• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1998년도 추계종합학술대회 논문집
• /
• pp.1281-1284
• /
• 1998

This paper proposes an efficient time series prediction of the nonlinear dynamical discrete-time systems using multilayer neural networks of a hybrid learning algorithm. The proposed learning algorithm is a hybrid backpropagation algorithm based on the steepest descent for high-speed optimization and the dynamic tunneling for global optimization. The proposed algorithm has been applied to the y00 samples of 700 sequences to predict the next 100 samples. The simulation results shows that the proposed algorithm has better performances of the convergence and the prediction, in comparision with that using backpropagation algorithm based on the gradient descent for multilayer neural network.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.115-120
• /
• 1997

System identification is the task of inferring a mathematical description of a dynamic system from a series of measurements of the system. There are several motives for establishing mathematical descriptions of dynamic systems. Typical applications encompass simulation, prediction, fault diagnostics, and control system design. The paper demonstrates that neural networks can be used effective for the identification of nonlinear dynamical systems. The content of this paper concerns dynamic neural network models, where not all inputs to and outputs from the networks are measurable. Only one model type is treated, the well-known Innovation State Space model(Kalman Predictor). The identification is based only on input/output measurements, so in fact a non-linear Extended Kalman Filter problem is solved. Even for linear models this is a non-linear problem without any assurance of convergence, and in spite of this fact an attempt is made to apply the principles from linear models, an extend them to non-linear models. Computer simulation results reveal that the identification scheme suggested are practically feasible.

• Advances in nano research
• /
• 제13권2호
• /
• pp.165-174
• /
• 2022

In the present study, a hybrid model of artificial neural network (ANN) and internet of things (IoT) is proposed to overcome the difficulties in deriving governing equations and numerical solutions of the dynamical behavior of the nano-systems. Nano-structures manifest size-dependent behavior in response to static and dynamic loadings. Nonlocal and length-scale parameters alongside with other geometrical, loading and material parameters are taken as input parameters of an ANN to observe the natural frequency and damping behavior of micro sensors made from nanocomposite material with piezoelectric layers. The behavior of a micro-beam is simulated using famous numerical methods in literature under base vibrations. The ANN was further trained to correlate the output vibrations to the base vibration. Afterwards, using IoT, the electrical potential conducted in the sensors are collected and converted to numerical data in an embedded mini-computer and transferred to a server for further calculations and decision by ANN. The ANN calculates the base vibration behavior with is crucial in mechanical systems. The speed and accuracy of the ANN in determining base excitation behavior are the strengths of this network which could be further employed by engineers and scientists.

• 한국습지학회지
• /
• 제21권3호
• /
• pp.236-243
• /
• 2019

현재까지 많은 수문 시계열은 전통적인 선형 모형을 이용하여 분석되고 예측되어 왔다. 하지만, 자연현상과 수문시계열의 패턴 및 변동과 관련하여 비선형적 구조의 증거가 발견되고 있다. 따라서 시계열 분석 및 예측을 위한 기존의 선형 모형은 비선형적 특성에 적합하지 않을 수 있다. 본 연구에서는 미국 플로리다 코코아 지역 인근에 있는 St.Johns 강의 일유량 자료에 대한 카오스 분석을 수행하였고, 그 결과 낮은 차원의 비선형 동역학적 특성을 가진 흥미로운 결과가 나타났지만 한국의 소양강댐 일유량 자료는 확률적 특성을 보여주었다. 카오스 특성을 토대로한 DVS(결정론적 vs 추계학적) 알고리즘을 이용해 두 시계열 시스템의 특성을 파악하였고 단기 예측을 수행하였다. 또한 본 연구에서는 일 유량 시계열 예측을 위해 인공신경망 방법을 사용하였고, DVS 알고리즘에 의한 예측을 비교 분석하였다. 분석 결과, 카오스 특성을 갖는 시계열 자료가 보다 정확한 예측성을 보였다.

• 지구물리와물리탐사
• /
• 제26권3호
• /
• pp.114-125
• /
• 2023

편미분방정식의 해를 구하기 위한 여러 수치해법들의 한계와 순수 데이터 기반 기계학습의 단점을 극복하기 위해 물리정보신경망(physics-informed neural network, PINN)이 제안되었다. 물리정보신경망은 편미분방정식을 손실함수 구성에 직접 활용하여 기계학습 훈련에 물리적 제약을 주는 기법으로 파동방정식 모델링에도 활용될 수 있다. 그러나 물리정보신경망을 이용하여 파동방정식을 풀기 위해서는 신경망 훈련 시 입력에 대한 2차 미분이 수행되어야 하고, 그 결과로 출력되는 파동장은 복잡한 역학적 현상들을 포함하고 있어 섬세한 전략이 필요하다. 이 해설 논문에서는 물리정보신경망의 기본 개념을 설명하고 파동방정식 모델링에 활용하기 위한 고려사항들에 대해 고찰하였다. 이러한 고려사항에는 공간좌표 정규화, 활성함수 선정, 물리손실 추가 전략이 포함된다. 훈련자료의 공간좌표를 정규화한 후 사용하면 파동방정식 모델링을 위한 신경망 훈련에서 초기 조건이 더 정확하게 반영되는 것을 수치 실험을 통해 보였다. 또한 신경망을 통한 파동장 예측에 가장 적절한 활성함수를 선정하기 위해 여러 함수들의 특성을 비교했다. 특성 비교는 각 활성함수들의 입력자료에 대한 미분과 수렴성을 중심으로 이루어졌다. 마지막으로 신경망 훈련 중 손실함수에 물리손실을 추가하는 두가지 시나리오의 결과를 비교하였다. 수치 실험을 통해 훈련 초기부터 물리손실을 활용하는 전략보다 초기 훈련단계 이후부터 물리손실을 적용하는 커리큘럼 기반 학습전략이 효과적이라는 결과를 도출했다. 추가로 이 결과를 물리손실을 전혀 사용하지 않은 훈련 결과와 비교하여 PINN기법의 효과를 확인하였다.

