• International Journal of Control, Automation, and Systems
• /
• 제3권2호
• /
• pp.202-210
• /
• 2005

This paper presents a new neural network control for nonlinear bridge systems with earthquake excitation. We design multi-layer neural network controllers with a single hidden layer. The selection of an optimal number of neurons in the hidden layer is an important design step for control performance. To select an optimal number of hidden neurons, we progressively add one hidden neuron and observe the change in a performance measure given by the weighted sum of the system error and the control force. The number of hidden neurons which minimizes the performance measure is selected for implementation. A neural network was trained for mitigating vibrations of bridge systems caused by El Centro earthquake. We applied the proposed control approach to a single-degree-of-freedom (SDOF) and a two-degree-of-freedom (TDOF) bridge system. We assessed the robustness of the control system using randomly generated earthquake excitations which were not used in training the neural network. Our results show that the neural network controller drastically mitigates the effect of the disturbance.

• The Journal of the Acoustical Society of Korea
• /
• 제17권2E호
• /
• pp.26-30
• /
• 1998

In this paper, we compose neural network predictive HMM(NNPHMM) to provide the dynamic feature of the speech pattern for the HMM. The NNPHMM is the hybrid network of neura network and the HMM. The NNPHMM trained to predict the future vector, varies each time. It is used instead of the mean vector in the HMM. In the experiment, we compared the recognition abilities of the one hundred Korean syllables according to the variation of hidden layer, state number and prediction orders of the NNPHMM. The hidden layer of NNPHMM increased from 10 dimensions to 30 dimensions, the state number increased from 4 to 6 and the prediction orders increased from 10 dimensions to 30 dimension, the state number increased from 4 to 6 and the prediction orders increased from the second oder to the fourth order. The NNPHMM in the experiment is composed of multi-layer perceptron with one hidden layer and CMHMM. As a result of the experiment, the case of prediction order is the second, the average recognition rate increased 3.5% when the state number is changed from 4 to 5. The case of prediction order is the third, the recognition rate increased 4.0%, and the case of prediction order is fourth, the recognition rate increased 3.2%. But the recognition rate decreased when the state number is changed from 5 to 6.

• 한국통신학회논문지
• /
• 제37A권9호
• /
• pp.746-752
• /
• 2012

SVC 계층형 비디오는 기본 계층과 확장 계층으로 구성되어 있으며 기본 계층의 정상적인 복호 없이는 확장계층의 복호가 불가능하다는 특징을 가지고 있다. 따라서, SVC 비디오 전송에서 수신 비디오의 품질 향상을 위해서는 기본 계층의 성공적인 전송이 중요한 요소로서 작용한다. 본 논문에서는 다중 릴레이를 통해서 전송되는 시스템에서, 비디오의 품질 향상을 위해 계층형 비디오의 중요도에 따라서 복호 성공 확률을 향상시키기 위한 네트워크 코딩 방법을 제안한다. 제안하는 비디오 데이터 중요도 인지 네트워크 코딩 방식을 수식적으로 분석 및 실험하여 그 결과를 보이고, 또한 릴레이의 수에 따른 비디오 품질의 성능 변화를 보였다.

• 대한전기학회논문지
• /
• 제45권3호
• /
• pp.444-450
• /
• 1996

A digital hardware architecture for artificial neural network with learning capability is described in this paper. It is a modified hardware architecture known as HANNIBAL(Hardware Architecture for Neural Networks Implementing Back propagation Algorithm Learning). For implementing an efficient neural network hardware, we analyzed various type of multiplier which is major function block of neuro-processor cell. With this result, we design a efficient digital neural network hardware using serial/parallel multiplier, and test the operation. We also analyze the hardware efficiency with logic level simulation. (author). refs., figs., tabs.

• 전자공학회논문지B
• /
• 제31B권12호
• /
• pp.116-123
• /
• 1994

A modified Hybrid learning rule(MHLR) is proposed, which is derived from combining the Back Propagation algorithm that is known as an excellent classifier with modified Hebbian by changing the orginal Hebbian which is a good feature extractor. The network architecture of MHLR is multi-layered neural network. The weights of MHLR are calculated from sum of the weight of BP and the weight of modified Hebbian between input layer and higgen layer and from the weight of BP between gidden layer and output layer. To evaluate the performance, BP, MHLR and the proposed Hybrid learning rule (HLR) are simulated by Monte Carlo method. As the result, MHLR is the best in recognition rate and HLR is the second. In learning speed, HLR and MHLR are much the same, while BP is relatively slow.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 춘계학술대회
• /
• pp.652-655
• /
• 2017

해양 정보통신 기술 발달로 해상에서도 다양한 통신 서비스 요구가 증대됨에 따라 해상 멀티대역 네트워크개념이 도입되고, 이를 위해 이기종 망 간에 최적의 네트워크를 선택하여 통신대역을 전환하는 멀티대역 네트워크 선택기(MNSS) 시스템이 소개되었다. 본 논문에서는 해상멀티대역 네트워크를 위해 개발된 MNSS 시스템의 MNSS 서버, 네트워크 인터페이스, 사용자 응용프로그램을 구현하고, 실내 실험환경 구축을 통해 각 통신대역의 가용상태 갱신, 통신대역 전환, 최적통신대역에서의 데이터통신 기능들을 검증한다.

