• 한국통신학회논문지
• /
• 제18권5호
• /
• pp.634-642
• /
• 1993

본 논문에서는 로보트 매니퓰레이터 제어를 위하여 시간 지연이 있는 다층 신경회로망(TDNN)의 학습 알고리즘으로 매니퓰레이터의 역동역학 모델을 학습시키고 이것을 앞먹임(Feedforward)제어기로 사용하는 궤적 제어 방법을 새로이 제시하였다. TDNN 구조는 뉴런이 현재 및 과거의 입력 신호로부터 더 많은 정보를 추출할 수 있고 보다 효율적으로 학습할 수 있는 유리한 특징을 가지고 있다. TDNN 신경회로망은 기준 궤적 입력 신호와 비례 미분 제어기의 오차 신호를 각각 정규화하여 받아드린다. TDNN 신경회로망으로 입력되는 정규화 신호는 TDNN 신경회로망의 학습 효율을 향상시키는 것으로 입증되었다. 제안된 제어 방법을 두개의 관절을 가진 평면 로보트 매니퓰레이터에 대하여 적용하고 컴퓨터 시뮬레이션으로 고찰하였다.

• 방송공학회논문지
• /
• 제10권1호
• /
• pp.83-102
• /
• 2005

The problem of video scheduling is analyzed in the framework of divisible load scheduling. A divisible load can be divided into any number of fractions (parts) and can be processed/computed independently on the processors in a distributed computing system/network, as there are no precedence relationships. In the video scheduling, a frame can be split into any number of fractions (tiles) and can be processed independently on the processors in the network, and then the results are collected to recompose the single processed frame. The divisible load arrives at one of the processors in the network (root processor) and the results of the computation are collected and stored in the same processor. In this problem communication delay plays an important role. Communication delay is the time to send/distribute the load fractions to other processors in the network. and the time to collect the results of computation from other processors by the root processors. The objective in this scheduling problem is that of obtaining the load fractions assigned to each processor in the network such that the processing time of the entire load is a minimum. We derive closed-form expression for the processing time by taking Into consideration the communication delay in the load distribution process and the communication delay In the result collection process. Using this closed-form expression, we also obtain the optimal number of processors that are required to solve this scheduling problem. This scheduling problem is formulated as a linear pro-gramming problem and its solution using neural network is also presented. Numerical examples are presented for ease of understanding.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2007년도 춘계학술대회논문집
• /
• pp.978-982
• /
• 2007

A new neuro-control scheme for active control of structures is proposed. It utilizes lattice pattern of state vector as training data of probabilistic neural network (PNN). Therefore, it is the so-called lattice probabilistic neural network (LPNN). PNN makes control forces by using all the training patterns. Therefore, it takes much time to obtain a control force in application. This inevitably may delay the control action. However, control force of LPNN is calculated by using only the adjacent information of LPNN input. So, the response of LPNN is greatly faster than PNN. The proposed control algorithm is applied for one story building under California and El Centro earthquakes. Also, control results of the LPNN are compared with those of the conventional PNN. The structural responses have been suppressed effectively by the proposed algorithm.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 B
• /
• pp.550-552
• /
• 1999

This paper describes a control technique of coupled tank level using Evolutionary Neural Network. In general, the control of tank level without a dangerous overflow and with a high accuracy is difficult because of higher order time delay and nonlinearity. Nonetheless, proposed Evolution Neural Network controller in this paper was successfully implemented and simulation results of the superiority over a conventional PID one was investigated.

• ETRI Journal
• /
• 제43권5호
• /
• pp.881-890
• /
• 2021

Photoplethysmography (PPG) is a noninvasive technique that can be used to conveniently measure heart rate (HR) and thus obtain relevant health-related information. However, developing an automated PPG system is difficult, because its waveforms are susceptible to motion artifacts and between-patient variation, making its interpretation difficult. We use deep neural network (DNN) filters to mimic the cognitive ability of a human expert who can distinguish the features of PPG altered by noise from various sources. Systolic (S), onset (O), and first derivative peaks (W) are recognized by three different DNN filters. In addition, the boundaries of uninformative regions caused by artifacts are identified by two different filters. The algorithm reliably derives the HR and presents recognition scores for the S, O, and W peaks and artifacts with only a 0.7-s delay. In the evaluation using data from 11 patients obtained from PhysioNet, the algorithm yields 8643 (86.12%) reliable HR measurements from a total of 10 036 heartbeats, including some with uninformative data resulting from arrhythmias and artifacts.

