• 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.

• 조명전기설비학회논문지
• /
• 제22권4호
• /
• pp.46-53
• /
• 2008

본 연구에서는 고조파를 고려한 방사기저함수 네트워크 기반의 부하모델링 기법을 개발하였다. 개발된 부하모델은 입력정보로서 기본 주파수와 기본 전압 외에 고조파 성분도 고려하여 전압 및 주파수뿐만 아니라 고조파의 영향에 대해서도 효과적으로 부하를 추정할 수 있도록 구성하였다. 부하모델링을 위해 적용된 방사기저함수 네트워크는 기존에 널리 사용되는 다층 신경망에 비해 구조가 간단하고 수렴속도가 빠른 장점을 지니고 있다. 개발된 부하모델링 기법은 기존에 널리 사용되는 다항식과 다층 신경회로망 및 고조파 성분을 고려하지 않은 방사기저함수 네트워크를 이용한 부하모델 기법과 비교함으로써 제안방법의 타당성을 검증하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.271-274
• /
• 1997

This paper presents an adaptive quantization of image sequences using the Radial Basis Function Network(RBFN) which classifies interframe image blocks. The clssification algorithm consists of two steps. Blocks are classified into NA(No Activity), SA(Small Activity), VA(Verical Activity), and HA(Horizontal Activity) classes according to edges, image activity and AC anergy distribution. RBFN is trained using the classification results of the above algorithm, which are nonlinear classification features are acquired from the complexity and variability of difference blocks. Simulation result shows that the the adaptive quantization using the RBFN method produced better results better results than that of the sorting and MLP methods.

• 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.

• 대한전자공학회논문지SP
• /
• 제44권2호
• /
• pp.82-92
• /
• 2007

본 논문에서는 3차원 얼굴인식을 위한 방사 기저 함수 신경망 기반의 새로운 전역적 형태 특징과 그 특징을 추출하는 방법을 제안한다. 방사 기저 함수 신경망은 방사 기저 함수들의 가중합으로써, 얼굴 형태 정보의 비선형성을 방사 기저 함수의 선형합으로 잘 표현한다. 이 논문에서는 얼굴의 가로 방향 프로파일을 학습된 방사 기저 함수 신경망에 적용시켰을 때 생성되는 가증치를 새로운 전역적 형태 특징으로 제안한다. 제안하는 전역적 형태 특징의 경우 국소적 특징의 특성을 가지며, 일반적인 전역적 특징의 특성인 특징의 복잡도도 감소시킨다. 100명의 데이터베이스 영상과 100명에 대한 서로 다른 3개의 포즈를 포함하는 300개의 테스트 영상을 이용한 실험에서 제안하는 전역적 형태 특징과 은닉 마르코프 모델을 이용한 특징 비교를 통해서 94.7%의 인식률을 얻었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2729-2731
• /
• 2000

In this paper, we propose an adaptive controller using RBFN(radial basis function network) for robot manipulators. The structure of the proposed controller consists of a RBFN and a fixed gain PD controller. On the basis of the Lyapunov stability theorem, we guarantee the UUB (uniformly ultimately boundedness) for the total system. And the learning law of RBFN is established by the Lyapunov method. Finally, we apply the proposed controller to tracking control for the 2 link SCARA type robot manipulator.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제12권1호
• /
• pp.617-635
• /
• 2020

The purpose of this study is to discuss how to improve the maneuverability of lifting and diving for underwater vehicle's vertical motion. Therefore, to solve these problems, applied the 3-D numerical simulation, Taguchi's Design of Experiment (DOE), and intelligent parameter design methods, etc. We planned four steps as follows: firstly, we applied the 2-D flow simulation with NACA series, and then through the Taguchi's dynamic method to analyze the sensitivity (β). Secondly, take the data of pitching torque and total resistance from the Taguchi orthogonal array (L9), the ignal-to-noise ratio (SNR), and analysis each factorial contribution by ANOVA. Thirdly, used Radial Basis Function Network (RBFN) method to train the non-linear meta-modeling and found out the best factorial combination by Particle Swarm Optimization (PSO) and Weighted Percentage Reduction of Quality Loss (WPRQL). Finally, the application of the above methods gives the global optimum for multi-quality characteristics and the robust design configuration, including L/D is 9.4:1, the foreplane on the hull (Bow-2), and position of the sail is 0.25 Ls from the bow. The result shows that the total quality is improved by 86.03% in comparison with the original design.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 A
• /
• pp.202-204
• /
• 2004

This paper presents a neural network technology for the detection and classification of the various types of power quality disturbances. Power quality phenomena are short-time problems and of many varieties. Particularly, the transients happen during very short durations to the nano- and microsecond. Thus, a method for detecting ·md classifying transient signals at the same time and in an automatic combines the properties of the wavelet transform and the advantages of neural networks. We test two neural network and compare the results of Backpropagation Neural (BPN) network with Radial basis function network (RBFN). RBFN is more useful to detect and classify than BPN. The configuration of the hardware of PQ-DAS and some case studies are described.

• 한국통신학회논문지
• /
• 제28권5C호
• /
• pp.452-460
• /
• 2003

본 논문에서는 optimal Bayesian equalization solution인 RBF(radial basis function)를 이용한 등화기 (RE)의 구조를 보다 단순화하고, 비선형 왜곡 등의 심각한 정보 신호의 손상에 대한 보상 능력을 향상시키기 위하여 비선형 다층 결합을 갖는 RBF측 이용한 등화기(RNE)를 새로이 제안한다. 기존의 RE는 RBF로 구성된 은닉층의 출력 값을 선형 결합하여 등화기 출력을 얻는다. 이와 달리 새로이 제안하는 RNE는 기존의 RE에서 RBF로 구성된 은닉층의 출력 값에 대한 결합 기법으로 perceptron을 이용한 비선형 다층 결합을 사용한다. 제안한 equalizer를 결정궤환 방식이 있는 경우와 없는 경우의 등화기로 각각 구현한다. 실험 결과 제안한 등화기는 선형 간섭이 존재하는 디지털 통신 시스템과 비선형 왜곡이 존재하는 자기기록 시스템에서보다 간단한 구조로 기존의 optimal Bayesian 등화기와 거의 같거나 우수한 비트 오류 화률 성능 및 MSE(men squared error) 수렴 특성을 나타내었다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2001년도 Proceedings ICPE 01 2001 International Conference on Power Electronics
• /
• pp.443-447
• /
• 2001

In this paper, a robust sensorless vector control system for induction motors with a speed estimator and an uncertainty observer is presented. At first, the proposed speed estimator is based on the MRAS(Mode Reference Adaptive System) scheme and constructed with a simple fuzzy logic(FL) approach. The structure of the proposed FL estimator is very simple. The input of the FL is the rotor flux error difference between reference and adjustable model, and the output is the estimated incremental rotor speed Secondly, the unmodeled uncertainties such as parametric uncertainties and external load disturbances are modeled by a radial basis function network(RBFN). In the overal speed control system, the control inputs are composed with a norminal control input and a compensated control input, which are from RBFN observer output and the modeling error of the RBFN, repectively. The compensated control input is derived from Lyapunov unction approach. The simulation results are presented to show the validity of the proposed system.