• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1999년도 학술발표대회 논문집 제18권 2호
• /
• pp.71-76
• /
• 1999

본 논문에서 제안한 예측형 RBFN(Radial Basis Function Network)은 HMM과 신경망을 결합한 하이브리드 구조이다. 이 신경망은 HMM으로 추정한 확률분포 파라미터를 사용하여 중간층의 활성화 함수의 출력을 결정하고, 중간층과 출력층의 연결강도만 네트워크 내에서 학습한다. 그리고 HMM으로 추정한 확률분포 파라미터는 두 가지 방법으로 예측형 RBFN에 이용하였다. 첫 번째는 HMM의 각 상태의 혼합수 만큼의 중간층 유니트를 주는 방법이고, 두 번째는 HMM의 혼합수$\times$출력분포수 만큼의 중간층 유니트를 주는 방법이다. 실험결과, 예측형 RBFN은 다른 방법들의 결과보다 $4.5\~6.5\%$ 저하된 결과를 보였지만 다른 신경망에 비해서 학습 반복 횟수를 작게할 수 있었으며 전체 학습시간을 대폭 단축할 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.241-242
• /
• 2008

본 논문에서는 fuzzy granular computing 방법 중의 하나인 context-based FCM을 이용하여 granular-based radial basis function neural network에 대한 기본적인 개면과 그들의 포괄적인 설계 구조에 대해서 자세히 기술한다. 제안된 모델에 기본이 되는 설계 도구는 context-based fuzzy c-means (C-FCM)로 알려진 fuzzy clustering에 초점이 맞춰져 있으며, 이는 주어진 데이터의 특징에 맞게 공간을 분할함으로써 효율적으로 모델을 구축할 수가 있다. 제안된 모델의 설계 공정은 1) Context fuzzy set에 대한 정의와 설계, 2) Context-based fuzzy clustering에 대한 모델의 적용과 이에 따른 모델 구축의 효율성, 3) 입력과 출력공간에서의 연결된 information granule에 대한 parameter(다항식의 계수들)에 대한 최적화와 같은 단계로 구성되어 있다. Information granule에 대한 parameter들은 성능지수를 최소화하기 위해 Least square method에 의해서 보정된다. 본 논문에서는 모델을 설계함에 있어서 체계적인 설계 알고리즘을 포괄적으로 설명하고 있으며 더 나아가 제안된 모델의 성능을 다른 표준적인 모델들과 대조함으로써 제안된 모델의 우수성을 나타내고자 한다.

• 한국음향학회지
• /
• 제12권6호
• /
• pp.21-27
• /
• 1993

계층형 신경망은 패턴 분류를 위해 사용되어 왔다. 이것은 주어진 교사패턴들의 학습으로 원하는 입력-출력 간의 매핑을 할 수 있기 때문이다. 신경망은 타겟ㅌ트 패턴이 입력 패턴의 카테고리에 일치할 때 타겟트 패턴을 학습하므로서 사후 확률을 근사화할 수 있다. 그리고 입력 공간을 부분 공간으로 나누어 학습 데이터들의 비율로서 만든 타겟트 벡터들로 학습한 신경망은 확률밀도 함수를 나타낼 수 있다. 본 연구에서는 역전파 학습법을 이용한 계층형 NN 과 코드북으로서 사후 확률과 확률밀도함수의 측정방법을 제안하였다. VQ 로 추정한 사후확률고 확률밀도함수를 이용하여 학습이 필요없는 RBF network 의 일종인 PNN으로 모음 인식을 수행 하였다. 인식 실험에서 PNN 의 결과는 역전파 학습법을 이용항 3층 신경망과 VQ 의 평균 인식율과 비교되었다. VQ-PNN의 인식율이 다른 것보다 우수하게 나타났다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2383-2385
• /
• 2000

It is proposed a new algorithm for a neural network adaptive tracking control scheme to improve performance in this paper. In supervisory control scheme, the upper and lower bound of the parameters are directly estimated by using RBF neural network without their information, and the weighting parameters of the control input are adjusted on-line by adaptation laws. As a result, the proposed algorithm assured that the output errors go to zero without relation to existing minimum approximation errors and disturbances. The effectiveness of the proposed algorithm is demonstrated through the simulation of one-link rigid robotics manipulator.

