• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제13권2호
• /
• pp.116-123
• /
• 2013

Currently, most automobiles have automatic transmission systems. The gear-shifting strategy used to generate shift patterns in transmission systems plays an important role in improving the performance of vehicles. However, conventional transmission systems have a fixed type of shift map, so it may not be enough to provide an efficient gear-shifting pattern to satisfy the demands of driver. In this study, we developed an intelligent strategy to handle these problems. This approach is based on a normalized radial basis function neural network, which can generate a flexible gear-shift pattern to satisfy the demands of drivers, including comfortable travel and fuel consumption. The method was verified through simulations.

• 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.

• 한국인터넷방송통신학회논문지
• /
• 제12권3호
• /
• pp.123-131
• /
• 2012

오래 전부터 연료의 가격은 상승하고 있다. 제조업체는 보증을 통해 실용적인 대안을 찾고자 전기와 강력한 바이오 연료를 이용하여 차량의 성장가능을 연구하고 있다. 이제, 이러한 녹색 환경(emission) 관련된 보증은 보증기간이 확장되며, 이러한 보증을 "수퍼 보증" 이라 불린다. 본 논문의 주요 결과는 라돈 변환의 역행렬을 보증공간의 수치를 줄이기 위해 사용되며, 응용 프로그램 및 RBF 네트워크를 사용하여 대략적인 이변량의 보증 기능에 새로운 방법을 제시한다. 이 방법은 다음과 같은 단계로 구성되어 있다. 첫째, 라돈 변환을 이용하여, 이변량 보증 함수의 1차원 함수를 줄일 수 있다. 둘째, 1 차원 함수의 각 신경 서브 네트워크와 신경 네트워크 기법을 사용하여 근사할 수 있다. 셋째, 이러한 신경 sub-networks 형태로 최종 근사 신경망 함께 결합 된다. 넷째, 라 돈 변환의 역함수 값을 사용 하여 최종 근사 신경 네트워크에 우리가 주어진 함수 근사화를 얻을 수 있다. 또한, 우리는 자동차 회사의 일부 그린 보증 데이터를 가지고 위의 방법을 적용한다.

• 한국정보전자통신기술학회논문지
• /
• 제1권3호
• /
• pp.69-76
• /
• 2008

본 논문에서는 Mountain clustering 알고리즘을 이용한 Fuzzy Radial Basis Function Neural Network(FRBFNN)의 규칙 수를 자동생성 방법을 제시한다. FRBFNN은 기존 RBFNN에서 가우시안이나 타원형 형태의 특정 RBF를 사용하는 구조와 달리 클러스터의 중심값과의 거리에 기반을 둔 멤버쉽함수를 사용하여 전반부의 공간 분할 및 활성화 레벨을 결정한다. 또한 분할된 로컬영역에서의 입출력 특성을 나타내는 퍼지규칙의 후반부로서 고차 다항식을 고려하였다. 본 논문에서는 데이터의 밀집도에 기반을 두어 클러스터링을 수행하는 Mountain clustering 알고리즘을 사용하여 적합한 퍼지 규칙(클러스터)의 수와 클러스터의 중심값을 자동적으로 생성하는 방법을 제안한다. Mountain clustering으로부터 구해진 클러스터의 중심은 멤버쉽 값을 결정하는데 사용되며, Weighted Least Square Estimator (WLSE) 알고리즘을 사용하여 후반부 다항식의 계수를 추정한다. 제안된 알고리즘은 비선형 함수 모델링에 적용하여 성능의 우수성과 알고리즘의 타당성을 보인다.

• 한국지능시스템학회논문지
• /
• 제21권4호
• /
• pp.449-455
• /
• 2011

본 논문에서는 원격제어 시스템의 시간지연 문제를 분석하고 그 문제를 신경망으로 보상한다. 스미스 예측기는 시간지연 시스템에서 정확한 모델을 필요로 한다. 스미스 예측기의 모델링 오차를 보상하기 위해 신경회로망을 사용한다. 스미스 예측기를 구성하기 위해 Radial Basis Function(RBF) 신경회로망이 사용된다. 시뮬레이션과 실험을 통해 제안하는 방법의 동작을 검증한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.200-200
• /
• 2000

Highly nonlinear dynamical systems are easily identified using neural networks. When disturbances are included in the learning data set Int system modeling, modeling process will be poorly performed. Since the radial basis functions in the radial basis function network(RBFN) are centered at the points specified by the weights, RBF networks are robust for approximating the process including the narrow-band disturbances deviating significantly from the regular signals. To exclude(filter) these disturbances, a robust algorithm for system identification, based on the RBFN, is proposed. The performance of system identification excluding disturbances is investigated and compared with the one including disturbances.

