• Journal of Electrical Engineering and information Science
• /
• 제3권3호
• /
• pp.355-365
• /
• 1998

The purposes of this study are to propose a network for the characterizing of the input data and to show how to design predictive neural net재가 expert system which doesn't need previous knowledge base. We derived this network from the radial basis function networks(RBFN), and named it as a statistical EBFN. The proposed network can replace the statistical methods for analyzing dynamic relations between target disease and other parameters in medical studies. We compared statistical RBFN with the probabilistic neural network(PNN) and fuzzy logic(FL). And we testified our method in the diabetes prediction and compared our method with the well-known multilayer perceptron(MLP) neural network one, and showed good performance of our network. At last, we developed the diabetes prediction expert system based on the proposed statistical RBFN without previous knowledge base. Not only the applicability of the characterizing of parameters related to diabetes and construction of the diabetes prediction expert system but also wide applicabilities has the proposed statistical RBFN to other similar problems.

• 융합신호처리학회논문지
• /
• 제2권3호
• /
• pp.79-85
• /
• 2001

본 논문에서는 퍼지 보상기와 자기구성 신경회로망을 이용하여 3축 매니퓰레이터의 역 기구학 해를 구하는 방법을 제안한다. 가우시안 위치 함수를 활성화 함수로 사용하는 자기구성 신경회로망은 학습 시작시 1개의 은닉층 노드를 가지고 학습을 하면서 점차적으로 은닉층의 노드수를 증가시킴으로서 최적의 노드수를 얻을 수 있으며, 퍼지 보상기는 신경회로망의 양호한 학습비를 얻는다. 이와 같이 시스템을 구성하여 빠른 학습속도와 학습비의 개선 그리고 빠른 정상상태로의 수렴을 확인하였다.

• 한국유통학회지:유통연구
• /
• 제10권3호
• /
• pp.1-14
• /
• 2005

성공적인 공급사슬관리에 있어 성과에 따른 지속적 협업 통제는 매우 중요하다. 본 연구에서는 기계학습 알고리즘인 SVM(Support Vector Machiness)을 이용해 균형성과표에 기반한 공급사슬관리 성과에 따른 지속적 협업 통제 모델을 개발하였다. 우리는 지속적 협업 통제모델 개발에 있어 108명의 전문가를 상대로 실증조사를 수행하였다. 본 연구 수행에 있어 4가지 형태의 SVM 커늘 (1) linear, (2) polynomail, (3) Radial Basis Function(RBF), (4) sigmoid kernel을 이용해 공급사슬관리 지속적 협업 예측 정확도를 비교하였다. SVM 커늘 4가지 중 linear kernel의 예측성과가 가장 좋았다. 그리고 본 연구에서는 SVM linear kernel의 예측성과를 ANN(Artificial Neural Network)의 예측성과와 비교하였다. 분석결과 SVM linear kernel이 공급사슬관리에 있어 지속적 협업 예측에 우수한 예측성과를 보여주는 것을 발견하였다. 이러한 곁과는 SVM linear kernel이 공급사슬관리의 지속적 협업 예측 통제에 있어 우수한 대안을 제공해 줄 것이다. 그러므로 공급사슬관리를 추구하는 기업들은 분 모델을 통해 지속적 협업 통제에 유용한 정보를 얻을 수 있을것이다.

• 인터넷정보학회논문지
• /
• 제12권6호
• /
• pp.63-71
• /
• 2011

심전도 질환 데이터는 일반적으로 분류기를 사용한 실험이 많다. 심전도 신호는 QRS-Complex와 R-R interval을 추출하는 경우가 많은데 본 실험에서는 R-R interval을 추출하여 실험하였다. 심전도 데이터의 분류기 실험은 일반적으로 SVM(Support Vector Machine)과 MLP(Multilayer Perceptron) 분류기로 수행되지만 본 실험은 정확도 향상을 위해 Random Forest 분류기 알고리즘 중 Decision Tree를 Best-First Decision Tree(B-F Tree)로 수정하여 실험하였다. 그리고 정확도 비교분석을 위해 SVM, MLP, RBF(Radial Basic Function) Network와 Decision Tree 분류기 실험을 같이 수행하였고, 동일한 데이터와 간격으로 실험한 타 논문의 결과와 비교해보았다. 수정한 Random Forest 분류기의 정확도를 다른 네 개의 분류기와 타 논문의 실험과 비교해보니 정확도 부분에서는 Random Forest가 가장 우수하였다. 본 실험의 전처리 과정은 대역통과 필터(Band-pass filter)를 사용하여 R-R interval을 추출하였는데 향후에는 정확한 간격을 추출하기 위한 필터의 연구가 사려된다.

• 한국빅데이터학회지
• /
• 제1권1호
• /
• pp.61-66
• /
• 2016

최근 기업들이 빅데이터를 활용하여 효과적인 마케팅 전략을 전개함에 있어서, 고객의 세부정보를 기반으로 하는 개인화된 마케팅 전략을 활용하고 있다. 하지만 프라이버시 및 개인정보 유출위협이 커짐에 따라 소셜 네트워크 사이트(Social Network Site, 이하 SNS)에서 계정의 개인정보 항목을 삭제하거나 정보공개수준을 통제하는 경향이 높아지고 있다. 이로인해 기업의 마케팅 담당자들은 고객의 세부정보를 파악하는 것에 어려움을 겪고 있다. 본 연구에서는 SNS 중에서 가장 많은 회원 수를 보유하고 있는 Facebook에서 제한된 정보를 바탕으로 성별을 예측하는 분석방법론을 도출하고자 하였다. 본 연구에는 측정도구로 Gaussian RBF, nFactors, randomForest, 그리고 5-fold cross-validation 사용하였다. 그 결과, 성별은 75%, 연령대는 97.85%로 '좋아요' 정보만을 가지고 성별과 연령을 예측할 수 있었다. 즉, 사용자들의 어떠한 세부정보 없이, Facebook의 '좋아요'의 정보를 가지고 인구통계학적인 정보를 추론할 수 있었다. 본 연구의 결과를 바탕으로 개인정보 수집에 어려움을 겪고 있는 기업 및 마케팅 담당자들에게 유용한 가이드 라인을 제시 할 수 있을 것으로 기대한다.