• Journal of Electrical Engineering and Technology
• /
• 제13권4호
• /
• pp.1715-1723
• /
• 2018

This work investigates the performance of fully complex- valued radial basis function network(FC-RBF) and complex extreme learning machine (CELM) based neural approaches for classification of power quality disturbances. This work engages the use of S-Transform to extract the features relating to single and combined power quality disturbances. The performance of the classifiers are compared with their real valued counterparts namely extreme learning machine(ELM) and support vector machine(SVM) in terms of convergence and classification ability. The results signify the suitability of complex valued classifiers for power quality disturbance classification.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.90-92
• /
• 2000

데이터마이닝 문제는 데이터를 그 속성들에 따라 분류하여 예측하는 것뿐만 아니라 분류된 속성들간의 연관성에 대해 잘 설명할 수 있어야 한다. 일반적으로 변수들간의 연관성을 잘 설명할 수 있으면서도 높은 예측력을 가지는 방법으로는 베이지안 네트웍 분류자(Bayesian network classifier)가 있다. 그러나 이것은 데이터 마이닝과 같은 대용량 데이터에서는 성능이 떨어지는 단점이 있다. 이에 이 논문에서는 최근 RBF 신경망이 입력변수 선정문제에 성공적으로 적용된 Reversible Jump Markov Chain Monte Carlo 방법을 이용하여 최적의 입력변수들만을 선택하여 베이지안 네트웍을 학습하는 Selective BN Augmented Naive-Bayes Classifier를 새로운 방안으로 제안하고 이를 실제 데이터마이닝 문제에 적용한 결과를 제시한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2046-2048
• /
• 2003

In this paper, a neural disturbance observer(NDO) is developed and its application to the control of a nonlinear system with the internal and/or external disturbances is presented. To construct the NDO, a parameter tuning method is proposed and shown to be useful in adjusting the parameters of the NDO. The tuning method employes the disturbance observation error to guarantee that the NDO monitors unknown disturbances. Each of the nodes of the hidden layer in the NDO network is a radial basis function(RBF). In addition, the relationships between the suggested NDO-based control and the conventional adaptive controls reported in the previous literatures are discussed. And it is shown in a rigorous manner that the disturbance observation error converges to a region of which size can be kept arbitrarily small. Finally, an example and some computer simulation results are presented to illustrate the effectiveness and the applicability of the NDO.

• 대한원격탐사학회지
• /
• 제24권5호
• /
• pp.473-481
• /
• 2008

This paper presents an approach to Back-propagation and Radial Basis Function neural network method with various training set for automatic vehicle detection from aerial images. The initial extraction of candidate object is based on Mean-shift algorithm with symmetric property of a vehicle structure. By fusing the density and the symmetry, the method can remove the ambiguous objects and reduce the cost of processing in the next stage. To extract features from the detected object, we describe the object as a log-polar shape histogram using edge strengths of object and represent the orientation and distance from its center. The spatial histogram is used for calculating the momentum of object and compensating the direction of object. BPNN and RBFNN are applied to verify the object as a vehicle using a variety of non-car training sets. The proposed algorithm shows the results which are according to the training data. By comparing the training sets, advantages and disadvantages of them have been discussed.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2006년도 춘계학술발표논문집
• /
• pp.307-310
• /
• 2006

We consider the problem of constructing observers for nonlinear systems with unknown inputs. It is shown that under some conditions, there exists an observer estimating the states of nonlinear systems with unknown inputs. Nonlinear observer design method using observer error linearization and the design technique of unknown input observer(UIO) for linear systems are used to derive conditions. Some illustrative examples are included. In this paper, a direct controller for nonlinear plants using a neural network is presented. The controller is composed of an approximate controller and a neural network auxiliary controller.The approximate controller gives the rough control and the neural network controller gives the complementary signal to further reduce the output tracking error. This method does not put too much restriction on the type of nonlinear plant to be controlled. In this method, a RBF neural network is trained and the system has a stable performance for the inputs it has been trained for. Simulation results show that it is very effective and can realize a satisfactory control of the nonlinear system

• 지능정보연구
• /
• 제4권2호
• /
• pp.23-34
• /
• 1998

Travel time forecasting, especially public bus travel time forecasting in urban areas, is a difficult and complex problem which requires a prohibitively large computation time and years of experience. As the network of target area grows with addition of streets and lanes, computational burden of the forecasting systems exponentially increases. Even though the travel time between two neighboring intersections is known a priori, it is still difficult, if not impossible, to compute the travel time between every two intersections. For the reason, previous approaches frequently have oversimplified the transportation network to show feasibilities of the problem solving algorithms. In this paper, forecasting of the travel time between every two intersections is attempted based on travel time data between two neighboring intersections. The time stamps data of public buses which recorded arrival time at predetermined bus stops was extensively collected and forecast. At first, the time stamp data was categorized to eliminate white noise, uncontrollable in forecasting, based on wavelet conversion. Then, the radial basis neural networks was applied to remaining data, which showed relatively accurate results. The success of the attempt was confirmed by the drastically reduced relative error when the nodes between the target intersections increases. In general, as the number of the nodes between target intersections increases, the relative error shows the tendency of sharp increase. The experimental results of the novel approaches, based on wavelet conversion and neural network teaming mechanism, showed the forecasting methodology is very promising.