• 한국음향학회지
• /
• 제33권4호
• /
• pp.268-272
• /
• 2014

본 논문에서는 MSVQ(Multi-Section Vector Quantization)와 시간지연 회귀 신경회로망(TDRNN)을 이용한 하이브리드 구조의 음성인식 방법을 제안한다. MSVQ는 음성의 길이를 일정한 구간 수로 정규화한 코드북을 생성하고, 시간지연 회귀 신경회로망은 이 코드북을 이용하여 음성을 인식한다. 시간지연 회귀 신경회로망은 음성의 시계열 문맥정보를 잘 학습할 수 있는 구조로 구성되었다. 음성특징으로 인지선형예측(PLP) 계수가 사용되었다. 음성인식 실험을 수행한 결과 MSVQ/TDRNN 음성인식기는 97.9 %의 화자독립 음성 인식률을 보였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.178-185
• /
• 2009

가속도계 신호를 대상으로 패턴 인식을 행하는 연구에서 공통적으로 사용될 수 있는 끝점 검출 방법을 제안한다. 기존의 연구 결과물은 추가적인 단추 등을 부착하여 수동으로 구분하거나, 고성능 고주파 대역 필터 등의 사용으로 알고리즘 상에서 필히 시간 지연이 발생하며 또한 알고리즘 구현상 여러 매개 변수 및 이를 위한 문턱값이 존재하였다. 본 논문에서는 가속도의 일계도 미분의 시퀀스를 입력 벡터로 사용하여, 시계열 데이터 예측과 유사한 형태로 focused Time Lagged Feedforward Network(TLFN)을 설계, 이를 학습시키는 방법을 제안 하였다. 제안한 방법을 글자 궤적에 대해 적용하여 신뢰도 있는 끝점 검출 성능과 실시간 응답 특성을 확인하였다.

• Journal of Electrical Engineering and information Science
• /
• 제1권1호
• /
• pp.98-107
• /
• 1996

In this paper, we propose a scheme that maps the time-delay neural network (TDNN) into the neurocomputer called EMIND-II which has the wavefront toroidal mesh-array structure. This neurocomputer is scalable, consists of many timeshared virtual neurons, is equipped with programmable on-chip learning, and is versatile for building many types of neural networks. Also we define the programming model of this array and derive the parallel algorithms about TDNN for the proposed neurocomputer EMIND-II. In addition, the computational complexities for the parallel and serial algorithms are compared. Finally, we introduce an application of this neurocomputer to word recognition.

• 한국멀티미디어학회논문지
• /
• 제4권5호
• /
• pp.414-422
• /
• 2001

본 논문에서는 오디오 데이터의 효과적인 검색을 위하여, 시간지연신경망을 이용한 음악 장르 분류 시스템을 제안한다. 분류 대상 장르는 Blues, Country, Hard Core, Hard Rock, Jazz, R&B(Soul), Techno, Trash Metal의 8종류이다. 장르를 분류하기 위한 비교단위는 곡 중에서의 한 마디이다. 이러한 마디는 리듬의 특성을 효과적으로 반영하는 스네어 드럼 소리를 기준으로 추출한다. 분류기는 시간 지연 신경망을 이용하여 구성하며 입력은 추출된 마디에 대한 주파수 특징벡터이다. 제안한 시스템의 유효성을 검증하기 위한 실험에서, 장르별 10곡씩 총 80곡의 학습 데이터와 장르별 5곡씩 총 40곡의 테스트 데이터에 대하여 각각 92.5%와 60%의 정인식율을 보였다

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1995년도 춘계학술대회 논문집
• /
• pp.273-277
• /
• 1995

Many hudraulic components have nonlinearities to some extent. These nonlinearities often cause the time delay, thus degrading the performance of the hydraulic control systems and making it difficult to modelthem. In this paper, a new vibration isolation control algorithm that eliminates the necessity of a sophiscated modeling of hydraulic system was proposed. The algotithm is a hybrid type control shecheme consisting of a linear controller and a hetero-synaptic neural network controller. Using this control scheme, simulations and experiments were performed for 1 DOF(Degree of freedom) and 2 DOF vibration isolation. The hybrid type control algorithm can isolate the base vibration signifcantly rather than linear control algorithm. And from the weights in hetero-synaptic neural network, we can get the 2nd equivalent differentialmodel of the hydraulic control system with on-line control operation. This equivalent model provides us with much information, such as stability and the characteristics of the control system.