In this paper, an intelligent robust control system (IRCS) for precision tracking control of permanent-magnet synchronous motor (PMSM) servo drives is proposed. The IRCS comprises a recurrent wavelet-based interval type-2 fuzzy-neural-network controller (RWIT2FNNC), an RWIT2FNN estimator (RWIT2FNNE) and a compensated controller. The RWIT2FNNC combines the merits of a self-constructing interval type-2 fuzzy logic system, a recurrent neural network and a wavelet neural network. Moreover, it performs the structure and parameter-learning concurrently. The RWIT2FNNC is used as the main tracking controller to mimic the ideal control law (ICL) while the RWIT2FNNE is developed to approximate an unknown dynamic function including the lumped parameter uncertainty. Furthermore, the compensated controller is designed to achieve $L_2$ tracking performance with a desired attenuation level and to deal with uncertainties including approximation errors, optimal parameter vectors and higher order terms in the Taylor series. Moreover, the adaptive learning algorithms for the compensated controller and the RWIT2FNNE are derived by using the Lyapunov stability theorem to train the parameters of the RWIT2FNNE online. A computer simulation and an experimental system are developed to validate the effectiveness of the proposed IRCS. All of the control algorithms are implemented on a TMS320C31 DSP-based control computer. The simulation and experimental results confirm that the IRCS grants robust performance and precise response regardless of load disturbances and PMSM parameters uncertainties.
This paper presents a novel robust adaptive AC8B exciter system against synchronous generators for ships. A PID (proportional integral derivative) control framework, which is a part of the AC8B exciter system, is simply composed of nominal and auxiliary control configurations. For selecting these proper parameter values, the former is conventionally chosen based on the experience and knowledge of experts, and the latter is optimally estimated via a neural networks optimization procedure. Additionally, we propose an online parameter learning-based auxiliary control to practically cope with deterioration of control performance owing to uncertainty in electric generator systems. Such a control mechanism ensures the robustness and adaptability of an AC8B exciter to enhance control performance in real-time implementation. We carried out simulation experiments to test the reliability of the proposed robust adaptive AC8B exciter system and prove its superiority through a comparative study in which a conventional PID control-based AC8B exciter system is similarly applied to our simulation experiments under the same simulation scenarios.
점진적 광자 매핑 방식은 복잡한 전역 조명 효과를 효율적으로 렌더링할 수 있다. 그러나 샘플이 유한한 경우, 반경 축소비율 변수에 의해 분산과 편향 값이 크게 영향 받는다. 유한한 샘플을 사용한 렌더링 결과의 픽셀 오류 및 기울기를 추정하여 추정된 기울기를 기반으로 반경 축소비율을 결정하는 최적의 매개변수를 학습할 수 있다면, 렌더링 된 이미지의 오류를 줄일 수 있을 것이다. 본 논문에서는 점진적 광자 매핑 방식을 통한 렌더링과 매개변수 학습이 동시에 될 수 있도록 기울기를 추정하고 추정된 기울기를 유한 차분법을 통해 계산된 기울기와 비교하여 검증한다. 본 논문에서 추정된 기울기는 향후 점진적 광자 매핑 방식의 렌더링과 매개변수 추정을 동시에 수행하는 온라인 학습 알고리즘에 적용될 수 있을 것으로 기대된다.
In this paper, an intelligent fault diagnosis system is proposed for induction motors through the combination of feature extraction, genetic algorithm (GA) and neural network (ANN) techniques. Features are extracted from motor vibration signals, while reducing data transfers and making on-line application available. GA is used to select most significant features from whole feature database and optimize the ANN structure parameter. Optimized ANN diagnoses the condition of induction motors online after trained by the selected features. The combination of advanced techniques reduces the learning time and increases the diagnosis accuracy. The efficiency of the proposed system is demonstrated through motor faults of electrical and mechanical origin on the induction motors. The results of the test indicate that the proposed system is promising for real time application.
전통적으로 공학분야는 실험 실습 위주의 대면 교육이 주를 이루어 왔으나, IT 기술 및 인터넷 통신망의 급속한 발전과 최근 COVID-19 등의 사회적 환경 변화로 인해 온라인 학습에 대한 수요가 급증하고 있다. 다른 분야에 비해 실험 실습의 비중이 상대적으로 높은 공학 분야에서 효율적인 온라인 교육이 이루어지려면 실제 실험 실습을 대체할 수 있는 가상 실험실습 콘텐츠가 매우 필요하다. 본 연구에서는 전기전자 분야 뿐만 아니라 IT 융합이 이루어지고 있는 전반적인 공학 분야에서 필수적으로 사용되고 있는 마이크로프로세서의 효율적인 온라인 응용 학습을 위해 라인 트레이서 모델을 개발하고 이를 시뮬레이션 할 수 있는 가상실험 소프트웨어를 개발하였다. 개발된 라인 트레이서 모델에서 사용자는 원하는 형태로 하드웨어 파라미터 값들을 다양하게 설정하고, 이에 따른 소프트웨어를 어셈블리 언어나 C 언어 등으로 작성하여 컴퓨터 상에서 동작을 시험해 볼 수 있도록 구성되었다. 개발된 라인 트레이서 가상 실험 소프트웨어는 실제 수업에 활용하여 동작을 검증하였으며, 앞으로 온라인 상에서 이루어지는 비대면 수업에서 효율적인 가상 실험 실습 도구가 될 것으로 기대된다.
