• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2004년도 춘계학술대회
• /
• pp.1183-1188
• /
• 2004

The inverse heat conduction problem (IHCP) is a problem of estimating boundary condition from temperature measurement at one or more interior points. Neural networks are general information processing systems inspired by the connectionist theory of human brain. By properly training the network by the learning rule, the neural network method can handle many non-linear or other complex problems. In this work, neural network is applied to complicated inverse heat conduction problems. Efficiency of the procedure is enhanced by incorporating the radial basis functions (RBF). The RBF is trained faster than other neural network and can find smooth solution. In order to demonstrate the effectiveness of the current scheme, a typical one-dimensional IHCP is considered. At one surface, the temperature as well as the heat flux is known. The unknown temperature of interest is estimated on the other side of the slab. The results from the proposed method based on RBF neural network are compared with the conventional method.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.261-263
• /
• 2009

본 연구에서는 복잡한 비선형 모델링 방법인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 PNN(Polynomial Neural Network)을 접목한 새로운 형태의 Radial Basis Function Polynomial Neural Network(RPNN)를 제안한다. RBF 뉴럴 네트워크는 빠른 학습 시간, 일반화 그리고 단순화의 특징으로 비선형 시스템 모델링 등에 적용되고 있으며, PNN은 생성된 노드들 중에서 우수한 결과값을 가진 노드들을 선택함으로써 모델의 근사화 및 일반화에 탁월한 효과를 가진 비선형 모델링 방법이다. 제안된 RPNN모델의 기본적인 구조는 PNN의 형태를 이루고 있으며, 각각의 노드는 RBF 뉴럴 네트워크로 구성하였다. 사용된 RBF 뉴럴 네트워크에서의 커널 함수로는 FCM 클러스터링을 사용하였으며, 각 노드의 후반부는 다항식 구조로 표현하였다. 또한 각 노드의 후반부 파라미터들은 최소자승법을 이용하여 최적화 하였다. 제안한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 데이터를 이용하여 그 우수성을 보인다.

• Advances in environmental research
• /
• 제4권4호
• /
• pp.219-231
• /
• 2015

In recent years, raising air pollutants has become as a big concern, especially in metropolitan cities such as Tehran. Therefore, forecasting the level of pollutants plays a significant role in air quality management. One of the forecasting tools that can be used is an artificial neural network which is able to model the complicated process of air pollution. In this study, we applied two different methods of artificial neural networks, the Multilayer Perceptron (MLP) and Radial Basis Function (RBF), to predict the hourly air concentrations of toluene in Tehran. Hourly temperature, wind speed, humidity and $NO_x$ were selected as inputs. Both methods had acceptable results; however, the RBF neural network produced better results. The coefficient of determination ($R^2$) between the observed and predicted data was 0.9642 and 0.99 for MLP and RBF neural networks, respectively. The results of the mean bias errors (MBE) were 0.00 and -0.014 for RBF and MLP, respectively which indicate the adequacy of the models. The index of agreement (IA) between the observed and predicted data was 0.999 and 0.994 in the RBF and the MLP, respectively which indicates the efficiency of the models. Finally, sensitivity analysis related to the MLP neural network determined that temperature was the most significant factor in air concentration of toluene in Tehran which may be due to the volatile nature of toluene.

• 제어로봇시스템학회논문지
• /
• 제10권12호
• /
• pp.1249-1255
• /
• 2004

A new parameter adaptation scheme for RBF Neural Network (NN) has been developed in this paper. Even though the RBF Neural Network (NN) based controllers are robust against both un-modeled dynamics and external disturbances, the performance is not satisfactory for a fast and precise mobile robot. To improve the tracking performance as well as robustness, all the parameters of RBF NN are updated in real time. The stability of this control law is rigorously proved by following the Lyapunov stability theory and shown by the experimental simulations. The fact that all of the weighting factors, width and center of RBF NN have been updated implies that this scheme utilizes all the possibilities in RBF NN to make the controller robust and precise while the mobile robot is following un-known trajectories. The performance of this new algorithm has been compared to the conventional RBF NN controller where some of the parameters are adjusted for robustness.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 추계학술대회 학술발표 논문집 제16권 제2호
• /
• pp.19-22
• /
• 2006

Type-2 fuzzy 이론은 기존의 퍼지 이론보다 패턴의 불확실성에 대한 제어를 더 향상시킬 수 있다. 반면에 계산 량이 커지는 문제점 때문에 본 논문에서는 type-2 fuzzy set 대신에 secondary membership이 interval의 형태를 갖는 interval type-2 fuzzy set을 기존의 radial basis function(RBF) neural network에 적용시킨 interval type-2 fuzzy RBF neural network를 제안한다. 제안한 알고리즘은 interval type-2 fuzzy membership function에 의하여 패턴들의 불확실성을 좀 더 잘 제어하여 기존의 RBF neural network의 성능을 향상시킬 수 있다. 본 논문에서는 제안한 알고리즘의 타당성을 보이기 위하여 여러 데이터 집합에 대한 분류 결과를 보인다.

