본 논문은 비선형성을 많이 내포하고 있어 수학적으로 모델링 하기 어려운 선박용 안정화 위성 안테나 시스템을 모델링하기 위해서, 신경 회로망의 오차 및 응답시간을 최소로 하는 최적 구조 신경 회로망 모델을 도출하고 이를 적용하고자 한다. 오차와 응답시간을 최소화하기 위해 유전알고리즘을 이용하여 신경 회로망 구조를 설계하였다. 안테나 시스템으로부터 얻어진 입출력 데이터에 거하여 본 논문에서 제안한 식별기를 이용하여 안테나 시스템을 식별하였으며, 실제 선박의 운동 성분에 대해서도 시스템을 잘 표현할 수 있는 최적 구조 신경 회로 기반 시스템 식별기를 얻을 수 있었다. 실제 실험을 통해서, 최적 신경회로망 구조가 안테나 시스템 식별에 효과적인 것을 알 수 있었다.

본 논문은 신경 회로망과 유전 알고리즘을 이용한 비선형 시스템 모델링을 다룬다. 비선형 함수의 근사성 때문에 시스템을 식별하고 제어하기 위해서 신경 회로망을 응용한 연구가 실제로 많이 이루어지고 있다. 빠른 응답시간과 최소의 오차를 위해서는 최적구조 신경 회로망을 설계하는 것이 중요하다. 유선 알고리즘은 최근에 단순성과 견고성 때문에 점점 많이 이용되는 추세이다. 따라서 본 논문에서는 유선알고리즘을 이용하여 신경회로망을 최적화한다. 오차와 응답시간을 최소화하는 신경 회로망 구조를 위해서 유전알고리즘의 유전자로 이진 코딩하여 최적 신경회로망을 탐색하고자 한다. 시뮬레이션을 통해서, 최적 신경회로망 구조가 비선형 시스템 식별에 효과적인 것을 입증하고자 한다.

본 논문은 초고주파 전력증폭기용 LDMOS(Lateral double-diffused MOS) MRF-21060소자의 게이트 바이어스 전압을 조절하여 온도 변화에 따른 드레인(Drain) 전류의 변화를 억제하기 위한 PNP 트랜지스터를 사용하여 능도 바이어스 회로 구현하였다. MRF-21060을 구동하기 위한 방법으로서는 AH1과 평형증폭기인 A11을 사용하여 구동 증폭단을 설계.제작하였다. 제작된 5W 초고주파 전력증폭기는 0~60℃까지의 온도변화에 대하여 소모전류 변화량이 수동 바이어스 회로에서 0.5A로 높은 반면, 능동 바이어스 회로에서는 0.1A이하의 우수한 특성을 얻었다. 전력증폭기는 2.11~2.17GHz주파수 대역에서 32dB 이상의 이득과 ±0.09dB이하의 이득 평탄도가 나타났으며, -19dB이하의 입.출력 반사손실을 가진다.

최근에, 자동화 크레인 제어 시스템은 빠른 속도와 신속한 수송이 요구되어 지고 있다. 따라서, 컨테이너가 초기좌표에서 최종좌표로 이동될 때 컨테이너 경로는 최소시간에 흔들림 없이 설계되어야 한다. 이를 위해 본 연구에서는 최종 좌표까지 이동에서 충돌을 피하기 위하여 충돌방지 경로를 계산하였다. 그리고, 정확한 주행 제어를 위해서 신경회로망 예측 PID제어기를 구성하였다. 제안된 예측제어 시스템은 PID 파라미터를 생산하기 위하여 신경회로망 예측기, PID 제어기 그리고 신경회로망 자기 동조기로 구성하였다 크레인 시스템을 통한 시뮬레이션 분석에서 다른 기존의 제어기들 보다 우수한 제어 수행을 증명하였다.

In this study, a real-time simulation method for the phenomena, which are too complex to be simulated during real-time computer games, was proposed based on the neural network. The procedure of proposed method is to 1) obtain correlation data between input parameters and output parameters by mathematical modeling, code analyses, and so on, 2) train the neural network with the correlation data, 3) and insert the trained neural network in a game program as a simulation module. For the case that the number of the input and output parameters is too high to be analyzed, a method was proposed to omit parameters of little importance. The method was successfully applied to severe accidents of nuclear power plants, reflecting that the method was very effective in real time simulation of complex phenomena.

항공 대잠수함전에 사용되는 방향주파수분석저장 소노부위 (DIFAR Sonobuoy)에 방위정보를 제공하는 플럭스-게이트 콤파스의 위상감응검출 (PSD) 회로 설계와 구현에 관해서 기술하였다. PSD 회로는 쌍동-T RC 회로망을 갖는 능동형 대역필터로 구성하였다. PSD 회로에 대한 성능실험 결과, 대역통과 필터가 지구자장 방향에 비례하는 2Fe의 2차 고조파 신호를 효과적으로 걸러냄을 확인하였다. 그 결과 방위 신호 정보를 획득할 수 있었다.

