Professional Documents
Culture Documents
자연지능및뇌질환의수학적모델에대한동특성해석에관한연구
자연지능및뇌질환의수학적모델에대한동특성해석에관한연구
뇌과학원천기술개발사업
충북대학교
과학기술정보통신부
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
제출문
제출문
과학기술정보통신부장관 귀하
주관연구기관책임자: 권 오 민
협동연구기관책임자: 박 명 진
참여기관책임자:
보고서 요약서
보고서 요약서
2017M3C7A1 해당 단계 2017.6.1.~
과제 고유 번호 단계구분 1/2
044820 연구 기간 2019.12.31
중사업명 뇌과학원천기술개발사업
연구사업명
세부사업명 뇌과학원천기술개발사업
순행유전학적 접근법과 인공지능을 이용한 자연지능
대과제명
및 뇌질환 규명 원천기술 개발
연구과제명
자연지능 및 뇌질환의 수학적 모델에 대한
세부과제명
동특성 해석에 관한 연구
해당단계 총: 3명 정부: 161,800 천원
해당단계
참여연구원 내부: 3명 민간: 천원
연구개발비
수 외부: 명 계: 천원
연구책임자
총 연구기간 총: 1명 정부: 289,800 천원
참여연구원 내부: 1명 총 연구개발비 민간: 천원
수 외부: 명 계: 천원
연구기관명 및 참여기업명
충북대학교 전기공학부
소속 부서명
요약문
국문핵심어
(5개 이내) 자연지능 안정성 강인성 뇌질환 치료 및 조절
Natural Treatment and
영문핵심어
(5개 이내) Stability Robustness Brain disease
intelligence control
※ 국문으로 작성(영문 핵심어 제외)
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
본문 작성 양식
〈 목 차 〉
1. 연구개발과제의 개요 ·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·1
2. 연구수행내용 및 성과 ·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·7
3. 목표 달성도 및 관련 분야 기여도 ·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·30
4. 연구개발성과의 활용 계획 등 ·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·34
붙임. 참고 문헌 ·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·36
- 4 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
1. 연구개발과제의 개요
그림 1. 제4세부과제 연구 개발 개념도
3-1. 확률, 통계 및 수학이론을 기반으로 하는 제어공학 관점에서의 자연 지능과 뇌질환
특성의 모델링과 해석 방법 개발
가. 강인성
· 80년대에 플랜트의 불확실성을 고려한 제어기 설계가 시작됨. 이를 강인제어라 부르며 지
금까지도 많은 분야에 활용
· 뇌 과학 분야의 경우 임의의 충격(disturbance)이나 여러 뉴런들의 정보 전달시 정보의
불확실(uncertainty)이 존재
· 위와 같은 현상을 좀 더 자연지능과 유사한 모델링을 위해 논문 [1]에서 제시한 방법과
같은 분석기법들이 더욱 연구가 필요
· 또한, 구성된 모델링의 제어기를 설계하기 위해 여러 가지 강인제어의 이론 및 수학적 이
론을 바탕으로 한 연구가 필요.
나. 질환 진단 및 예방
· 각종 시스템에서 발생하는 고장의 피해를 최소화하며 고장부분의 빠른 복구를 위해서 고
장검출(fault detection)의 개념을 이용
· 이와 같은 개념을 뇌 과학에 적용시켜 뇌질환을 야기 시키는 유전자를 찾는 방법으로 응
- 2 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
용 가능
· 변이 유전자에 대하여 치료가 필요하며, 변이된 유전자를 치료하기 위해 상태 추적(state
estimation)방법을 이용하여 변이가 된 유전자에만 정확하게 치료되도록 연구할 계획
· 또한, 이벤트-트리거(event-triggered) 방식을 응용하여 변이 유전자 주변의 형질에 피해
가 가지 않도록 변이 형질에만 치료를 할 수 있게 응용
· 위 세 가지의 개념을 토대로 뇌질환을 유발하는 변이 유전자 검출 후 치료를 하는 것을
수학적 모델링을 통해 접근함
다. 결합된 이산신호 모델로의 확장
· 대부분 시스템 해석의 경우 연속적인 신호를 이용하여 해석을 함. 하지만, 실제의 경우는
이산적인 신호의 형태로 시스템이 구현되는 경우가 대부분임이므로 본 연구에서는 자연
지능과 뇌질환 특성의 모델링을 연속 모델(continuous-time system) 뿐만 아니라 이산신
호를 바탕으로 한 수학적 모델로 표현
· 또한, 여러 가지의 뉴런들은 결합체인 뇌를 표현하기 위해 각각 뉴런의 연결을 표현 하고
자 결합형태의 모델을 제시
라. 선적용 모델(preapplied model) 선정을 통해 이를 활용하여 분석방법의 개발
· 기존의 유전적 조절망(Genetic Regulatory Network), 순환 신경망(Recurrent Neural
Network), 인간 면역 결핍 바이러스(Human Immunodeficiency Virus) 모델을 활용
· 위의 선정된 모델들은 대부분 확정적(deterministic) 모델로 구성이 되어 있으나 본 연구
에서는 실제 뇌질환 특성과 유사한 확률적(stochastic) 모델로의 확장하여 그 분석방법을
연구
⇒ 종합하여 본다면 국내외 뉴럴 네트워크 및 유전학 네트워크에 관한 연구는 지속적으로
