• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.714-716
• /
• 1995

This Paper presents a novel and systematic approach to a self-learning controller. The proposed controller is built on a neural network consisting of a standard back propagation (BNN) and approxinate reasoning (AR). The fuzzy inference and knowledge representation are carried out by the neural network structure and computing, instead of logic inference. An architecture similar to that used by traditional model reference adaptive control system (MRAC) is employed.

• ETRI Journal
• /
• 제43권4호
• /
• pp.684-693
• /
• 2021

This paper presents a low-cost two-stage approximate multiplier for bfloat16 (brain floating-point) data processing. For cost-efficient approximate multiplication, the first stage implements Mitchell's algorithm that performs the approximate multiplication using only two adders. The second stage adopts the exact multiplication to compensate for the error from the first stage by multiplying error terms and adding its truncated result to the final output. In our design, the low-cost multiplications in both stages can reduce hardware costs significantly and provide low relative errors by compensating for the error from the first stage. We apply our approximate multiplier to the convolutional neural network (CNN) inferences, which shows small accuracy drops with well-known pre-trained models for the ImageNet database. Therefore, our design allows low-cost CNN inference systems with high test accuracy.

• Journal of information and communication convergence engineering
• /
• 제19권3호
• /
• pp.136-141
• /
• 2021

Research on wireless sensor networks has focused on the monitoring and characterization of large-scale physical environments and the tracking of various environmental or physical conditions, such as temperature, pressure, and wind speed. We propose a stochastic mobility model that can be applied to a MANET (Mobile Ad-hoc NETwork). environment, and apply this mobility model to a newly proposed clustering-based routing protocol. To verify its stability and durability, we compared the proposed stochastic mobility model with a random model in terms of energy efficiency. The FND (First Node Dead) was measured and compared to verify the performance of the newly designed protocol. In this paper, we describe the proposed mobility model, quantify the changes to the mobile environment, and detail the selection of cluster heads and clusters formed using a fuzzy inference system. After the clusters are configured, the collected data are sent to a base station. Studies on clustering-based routing protocols and stochastic mobility models for MANET applications have shown that these strategies improve the energy efficiency of a network.

• 한국멀티미디어학회논문지
• /
• 제12권7호
• /
• pp.1022-1031
• /
• 2009

본 논문에서는 온톨로지 기반의 연구자 모델링 기법을 제안하고, 이를 이용하여 연구자간의 다양한 연결 속성을 이용한 연구자 네트워크를 구성한다. 연구자 모델링을 위한 온톨로지 스키마는 HR-XML을 기반으로 연구자 중심의 모델로 확장하여 생성하고 연구자 온톨로지 스키마와 인스턴스는 OWL를 이용하여 생성한다. 연구자 네트워크는 학연과 같은 정적인 연결속성과 공통 논문, 프로젝트와 같은 동적인 연결속성별로 가중치를 부여하여 연구자간 친밀도를 표현한다. 친밀도는 연구자별로 연구자 네트워크가 다르므로 방향성을 가진다. SWRL를 이용하여 연구자간의 직접 관계를 추론하기 위한 규칙을 정의하고, racer 추론기를 이용하여 온톨로지 규칙을 추론한다. 본 연구에서 제안한 모델은 연구자간의 협업 모델이나 공동 프로젝트 수행을 위한 전문가 집단을 동적으로 검색하는데 응용할 수 있다.

• 지능정보연구
• /
• 제15권3호
• /
• pp.151-165
• /
• 2009

퍼지신경망 모형은 인공신경망의 네트워크 구조 표현방법 및 학습알고리듬과 퍼지시스템의 추론방법을 통합한 모형으로 제어 및 예측분야에 성공적으로 적용되고 있다. 본 연구에서는 퍼지신경망 모형 중 우수한 예측정확도로 인해 최근 각광받고 있는ANFIS (Adaptive Network-based Fuzzy Inference System)모형을 기반으로 하는 분류모형을 설계하고 기존의 분류기법(C5.0 의사결정나무)과 비교하여 분류 정확성 관점에서 평가한다. ANFIS 추론의 경우, 최종 결과값이 계급값이 아닌 연속형 변수값을 취하게 되므로 산출된 결과값을 이용하여 적절한 계급값을 할당하는 과정이 필요하다. 본 연구에서는 의사결정나무기법을 이용하여 계급값을 할당하는 방식과 군집분석을 이용하여 계급값을 할당하는 두 가지 방식을 제안하고 두 가지 데이터 세트에 적용하여 ANFIS를 기반으로 한 분류모형의 정확도를 평가하였다.

• 대한전자공학회논문지TE
• /
• 제39권4호
• /
• pp.363-369
• /
• 2002

본 논문은 적응성 뉴로-퍼지 인터페이스 시스템(Adaptive Neuro-Fuzzy Inference System : ANFIS)과 웨이브렛 변환 다중해상도 분해(multi-resolution Analysis : MRA)을 기반으로 한 웨이브렛 신경망을 가지고 임의의 비선형 함수 학습 근사화를 개선하는 것이다. ANFIS 구조는 벨형 퍼지 소속 함수로 구성이 되었으며, 웨이브렛 신경망은 전파 알고리즘과 역전파 신경망 알고리즘으로 구성되었다. 이 웨이브렛 구성은 단일 크기이고, ANFIS 기반 웨이브렛 신경망의 학습을 위해 역전파 알고리즘을 사용하였다. 1차원과 2차원 함수에서 웨이브렛 전달 파라미터 학습과 ANFIS의 벨형 소속 함수를 이용한 ANFIS 모델 기반 웨이브렛 신경망의 웨이브렛 기저 수 감소와 수렴 속도 성능이 기존의 알고리즘 보다 개선되었음을 확인하였다.