본 연구는 온라인 교육의 효과를 학습자들이 수업 관련 특정 이슈들에 대한 적극적 탐색과 공유의 측면으로 확대하여 살펴보고자 선행연구를 바탕으로, 이슈를 탐색하도록 유도하는 동기의 두 유형(개인적, 사회적)과 인게이지먼트, 이슈콘텐츠에 대한 태도, SNS구전의도 모형을 검증하였다. 연구결과, 학습자들의 두 동기는 인게이지먼트에 정(+)의 영향력을 미치고 있었으며, 인게이지먼트가 증가할수록 이슈콘텐츠 태도와 SNS 구전의도는 긍정적으로 나타났다. 본 연구에서는 스스로 학습을 진행하도록 유도하는 인게이지먼트의 역할을 확인할 수 있으며, 인게이지먼트의 증가를 위해 수업내용뿐만 아니라 사회적, 개인적 동기를 활용해야할 필요성을 제안한다.
최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.
In this paper, an intelligent sliding-mode speed controller for achieving favorable decoupling control and high precision speed tracking performance of permanent-magnet synchronous motor (PMSM) drives is proposed. The intelligent controller consists of a sliding-mode controller (SMC) in the speed feed-back loop in addition to an on-line trained wavelet-neural-network controller (WNNC) connected in parallel with the SMC to construct a robust wavelet-neural-network controller (RWNNC). The RWNNC combines the merits of a SMC with the robust characteristics and a WNNC, which combines artificial neural networks for their online learning ability and wavelet decomposition for its identification ability. Theoretical analyses of both SMC and WNNC speed controllers are developed. The WNN is utilized to predict the uncertain system dynamics to relax the requirement of uncertainty bound in the design of a SMC. A computer simulation is developed to demonstrate the effectiveness of the proposed intelligent sliding mode speed controller. An experimental system is established to verify the effectiveness of the proposed control system. All of the control algorithms are implemented on a TMS320C31 DSP-based control computer. The simulated and experimental results confirm that the proposed RWNNC grants robust performance and precise response regardless of load disturbances and PMSM parameter uncertainties.
본 논문에서, 부분방전 메카니즘을 진단하고 그리고 신경망을 도입하여 수명을 예측하기 위한 기초연구로서, 온라인상에서 자동진단을 제안했다. 제안한 방법에서 우리는 음향방출 감지시스템과 그리고 펄스 수와 펄스진폭에 의해서 정량적인 통계파라메타를 사용하였다. 통계적인 파라메타인 가령, 무게중심(G)와 방전분포 경도(C)를 이용하였고 그리고 초기단계와 중기단계에 대해서 분석하였다. 정량적인 통계파라메타들은 신경망에 의해서 학습되어졌다. 초기단계에 의해서 수명예측과 절연열화의 진단이 이루어졌다. 열화가 진행하는 동안 신경망 학습을 통한 휼륭한 진단능력이 있음이 근본적으로 드러났고, 신경망이 부분방전에 있어서 절연진단 및 수명예측을 위해서 적절하다는 것이 증명되었다.
International Journal of Computer Science & Network Security
/
제21권1호
/
pp.97-106
/
2021
Social networking platforms have become a smart way for people to interact and meet on internet. It provides a way to keep in touch with friends, families, colleagues, business partners, and many more. Among the various social networking sites, Twitter is one of the fastest-growing sites where users can read the news, share ideas, discuss issues etc. Due to its vast popularity, the accounts of legitimate users are vulnerable to the large number of threats. Spam and Malware are some of the most affecting threats found on Twitter. Therefore, in order to enjoy seamless services it is required to secure Twitter against malicious users by fixing them in advance. Various researches have used many Machine Learning (ML) based approaches to detect spammers on Twitter. This research aims to devise a secure system based on Hybrid Similarity Cosine and Soft Cosine measured in combination with Genetic Algorithm (GA) and Artificial Neural Network (ANN) to secure Twitter network against spammers. The similarity among tweets is determined using Cosine with Soft Cosine which has been applied on the Twitter dataset. GA has been utilized to enhance training with minimum training error by selecting the best suitable features according to the designed fitness function. The tweets have been classified as spammer and non-spammer based on ANN structure along with the voting rule. The True Positive Rate (TPR), False Positive Rate (FPR) and Classification Accuracy are considered as the evaluation parameter to evaluate the performance of system designed in this research. The simulation results reveals that our proposed model outperform the existing state-of-arts.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.