관심을 가지고 진행되고 있으며, 또한 전 세계적으로 인공지능 기술의 잠재적 가치가 증
가할 것으로 예상. 이에 따라 뇌과학을 기반으로 그림 2에서 표시된 신경회로망 칩·시스
템, 신경망 구조·학습법칙에 대한 연구를 수학적 모델링을 통하여 기본적인 네트워크를
얻고 더불어 새로운 연구 기법이 뇌과학 분야(그림 3)에서 다른 국가보다 뒤지지 않기
위해 본 연구수행이 절실히 요구
- 3 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
출처:일본경제산업성, NIA(2015)에서 인용
그림 2. CPS 사이클(데이터의 분석과 피드백 활용)
출처:이수영, (1998)에서 인용
그림 3. 뇌과학 연구기술 분야
- 4 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
그림 4. 본 연구가 전체 연구 프로세스에서의 위치
(1) 자연지능의 수학적인 모델링과 해석에 있어서 존재할 수 있는 시스템 파라미터
(parameter)에 대한 불확실성(uncertainty)을 고려한 모델 수립과 그 해석법 연구
(2) 모델링된 시스템을 실제 적용할 경우, 원치 않는 외부의 신호 즉 외란(disturbance)이
존재하더라도 시스템의 동작 특성에 큰 영향을 주지 않도록 하는 제어기법 연구
(3) 시스템 외부에서 발생하는 신호인 외란뿐만 아니라 시스템 내에서 존재할 수 있는 노
이즈에 대한 해결 방안으로 소산필터(dissipative filtering) 개념을 활용하는 방안 연구
(4) 모델링된 시스템의 구현에 있어서 마이크로프로세서 등의 하드웨어의 존재로 실제 이
산시간 시스템으로 구성이 됨으로 연속시간 모델에서 이산시간 모델이나 샘플 데이터 시
스템(sampled-data system)으로의 변환 및 그 해석법 연구
- 5 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
- 6 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
2. 연구수행내용 및 성과
1~3차년도 동안의 연구 수행 성과인 논문 목록 및 게재된 SCI급 국제저명학술지의 위
상을 보이기 위한 학술지 정보를 아래와 같이 제시함
표 1. 1-3차년도 연구 성과
연번 논문명 저널명 출판년도
1-1 INS Advanced sampled-data synchronization control for
complex Information 2017.12.
delays dynamical networks with coupling time-varying Sciences
1-2 ACCESS Augmented
Stability
Delays of Lyapunov-Krasovskii
Discrete Systems With Functional Approach to
Time-Varying IEEE ACCESS 2017.12.
1-3 JFI Advanced
time-varyingstability
delays criteria for linear systems with
Journal of the 2018.01.
Franklin Institute
2-1 AML Generalized integral inequality: Application to time-delay Applied 2018.03.
systems Mathematics Letters
2-2 IJSS Finite-time robust passive stochastic a class ofdynamical International Journal
control for complex
switched reaction-diffusion
networks with coupling delays and impulsive control of Systems Science 2018.03.
Decentralized Event-triggered StabilitywithAnalysis of International Journal of
2-3 JCAS Neutral-type BAM Neural Networks
Jump Parameters and Mixed Time Varying Delays Markovian Control Automation, 2018.06.
Systems
2-4 TCBN Closeness-Centrality-Based
Complex Dynamical Networks Synchronization
With Interval Criteria for IEEE Transactions 2018.07.
Time-Varying Coupling Delays on Cybernetics
Robust International Journal of
2-5 JCAS NetworksH with
infinite Performance
Uncertainty and ofTime-varying
Discrete-timeDelayNeural Control Automation, 2018.08.
Systems
A Katz-centrality-based Protocol Design for Journal of the
2-6 JFI Leader-Following
Multi-Agent Systems Formation of Discrete-Time
with Communication Delays Franklin Institute 2018.09.
2-7 NN Finite-time
networks
saturation
synchronization
subject to Markovian of stochastic
switching coupled
and neural
input Neural Networks 2018.09.
