• 한국전자통신학회논문지
• /
• 제14권6호
• /
• pp.1025-1030
• /
• 2019

본 논문에서는 LTE 네트워크에서 SON(: Self Organization Networks) 기술 분석을 다룬다. SON은 이전 셀룰러 시스템인 UMTS, GSM과 비교되는 LTE 만의 차별적인 기능이고, 무선 라디오가 변화하는 환경에서 비용 효율적으로 최고의 성능을 도출하는 도구이다. 또한, SON은 운영자가 네트워크의 설정들을 자동화하는 기능이 있으며, 중앙 집중적 계획이 가능하고 수작업에 대한 요구를 감소시켰다. SON은 크게 Self-Configuration, Self-Optimization, Self-Healing의 3가지 범주로 나누어진다. 각각의 큰 범주는 세부적인 기술 내용을 가지고 있고 각 범주의 기술들이 모두 모여서 SON이라는 기술을 완성시키게 된다. 본 논문에서는 각 3가지 범주에서 Self-Optimization의 기술 중 MRO(: Mobility Robustness Optimization)에 대해서 집중적으로 분석하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권3호
• /
• pp.837-852
• /
• 2021

Recurrent neural network (RNN) architectures have been used for language modeling (LM) tasks that require learning long-range word or character sequences. However, the RNN architecture is still suffered from unstable gradients on long-range sequences. To address the issue of long-range sequences, an attention mechanism has been used, showing state-of-the-art (SOTA) performance in all LM tasks. A differentiable neural computer (DNC) is a deep learning architecture using an attention mechanism. The DNC architecture is a neural network augmented with a content-addressable external memory. However, in the write operation, some information unrelated to the input word remains in memory. Moreover, DNCs have been found to perform poorly with low numbers of weight parameters. Therefore, we propose a robust memory deallocation method using a limited retention vector. The limited retention vector determines whether the network increases or decreases its usage of information in external memory according to a threshold. We experimentally evaluate the robustness of a DNC implementing the proposed approach according to the size of the controller and external memory on the enwik8 LM task. When we decreased the number of weight parameters by 32.47%, the proposed DNC showed a low bits-per-character (BPC) degradation of 4.30%, demonstrating the effectiveness of our approach in language modeling tasks.

• 전자공학회논문지SC
• /
• 제44권2호
• /
• pp.24-31
• /
• 2007

본 논문은 신경회로망을 이용한 IPMSM 드라이브의 자기동조 PI 제어기를 제시한다. 일반적으로 수치제어장치 처리는 고정된 이득값을 가진 PI 제어기를 이용한다. 고정된 이득값을 가진 PI 제어기는 어떠한 환경에서는 양호하게 동작할 수 도 있다. 고정된 이득값을 가진 PI 제어기의 강인성을 증가시키기 위하여 신경회로망을 기반으로한 새로운 방법인 STPI 제어기를 제시하였다. STPI 제어기는 속도, 부하토크, 관성과 같은 파라비터가 갑자기 변화하였을 때 오버슈트, 상승시간, 안정화시간을 최소화한다. 또한 본 논문에서는 신경회로망을 이용하여 속도를 제어하고 ANN 제어기를 이용하여 속도를 추정한다. 신경회로망의 역전파 알고리즘 기법은 전동기 속도의 실시간 추정을 제시한다. IPMSM의 속도제어의 결과는 이득값 동조의 효용성을 보여준다. 그리고 STPI 제어기는 고정된 이득값을 가진 PI 제어기에 비하여 강인성 광범위한 운전영역 부하 왜란등에 대하여 우수한 성능을 나타낸다.