• 한국자동차공학회논문집
• /
• 제10권5호
• /
• pp.29-34
• /
• 2002

This study presents the process of the continuous-time system identification for unknown nonlinear systems. The Radial Basis Function(RBF) error filtering identification model is introduced at first. This identification scheme includes RBF network to approximate unknown function of nonlinear system which is structured by affine form. The neural network is trained by the adaptive law based on Lyapunov synthesis method. The identification scheme is applied to engine and the performance of RBF error filtering Identification model is verified by the simulation with a three-state engine model. The simulation results have revealed that the values of the estimated function show favorable agreement with the real values of the engine model. The introduced identification scheme can be effectively applied to model-based nonlinear control.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1749-1758
• /
• 1997

전력수요의 예측은 예측기간에 따라 중장기 전력수요 예측과 단기 부하 예측으로 구분할 수 있다. 기존의 단기 부하예측은 주로 역전파 알고리즘(back propagation algorithm)다층퍼셉트론을 이용하여 예측을 하였으나 이는 학습시간이 많이 걸릴 뿐만 아니라 학습도중에 지역최소점(local minima)에 빠져 학습이 계속되지 못한다는 문제가 있다. 본 논문은 이러한 역전파 알고리즘의 문제점을 해결할 수 있는 방법으로 Radial Basis 함수(Radial Basis Function)를 이용하여 동적 단기부하 예측 모형을 제안한다. Radial Basis 함수는 하나의 은닉층(hidden layer)을 갖고 있으며, 전방향(feed-forward)학습을 한다는 특징이 있다. 본 논문에서 제안한 단기 부하 예측모형은 학습을 하기 위하여 시간대별 부하량을 클러스터링 하고, 이 클러스터의 중심값을 Radial Basis 함수의 은닉층으로 하여 학습을 한 다음 예측하고자 하는 패턴을 한 단위로 하여 시단대별로 예측하였다. 기존의 연구에서의 클러스터링 방법으로는 통계학의 K-Means 방법이나 Kohonen의 LVQ(Learning Vector Quantization)을 주로 이용하였으나 본 논문에서는 패턴의 분류에 있어서 다른 알고리즘보다 편차가 작은 Pal, et. al.의 GLVQ(Generalized LVQ) 알고리즘을 이용하였다. 본 논문에서 이용한 데이타는 1995년 3월 1일-3일, 6월 1일-3일, 7월 1일-3일, 9월 1일-3일, 11월 1일-3일의 72시간 데이타를 입력하여 월별 4일의 24시간의 예측시간으로 예측하였다. 실험결과 월별 1일과 3일까지의 학습데이타로 1시간 후의 부하량을 24시간동안 예측한 결과 1.3795%의 평균 오차율로 예측하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.34-37
• /
• 2005

An efficient and robust neural network-based scheme is introduced in this paper to perform automatic cloud detection. Unlike many existing cloud detection schemes which use thresholding and statistical methods, we used the artificial neural network methods, the multi-layer perceptrons (MLP) with back-propagation algorithm and radial basis function (RBF) networks for cloud detection from Geostationary satellite images. We have used a simple scene (a mixed scene containing only cloud and clear sky). The main results show that the neural networks are able to handle complex atmospheric and meteorological phenomena. The experimental results show that two methods performed well, obtaining a classification accuracy reaching over 90 percent. Moreover, the RBF model is the most effective method for the cloud classification.

• 센서학회지
• /
• 제20권3호
• /
• pp.151-155
• /
• 2011

A variety of pattern recognition algorithms including neural networks may be applicable to the identification of odors. In this paper, an identification technique for an electronic odor sensing system applicable to wound state monitoring is presented. The performance of the radial basis function(RBF) network is highly dependent on the choice of centers and widths in basis function. For the fine tuning of centers and widths, those parameters are initialized by an ill-conditioned genetic fuzzy c-means algorithm, and the distribution of input patterns in the very first stage, the stochastic gradient(SG), is adapted. The adaptive RBF network with singular value decomposition(SVD), which provides additional adaptation capabilities to the RBF network, is used to process data from array-based gas sensors for early detection of wound infection in burn patients. The primary results indicate that infected patients can be distinguished from uninfected patients.