http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Self-Adaptive Learning Algorithm for Training Multi-Layered Neural Networks and Its Applications
정완섭,조문재,Cheung, Wan-Sup,Jho, Moon-Jae,Hammond, Joseph K. The Acoustical Society of Korea 1994 韓國音響學會誌 Vol.13 No.e1
본 논문에서는 외부로부터 제공되는 학습데이타에 신경회로망의 자기적응화(self-adaptation)를 이룩하기 위한 접근론이 기술된다. 이러한 문제점은 신경회로망의 학습이론, 즉 현재의 학습 데이터에 적절한 신경회로망이 가중치 벡터들(weight vectors)의 개선 방법론에 기인된다. 이들에 관련된 문제점들의 이론적 검토와 아울러 신경회로망의 학습에 대한 근본적인 요소들이 재조명된다. 현재 가장 널리 이용되고 있는 후방 전달(back-propagation) 학습법과 비교함으로써, 본 연구에서 제안된 자기적응 학습법의 유용성과 우위성을 컴퓨터 모의시험 결과로 입증하게 된다. A problem of making a neural network learning self-adaptive to the training set supplied is addressed in this paper. This arises from the aspect in choice of an adequate stepsize for the update of the current weigh vectors according to the training pairs. Related issues in this attempt are raised and fundamentals in neural network learning are introduced. In comparison to the most popular back-propagation scheme, the usefulness and superiority of the proposed weight update algorithm are illustrated by examing the identification of unknown nonlinear systems only from measurements.
정완섭,Cheung, Wan-Sup 한국진공학회 2015 진공 이야기 Vol.2 No.1
This article introduces fundamentals of self-diagnosis and predictive (or preventive) maintenance technologies for dry vacuum pumps. The state variables of dry pumps are addressed, such as the pump and motor body temperatures, consumption currents of main and booster pumps, mechanical vibration, and exhaust pressure, etc. The adaptive parametric models of the state variables of the dry pump are exploited to provide dramatic reduction of data size and computation time for self-diagnosis. Two indicators, the Hotelling's $T^2$ and the sum of squares residuals (Q), are illustrated to be quite effective and successful in diagnosing dry pumps used in the semiconductor processes.
A Decision-Theoretic Approach to Source Direction Finding Based on the Hopfield Neural Network
정완섭,조문제,은희준,Cheung, Wan-Sup,Jho, Moon-Je,Eun, Hui-Joon The Acoustical Society of Korea 1994 韓國音響學會誌 Vol.13 No.e1
다중센서 시스템의 문제점, 특히 임의의 방향에 대한 목표물의 유무를 판단하는 문제에 접근하기 위하여 결절이론을 소개한다. 이 문제에 대한 해는 대상 방향에 대한 간단한 수 즉, 0 또는 1로 구성된 수의 집합으로 표현된다. 이렇게 코드로 표현된 수는 Hopfield 신경회로망에 의한 최적화 기법으로 변환되며, 이러한 변환은 음원의 방향탐지에 대한 이해를 쉽게 한다. Hopfield 신경회로망 모델의 기존 상태 개선 방법들을 사용할 때 직명하게 되는 난점들을 소개하며, 그것과 관련된 문제점들을 제기한다. 이를 해결하기 위하여 새로운 착상, 즉 0에서 1의 상태로 변할 때 보다 큰 에너지 차이를 보이는 뉴런이 상태 개선의 우위를 점할 수 있다는 접을 제안한다. 이로부터 이전 연구들과는 다른 새로운 상태 개선 방법 및 새로운 관점을 도출하게 된다. 본 논문에서는 컴퓨터 모의 실험을 통해 제안된 방법의 전망과 음원 방향 탐지의 효율성을 보인다. A decision-theretic concept is introduced to investigate whether targets of interest in array sensor systems are present at some steering direction or not. The solutions to this problem are described as a set of discrete numbers 0 or 1 corresponding to the direction under consideration. This coded number representation is transplanted in the optimisation technique based on the Hopfield neural network, which may provide an easy understanding of determining the direction of arrival (DOA) of sources. Difficulties encountered in using the conventional state schemes of Hopfield neural network models are addressed and their related issues are raised. To deal with them, an idea that a neuron that decreases more energy difference for its state change of 0 to 1can have higher priority in the order of state transition than others is introduced. This does not only lead to an new state update scheme but also opens a different story in comparison to previous work. To cast the perspectives of the proposed approach and illustrate its effectiveness in source direction finding in array sensor system. simulation results and related discussions are presented in this paper.