• 전자공학회논문지
• /
• 제53권5호
• /
• pp.25-36
• /
• 2016

스마트그리드 기술은 기존의 전력망 관리와 제어를 위해 ICT (Information and Communications Technologies)를 이용하여 전력 공급자와 소비자 간에 양방향으로 실시간 전력 정보의 교환을 통하여 에너지 효율을 극대화시키는 것을 목적으로 하고 있다. 본 논문에서는 IEEE 802.11s STDMA (Spatial Time Division Multiple Access) 기반의 다중 채널 스마트그리드의 NAN (Neighborhood Area Network) 네트워크에서 수리적 모델링에 기반한 계층 교차적 설계 기법을 이용하는 "JRS-MS" (Joint Routing and Scheduling for Multi-channel SmartGrid) 알고리즘을 제안한다. 제안 알고리즘은 다중 채널 스마트그리드 NAN 네트워크의 각 데이터 링크에서 데이터 전송량을 적절히 조절하고 동시에 플로우들 간에 간섭이 적은 고속 경로의 탐색을 수행한다. 이를 통하여 각 플로우들의 네트워크 이용률을 높여 전송률을 향상시킨다. 제안 알고리즘과 기존 제안 알고리즘인 JRS-SG (Jointly Routing and Scheduling for SmartGrid) 알고리즘 과의 비교 성능 분석을 통하여 JRS-MS 알고리즘이 다중 홉 NAN 무선 메쉬 네트워크를 경유하는 플로우들의 수가 늘어날 때 주어진 대역폭 자원을 최대로 활용하여 전송 성능을 향상 시킬 수 있음을 보였다.

• 정보처리학회논문지B
• /
• 제13B권6호
• /
• pp.615-624
• /
• 2006

이 논문은 이동 에이전트 시스템에 기반을 둔 가상의 병렬분산 컴퓨팅 환경에서 병렬로 수행되는 다층 인공신경망 시뮬레이터를 구현하는 것을 목적으로 한다. 다층 신경망은 학습세션, 학습데이터, 계층, 노드, 가중치 수준에서 병렬화가 이루어진다. 이 논문에서는 네트워크의 통신량이 상대적으로 적은 학습세션 및 학습데이터 수준의 병렬화가 가능한 신경망 시뮬레이터를 개발하고 평가하였다. 평가결과, 학습세션 병렬화와 학습데이터 병렬화 성능분석에서 약 3.3배의 학습 수행 성능 향상을 확인할 수 있었다. 가상의 병렬 컴퓨터에서 신경망을 병렬로 구현하여 기존의 전용병렬컴퓨터에서 수행한 신경망의 병렬처리와 비슷한 성능을 발휘한다는 점에서 이 논문의 의의가 크다고 할 수 있다. 따라서 가상의 병렬 컴퓨터를 이용하여 신경망을 개발하는데 있어서, 비교적 시간이 많이 소요되는 학습시간을 줄임으로서 신경망 개발에 상당한 도움을 줄 수 있다고 본다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.620-622
• /
• 2018

미세먼지에 대한 인체 영향에 관한 사회적 관심이 높아짐에 따라 미세먼지 예측 알고리즘의 필요성이 증가되었다. 많은 연구에서 기상 데이터를 이용하여 통계 모델링 및 기계 학습 기법 기반 예측 모델이 제안되었으나, 해당 모델의 환경 및 세부조건을 정확히 설정하기는 어렵다. 또한 국내 기상 측정소 데이터의 경우 누락된 데이터가 존재하여 새로운 예측 모델을 설계해야 할 필요성이 있다. 본 논문에서는 미세먼지 예측을 위한 선행 연구로서 다층 퍼셉트론 신경망을 활용하여 미세먼지 예측을 수행한다. 이를 위해 측정소 3곳의 기상 데이터를 기반으로 예측 모델을 설계, 실제 데이터와의 비교를 통해 미세먼지 예측을 위한 알고리즘의 적합성을 평가한다.

• 방송공학회논문지
• /
• 제26권6호
• /
• pp.758-765
• /
• 2021

최근 딥러닝 기술을 비디오 부호화에 적용하는 다양한 연구가 진행되고 있다. 본 논문은 차세대 비디오 코덱인 VVC(Versatile Video Coding)에 채택된 신경망 기반의 기술인 MIP(Matrix-based Intra Prediction)를 확장한 완전연결계층(Fully Connected Layer) 기반의 다중 모델을 이용하는 화면내 예측 부호화 기법을 제시한다. 또한 다중 화면내 예측 모델을 위한 효율적인 학습기법을 제안한다. HEVC(High Efficiency Video Coding)에서의 성능검증을 위해 VVC의 MIP와 제안하는 완전연결계층 기반 다중 화면내 예측 모델을 HEVC의 참조 소프트웨어인 HM16.19에 추가적인 화면내 예측모드로 구현하였다. 실험결과 제안하는 방법이 HM16.19와 VVC MIP 대비 각각 0.47%과 0.19% BD-rate 성능향상이 있음을 확인하였다.