• 전기학회논문지
• /
• 제64권9호
• /
• pp.1337-1346
• /
• 2015

In this paper, pattern classifier is designed to classify precipitation and non-precipitation events from weather radar data. The proposed classifier is based on Fuzzy Neural Network(FNN) and consists of three FNNs which operate in parallel. In the proposed network, the connection weights of the consequent part of fuzzy rules are expressed as two polynomial types such as constant or linear polynomial function, and their coefficients are learned by using Least Square Estimation(LSE). In addition, parametric as well as structural factors of the proposed classifier are optimized through Differential Evolution(DE) algorithm. After event classification between precipitation and non-precipitation echo, non-precipitation event is to get rid of all echo, while precipitation event including non-precipitation echo is to get rid of non-precipitation echo by classifier that is also based on Fuzzy Neural Network. Weather radar data obtained from meteorological office is to analysis and discuss performance of the proposed event and echo patter classifier, result of echo pattern classifier compare to QC(Quality Control) data obtained from meteorological office.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권2호
• /
• pp.383-403
• /
• 2021

With the development of mobile edge computing (MEC), some late-model application technologies, such as self-driving, augmented reality (AR) and traffic perception, emerge as the times require. Nevertheless, the high-latency and low-reliability of the traditional cloud computing solutions are difficult to meet the requirement of growing smart cars (SCs) with computing-intensive applications. Hence, this paper studies an efficient offloading decision and resource allocation scheme in collaborative vehicular edge computing networks with multiple SCs and multiple MEC servers to reduce latency. To solve this problem with effect, we propose a context-aware offloading strategy based on differential evolution algorithm (DE) by considering vehicle mobility, roadside units (RSUs) coverage, vehicle priority. On this basis, an autoregressive integrated moving average (ARIMA) model is employed to predict idle computing resources according to the base station traffic in different periods. Simulation results demonstrate that the practical performance of the context-aware vehicular task offloading (CAVTO) optimization scheme could reduce the system delay significantly.

• 전기학회논문지
• /
• 제64권1호
• /
• pp.128-135
• /
• 2015

In this study, we develop the very short-term precipitation forecasting model as well as classifier based on polynomial radial basis function neural networks by using AWS(Automatic Weather Station) and KLAPS(Korea Local Analysis and Prediction System) meteorological data. The polynomial-based radial basis function neural networks is designed to realize precipitation forecasting model as well as classifier. The structure of the proposed RBFNNs consists of three modules such as condition, conclusion, and inference phase. The input space of the condition phase is divided by using Fuzzy C-means(FCM) and the local area of the conclusion phase is represented as four types of polynomial functions. The coefficients of connection weights are estimated by weighted least square estimation(WLSE) for modeling as well as least square estimation(LSE) method for classifier. The final output of the inference phase is obtained through fuzzy inference method. The essential parameters of the proposed model and classifier such ad input variable, polynomial order type, the number of rules, and fuzzification coefficient are optimized by means of Particle Swarm Optimization(PSO) and Differential Evolution(DE). The performance of the proposed precipitation forecasting system is evaluated by using KLAPS meteorological data.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권9호
• /
• pp.3907-3923
• /
• 2020

An enhanced irregular repetition slotted ALOHA (IRSA) protocol is proposed by using polarization characteristic of satellite link and MIMO detection in low earth orbit (LEO) satellite networks, which is dubbed polarized MIMO IRSA (PM-IRSA). In the proposed scheme, one or two packets in one slot can be decoded by employing polarized MIMO detection, and more than two collided packets in multiple slots which can construct the virtual MIMO model can be decoded by the MIMO detection algorithm. The performance of the proposed scheme is analyzed with the density evolution (DE) approach and the degree distribution is optimized to maximize the system throughput by using a differential evolution. Numerical results certify our analysis and show that the normalized throughput of the proposed PM-IRSA can achieve 1.89 bits/symbol.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(C)
• /
• pp.323-327
• /
• 2010