This paper describes a program which learns good strategies for two-poison, deterministic, zero-sum board games of perfect information. The program learns by simply playing the game against either a human or computer opponent. The results of the program's teaming of a lot of games are reported. The program consists of search kernel and a move generator module. Only the move generator is modified to reflect the rules of the game to be played. The kernel uses a temporal difference procedure combined with a backpropagation neural network to team good evaluation functions for the game being played. Central to the performance of the program is the search procedure. This is a the capture tree search used in most successful janggi playing programs. It is based on the idea of using search to correct errors in evaluations of positions. This procedure is described, analyzed, tested, and implemented in the game-teaming program. Both the test results and the performance of the program confirm the results of the analysis which indicate that search improves game playing performance for sufficiently accurate evaluation functions.

This research aims to seek active control of ball-beam position stability by resorting to neural networks whose layers are given bias weights. The controller consists of an LQR (linear quadratic regulator) controller and a neural networks controller in parallel. The latter is used to improve the responses of the established LQR control system, especially when controlling the system with nonlinear factors or modelling errors. For the learning of this control system, the feedback-error learning algorithm is utilized here. While the neural networks controller learns repetitive trajectories on line, feedback errors are back-propagated through neural networks. Convergence is made when the neural networks controller reversely learns and controls the plant. The goals of teaming are to expand the working range of the adaptive control system and to bridge errors owing to nonlinearity by adjusting parameters against the external disturbances and change of the nonlinear plant. The motion equation of the ball-beam system is derived from Newton's law. As the system is strongly nonlinear, lots of researchers have depended on classical systems to control it. Its applications of position control are seen in planes, ships, automobiles and so on. However, the research based on artificial control is quite recent. The current paper compares and analyzes simulation results by way of the LQR controller and the neural network controller in order to prove the efficiency of the neural networks control algorithm against any nonlinear system.

신경회로망은 어떤 사상에 대한 인과관계를 연상기억능력을 통하여 인식할 수 있는 기능을 가지고 있을 뿐 아니라 비선형현상에 대한 적응능력이 뛰어나 수문계의 강우-유출 현상에 대한 적용가능성은 많으나 이를 수문학적으로 검증하는데는 아직 검토단계라 할 수 있으며 적용에 따른 방법론에 대한 연구가 필요하다 할 수있다. 본 연구에서는 하천유역에서 호우의 발생에 따른 하천의 홍수유출수문곡선을 모의하기 위한 블랙박스모형으로서 신경회로망이론의 적용에 따른 문제를 수문

In this paper, applications of neural networks to vibration control of flexible single link robot manipulator are ocnsidered. The architecture of neural networks is a hidden layer, which is comprised of self-recurrent one. Tow neural networks are utilized in a control system ; one as an identifier is called neuro identifier and the othe ra s a controller is called neuro controller. The neural networks can be used to approximate any continuous function to any desired degree of accuracy and the weights are updated by dynamic error-backpropagation algorithm(DEA). To guarantee concegence and to get faster learning, an approach that uses adaptive learning rates is developed by introducing a Lyapunov function. When a flexible manipulator is ratated by a motor through the fixed end, transverse vibration may occur. The motor torque should be controlle dinsuch as way, that the motor is rotated by a specified angle. while simulataneously stabilizing vibration of the flexible manipulators so that it is arrested as soon as possible at the end of rotation. Accurate vibration control of lightweight manipulator during the large body motions, as well as the flexural vibrations. Therefore, dynamic models for a flexible single link manipulator is derived, and LQR controller and nerual networks controller are composed. The effectiveness of the proposed nerual networks control system is confirmed by experiments.

In this paper, applications of multilayer neural networks to control of flexible robot beam are considered. The multilayer nerual networks can be used to approximate any continuous function to a desired degree of accuracy and the weights are updated by Gradient Method. When a flexible beam is rotated by a motor through the fixed end, transverse vibration may occur. The motor torque should be controlled insuch a way that the motor rotates by a specified angle, while simultaneously stabilizing vibration of the flexible manipulators so that is arrested as soon as possbile at the end of rotation. Accurate control of lightweight beam during the large changes in configuration common to robotic tasks requires dynamic models that describe both rigid body motions, as well as the flexural vibrations. Therefore, a linear dynamic state-space model of for a single link flexible robot beam is derived and PD controller, LQP controller, and inverse dynamical neural networks controller are composed. The effectiveness the proposed control system is confirmed by computer simulation.