• Asian Journal of Atmospheric Environment
• /
• 제9권1호
• /
• pp.12-21
• /
• 2015

Air pollution is a challenging issue in some of the large cities in developing countries. In this regard, data interpretation is one of the most important parts of air quality management. Several methods exist to analyze air quality; among these, we applied the Multilayer Perceptron (MLP) and Radial Basis Function (RBF) methods to predict the hourly air concentration of benzene in 14 districts in the municipality of Tehran. Input data were hourly temperature, wind speed and relative humidity. Both methods determined reliable results. However, the RBF neural network performance was much closer to observed benzene data than the MLP neural network. The correlation determination resulted in 0.868 for MLP and 0.907 for RBF, while the Index of Agreement (IA) was 0.889 for MLP and 0.937 for RBF. The sensitivity analysis related to the MLP neural network indicated that the temperature had the greatest effect on prediction of benzene in comparison with the wind speed and humidity in the study area. The temperature was the most significant factor in benzene production because benzene is a volatile liquid.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 1999년도 추계종합학술대회
• /
• pp.214-217
• /
• 1999

본 논문에서는 시그모이드 함수와 시그모이드 함수의 도함수로 유도한 RBF의 직교관계에 착안하여 은닉충에 직교함수를 활성화함수로 갖는 신경회로망을 제안한다. 제안하는 신경회로망을 직교신경회로망(ONN)이라고 한다. 제안한 방식의 유용성을 확인하기 위하여 비선형 함수의 근사 시뮬레이션에 의해 사상능력을 검토하고, 각각의 단일함수만을 적용한 경우와 비교·검토한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1863_1864
• /
• 2009

본 연구에서는 복잡한 비선형 모델링 방법인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 PNN(Polynomial Neural Network)을 접목한 새로운 형태의 Radial Basis Function Polynomial Neural Network(RPNN)를 제안한다. RBF 뉴럴 네트워크는 빠른 학습 시간, 일반화 그리고 단순화의 특징으로 비선형 시스템 모델링 등에 적용되고 있으며, PNN은 생성된 노드들 중에서 우수한 결과값을 가진 노드들을 선택함으로써 모델의 근사화 및 일반화에 탁월한 효과를 가진 비선형 모델링 방법이다. 제안된 RPNN모델의 기본적인 구조는 PNN의 형태를 이루고 있으며, 각각의 노드는 RBF 뉴럴 네트워크로 구성하였다. 사용된 RBF 뉴럴 네트워크에서의 커널 함수로는 FCM 클러스터링을 사용하였으며, 각 노드의 후반부는 다항식 구조로 표현하였다. 또한 입력개수, 입력변수, 클러스터의 개수를 PSO알고리즘(Particle Swarm Optimization)을 사용하여 최적화 시켰다. 제안한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 데이터를 이용하여 그 우수성을 보인다.

• Advances in environmental research
• /
• 제5권3호
• /
• pp.153-167
• /
• 2016

We applied multilayer perceptron (MLP) and radial basis function (RBF) neural network in upstream and downstream water quality stations of the Karaj Reservoir in Iran. For both neural networks, inputs were pH, turbidity, temperature, chlorophyll-a, biochemical oxygen demand (BOD) and nitrate, and the output was dissolved oxygen (DO). We used an MLP neural network with two hidden layers, for upstream station 15 and 33 neurons in the first and second layers respectively, and for the downstream station, 16 and 21 neurons in the first and second hidden layer were used which had minimum amount of errors. For learning process 6-fold cross validation were applied to avoid over fitting. The best results acquired from RBF model, in which the mean bias error (MBE) and root mean squared error (RMSE) were 0.063 and 0.10 for the upstream station. The MBE and RSME were 0.0126 and 0.099 for the downstream station. The coefficient of determination ($R^2$) between the observed data and the predicted data for upstream and downstream stations in the MLP was 0.801 and 0.904, respectively, and in the RBF network were 0.962 and 0.97, respectively. The MLP neural network had acceptable results; however, the results of RBF network were more accurate. A sensitivity analysis for the MLP neural network indicated that temperature was the first parameter, pH the second and nitrate was the last factor affecting the prediction of DO concentrations. The results proved the workability and accuracy of the RBF model in the prediction of the DO.

• 전자공학회논문지CI
• /
• 제39권1호
• /
• pp.35-47
• /
• 2002

본 논문은 디지털 통신 채널의 등화를 위한 자력 RBF 신경망 등화기를 제안한다. RBF 신경망을 이용한 등화기에서, 이상적인 채널 상태인 RBF 센터를 정확하고 빠르게 추정하는 것이 가장 중요하다. 그러나, 기존의 RBF 등화기는 채널 상태의 개수를 사전에 알아야 하며, 많은 수의 센터가 필요하다는 단점을 지니므로 실제 통신 시스템에 이용되지 않는다. 본 논문에서 제안하는 자력 RBF 신경망 등화기는 등화에 필요한 RBF 센터를 새로운 추가 기준과 제거 기준에 의해 등화기로 입력되는 신호 중에서 스스로 선택하기 때문에 채널 상태의 개수에 대한 사전 정보 없이도 등화가 가능하다. 또한 제안된 등화기는 LMS 알고리즘과 클러스터링을 이용하는 훈련 과정을 통해 기존 RBF 등화기보다 적은 센터만으로도 등화가 가능한 장점을 갖는다. 선형 및 비선형 채널과 표준 전화 채널에서, 제안한 등화기와 최적 Bayesian 등화기의 BER 성능, 심볼결정 경계, 센터 수 등을 비교하였다. 그 결과 제안한 등화기는 Bayesian 등화기와 거의 동일한 성능을 나타냄을 알 수 있었다.