• 한국강구조학회 논문집
• /
• 제11권1호통권38호
• /
• pp.79-88
• /
• 1999

신경망을 이용하여 강박스거더교의 손상을 평가하였다. 최근, 신경망을 이용한 손상평가는 구조공학분야에서 많은 연구가 진행되고 있다. 이것은 기존방법의 한계를 극복하고자 하는 새로운 시도로서 본 연구에서는 강교의 손상평가에 적용되었다. 신경망 학습을 위한 자료는 이동하중에 의한 교량의 가속도 응답으로부터 얻었다. 유한요소모델이 우선 정의되고 여기에 5, 10, 15 및 20%의 손상을 가정하였다. 평가단계에서는 학습한 손상은 물론 학습하지 않은 손상도 잘 감지하였다. 본 연구에서는 손상부위가 몇 개의 부위로 한정되었으며 현장의 적용을 위해서는 보다 많은 연구가 필요하다.

• 전기학회논문지
• /
• 제62권5호
• /
• pp.705-711
• /
• 2013

In this paper, we introduce an design of multi-output fuzzy neural networks based on Interval Type-2 fuzzy set. The proposed Interval Type-2 fuzzy set-based fuzzy neural networks with multi-output (IT2FS-based FNNm) comprise the network structure generated by dividing the input space individually. The premise part of the fuzzy rules of the network reflects the individuality of the division space for the entire input space and the consequent part of the fuzzy rules expresses three types of polynomial functions with interval sets such as constant, linear, and modified quadratic inference for pattern recognition. The learning of fuzzy neural networks is realized by adjusting connections of the neurons in the consequent part of the fuzzy rules, and it follows a back-propagation algorithm. In addition, in order to optimize the network, the parameters of the network such as apexes of membership functions, uncertainty factor, learning rate and momentum coefficient were automatically optimized by using real-coded genetic algorithm. The proposed model is evaluated with the use of numerical experimentation.

• 한국항공우주학회지
• /
• 제32권4호
• /
• pp.24-33
• /
• 2004

본 논문에서는 광범위한 비선형 함수 근사 성질을 갖고 있는 온라인 적응 신경회로망을 이용하여 헬리콥터 비행 제어 시스템을 설계하였다. 기존의 시스템 모델링 오차를 보상하는 방식과는 달리, 시스템의 입출력 정보를 통해 피드백 선형화 기법에서 필요한 두 개의 비선형 함수를 신경회로망을 이용하여 대체하는 방법을 적용하였다. 두 개의 비선형 함수를 신경회로망으로 대체하여 구성된 폐회로 시스템의 추적 성능과 내부 안정성을 보장하기 위하여 신경회로망의 가중치 학습 방법을 리야프노프 함수를 이용하여 유도하였다. 그리고 헬리콥터 저속 비행 모드에 대한 수치 시뮬레이션 결과를 통해 신경회로망을 적용한 제어 시스템의 성능을 검증하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.6-8
• /
• 2005

In this paper, we discuss model identification of nonlinear data using GAs-based Fuzzy Polynomial Neural Networks(GAs-FPNN). Fuzzy Polynomial Neural Networks(FPNN) is proposed model based Group Method Data Handling(GMDH) and Neural Networks(NNs). Each node of FPNN is expressed Fuzzy Polynomial Neuron(FPN). Network structure of nonlinear data is created using Genetic Algorithms(GAs) of optimal search method. Accordingly, GAs-FPNN have more inflexible than the existing models (in)from structure selecting. The proposed model select and identify its for optimal search of Genetic Algorithms that are no. of input variables, input variable numbers and consequence structures. The GAs-FPNN model is select tuning to input variable number, number of input variable and the last part structure through optimal search of Genetic Algorithms. It is shown that nonlinear data model design using Genetic Algorithms based FPNN is more usefulness and effectiveness than the existing models.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1993년도 정기총회 및 추계학술대회 논문집 학회본부
• /
• pp.317-319
• /
• 1993

The function estimation characteristics of neural networks can be used for sensor signal validation of a system. In case of applying the neural networks to signal validation, it is a important problem that the redundant sensor signals used as a input signal of neural networks should be validated. In this paper, we simplify the conventional parity space method in order to input the validated signal to the neural networks and also propose the sensor signal validation method, which estimates the reliable sensor output combining neural networks with the simplified parity space method. The acceptability of the proposed signal validation method is demonstrated by using the simulation data in safety injection accident of nuclear power plants.