본 논문은 차분 진화 알고리즘의 최적해 탐색 능력을 향상시키기 위해 병렬 처리기법을 적용한 기법을 제안한다. 이를 위해서 기존의 개체군들을 5개의 그룹으로 나누어서 독립적으로 최적화 과정을 하도록 하여 일정한 확률에 의해서 각 그룹이 다른 그룹의 Best individual들을 변이 과정에서 참조하도록 하였다. 이러한 방식을 통해서 기존 차분 진화 알고리즘이 가지고 있는 지역해 수렴 문제를 해결하는 할 수 있도록 하였다. 실험을 통해서 제안된 차분 진화 알고리즘(P-DE)의 탐색 능력을 비교 및 분석 하였다. 실험 결과 제안된 차분 진화 알고리즘(P-DE)이 지역해 수렴 문제를 충분히 해결함으로써 기존의 알고리즘에 비해서 우수한 성능을 보이는 것을 확인 하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1954-1955
• /
• 2011

본 연구에서는 교육용으로 제작된 NXT 장비에 설치된 Light 센서, Ultrasonic센서, Sound센서를 이용하여 각 거리(10~60cm)에서 5cm 간격으로 각 센서 데이터를 취득하였다. 데이터 취득은 NI(National Instrument)에서 제공하는 LabVIEW Software를 사용하여 각 거리마다 100개의 셈플 데이터를 취득하였다. 취득한 데이터는 제안한 모델의 입력 데이터로 사용하여 실제거리와 모델 출력과의 정확도를 평가 하였다. 본 연구에서 제안한 모델은 지능형 모델 중 퍼지추론 기반의 최적 다항식 RBF 뉴럴네트워크(Radial Basis Function Neural Network; RBFNN)를 설계한다. 제안된 RBFNN은 기존 RBF 뉴럴네트워크를 기반으로 한 구조로, 퍼지추론 메커니즘의 기능적 모듈 동작 특성을 갖도록 정규화 부분을 추가하고, 은닉층과 출력층 사이의 연결가중치를 기존 상수항에서 선형식(first order)으로 확장한 형태이다. 또한 최적의 알고리즘인 PSO(Paticle Swarm Optimization)와 DE(Differential Evolution)을 이용하여 제안된 모델의 파라미터들을 동정하여 성능을 비교, 분석 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.327-327
• /
• 2018

돌발홍수, 집중호우 등 강우가 발생 원인되는 자연재해에 효과적으로 대응하기 위한 연구가 활발히 이루어지고 있으나 강우의 시공간 변동성과 발생과정의 복잡한 물리과정으로 인해 강우 추정에 한계를 가진다. 일반적으로 강우 추정은 물리적, 추계학적 모형을 이용하며 추계학적 모형의 점과정(point process)을 이용하여 강우를 생산한다. 추계학적 강우 모형은 관측 강우의 시간 스케일, 강우발생 빈도, 강우 강도 등 강우 구조의 특성을 반영 할 수 있다는 장점을 가지고 있으나 생산되는 강우의 구조가 추정되는 매개변수에 크게 의존한다는 점에서 실제 강우에 적합한 매개변수 추정이 중요하다. 본 연구에서는 낙동강 유역내에 있는 20개의 강우관측 지점을 대상으로 1973년-2017년까지의 강우 관측자료를 수집하였으며 추계학적 강우생성 모형으로 점과정을 이용하는 추계학적 강우생성 모형인 NSRPM(Neymann-Scott rectangular pulse model)을 선정하였다. NSRPM모형의 매개변수를 추정하기위한 최적기법으로 DFP(Davidon-Fletcher-Powell), GA(genetic algorithm), Nelder-Mead, DE(differential evolution)를 이용하여 추정된 매개변수의 적합성을 분석하고 지역특성을 고려한 매개변수 추정 기법을 제시하였다. 추정된 모형의 매개변수를 분석한 결과 DE와 Nelder-Mead 기법이 높은 적합성을 보였으며 DFP, GA기법이 상대적으로 낮은 적합도를 보였다.

