Proceedings of the Korean Society for Noise and Vibration Engineering Conference
/
2002.05a
/
pp.115-120
/
2002
The rigid body properties of a structure may be estimated easily if the mass-line of the structure could be taken exactly. However, the exact mass-line may be hard to be obtained exactly in experiments. The mass line value can be read from the mass line in frequency response function. However, the mass lines in the frequency response function sometimes show the fluctuation with frequency, and it cannot be read correctly. In this paper, the wavelet transform is applied to obtain the good mass line value. The mass line calculated by using wavelet transform has unique value and showed in the range of fluctuated values of frequency response function. The rigid body properties obtained by wavelet transform also showed better results than those by fourier transform.
Transactions of the Korean Society for Noise and Vibration Engineering
/
v.12
no.9
/
pp.725-730
/
2002
The rigid body properties of a structure may be estimated easily if the mass-line of the structure could be taken exactly. However, the exact mass-line nay be hard to be obtained exactly in experiments. The mass line value can be read from the mass line in frequency response function. However, the mass lines in the frequency response function sometimes show the fluctuation with frequency, and it cannot be read correctly. In this paper, the wavelet transform is applied to obtain the good mass line value. The mass line calculated by using wavelet transform has unique value and showed in the range of fluctuated values of frequency response function. The rigid body properties obtained by wavelet transform also showed better results than those by fourier transform.
Kim, Sung-Soo;Kim, Yong-Taek;Seo, Jae-Yong;Cho, Hyun-Chan;Jeon, Hong-Tae
Journal of the Korean Institute of Intelligent Systems
/
v.12
no.6
/
pp.511-516
/
2002
The neural networks may have problem such that the amount of calculation for the network learning goes too big according to the dimension of the dimension. To overcome this problem, the wavelet neural networks(WNN) which use the orthogonal basis function in the hidden node are proposed. One can compose wavelet functions as activation functions in the WNN by determining the scale and center of wavelet function. In this paper, when we compose the WNN using wavelet functions, we set a single scale function as a node function together. We intend that one scale function approximates the target function roughly, the other wavelet functions approximate it finely During the determination of the parameters, the wavelet functions can be determined by the global search for solutions suitable for the suggested problem using the genetic algorithm and finally, we use the back-propagation algorithm in the learning of the weights.
In this paper we propose a new approach to the variable selection problem for a primary resolution and wavelet basis functions in wavelet regression. Most wavelet shrinkage methods focus on thresholding the wavelet coefficients, given a primary resolution which is usually determined by the sample size. However, both a primary resolution and the basis functions are affected by the shape of an unknown function rather than the sample size. Unlike existing methods, our method does not depend on the sample size and also takes into account the shape of the unknown function.
In the previous study, the Haar wavelet was used as the sole basis function for the 3D discrete wavelet transform because the number of bands is too small to decompose a remotely sensed image in band direction with other basis functions. However, it is possible to use other basis functions for wavelet decomposition in horizontal and vertical directions because wavelet decomposition is independently performed in each direction. This study aims to classify a high spatial resolution image with the six types of basis function including the Haar function and to compare those results. The other wavelets are more helpful to classify high resolution imagery than the Haar wavelet. In overall accuracy, the Coif4 wavelet has the best result. The improvement of classification accuracy is different depending on the type of class and the type of wavelet. Using the basis functions with long length could be effective for improving accuracy in classification, especially for the classes of small area. This study is expected to be used as fundamental information for selecting optimal basis function according to the data properties in the 3D DWT based image classification.
The purpose of the work is to present successful applications of a modified wavelet shrinkage method for the accurate and fast estimation of a transfer function. Although the experimental process of determining a transfer function introduces not only Gaussian but also non-Gaussian noises, most existing estimation methods are based only on a Gaussian noise model. To overcome this limitation, we propose to employ a modified wavelet shrinkage method in which L1 -based median filtering and L2 -based wavelet shrinkage are applied repeatedly. The underlying theory behind this approach is briefly explained and the superior performance of this modified wavelet shrinkage technique is demonstrated by a numerical example.
In expansion of function by special basis functions, properties of expansion kernel are very important. In the Fourier series, the series are expressed by the convolution with Dirichlet kernel. We investigate some of properties of kernel in wavelet expansions both in one and higher dimensions.
Journal of the Korean Institute of Intelligent Systems
/
v.12
no.5
/
pp.397-404
/
2002
In this paper, it is proposed wavelet neural network using the fuzzy concept with the fuzzy and the multi-resolution analysis(MRA) of wavelet transform. Also, it wishes to improve any nonlinear function learning approximation using this system. Here, the fuzzy concept is used the bell type fuzzy membership function. And the composition of wavelet has a unit size. It is used the backpropagation algorithm for learning of wavelet neural network using the fuzzy concept. It is used the multi-resolution analysis of wavelet transform, the bell type fuzzy membership function and the backpropagation algorithm for learning. This structure is confirmed to be improved approximation performance than the conventional algorithms from one dimension and two dimensions function through simulation.
Proceedings of the Korean Institute of Intelligent Systems Conference
/
2001.12a
/
pp.247-250
/
2001
In this paper, we propose an growing and pruning algorithm to design the adaptive structure of modular wavelet neural network(MWNN) with F-projection and geometric growing criterion. Geometric growing criterion consists of estimated error criterion considering local error and angle criterion which attempts to assign wavelet function that is nearly orthogonal to all other existing wavelet functions. These criteria provide a methodology that a network designer can constructs wavelet neural network according to one's intention. The proposed growing algorithm grows the module and the size of modules. Also, the pruning algorithm eliminates unnecessary node of module or module from constructed MWNN to overcome the problem due to localized characteristic of wavelet neural network which is used to modules of MWNN. We apply the proposed constructing algorithm of the adaptive structure of MWNN to approximation problems of 1-D function and 2-D function, and evaluate the effectiveness of the proposed algorithm.
The paper is devoted to study a mesh-free analysis method of structural elements of engineering structures based on B-spline Wavelet Basis Function. First, by employing the moving-least square method and the weighted residual method to solve the structural displacement field, the control equations and the stiffness equations are obtained. And then constructs the displacement field of the structure by using the m-order B-spline wavelet basis function as a weight function. In the end, the paper selects the plane beam structure and the structure with opening hole to carry out numerical analysis of deformation and stress. The Finite Element Method calculation results are compared with the results of the method proposed, and the calculation results of the relative error norm is compared with Gauss weight function as weight function. Therefore, the clarification verified the validity and accuracy of the proposed method.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.