를 아는 인지(Cognition)의 과정에서 한걸음 더 나아가 구체적인의미나 정보내용을 판정하는 것을 의미한다. 당 연구실에서는 이러한 기법들을 이용한 지능화된 공구마모/파손 감지에대한 연구를 수행중이다. 1차적으로 머시님센타의 엔드밀공정을 중심으로한 연구가 진행중이며 본 논문에서는 현재 연구실 차원에서 사용되고 있는 고가의 센서를 대체 할 수 있는 저가의 신뢰성 있는 센서의 이용에 촛점을 맞추어 패턴인식을 위한 절삭신호특성 분석 및 패턴 특성에대한 연구 결과를 소개하고자 한다.

• 한국정보통신학회논문지
• /
• 제12권7호
• /
• pp.1291-1300
• /
• 2008

본 논문에서는 패턴인식의 정확성을 향상시키기 위한 지능시스템을 제안한다. 제안한 지능시스템은 신경회로망의 무감독학습 방법인 SOPM(Self Organizing Feature Map), LVQ(Learning Vector Quantization), 그리고 퍼지이론의 FCM(Fuzzy C-means)을 이용하여 구성한다. 제안한 지능시스템의 유용성은 실험을 통해 확인한다. 실험은 Fisher의 Iris 데이터 분류, Cambridge 대학의 Olivetti 연구실(ORL; Olivetti Research Laboratory)에서 제공하는 얼굴 데이터베이스를 이용한 얼굴 영상 데이터 분류, 그리고 근전도(EMG, Electromyogram) 데이터를 분류하는 것이다. 제안한 지능시스템은 일반적인 LVQ와 비교한다. 실험을 통해 제안한 지능시스템이 일반적인 LVQ보다 패턴 인식의 정확성이 더 우수함을 알 수가 있었다.

• 제어로봇시스템학회논문지
• /
• 제7권9호
• /
• pp.723-732
• /
• 2001

경로 추적의 성능을 향상시키기 위해서 이 논문에서는 광유도식 무인방송차(AGV)의 뉴로퍼지 컨트롤러를 제안한다. 2바퀴 각각 조향 기능이 있는 AGV의 전방과 후방에 센서들이 장작되어 있으며, 그 센서들의 정보를 이용하여 AGV의 경로를 유도하게 된다. 측정된 광센서가 연속적인 데이터가 아니기 때문에 광유도식 AGV 는 쉽게 경로를 이탈하게 되고 경로 추적 성능은 떨어지게 된다. 광센서의정보들은 on/off 신호에 의해 발생되므로 비연속적으로 얻어지게 되고, 동적 오착가 측정되어진다. 센서에 의해 정보를 얻은 후 동적 오차는 좌우측 바퀴의 각 속도를 이용한 데드 레코닝(Dead Reckoning) 방법에 의해 연속적으로 계산되어진다. 여기서, 추정 윤곽 오차는 측정 윤관오차를 윤곽오차의증북(Variation)의 합의로 정의된다. 뉴로퍼지 시스템은 퍼지 제어기와 신경회로망으로 이루어졌다. 추정 윤곽 오차를 줄이기 위해 역전파 (Back-Propagation) 학습에 의해 퍼지 맴버쉽 함수의 계수들은 적응적으로 조정된다. 제안된 기존의 퍼지 제어기와 비교분석된다. 성능 분석을 위해 제안된 제어 이론은 모의 실험에 의해 검증된다.