• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.239-240
• /
• 2008

본 논문에서는 Subtractive clustering 알고리즘을 이용한 Fuzzy Radial Basis Function Neural Network (FRBFNN)의 규칙 수를 자동적으로 생성하는 방법을 제시한다. FRBFNN은 멤버쉽 함수로써 기존 RBFNN에서 가우시안이나 타원형 형태의 특정 RBF를 사용하는 구조와 달리 Fuzzy C-Means clustering 알고리즘에서 사용하는 거리에 기한 멤버쉽 함수를 사용하여 전반부의 공간 분할 및 활성화 레벨을 결정하는 구조이다. 본 논문에서는 데이터의 밀집도에 기반을 두어 클러스터링을 하는 Subtractive clustering 알고리즘을 사용하여 퍼지 규칙의 수와 같은 의미를 갖는 분할할 입력공간의 수와 분할된 입력공간의 중심값을 동정하며, Least Square Estimator (LSE) 알고리즘을 사용하여 후반부 다항식의 계수를 추정 한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 추계학술대회 학술발표 논문집
• /
• pp.1-4
• /
• 2001

Landsat TM 위성영상을 대상으로 인공신경망 모형과 RBF 신경망 모형의 토지피복분류 정확도를 평가하였다. 토지피복의 특성에 따라 세 개의 연구지역(복합토지이용, 농경지, 도시지역)을 대상으로 RBF 신경망 모형의 입력밴드 조합 및 분류 항목의 변화에 따른 민감도 분석이 수행되었다. 오염부하 원단위의 신뢰구간 및 분포를 추정하기 위하여 붓스트랩기법이 적화하였으며, 특히 토지이용이 다양한 도시지역에서 가장 큰 변화폭을 보였다.

• 한국수자원학회논문집
• /
• 제33권4호
• /
• pp.505-515
• /
• 2000

본 연구는 하천에서 호우의 발생에 따라 하천 유출수문곡선을 예측코자 블랙박스모형의 신경망이론을 적용하여 수문학적인 문제를 규명하고자 하였다. 이를 위해 신경망 이론 중 Levenverg-Marquardt 방법에 의한 오차역전파 알고리즘과 Radial Basis Function Network(RBFN)를 이용하여 IHP 대표유역인 보청청유역에 수문곡선을 적용하여 선행유출량 예측과 미학습 유역의 적용성을 검토하였다. 그 결과 복잡하고 비선형적인 수문계의 강우-유출 과정의 학습에 있어 RBFN은 은닉층에서 자율학습, 출력층에서 지도학습의 두 단계로 나누어 학습을 함으로서 BP 알고리즘보다 학습시간이 빠르게 나타났고, 선행유출량의 예측결과 여러 통계적 지표에서 RBFN이 BP 알고리즘보다 좋은 결과를 얻을 수 있었다. 미학습 유역의 적용성 검토에서도 BP알고리즘과 RBFN 모두 첨두치가 비교적 실측자료의 경향과 비슷한 경향으로 나타났다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -1
• /
• pp.30-33
• /
• 2002

To obtain good performance of radial basis function (RBF) neural networks, it needs very careful consideration in design. The selection of several parameters such as the number of centers and widths of the radial basis functions must be considered carefully since they critically affect the network's performance. We propose a learning algorithm for growing of complexity of RBF neural networks which is adapted automatically according to the complexity of tasks. The algorithm generates a new basis function based on the errors of network, the percentage of decreasing rate of errors and the nearest distance from input data to the center of hidden unit. The RBF's center is located at the point where the maximum of absolute interference error occurs in the input space. The width is calculated based on the standard deviation of distance between the center and inputs data. The steepest descent method is also applied for adjusting the weights, centers, and widths. To demonstrate the performance of the proposed algorithm, general problem of function estimation is evaluated. The results obtained from the simulation show that the proposed algorithm for RBF neural networks yields good performance in terms of convergence and accuracy compared with those obtained by conventional multilayer feedforward networks.

• 제어로봇시스템학회논문지
• /
• 제3권5호
• /
• pp.526-531
• /
• 1997

To control nonlinear chemical processes, a new neural linearizing control scheme is proposed. This is a hybrid of a radial basis function(RBF) network and a linear controller, thus the control action applied to the process is the sum of both control actions. Firstly, to train the RBF newtork a linear reference model is determined by analyzing the past operating data of the process. Then, the training of the RBF newtork is iteratively performed to minimize the difference between outputs of the process and the linear reference model. As a result, the apparent dynamics of the process added by the RBF newtork becomes similar to that of the linear reference model. After training, the original nonlinear control problem changes to a linear one, and the closed-loop control performance is improved by using the optimum tuning parameters of the linear controller for the linear dynamics. The proposed control scheme performs control and training simultaneously, and shows a good control performance for nonlinear chemical processes.