• 한국정보통신학회논문지
• /
• 제11권6호
• /
• pp.1214-1221
• /
• 2007

Ad-hoc 망은 기반의 하부 구조 계층의 도움 없이 이동 노드와 클러스터(Cluster)들만으로 구성된 유연한 무선 통신망이다. 본 논문에서는 이동 노드의 다양한 상황 정보를 분석하여 효율적인 온톨로지(Ontology) 기반의 상황인식(Context-Aware) 기술을 적용한 네트워크의 변화에 대한 예측이 가능한 추론망을 연구 제안한다. 제안된 구조에서는 각 노드간의 거리 정보등 상황정보를 이용한 분석으로부터 망을 형성하기 위한 초기단계와 노드의 상태값을 비교하여 노드의 경로를 예측 유지 및 분석하는 단계로 구성된다. 제안하고자 하는 RODMRP(Resilient Ontology-based Dynamic Multicast Routing Protocol)의 추론망 구조는 이동 노드간의 변화된 환경에서 복원력이 뛰어난 트리 구조의 효율적인 packet를 제공한다.

• 대한골대사학회지
• /
• 제25권4호
• /
• pp.251-266
• /
• 2018

Background: The causal networks among genes that are commonly expressed in osteoblasts and during bone metastasis (BM) of breast cancer (BC) are not well understood. Here, we developed a machine learning method to obtain a plausible causal network of genes that are commonly expressed during BM and in osteoblasts in BC. Methods: We selected BC genes that are commonly expressed during BM and in osteoblasts from the Gene Expression Omnibus database. Bayesian Network Inference with Java Objects (Banjo) was used to obtain the Bayesian network. Genes registered as BC related genes were included as candidate genes in the implementation of Banjo. Next, we obtained the Bayesian structure and assessed the prediction rate for BM, conditional independence among nodes, and causality among nodes. Furthermore, we reported the maximum relative risks (RRs) of combined gene expression of the genes in the model. Results: We mechanistically identified 33 significantly related and plausibly involved genes in the development of BC BM. Further model evaluations showed that 16 genes were enough for a model to be statistically significant in terms of maximum likelihood of the causal Bayesian networks (CBNs) and for correct prediction of BM of BC. Maximum RRs of combined gene expression patterns showed that the expression levels of UBIAD1, HEBP1, BTNL8, TSPO, PSAT1, and ZFP36L2 significantly affected development of BM from BC. Conclusions: The CBN structure can be used as a reasonable inference network for accurately predicting BM in BC.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권10호
• /
• pp.736-744
• /
• 2010

모바일 기기에서 얻을 수 있는 로그 데이터는 다수의 유의미한 정보를 담고 있다. 그러나 모바일 기기의 연산능력 제약과 정보 분석 자체의 어려움 등으로 상황정보를 활용한 모바일 에이전트의 구현이 쉽지 않다. 본 논문에서는 제한적인 모바일 플랫폼에서 효율적인 상황인지를 위한 베이지안 네트워크 용용 기법을 제안한다. 베이지안 네트워크는 다수의 세부 모듈로 구성되며, 모듈간 인과성은 가상증거를 통해 보존된다. 각 모듈은 이전 증거값과 추론결과를 저장하고, 현재 증거값과 비교하여 전체 네트워크에 변화를 주는 경우에만 선택적으로 추론을 수행한다. 다양한 수집 주기의 모바일 데이터를 이용한 추론결과의 신뢰성을 높이기 위해 기억감소함수를 이용하여 결과를 보정하는 방법을 살펴본다. 마지막으로 실제 모바일 환경에서의 실험을 통해 제안하는 방법의 유용성을 확인한다.

• 전기학회논문지
• /
• 제64권5호
• /
• pp.779-785
• /
• 2015

Recently, home energy management system (HEMS) for power consumption reduction has been widely used and studied. The HEMS performs electric power consumption control for the indoor electric device connected to the HEMS. However, a traditional HEMS is used for passive control method using some particular power saving devices. Disadvantages with this traditional HEMS is that these power saving devices should be newly installed to build HEMS environment instead of existing home appliances. Therefore, an HEMS, which performs with existing home appliances, is needed to prevent additional expenses due to the purchase of state-of-the-art devices. In this paper, an intelligent inference algorithm for EMS at home for non-power saving electronic equipment, called legacy devices, is proposed. The algorithm is based on the adaptive network fuzzy inference system (ANFIS) and has a subsystem that notifies retraining schedule to the ANFIS to increase the inference performance. This paper discusses the overview and the architecture of the system, especially in terms of the retraining schedule. In addition, the comparison results show that the proposed algorithm is more accurate than the classic ANFIS-based EMS system.