• 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.

• 제어로봇시스템학회논문지
• /
• 제13권5호
• /
• pp.414-421
• /
• 2007

This paper presents a engine/brake integrated VDC(Vehicle Dynamic Control) system using neural network algorithm methods for wheel slip and yaw rate control. For stable performance of vehicle, not only is the lateral motion control(wheel slip control) important but the yaw motion control of the vehicle is crucial. The proposed NNPI(Neural Network Proportional-Integral) controller operates at throttle angle to improve the performance of wheel slip. Also, the suggested NNPID controller performs at brake system to improve steering performance. The proposed controller consists of multi-hidden layer neural network structure and PID control strategy for self-learning of gain scheduling. Computer Simulation have been performed to verify the proposed neural network based control scheme of 17 dof vehicle dynamic model which is implemented in MATLAB Simulink.

• 물과 미래
• /
• 제29권4호
• /
• pp.109-118
• /
• 1996

신경망이론은 분산기억성질과 병렬국소처리를 수행하는 뇌의 활동을 이론화한 수학모형이다. 이러한 신경망이론의 장점은 분류문제, 대규모로 결합된 최적화문제, 비선형 사상문제 등에서 잘 나타나므로, 이 점을 이용하여 복잡한 강우의 예측을 시도하였다. 신경망이론을 적용하기 위해서 연속적인 값으로 표시되는 입력자료와 출력자료를 학습한 후 강우예측을 시행할 수 있는 다층신경망 모형을 구성하였다. 신경망이론에 의한 강우예측은 서울지역과 소양강유역의 1 시간 대위 강우자료에 적용하였다. 그 결과는 대체로 만족할 만하였다. 따라서 신경망이론은 양질의 자료가 충분히 확보될 경우복잡한 강우현상을 잘 예측할 것으로 기대된다.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 1996년도 International Conference on Agricultural Machinery Engineering Proceedings
• /
• pp.325-333
• /
• 1996

This study was conducted to develop neural networks of predicting the sugar content of fruits based on the optical densities obtained from a spectrophotometer. Pear, apple and peach were used in investigating the feasbility of the developed neural networks as a nondestructive measurement. A spectrophotometer was used to measure the optical densities of test fruits. The neural networks suggested in this study consisted of multi-layers having one hidden layer and one output layer. The correlation coefficients between the predicted and the measured sugar content for most fruits were high. The neural networks using 2nd derivatives of optical density spectrum produced a better results in predicting the sugar content of fruits. This study contributed to develop a method for nondestructively predicting the sugar content of fruits.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1999년도 제14차 학술회의논문집
• /
• pp.218-221
• /
• 1999

Forecasting and extrapolation for time dependent phenomena by using Multi layer neural network has been studied. We calculated values of a function at short intervals, and made one dimensional vector whose elements were a partial gather of the values. If there is anything same as the future of the functions exists in the fragment set, it is possible for us to have an advanced precision extrapolation. Otherwise, if the approximate function of the primitive function can be constructed by teaming the short interval in the network, the precision of extrapolation also can be well realized.

• 전자공학회논문지C
• /
• 제35C권6호
• /
• pp.99-108
• /
• 1998

본 논문에서는 비선형 시스템의 직접제어방식을 위한 다층 신경회로망을 제안하였다. 제안한 방식은 신경회로망이 플랜트의 역 모델을 학습하는 방식으로 플랜트의 사전지식을 시스템의 입출력 정보를 이용하여 추정하고, 플랜트의 역 모델을 선형부분과 비선형 부분의 직렬연결로 구성하고 선형부분과 비선형부분의 모델을 신경회로망을 이용하여 구성한 직접제어방식이다. 제안한 제어기의 선형부분은 선형 시스템의 시스템동정을 위해 이용되었던 반복최소자승법을 이용하여 구하여진 플랜트의 선형입력으로 학습을 수행하고, 비선형부분은 기준 궤적과 실제 출력의 오차를 이용해 학습을 수행한다. 단일 관절 매니플레이터를 이용하여 추종제어에 대한 시뮬레이션과 실험을 하여 기존의 다층신경회로망을 이용한 직접제어방식과 제어성능을 비교 검토한 결과 신경회로망 구성의 간단함과 정밀성 등의 우수함을 확인하였다.