• 한국음향학회지
• /
• 제18권8호
• /
• pp.94-99
• /
• 1999

성 인식 알고리즘에서 높은 인식률을 보이는 방법은 hidden Markov mode1(HMM)과 신경망의 혼합 형태이다. 이것은 통계적인 모델과 신경망 모델의 장점을 혼용하는 방법이다. 본 연구에서 제안하는 인식 알고리듬은 반연속 HMM과 radial basis function(RBF)의 새로운 형태의 혼합 구조로써 반연속 HMM 파라미터 중에서 관측 확률을 결정하는 가중치(혼합확률밀도함수계수)확률을 Baum-Welch 추정 이후 RBF로로써 재 추정하는 인식 모델을 제안한다. 제안한 방법은 RBF의 은닉층(hidden layer)의 기본 함수(basis function)와 반연속 HMM의 확률 밀도 함수의 유사함을 고려한 것으로 RBF의 학습 및 추정된 가중치로써 보다 음성 파형을 분별력 있게 구분하고자 하는 것이다. 모의 실험 결과는 반연속 HM만을 사용 할 때 보다 제안한 반연속 HMM/RBF 혼합 구조가 비 학습 화자에 대한 인식률을 개선함으로써 단순히 반연속 HMM만을 사용하는 것 보다 훨씬 분별력이 높은 방법임을 보여준다.

• 한국컴퓨터정보학회논문지
• /
• 제19권9호
• /
• pp.33-38
• /
• 2014

FCM 기반하이브리드 RBF 네트워크는 서로 다른 학습 구조가 결합된 혼합형 모델로서, 입력층과 중간층의 학습 구조는 FCM 알고리즘을 적용하고, 중간층과 출력층 사이의 학습 구조는 Max_Min 알고리즘을 적용한다. 입력층과 중간층의 학습시 입력 벡터와 중간층의 노드 중에서 중심과 입력 벡터간의 가장 가까운 노드를 승자 노드로 선택하여 출력층으로 전달한다. 그리고 중간층과 출력층 사이의 학습구조인 Max_Min 신경망은 중간층의 승자 뉴런이 입력벡터로 적용된다. 그러나 많은 패턴이 입력벡터로 제시될 경우에는 학습성능이 저하되는 단점이 있다. 따라서 본 논문에서는 중간층과 출력층의 학습 구조인 Max_Min 알고리즘의 학습 성능을 향상시키기 위해 퍼지 논리 시스템을 이용한 학습률 자동 조정 방법을 제안한다. 제안된 방법은 목표값과 출력값의 차이에 대한 절대값이 0.1보다 적거나 같으면 정확성으로 분류하고 크면 부정확성으로 분류한다. 정확성의 총 개수를 퍼지 제어 시스템에 적용하여 학습률을 동적으로 조정한다. 제안된 방법의 학습 및 인식 성능을 평가하기 위해 컨테이너에서 추출한 숫자, 영문 식별자를 인식 및 성능평가 실험에 적용한 결과, 제안된 방법이 문자 패턴 인식에 효과적임을 확인할 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.179-181
• /
• 2007

This paper presents the desired position control of the mobile inverted pendulum system(MIP). The MIP is required to track the circular trajectory in the xy plane through the kinematic Jacobian relationship between the xy plane and the joint space. The reference compensation technique of the radial basis function(RBF) network is used as a neural network control method. The back-propagation teaming algorithm of the RBF network is derived and embedded on a DSP board. Experimental studies of tracking the circular trajectory are conducted.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2009년도 제38회 동계학술대회 초록집
• /
• pp.262-262
• /
• 2010

반도체 제조공정 중 식각공정(Etching)은 웨이퍼표면으로부터 화학적, 물리적으로 불필요한 물질들을 선택적으로 제거하는 방법이다. 식각공정 중 하나인 플라즈마 식각(Plasma etching) 공정에서 오버식각(over-etching) 과언더식각(under-etching) 되는것을피하기위해서통계적인방법을기준으로식각종료점(endpoint)를 결정한다. 본 논문의 목표는 통계적인 분석방법을 이용하지 않고 실시간 식각 데이터(realtime etching data)를 사용해서 식각 종료점을 검출하는 것이다. 식각 데이터는 시계열 데이터(time-series data)이기 때문에 간단한 구조와 적은 계산량으로 빠른 수렴속도와 좋은 안정도를 가진 Radial Basis Function Neural Network's (RBF-NN) 를 이용하여 시계열 모델(time-series model)을 구현 하였다. 광학방사분광기(Optical Emission Spectroscopy: OES)로부터 나온 6개의 데이터 세트중에서 4개의 데이터 세트는 RBF-NN을 학습하는데 사용되고 2개의 데이터 세트는 모델의 성과를 시험해 보기 위하여 사용하였다. 학습을 위한 데이터들은 Matrix화 시켜서 목표값을 설정하여 학습시킨다. 실험한 결과 학습한 RBF-NN 모형이 식각 종료점(endpoint)를 정확하게 검출된다는 것을 보여준다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1994년도 추계학술대회 논문집
• /
• pp.15-19
• /
• 1994

The application of neural network for fault dection of cutting force in turning was introduced. This monitoring system consist of a RBF predicton model and a ART-1 pattern classifier. RBF prediction model predict a cutting force signal. Prediction error of predictor is used for a input vector of ART-1 pattern classifier. Prediction error could be successfully performed to fault signal monitoring of ART-1 pattern classifier.