• 제어로봇시스템학회논문지
• /
• 제7권3호
• /
• pp.209-217
• /
• 2001

In this paper, we propose a linear quadratic regulator(LQR) controller design for the active suspension using evolution strategy(ES) and neural network. We can improve the inherent suspension problem, the trade-off between ride quality and suspension travel by selecting appropriate weight in the LQR-objective function. Since any definite rules for selecting weights do not exist, we replace the designers trial-and-error method with ES that is an optimization algorithm. Using the ES, we can find the proper control gains for selected frequencies, which have major effects on the vibrations of the vehicle. The relationship between the frequencies and proper control gains are generalized by use of the neural networks. When the vehicle is driven, the trained neural network is activated and provides the proper gains for operating frequencies. And we adopted double sky-hook control to protect car component when passing large bump. Effectiveness of our design has been shown compared to the conventional sky-hook controller through simulation studies.

• 기술사
• /
• 제29권2호
• /
• pp.71-79
• /
• 1996

This paper evaluates the clustering performance of a neural network and a statistical method. Algorithms which are used in this paper are the GLVQ(Generalized Loaming vector Quantization) for a neural method and the k -means algorithm for a statistical clustering method. For comparison of two methods, we calculate the Rand's c statistics. As a result, the mean of c value obtained with the GLVQ is higher than that obtained with the k -means algorithm, while standard deviation of c value is lower. Experimental data sets were the Fisher's IRIS data and patterns extracted from handwritten numerals.

• Journal of applied mathematics & informatics
• /
• 제29권5_6호
• /
• pp.1327-1335
• /
• 2011

This paper demonstrates that there is a unique exponentially stable equilibrium state of a class of impulsive cellular neural network with delays. The analysis exploits M-matrix theory and generalized comparison principle to derive some easily verifiable sufficient conditions for the global exponential stability of the equilibrium state. The results extend and improve earlier publications. An example with its simulation is given for illustration of theoretical results.

• 전자공학회논문지CI
• /
• 제41권2호
• /
• pp.95-102
• /
• 2004

제안된 경험 유관 축적 신경회로망은 입력 패턴의 교육 회수를 누적시킬 수 있는 구조를 가지고 있어, 누적된 교육을 통한 공통된 경험에 대해서는 강한 반응을 보이는 주의 집중 기능을 가진다. 그리고 잡음이 많은 패턴에 대하여 선행처리 과정을 거치지 않고 바로 교육을 시켜도 상대적으로 유용한 정보를 누적시켜 일반화 패턴을 추출할 수 있다 본 논문에서는 추가 교육 뿐만 아니라 반복 교육도 가능한 경험 유관 축적 신경회로망 모델을 제안하고, 이 신경회로망이 가지는 기본 특성인 망각 및 주의 집중기능에 대하여 기술하였으며, 또한 교육된 정보로부터 일반화 패턴의 추출 과정과 일반화 패턴의 생성 및 반복교육에 관한 것을 기술하였다.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 2004년도 춘계학술대회 논문집
• /
• pp.241-246
• /
• 2004

This paper proposed trajectory tracking control of mobile robot. Trajectory tracking control scheme are real coding genetic-algorithm and back-propergation algorithm. Control scheme ability experience proposed simulation. Stable tracking control problem of mobile robots have been studied in recent years. These studios have guaranteed stability of controller, but the performance of transient state has not been guaranteed. In some situations, constant gain controller shows overshoots and oscillations. So we introduce better control scheme using Real coding Genetic Algorithm(RCGA) and neural network. Using RCGA, we can find proper gains in several situations and these gains are generalized by neural network. The generalization power of neural network will give proper gain in untrained situation. Performance of proposed controller will verify numerical simulations and the results show better performance than constant gain controller.

• 한국공작기계학회논문집
• /
• 제13권3호
• /
• pp.126-132
• /
• 2004

This paper proposed trajectory tracking control based on genetic algorithm. Trajectory tracking control scheme are real coding genetic algorithm(RCGA) and back-propagation algorithm(BPA). Control scheme ability experience proposed simulation. Stable tracking control problem of mobile robots have been studied in recent years. These studies have guaranteed stability of controller, but the performance of transient state has not been guaranteed. In some situations, constant gain controller shows overshoots and oscillations. So we introduce better control scheme using real coding genetic algorithm and neural network. Using RCGA, we can find proper gains in several situations and these gains are generalized by neural network. The generalization power of neural network will give proper gain in untrained situation. Performance of proposed controller will verity numerical simulations and the results show better performance than constant gain controller.