• 전기학회논문지
• /
• 제67권8호
• /
• pp.1071-1079
• /
• 2018

In this study, the design methodology as well as network architecture of Support Vector Machine based Polynomial Neural Network, which is a kind of the dynamically generated neural networks, is introduced. The Support Vector Machine based polynomial neural networks is given as a novel network architecture redesigned with the aid of polynomial neural networks and Support Vector Machine. The generic polynomial neural networks, whose nodes are made of polynomials, are dynamically generated in each layer-wise. The individual nodes of the support vector machine based polynomial neural networks is constructed as a support vector machine, and the nodes as well as layers of the support vector machine based polynomial neural networks are dynamically generated as like the generation process of the generic polynomial neural networks. Support vector machine is well known as a sort of robust pattern classifiers. In addition, in order to enhance the structural flexibility as well as the classification performance of the proposed classifier, multi-objective particle swarm optimization is used. In other words, the optimization algorithm leads to sequentially successive generation of each layer of support vector based polynomial neural networks. The bench mark data sets are used to demonstrate the pattern classification performance of the proposed classifiers through the comparison of the generalization ability of the proposed classifier with some already studied classifiers.

• 전자공학회논문지S
• /
• 제35S권1호
• /
• pp.80-87
• /
• 1998

In this study, a multi-element ultrasound transducer has been developed aiming at basic experiment of three-dimension endovascular ultrasound endscopy for clinical diagnos, and experimental results of two-dimensional object imaging in the water are presented by the ultrasound tranducer and neural network. Each ultrasound echo received by thirty-six angular transducer elements is inputed to the eural network, and then backpropagation is used as a learning algorithm. A three-layer artificial neural network is used for learning and imaging of targetw placed in front of the transducer. The object shape of imaging is restricted to rectangular shapes by considering experimental restraint conditions. As a result, rough visualization can be realized even for objects with unlearned shapes through the training by primitive patterns of a various sized rectangular targets.

• 한국정밀공학회지
• /
• 제15권2호
• /
• pp.35-44
• /
• 1998

This paper describes multiple fault diagnosis method in complex system with hierarchical structure. Complex system is divided into subsystem, item and component. For diagnosing this hierarchical complex system, it is necessary to implement special neural network. We introduced Modular Artificial Neural Network(MANN) for this purpose. MANN consists of four level neural network, first level for symptom classification, second level for item fault diagnosis, third level for component symptom classification, forth level for component fault diagnosis. Each network is multi layer perceptron with 7 inputs, 30 hidden node and 7 outputs trained by backpropagation. UNIX IPC(Inter Process Communication) is used for implementing MANN with multitasking and message transfer between processes in SUN workstation. We tested MANN in reactor system.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2017년도 제29회 한글및한국어정보처리학술대회
• /
• pp.56-59
• /
• 2017

CNN(Convolutional Neural Network)을 이용하여 발화 주제 다중 분류 task를 multi-labeling 방법과, cluster 방법을 이용하여 수행하고, 각 방법론에 MSE(Mean Square Error), softmax cross-entropy, sigmoid cross-entropy를 적용하여 성능을 평가하였다. Network는 음절 단위로 tokenize하고, 품사정보를 각 token의 추가한 sequence와, Naver DB를 통하여 얻은 named entity 정보를 입력으로 사용한다. 실험결과 cluster 방법으로 문제를 변형하고, sigmoid를 output layer의 activation function으로 사용하고 cross entropy cost function을 이용하여 network를 학습시켰을 때 F1 0.9873으로 가장 좋은 성능을 보였다.