• 조명전기설비학회논문지
• /
• 제12권1호
• /
• pp.111-116
• /
• 1998

산업 자동화의 고정밀도에 따라 직류서보 전동기는 강인제어가 요구되고 있다. 하지만 PID 제어기를 갖는 전동기 제어 시스템이 부하 외란의 영향을 받게되면 제어 시스템의 강인제어는 어렵게 된다. 이에 대한 보완적인 한 방법으로 본 논문에서는 전동기 제어시스템을 위한 PID-신경망 복합형 제어기법을 제시하였다. 신경망 제어기의 출력은 부하 외란 인가시에 발생되는 오차와 오차 변환율에 의해서 결정된다. 신경망 제어기를 이용한 직류서보 전동기의 강인제어는 시abf레이션에 의하여 확인하였다.

• 전자공학회논문지
• /
• 제53권4호
• /
• pp.27-34
• /
• 2016

철도 차량은 일렬로 연결되는 구조적 특수성이 있으므로 네트워크 토폴로지를 구성하는 경우에서도 이를 고려하여야 한다. 또한 차량 내의 장치 간 연결에서의 토폴로지와 차량 간 연결에서의 토폴로지를 구분하여야 한다. 차량 간 연결에 있어서 기존의 링, 스타, 데이지체인, 버스 등의 토폴로지 대신 이를 조합한 하이브리드 토폴로지가 제안되었다. 이는 일렬로 연결된 철도 차량을 적절한 수의 그룹으로 묶고 그룹 내에서는 스타 네트워크 토폴로지로 구성하고 그룹 간 연결은 데이지체인 네트워크 토폴로지로 구성하는 방식이다. 이를 통해 하이브리드 토폴로지는 스타 토폴로지에 비해 차량 간 연결에 필요한 케이블의 수를 절감하고도 적절한 전송 속도를 유지할 수 있다. 하이브리드 토폴로지는 스타와 데이지 체인 두 가지 토폴로지를 절충하는 방식이므로 각각의 장점을 잘 활용할 수 있도록 그룹 내 차량의 수를 적절히 선정하는 것이 중요하다. 본 논문에서는 철도차량에서 최적의 하이브리드 네트워크 토폴로지를 구하는 것을 목적으로 한다. 이를 위해 차량 별로 데이터 생성 크기와 생성 주기가 동일하다는 가정 하에 차량 간 연결에서의 최대 케이블 수와 전송 속도에 대하여 각각 가중치를 별도로 두고 가중치 별로 전체 차량 수에 따른 최적의 그룹 내 차량의 수를 도출한다.

• 전기학회논문지
• /
• 제60권10호
• /
• pp.1832-1837
• /
• 2011

The fault current has increased due to the large power demand in power distribution system and network distribution system. To protect the power system effectively from the increased fault current, the superconducting fault current limiter (SFCL) has been notified. However, the conventional SFCL has some problems such as cost, operation, recovery, loss. To solve some problems, the hybrid superconducting fault current limiter using the fast switch was proposed. However, hybrid SFCL also has a problem that is protection coordination in power distribution system with hybrid SFCL. In this paper, the fault current limiting characteristics of hybrid SFCL with first half cycle non-limiting operation according to the fault angle, the resistance of superconducting element, and the magnitude of Current Limit Resistor (CLR) which are the components of hybrid SFCL were analyzed through the experiments.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.1-11
• /
• 2023

유방암은 전 세계적으로 여성들 대다수에게 가장 두려워하는 질환이다. 오늘날 데이터의 증가와 컴퓨팅 기술의 향상으로 머신러닝(machine learning)의 효율성이 증대되어 암 검출 및 진단 등에 중요한 역할을 하고 있다. 딥러닝(deep learning)은 인공신경망(artificial neural network, ANN)을 기반으로 하는 머신러닝 기술의 한 분야로 최근 여러 분야에서 성능이 급속도로 개선되어 활용 범위가 확대되고 있다. 본 연구에서는 유방암 분류를 위해 전이학습(transfer learning) 기반 DNN(Deep Neural Network)과 SVM(support vector machine)의 구조를 결합한 DNN-SVM Hybrid 모형을 제안한다. 전이학습 기반 제안된 모형은 적은 학습 데이터에도 효과적이고, 학습 속도도 빠르며, 단일모형, 즉 DNN과 SVM이 가지는 장점을 모두 활용 가능토록 결합함으로써 모형 성능이 개선되었다. 제안된 DNN-SVM Hybrid 모형의 성능평가를 위해 UCI 머신러닝 저장소에서 제공하는 WOBC와 WDBC 유방암 자료를 가지고 성능실험 결과, 제안된 모형은 여러 가지 성능 척도 면에서 단일모형인 로지스틱회귀 모형, DNN, SVM 그리고 앙상블 모형인 랜덤 포레스트보다 우수함을 보였다.