• 전자공학회논문지
• /
• 제50권1호
• /
• pp.225-231
• /
• 2013

본 연구에서는 PCA알고리즘을 이용한 최적 pRBFNNs 기반 나이트비전 얼굴인식 시스템을 설계 하고자 한다. 조명이 없는 주위 상태 하에서 조도가 낮기 때문에 CCD 카메라를 이용하여 영상을 획득하는 것이 어렵다. 본 논문에서는 낮은 조도에 의해 왜곡된 이미지의 품질을 나이트 비전 카메라와 히스토그램 평활화를 사용하여 향상시킨다. 그리고 얼굴과 비얼굴 이미지 영역 사이에서 얼굴 이미지를 검출하기 위하여 Ada-Boost 알고리즘을 사용한다. 추출된 고차원 특징 데이터를 저차원의 특징 데이터로 변환하기 위하여 데이터 차원축소 기법인 주성분 분석법(Principal Components Analysis; PCA)을 사용한다. 또한 인식 모듈로서 pRBFNNs(Polynomial- based Radial Basis Function Neural Networks) 패턴분류기를 소개한다. 제안된 다항식 기반 RBFNNs은 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 구성되어 있다. 조건부는 FCM (Fuzzy C-means) 클러스터링을 사용하여 입력공간을 분할하고, 결론부는 분할된 로컬 영역을 다항식 함수로 표현한다. 그리고 차분진화 (Differential Evolution; DE) 알고리즘을 사용하여 모델의 파라미터를 최적화 한다.

• 정보처리학회논문지B
• /
• 제15B권6호
• /
• pp.603-608
• /
• 2008

본 논문에서는 주가의 일별 시가, 종가, 최고가, 최저가를 예측하기 위한 퍼지모델을 제안한다. 주가는 시장의 여러 경제 변수에 의존하므로 주가예측 모델의 입력변수를 선택하는 것은 쉽지 않은 일이다. 이와 관련하여 많은 연구가 있지만 정답이 있는 것은 아니다. 본 논문에서는 이를 해결하기 위해 주가 움직임 자체에 주목하는 스틱차트의 기술적 분석에 이용되는 정보를 퍼지규칙의 입력변수로 선택한다. 퍼지규칙은 사다리꼴 멤버쉽함수로 이루어진 전건부와 비선형 수식의 후건부로 구성된다. 최적의 퍼지규칙으로 구성된 퍼지모델을 찾아내기 위해 차분진화가 사용된다. 본 논문에 제안된 방법은 수치 예를 통해 다른 방법과의 비교로 타당성이 검토되며 KOSPI(KOrea composite Stock Price Index) 일별 데이터를 사용, 주가예측 퍼지모델을 구축하고 신경회로망 모델과 비교, 검토된다.

• 전기학회논문지
• /
• 제61권5호
• /
• pp.744-752
• /
• 2012

In this study, the Polynomial-based Radial Basis Function Neural Networks is proposed as an one of the recognition part of overall face recognition system that consists of two parts such as the preprocessing part and recognition part. The design methodology and procedure of the proposed pRBFNNs are presented to obtain the solution to high-dimensional pattern recognition problems. In data preprocessing part, Principal Component Analysis(PCA) which is generally used in face recognition, which is useful to express some classes using reduction, since it is effective to maintain the rate of recognition and to reduce the amount of data at the same time. However, because of there of the whole face image, it can not guarantee the detection rate about the change of viewpoint and whole image. Thus, to compensate for the defects, Linear Discriminant Analysis(LDA) is used to enhance the separation of different classes. In this paper, we combine the PCA&LDA algorithm and design the optimized pRBFNNs for recognition module. The proposed pRBFNNs architecture consists of three functional modules such as the condition part, the conclusion part, and the inference part as fuzzy rules formed in 'If-then' format. In the condition part of fuzzy rules, input space is partitioned with Fuzzy C-Means clustering. In the conclusion part of rules, the connection weight of pRBFNNs is represented as two kinds of polynomials such as constant, and linear. The coefficients of connection weight identified with back-propagation using gradient descent method. The output of the pRBFNNs model is obtained by fuzzy inference method in the inference part of fuzzy rules. The essential design parameters (including learning rate, momentum coefficient and fuzzification coefficient) of the networks are optimized by means of Differential Evolution. The proposed pRBFNNs are applied to face image(ex Yale, AT&T) datasets and then demonstrated from the viewpoint of the output performance and recognition rate.