• 한국통신학회논문지
• /
• 제41권2호
• /
• pp.215-221
• /
• 2016

Data failure in wireless communications considerably affects the reconstruction quality of transmitted data. Traditionally, fascinating trials have been conducted to overcome the data failure intensifying reliable reconstruction of a media. But, none of these efforts neither effective, computationally inexpensive nor simply configurable to reduce the problems of transmitting media or images. In practice, it is necessary to maintain the quality of transmitted image without sacrificing any data, content, or information. So, to deal with dynamic events such as sensor node participation and departure, during transmission, an efficient scheme is important. For this reason, a new robust scheme has been presented in this paper to minimize the limitation of traditional wireless networking. This scheme uses Software-Defined Image Sensor Network (SD-ISN) to ensure scalability and dependability of the sensor network of handling data losses. Finally, a comparison of our proposed SD-ISN with conventional wireless networking has been presented in simulation to test the robustness and effectiveness of our proposed SD-ISN approach.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.228-228
• /
• 2023

국지적 지역에 내리는 강한 강도의 강우는 많은 인명 및 재산 피해를 발생시킨다. 이러한 피해를 예방하기 위해 도시 침수 예측에 관한 연구가 오랜 기간 수행되어 왔으며, 최근에는 다양한 신경망(neural network) 모델이 활발히 이용되고 있다. 강우 지속 기간이나 강도는 일정하지 않고, 공간적 특징 또한 도시마다 다르므로 안정적인 침수 예측을 위한 신경망 모델은 강건성(robustness)을 지녀야 한다. 강건한 신경망 모델이란 적대적 공격(adversarial attack)을 방어할 수 있는 능력을 갖춘 모델을 일컫는다. 따라서 본 연구에서는, 도시 침수 예측을 위한 시공간 신경망(spatio-temporal neural network) 모델의 강건성 제고를 위한 방법론을 제안한다. 먼저 적대적 공격의 유형과 방어 방법을 분류하고, 시공간 신경망 모델의 학습 데이터 특성 및 모델 구조구성 조건 등을 활용하여 최적의 강건성 제고 방안을 도출하였다. 해당 모델은 집중호우로 인해 나타날 다양한 관망에서의 침수 피해를 각각 예측하고 피해를 예방하기 위해 활용될 수 있다.

• 방송공학회논문지
• /
• 제25권2호
• /
• pp.166-175
• /
• 2020

최근 다양한 형태와 종류로 영상 콘텐츠를 가공하고 사용하는 응용분야가 급격히 증가하고 있다. 영상 콘텐츠는 고부가가치의 콘텐츠이므로 영상 콘텐츠의 제작 및 사용이 활성화되기 위해서는 이 콘텐츠의 지적재산권이 보호되어야 하며, 현재까지 그 방법으로 가장 널리 연구되고 있는 것이 디지털 워터마킹이다. 이에 본 논문에서는 딥 러닝 기반의 워터마크 삽입 및 추출 네트워크를 제안한다. 제안하는 방법은 호스트 영상의 비가시성(invisibility)을 보존하면서 악의적/비악의적 공격에 워터마크의 강인성(robustness)를 극대화하는 방법이다. 이 네트워크는 워터마크를 호스트 영상과 똑같은 해상도를 갖도록 변화시키는 전처리 네트워크, 변화된 호스트 영상과 워터마크 정보를 3차원적으로 정합하여 호스트 영상의 해상도를 유지하면서 워터마크 데이터를 삽입하는 네트워크, 그리고 해상도를 줄이며 워터마크를 추출하는 네트워크로 구성된다. 이 네트워크는 다양한 워터마크 영상과 다양한 해상도를 가진 호스트 영상에 대해 다양한 화소값 변경공격과 기하학적 공격을 실험하여 제안하는 방법의 비가시성과 강인성을 검증하고, 이 방법이 범용적이고 실용적임을 보인다.