• 한국멀티미디어학회논문지
• /
• 제16권8호
• /
• pp.943-953
• /
• 2013

이동 노드의 증가와 무선 네트워크 기반의 서비스 요구의 다양화로 무선 메시 네트워크(WMN)가 많은 관심을 받고 있다. 하지만 WMN를 실제 서비스하기 위해서는 아직 해결해야 할 과제가 많이 남아있다. 네트워크 계층에서는 라우팅 프로토콜의 성능개선이 주요 해결 과제이다. 무선 네트워크에서의 다중 홉라우팅과 노드가 호스트와 라우터의 역할을 동시에 수행한다는 관점에서 WMN은 모바일 에드혹 네트워크(MANET)와 유사하여 MANET의 라우팅 프로토콜의 사용을 통해 쉽게 구축이 가능하다. 하지만 MANET의 라우팅 프로토콜은 대부분이 네트워크의 규모가 커지면 전송 오버헤드나 지연시간이 증가한다는 단점이 있다. 이는 WMN에 의한 무선 네트워크의 확장에 있어 성능저하의 원인이며 이를 개선하기 위하여 많은 연구들이 진행되었다. 본 논문에서는 AODV를 계층형으로 개선하여 혼합형 WMN에 적용하기 위한 방안으로써 도메인 기반 AODV에 대하여 제안한다. 제안된 방안은 AODV의 요구형 경로 결정을 도메인 단위로 구분 수행함으로써 종단 간 수행되는 평균 경로 결정 거리를 줄여 네트워크의 확장성 문제를 해결한다. 제안된 방안의 시뮬레이션 결과 AODV에 비하여 네트워크의 확장에 대한 지연시간의 증가가 완만하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권6호
• /
• pp.2492-2512
• /
• 2018

Multicast communication can effectively reduce network resources consumption in contrast with unicast. With the advent of SDN, current researches on multicast traffic are mainly conducted in the SDN scenario, thus to mitigate the problems of IP multicast such as the unavoidable difficulty in traffic engineering and high security risk. However, migration to SDN cannot be achieved in one step, hybrid SDN emerges as a transitional networking form for ISP network. In hybrid SDN, for acquiring similar TE and security performance as in SDN multicast, we redirect every multicast traffic to an appropriate SDN node before reaching the destinations of the multicast group, thus to build up a core-based multicast tree substantially which is first introduced in CBT. Based on the core SDN node, it is possible to realize dynamic control over the routing paths to benefit traffic engineering (TE), while multicast traffic manageability can also be obtained, e.g., access control and middlebox-supported network services. On top of that, multiple core-based multicast trees are constructed for each multicast group by fully taking advantage of the routing flexibility of SDN nodes, in order to further enhance the TE performance. The multicast routing and splitting (MRS) algorithm is proposed whereby we jointly and efficiently determine an appropriate core SDN node for each group, as well as optimizing the traffic splitting fractions for the corresponding multiple core-based trees to minimize the maximum link utilization. We conduct simulations with different SDN deployment rate in real network topologies. The results indicate that, when 40% of the SDN switches are deployed in HSDN as well as calculating 2 trees for each group, HSDN multicast adopting MRS algorithm can obtain a comparable TE performance to SDN multicast.