• 한국지능시스템학회논문지
• /
• 제11권4호
• /
• pp.336-339
• /
• 2001

오존농도 메커니즘은 매우 복잡하고, 비선형성과 비정상성이 강하기 때문에 오존 예보시스템들은 많은 문제점을 가지고 있다. 특히 고농도 오존에 있어서 예측결과들이 성능이 좋지 않다. 본 논문은 뉴로-퍼지기법과 퍼지 클러스터링을 이용한 오존 예측시스템의 모델링 방법을 설명하고자 한다. GMDH의 전형적인 알고리즘에 기초한 동적 다항식 신경망은 데이터 분석, 비선형적이고 복잡한 시스템의 검증 그리고 동적 시스템의 예측을 위한 유용한 방법이다.

• 전자공학회논문지SC
• /
• 제40권5호
• /
• pp.299-307
• /
• 2003

CMAC 신경망은 지역적 구조로 비선형제어에 적용 시 좋은 성능을 보이는 것이 잘 알려져 있다. 본 논문에서는 CMAC 신경망 외란관측기와 제어기를 제안하고 이를 유연관절 로봇의 강인 추적제어에 적용하도록 한다. 이때 CMAC 신경망 외란관측기는 기계시스템에서 발생하는 파라미터의 불확실성과 외부 외란을 상쇄하는 역할을 한다. 컴퓨터 모의 실험을 통하여 본 논문에서 제안한 CMAC 외란관측기를 유연관절 로봇의 제어에 적용하고 그 성능을 확인하도록 한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2699-2701
• /
• 2000

This paper presents the Runge-Kutta neural networks(RKNN's) using the Runge-Kutta approximation method and the orthogonal function for control of unknown dynamical systems described by ordinary differencial equations in high accuracy. These subnetworks of RKNN's are based on orthogonal function. Computer simulations show the usefulness of the proposed scheme.

• 전자공학회논문지C
• /
• 제36C권5호
• /
• pp.76-85
• /
• 1999

신경회로망을 동적 정보처리에 응용하기 위해서는 비대칭 결합 신경회로망에서 생성되는 동적 상태천이에 관한 직관적 이해가 필요하다. 본 논문에서는 각 뉴런이 최근접 뉴런에만 이진화된 결합하중 +1 및 -1로 연결된 순환결합형 신경회로망의 동적인 상태천이 특성을 해석하였다. 상태천이 해석 알고리즘을 이용한 시뮬레이션 결과, 네트워크는 고정점, 베이슨을 갖는 리미트사이클 및 베이슨이 없는 리미트사이클의 3가지 어트랙터를 가진다. 또한, 네트워크에서 생성되는 리미트사이클의 수와 주기를 이론적으로 해석하여 정식화하고, 리미트사이클을 구성하는 상태벡터의 필요조건을 나타내었다. 이론 해석의 결과는 네트워크에서 생성되는 리미트사이클의 수가 뉴런(소자)의 수 n에 대해서 지수 함수적으로 증가함을 보여준다. 따라서 순환 결합형 신경회로망은 많은 동적 정보를 저장할 수 있는 메모리 시스템으로 이용할 수 있다.

• 한국산업정보학회논문지
• /
• 제4권1호
• /
• pp.68-76
• /
• 1999

신경회로망을 동적 정보처리에 응용하기 위해서는 비대칭 결합 신경회로망에서 생성되는 동적 상태천이에 관한 직관적 이해가 필요하다. 본 논문에서는 각 뉴런이 최근접 뉴런에만 양자화 결합하중 +1및 -1로 연결된 환상형 신경회로망의 동적인 상태천이 특성을 해석하였다. 상태천이 해석 알고리즘을 이용한 시뮬레이션 결과, 네트워크는 고정점, 베이슨을 갖는 리미트사이클 및 베이슨이 없는 리미트사이클의 3가지 어트랙터를 가진다. 또한, 네트워크에서 생성되는 리미트사이클의 수와 주기를 이론적으로 해석하여 정식화하고, 리미트사이클을 구성하는 상태벡터의 필요조건을 나타내었다. 이론 해석의 결과는 네트워크에서 생성되는 리미트사이클의 수가 뉴런(소자)의 수 n에 대해서 지수 함수적으로 증가함을 보여준다. 따라서 순환결합형 신경회로망은 많은 동적 정보를 리미트사이클로 저장하는 메모리 시스템으로 이용할 수 있다.