• The Journal of the Acoustical Society of Korea
• /
• 제13권1E호
• /
• pp.64-70
• /
• 1994

예측신경회로망 모델은 패턴 예측에 의한 매우 효과적인 음성인식 모델이다. 그러나, 그러한 모델은 유사한 어휘간에서 변별력이 떨어지는 단점이 있다. 이 논문에서는 그러한 단점을 극복하기 위한 변별력있는 학습 알고리즘을 제안한다. 이 알고리즘은 최소 분류 오차 수식화와 GPD 알고리즘으로부터 유도외면 그에 따라서 인식 오차의 수를 직접 최소화하는 것이 가능하다. 한국어 숫자음에 대한 인식 실험결과, 기존의 알고리즘에서 발생하는 오인식의 30%를 줄일 수 있었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1994년도 FIFTH WESTERN PACIFIC REGIONAL ACOUSTICS CONFERENCE SEOUL KOREA
• /
• pp.997-1002
• /
• 1994

Predictive neural network models are powerful speech recognition models based on a nonlinear pattern prediction. Those models can effectively normalize the temporal and spatial variability of speech signals. But those models suffer from poor discrimination between acoustically similar words. In this paper, we propose a discriminative training algorithm for predictive neural network models based on a generalized probabilistic descent (GPD) algorithm and minimum classification error formulation (MCEF). The Evaluation of our training algorithm on ten Korean digits shows its effectiveness by 40% reduction of recognition error.

• 방송공학회논문지
• /
• 제25권5호
• /
• pp.742-749
• /
• 2020

본 논문에서는 하나의 공용 신경망을 사용하여 음소와 감정을 모두 인식하는 방법과 공용 신경망 학습을 위한 다중 학습 방법을 제안한다. 공용 신경망은 동일한 동작을 수행하여 두 정보를 모두 인식하며, 이는 인간이 하나의 청각기관으로 여러 정보를 동시에 인식하는 구조에 해당한다. 다중 학습은 여러 정보를 위한 공통 모델링을 진행하므로 여러 정보에 대한 일반화된 학습을 진행시켜 기존의 정보별 개별 학습에서 나타나는 과적합을 감소시키고 인식 성능을 향상시킨다. 또한, 다중 학습에서 음소 인식에 가중치를 부여하여 음소 인식 성능을 추가 향상시키는 방법을 제안한다. 동일한 특성벡터와 신경망을 사용할 때, 제안한 다중 학습이 적용된 공용 신경망의 성능이 각 정보별로 학습시킨 개별 신경망에 비하여 우수한 것을 확인하였다.

• 한국지반공학회논문집
• /
• 제19권4호
• /
• pp.287-298
• /
• 2003

본 논문에서는 피에조콘 관입시험 결과로부터 점토의 비배수전단강도를 예측하기 위한 인공신경망 이론의 적용과 최적 모델 구축에 대하여 기술하였다. 먼저 등방 및 비등방 삼축압축실험(CIUC and CAUC)으로 얻어진 비배수전단강도 결과를 바탕으로 오차역전파 알고리즘에 의하여 간단한 다층 구조를 갖는 최적 인공신경망 모델이 구성되었다. 구성된 인공신경망 모델은 모델 구축 시에 사용되지 않은 새로운 자료에 대해 비배수전단강도 예측을 수행하고 예측결과와 실내시험 결과를 비교함으로써 그 타당성이 검증되었다. 또한 기존의 이론적 방법, 경험적 방법 및 direct correlation method 등으로 예측된 비배수전단강도와 제안된 모델의 예측결과를 비교하였다. 본 논문에서 제안된 인공신경망 모델링 기법은 피에조콘 관측결과들과 비배수전단강도 간의 비선형적 상관관계를 정의하는 데에 유용하며 구성된 인공신경망 모델은 기존의 이론적 및 경험적 방법들에 비하여 예측 신뢰성이 높은 것으로 나타났다. 또한, 지금까지 주로 사용되어 온 경험적 방법들이 특정 지역에 대한 상관관계에 만족하던 것과 비교해 인공신경망 모델은 다양한 지역과 국가에서 일반적으로 적용 가능한 상관관계로서 발전될 가능성이 있음을 알 수 있었다.