• 한국전산구조공학회논문집
• /
• 제15권1호
• /
• pp.137-146
• /
• 2002

본 연구에서는 복합재료 원통쉘의 정적 구조해석 결과를 신경회로망에 적용하여 원통쉘에 가해진 하중특성을 추론하였다. 신경회로망 알고리즘은 역전파 학습법의 학습율이 가변적으로 조정될 수 있도록 프로그램을 개발하였으며, 입력패턴은 원통쉘에 하중이 가해졌을 때, 원통쉘의 측면에서 발생하는 9지점의 변형률을 이용하였다 출력층은 가해진 하중특성으로 설정하였으며, 학습결과 원통쉘의 하중특성 추론 학습에 성공하였다. 은닉층의 층수를 1층에서 3층까지 학습결과를 비교분석하였으며, 하중특성은 0.5% 이내로 추론이 가능해졌다. 본 연구 결과 신경회로망을 이용한 복합재료 원통쉘의 역공학이 가능해졌다.

• 융합신호처리학회논문지
• /
• 제14권1호
• /
• pp.57-61
• /
• 2013

본 논문에서는 하이브리드 유전 알고리즘을 이용한 morphological 뉴럴 네트워크 (MNN)의 최적화 방법을 제안하였다. MNN은 max-plus 연산을 기반으로 하고 있으므로 경사 학습법에 의한 파라미터 학습이 매우 어렵다. 이러한 문제를 해결하기 위해 하이브리드 유전 알고리즘을 이용하여 MNN의 파라미터들을 학습하였다. 제안된 방법의 유용성을 보이기 위해 SIDBA(standard image database) 표준영상에서 추출된 테스트 영상을 이용한 영상 압축/복원 실험을 수행하였고, 그 결과 제안된 방법에 의한 복원 영상이 합-곱 연산에 기반한 기존의 뉴럴 네트워크에 의한 복원영상보다 우수함을 알 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 춘계학술대회 학술발표 논문집 제15권 제1호
• /
• pp.301-304
• /
• 2005

In this paper, we propose a new fuzzy set-based polynomial neuron (FSPN) involving the information granule, and new fuzzy-neural networks - Fuzzy Set based Polynomial Neural Networks (FSPNN). We have developed a design methodology (genetic optimization using Genetic Algorithms) to find the optimal structure for fuzzy-neural networks that expanded from Group Method of Data Handling (GMDH). It is the number of input variables, the order of the polynomial, the number of membership functions, and a collection of the specific subset of input variables that are the parameters of FSPNN fixed by aid of genetic optimization that has search capability to find the optimal solution on the solution space. We have been interested in the architecture of fuzzy rules that mimic the real world, namely sub-model (node) composing the fuzzy-neural networks. We adopt fuzzy set-based fuzzy rules as substitute for fuzzy relation-based fuzzy rules and apply the concept of Information Granulation to the proposed fuzzy set-based rules.

• 한국정보통신학회논문지
• /
• 제10권6호
• /
• pp.1032-1037
• /
• 2006

채널은 무선망에 있어서 한정된 주요 자원 중의 하나이다. 다양한 채널 관리 기법들이 제시되어 왔으며, 최근 들어 가드채널의 최적화 문제가 부각되고 있다. 본 논문에서는 신경망을 이용한 지능적인 채널 관리 기법을 제안한다. 신경망의 학습 데이터 생성과 성능분석을 위하여 SRN(Stochastic Reward Net) 채널 할당 모델이 개발된다. 제안된 기법에서 신경망은 지도학습 방법인 역전파 알고리즘을 이용하여 최적의 가드채널 값 g를 계산하도록 학습한다. 학습된 신경망을 이용하여 최적의 g를 계산하고, 이를 SRM모델에서 구해진 결과와 비교한다. 실험 결과는 신경망에서 구한 가드채널 수와 SRM모델로부터 구한 가드채널 수의 상대적 차이가 없음을 보여준다.

• 융합신호처리학회논문지
• /
• 제7권2호
• /
• pp.53-59
• /
• 2006

동적 신경망은 시스템 식별과 신호예측과 같이 temporal 신호처리가 요구되는 여러 분야에서 적용되어 왔다. 본 논문에서는 신경망의 동특성을 향상시키기 위해 순방향 다층 신경망의 히든 층에 감마(Gamma) 메모리 커넬을 사용하는 감마 신경망(GAM)을 제안하고, 적응필터로 제안된 신경망을 사용하여 비선형 적응예측을 다루고 있다. 제안된 신경망은 비선형 신호예측을 통해 평가되었으며, 예측성능의 상대적인 비교를 위해 순방향 신경망(FNN)과 리커런트 신경망(RNN)과 비교하였다. 시뮬레이션 결과에 의하면 GAM 신경망은 수렴속도와 예측의 정확도에서 이러한 신경망보다 더 우수한 동작을 수행함으로써, 제안된 신경망이 기존의 다층 신경망보다 비정적 신호에 대한 비선형 예측에 더 효과적인 예측모델임을 확인하였다.