• 정보처리학회논문지C
• /
• 제12C권6호
• /
• pp.891-900
• /
• 2005

본 논문에서는 대용량 WDM 광통신망에서 장애가 발생하였을 경우 이를 효율적으로 복구할 수 있는 기법에 대해 연구하며, 특히 보다 적은 통신망 자원을 이용해 높은 복구율을 얻을 수 있도록 복구 기술의 효율성을 극대화하는 것을 연구의 중점 목표로 한다. 복구 방법의 효율성은 목표로 하는 복구율을 얻기위해 필요한 예비 자원의 양에 의해 결정되며, 효율성을 높이기 위한 기본적인 방법은 예비 자원의 공유이다. 이를 위해서 복구용 대역폭의 공유뿐만 아니라 복구 경로의 공유를 통해 자원 이응의 효율성을 증가시킬 수 있는 기법을 제안한다. 제안된 기법은 논리적인 다중 링 구조에 의한 통신망 복구 기법으로 링 토폴로지의 특성을 이용해 빠르고 간단한 복구 동작을 제공하며, 동시에 다중 링 구성을 통하여 대체 경로의 분산과 공유 정도를 높이고 단위 링크당 예약되어야 하는 예비 광파장의 수를 줄임으로써 전체 통신망 자원 이용의 효율성을 높일 수 있다. 성능 분석 결과 제안된 기법은 목표로 하는 복구율을 보장하는 동시에 통신망 자원 이용의 효율성을 크게 증가시킴을 확인할 수 있었다.

• 조명전기설비학회논문지
• /
• 제20권7호
• /
• pp.65-73
• /
• 2006

본 논문은 신경회로망을 이용한 IPMSM 드라이브의 속도제어를 제시한다. 일반적으로 수치 제어된 기계에서 PI 제어기는 고정된 이득값으로 처리한다. PI 제어기의 고정된 이득값은 어떤 동작조건에서는 양호하게 수행된다. 고정된 이득값을 가진 PI 제어기의 강인성 향상을 위하여 신경회로망을 기초로 하는 새로운 제어 방법인 NNPI 제어기를 제시한다. NNPI 제어기는 속도, 부하토크 및 관성과 같은 파리미터 변동에 대하여 오버슈트를 감소시키고 상승 시간 및 정상상태에 빠르게 도달한다. 또한 본 논문에서는 신경회로망을 사용하여 IPMSM의 속도를 제어하고 ANN 제어기를 사용하여 속도를 추정한다. 신경회로망의 역전파 알고리즘 방법은 전동기의 속도를 실시간으로 추정하는데 사용된다. IPMSM의 속도제어기 결과는 제시된 이득값 조절의 타당성을 입증한다. 그리고 NNPI 제어기는 광범위한 동작상태와 부하 외란에 대하여 고정된 이득값보다 우수한 성능을 가진다.

• 대한전기학회논문지
• /
• 제39권12호
• /
• pp.1306-1316
• /
• 1990

A controller using a multilayer neural network is proposed to the dynamic control of a PUMA 560 robot arm. This controller is developed based on an error back-propagation (BP) neural network. Since the neural network can model an arbitrary nonlinear mapping, it is used as a commanded feedforward torque generator. A Proportional Derivative (PD) feedback controller is used in parallel with the feedforward neural network to train the system. The neural network was trained by the current state of the manipulator as well as the PD feedback error torque. No a priori knowledge on system dynamics is needed and this information is rather implicitly stored in the interconnection weights of the neural network. In another experiment, the neural network was trained with the current, past and future positions only without any use of velocity sensors. Form this thim window of position values, BP network implicitly filters out the velocity and acceleration components for each joint. Computer simulation demonstrates such powerful characteristics of the neurocontroller as adaptation to changing environments, robustness to sensor noise, and continuous performance improvement with self-learning.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.71.2-71
• /
• 2001

This paper deals with nonlinear system modelling using neural network and genetic algorithm. Application of neural network to control and identification is actively studied because of their approximating ability of nonlinear function. It is important to design the neural network with optimal structure for minimum error and fast response time. Genetic algorithm is getting more popular nowadays because of their simplicity and robustness. In this paper, We optimize neural network structure using genetic algorithm. The genetic algorithm uses binary coding for neural network structure and search for optimal neural network structure of minimum error and response time. Through extensive simulation, Optimal neural network structure is shown to be effective for ...