• 전기전자학회논문지
• /
• 제10권1호
• /
• pp.75-86
• /
• 2006

노드자체에 라우팅 기능을 가지고 있어 자치 분산네트워크를 구성할 수 있는 MANET은 기존의 무선통신과는 많은 차이점을 가지고 있다. 향후 All-IP 시대를 대비하여 MANET 단말기 사용자가 언제, 어디서나 손쉽게 정보를 공유하기 위해서는 반드시 유선 인터넷 IP 망에 접속해야만 하고 이기종간의 중간매개체 역할을 하게 되는 게이트웨이의 구성이 필수적이다. 본 논문에서는 Proactive, Reactive, Hybrid 방식으로 MANET 망과 유선 인터넷 IP 망의 연결방법을 제안한 GMAHN 알고리즘13)을 이용하여 다양한 실험환경을 설정, 각 방식의 장단점을 살펴보았다. 또한 Proactive와 Reactive를 혼합한 Hybrid 방식의 최적화 방안을 제시하였다.

• 융합신호처리학회논문지
• /
• 제1권1호
• /
• pp.1-6
• /
• 2000

본 논문은 HMM(Hidden Markov Model)을 이 용하여 인식을 수행할 경우의 오류를 최소화 할 수 있는 후처리 과정으로 신경망을 결합시켜 HMM 단독으로 사용하였을 때 보다 높은 인식률을 얻을 수 있는 HMM과 신경망의 하이브리드 시스템을 제안한다 HMM을 이용하여 학습한 후 학습에 참여하지 않은 데이터를 인식하였을 때 오인식 데이터를 정인식으로 인식하도록 HMM의 출력으로 얻은 각 출력확률을 후처리에 사용될 신경망의 학습용으로 사용하여 신경망을 학습하여 HMM과 신경망을 결합한 하이브리드 시스템을 만든다 이와 같은 HMM과 신경망을 결합한 하이브리드 모델을 사용하여 단독 숫자음에서 실험한 결과 HMM 단독으로 사용하였을 때 보다 MLP에서는 약 $4.5\%$ RBFN에서는 약 $2\%$의 인식률 향상이 있었다. 기존의 하이브리드 시스템이 갖는 많은 학습시간이 소요되는 문제점과 실시간 음성인식시스템을 구현할 패의 학습데이터의 부족으로 인한 인식률 저하를 해결할 수 있는 방법임을 확인할 수 있었다

• 정보처리학회논문지C
• /
• 제16C권3호
• /
• pp.407-416
• /
• 2009

최근 무선 센서 네트워크에 적용되는 응용 서비스들은 점점 증가하며 다양화 되는 추세이고, 이에 센서 데이터에 대한 전송 신뢰성이나 보안 기능 제공이 핵심적인 이슈로 대두되고 있다. 본 논문에서는 IEEE 802.15.4 기반 센서 네트워크 환경에서 전송 신뢰성을 제공하기 위해 링크 특성과 패킷 타입을 고려하는 ALC(Adaptive Link Control)와 Hop-cache와 Hop-ack를 지원하는 EHHR(Enhanced Hop-by-Hop Reliability)이 적용된 IMHRS(IEEE 802.15.4 MAC-based Hybrid hop-by-hop Reliability Scheme) 기법을 제안하였으며, 또한 네트워크와 애플리케이션 특성을 고려하여 보안 슈트를 결정함으로써 에너지 효율성을 고려하는 HAS(Hybrid Adaptive Security) 프레임워크를 통해 보안성을 제공한다. 본 논문에서 제안된 방식들은 시뮬레이션과 실험을 통하여 검증 하였으며, 또한 H/W 프로토타입을 제작하여 실제 응용 서비스에 적용함으로 써 본 방안의 효용성을 입증하였다.

• 드라이브 ㆍ 컨트롤
• /
• 제12권3호
• /
• pp.18-24
• /
• 2015

The plug-in hybrid electric vehicle has a high fuel economy and can be driven long distances. Its different modes include the electric vehicle, hybrid electric vehicle, and only engine operating mode. A power management strategy is important to determine which mode should be selected. The strategy makes the vehicle more efficient using appropriate power sources for driving. However, the strategy usually needs a driving speed profile which is future driving cycle. If the profile is known, the strategy easily determines which mode is driven efficiently. However, it is difficult to estimate the speed profile for a real system. To address this problem, this paper proposes a new power distribution strategy using a neural network. The average speed and driving range are used as input parameters to train the neural network system. The strategy determines a limit for the use of the battery and the desired power is distributed between the engine and the motor simultaneously. Its fuel economy can increase by improving the basic strategy.