• 조명전기설비학회논문지
• /
• 제20권6호
• /
• pp.55-62
• /
• 2006

본 논문에서는 3상 유도전동기의 고장진단을 수행하기 위해 패턴인식에 기반을 둔 진단 알고리즘을 제안한다. 실험 장치는 유도전동기 구동의 기계적 모듈과 고장신호를 구하기 위한 데이터 획득 모듈로 구성하였다. 진단 절차를 위한 첫 번째 단계로서 전처리 과정은 획득한 전류를 단순화하고 정규화 하는 것을 수행한다. 데이터의 단순화 과정은 3상전류를 Concrodia 벡터의 크기로 변환하는 것을 적용한다. 다음으로 특징 추출 단계를 커널 주성분 분석과 선형판별분석으로 수행하며, 마지막으로, 분류기는 방사기저함수 네트워크를 사용한다. 다양한 부하에 대하여 몇몇의 전기적 고장과 기계적 고장 하에서 획득한 데이터를 이용하여 제안된 방법의 타당성을 검증한다.

• 전기학회논문지
• /
• 제57권11호
• /
• pp.2108-2116
• /
• 2008

The paper concerns Fuzzy C-Means clustering based Radial Basis Function neural networks (FCM-RBFNN) and the optimization of the network is carried out by means of Particle Swarm Optimization(PSO). FCM-RBFNN is the extended architecture of Radial Basis Function Neural Network(RBFNN). In the proposed network, the membership functions of the premise part of fuzzy rules do not assume any explicit functional forms such as Gaussian, ellipsoidal, triangular, etc., so its resulting fitness values directly rely on the computation of the relevant distance between data points by means of FCM. Also, as the consequent part of fuzzy rules extracted by the FCM - RBFNN model, the order of four types of polynomials can be considered such as constant, linear, quadratic and modified quadratic. Weighted Least Square Estimator(WLSE) are used to estimates the coefficients of polynomial. Since the performance of FCM-RBFNN is affected by some parameters of FCM-RBFNN such as a specific subset of input variables, fuzzification coefficient of FCM, the number of rules and the order of polynomials of consequent part of fuzzy rule, we need the structural as well as parametric optimization of the network. In this study, the PSO is exploited to carry out the structural as well as parametric optimization of FCM-RBFNN. Moreover The proposed model is demonstrated with the use of numerical example and gas furnace data set.

• 한국공작기계학회논문집
• /
• 제16권4호
• /
• pp.87-92
• /
• 2007

The full automation welding has not yet been achieved partly because the mathematical model for the process parameters of a given welding task is not fully understood and quantified. Several mathematical models to control welding quality, productivity, microstructure and weld properties in arc welding processes have been studied. However, it is not an easy task to apply them to the various practical situations because the relationship between the process parameters and the bead geometry is non-linear and also they are usually dependent on the specific experimental results. Practically, it is difficult, but important to know how to establish a mathematical model that can predict the result of the actual welding process and how to select the optimum welding condition under a certain constraint. In this paper, an attempt has been made to develop an neural network model to predict the weld top-bead height as a function of key process parameters in the welding. and to compare the developed models using three different training algorithms in order to select an adequate neural network model for prediction of top-bead height.

• 전기학회논문지
• /
• 제59권7호
• /
• pp.1320-1326
• /
• 2010

In this paper, we develop a design methodology of granular-based neurocomputing networks realized with the aid of the clustering techniques. The objective of this paper is modeling and evaluation of approximation and generalization capability of the Linear-Type Superconducting Power Supply (LTSPS). In contrast with the plethora of existing approaches, here we promote a development strategy in which a topology of the network is predominantly based upon a collection of information granules formed on a basis of available experimental data. The underlying design tool guiding the development of the granular-based neurocomputing networks revolves around the Fuzzy C-Means (FCM) clustering method and the Radial Basis Function (RBF) neural network. In contrast to "standard" Radial Basis Function neural networks, the output neuron of the network exhibits a certain functional nature as its connections are realized as local linear whose location is determined by the membership values of the input space with the aid of FCM clustering. To modeling and evaluation of performance of the linear-type superconducting power supply using the proposed network, we describe a detailed characteristic of the proposed model using a well-known NASA software project data.

• Structural Engineering and Mechanics
• /
• 제16권5호
• /
• pp.581-595
• /
• 2003

Since the conventional direct approaches are hard to be applied for damage diagnosis of complex large-scale structures, a two-step approach for diagnosing the joint damage of framed structures is presented in this paper by using artificial neural networks. The first step is to judge the damaged areas of a structure, which is divided into several sub-areas, using probabilistic neural networks with natural Frequencies Shift Ratio inputs. The next step is to diagnose the exact damage locations and extents by using the Radial Basis Function (RBF) neural network with the second Element End Strain Mode of the damaged sub-area input. The results of numerical simulation show that the proposed approach could diagnose the joint damage of framed structures induced by earthquake action effectively and has reliable anti-jamming abilities.