딥 러닝(deep learning)은 최근에 많이 알려지게 된 심층 인공신경망 알고리즘이다. 일반적인 인공신경망보다 은닉층의 개수와 뉴런의 개수를 확장시키고, 학습이 효율적으로 될 수 있게 알고리즘을 개선한 것이 가장 큰 특징이다. 이러한 특징을 활용하여 기존의 인공신경망으로 풀지 못했던 크고 복잡한 문제들을 해결할 수 있게 되었다. 음성인식, 손 글씨 인식, 얼굴 인식 등 복잡한 ...
딥 러닝(deep learning)은 최근에 많이 알려지게 된 심층 인공신경망 알고리즘이다. 일반적인 인공신경망보다 은닉층의 개수와 뉴런의 개수를 확장시키고, 학습이 효율적으로 될 수 있게 알고리즘을 개선한 것이 가장 큰 특징이다. 이러한 특징을 활용하여 기존의 인공신경망으로 풀지 못했던 크고 복잡한 문제들을 해결할 수 있게 되었다. 음성인식, 손 글씨 인식, 얼굴 인식 등 복잡한 패턴인식과 분류에 관련된 다양한 분야에 대한 적용 연구가 활발히 진행되고 있다. 하지만 이러한 장점에도 불구하고, 아직까지 딥 러닝이 제어문제를 해결하기 위해 적용된 사례는 찾아보기 어렵다. 본 논문에서는 간단한 사례를 통해 딥 러닝의 제어문제에 대한 적용 가능성을 확인해 본다. 딥 러닝 알고리즘 중에서 가장 잘 알려진, 깊은 믿음 네트워크(deep belief network) 알고리즘을 사용하여 산업현장에서 가장 많이 사용되고 있는 PID 제어기를 모방하는 딥 러닝 제어기를 설계한다. DC 모터를 제어하는 시스템에서 PID 제어기에 들어오는 입력과 PID 제어기에서 나오는 출력값을 학습 데이터로 사용하여 딥 러닝으로 학습하는 방법을 사용한다. 시뮬레이션을 통해 제안한 딥 러닝 제어기와 PID 제어기를 비교하여 딥 러닝 알고리즘의 성능을 검증한다.
딥 러닝(deep learning)은 최근에 많이 알려지게 된 심층 인공신경망 알고리즘이다. 일반적인 인공신경망보다 은닉층의 개수와 뉴런의 개수를 확장시키고, 학습이 효율적으로 될 수 있게 알고리즘을 개선한 것이 가장 큰 특징이다. 이러한 특징을 활용하여 기존의 인공신경망으로 풀지 못했던 크고 복잡한 문제들을 해결할 수 있게 되었다. 음성인식, 손 글씨 인식, 얼굴 인식 등 복잡한 패턴인식과 분류에 관련된 다양한 분야에 대한 적용 연구가 활발히 진행되고 있다. 하지만 이러한 장점에도 불구하고, 아직까지 딥 러닝이 제어문제를 해결하기 위해 적용된 사례는 찾아보기 어렵다. 본 논문에서는 간단한 사례를 통해 딥 러닝의 제어문제에 대한 적용 가능성을 확인해 본다. 딥 러닝 알고리즘 중에서 가장 잘 알려진, 깊은 믿음 네트워크(deep belief network) 알고리즘을 사용하여 산업현장에서 가장 많이 사용되고 있는 PID 제어기를 모방하는 딥 러닝 제어기를 설계한다. DC 모터를 제어하는 시스템에서 PID 제어기에 들어오는 입력과 PID 제어기에서 나오는 출력값을 학습 데이터로 사용하여 딥 러닝으로 학습하는 방법을 사용한다. 시뮬레이션을 통해 제안한 딥 러닝 제어기와 PID 제어기를 비교하여 딥 러닝 알고리즘의 성능을 검증한다.
Recently deep learning has been attracted a significant attention from the wide range of applications. The key features of deep learning are to have more hidden layers and neurons, and to improve learning performance than conventional neural networks. Using these features, a large and complex proble...
Recently deep learning has been attracted a significant attention from the wide range of applications. The key features of deep learning are to have more hidden layers and neurons, and to improve learning performance than conventional neural networks. Using these features, a large and complex problem that could not be solved with conventional neural networks can be resolved. Consequently deep learning has been applied to various applications including pattern recognition and classification problems; for example, speech recognition, handwritten digit recognition, face recognition, and so on. However, to the best knowledge of the author, no result on the use of deep learning for automatic control has been published. In this thesis, the design of controller using deep learning is addressed to explore the feasibility of applying deep learning into control problems. A deep learning controller is designed by learning the behavior of a PID controller, which is most commonly used in industry. When the PID based feedback controller works for the DC motor, input data and output data of the PID controller are used as the learning data set for the deep learning network. The DBN(Deep Belief Network) algorithm is used. The computer simulations demonstrate the feasibility and performance of the proposed deep learning based controller.
Recently deep learning has been attracted a significant attention from the wide range of applications. The key features of deep learning are to have more hidden layers and neurons, and to improve learning performance than conventional neural networks. Using these features, a large and complex problem that could not be solved with conventional neural networks can be resolved. Consequently deep learning has been applied to various applications including pattern recognition and classification problems; for example, speech recognition, handwritten digit recognition, face recognition, and so on. However, to the best knowledge of the author, no result on the use of deep learning for automatic control has been published. In this thesis, the design of controller using deep learning is addressed to explore the feasibility of applying deep learning into control problems. A deep learning controller is designed by learning the behavior of a PID controller, which is most commonly used in industry. When the PID based feedback controller works for the DC motor, input data and output data of the PID controller are used as the learning data set for the deep learning network. The DBN(Deep Belief Network) algorithm is used. The computer simulations demonstrate the feasibility and performance of the proposed deep learning based controller.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.