2-8 JFI Fuzzy
systemssliding mode controldelay design of Markovian jump Journal of the
with time-varying Franklin Institute 2018.09.
Enhanced stability criteria ofgeneralized
neural networks with Journal of the
time-varying delays
matrix integral inequalityvia a free-weighting Franklin Institute 2018.09.
2-9 NN Passivity and delays
time-varying stabilityvia
matrices integral inequality
analysis
extended of free-weighting
neural networks with
Neural Networks 2018.10.
2-10 ACCESS Sampling
consensus effect
protocolon ofsecondary control
multi-agent of microgrids via
systems IEEE ACCESS 2018.12.
2-11 ND Synchronization
network
saturationwith randomof fractional-order
coupling delay,complex
actuatordynamical
faults and Nonlinear Dynamics 2018.12.
Communications in
3-1 CNSNS Synchronization
randomly occurringcriteria for delayedcontroller
sampled-data Lur’e systems
gain and Nonlinear Science and 2019.03.
Numerical Simulation
3-2 IJSS Decentralised
for event-triggered
semi-Markovian
leakage jump delayed
delay and randomly occurringneural networks with International
impulsive synchronisation
uncertainties
Journal
of Systems Science 2019.08.
International Journal of
3-3 JCAS Improved
Networks Synchronization
with Sampled-data
Actuator Saturation
Criteria for Chaotic
Control Subject Neural
to Control Automation, 2019.09.
Systems
3-4 JFI Asystems
sampled-data
using ancontrol problem of neural-network-based Journal of the 2019.10.
improved free-matrix-based inequality Franklin Institute
Finite-time
systems withboundedness of interval
actuatortype-2
faultsfuzzy
Journal of the 2019.10.
time delay and Franklin Institute
3-5 Submit Fault estimation
dynamical networksandwith
synchronization
time-varyingcontrol for complex
coupling delay 심사중
- 7 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
표 2. 연구 성과 우수성
출판된 저널(논문수) 출판년도* IF 상위 % 주제 분류별 순위
Applied Mathematics Letters(1) 2018 2.462 5.36
in AM 14 / 252
2019
Communications in Nonlinear Science and Numerical Simulation(1) 3.967 0.91
in MP 1 / 55
IEEE ACCESS(2)
2017 3.244 18.15
in CS 27 / 146
2018 3.557 15.88
in CS 24 / 148
IEEE Transactions on Cybernetics(1) 2018 8.803 0.81
in AC 1 / 62
International Journal of Control, Automation and Systems(3)
2018 2.173 46.72
in AC 29 / 61
2019 2.181 50.81
in AC 32 / 62
International Journal of Systems Science(2) 2018 2.185 22.82
in CM 24 / 103
2019 2.469 28.84
in CM 30 / 104
Information Science(1) 2017 4.832 4.45
in CS 7 / 146
Journal of the Franklin Institute(6) 2018 3.576 4.37
in MA 5 / 103
2019 3.653 6.19
in MA 7 / 105
Nonlinear Dynamics(1) 2018 4.339 5.60
in M 8 / 134
Neural Networks(2) 2018 7.197 4.92
in CI 7 / 132
주제 분류 : AM (APPLIED MATHEMATICS), MP (MATHEMATICAL PHYSICS), CS (COMPUTER SCIENCE,
INFORMATION SYSTEMS), AC (AUTOMATION & CONTROL SYSTEMS), CM (COMPUTER SCIENCE, THEORY &
METHOD), MA (MATHEMATICS, INTERDISCIPLINARY APPLICATIONS), M (MECHANICS), CI (COMPUTER
SCIENCE, ARTIFICIAL INTELLIGENCE)
* 출판년도(전년도 JCR 기준, 예-출판년도 2018.09. JCR 2017년 기준)
아래에 제시한 5가지 동역학적 모델은 1-3차년도 동안 연구가 진행된 성과로서 모델에
대한 간략한 소개는 다음과 같음
가. N개의 동일한 노드로 구성한 결합지연을 갖는 마르코비안 점핑(Markovian Jumping)의
불확실한 확률적 특성을 지닌 복잡한 동적 시스템 모델링 [2-2 IJSS]
⋅ 본 모델들은 복잡한 동적 시스템에 1차년도 연구 내용인 불확실성을 고려하여 보다 자
연지능 모델링과 가깝게 설계
⋅ 특히, 마르코비안 점핑의 확률적 특성을 추가와 N개의 노드 간 발생하는 결합지연을 고
려함으로써 새로운 형태의 모델을 제시
- 9 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
2-2. 1차년도 연구 수행 내용 및 성과
연구 목표
자연지능 모델에서의 불확실성 및 외란에 대한 분석 방안 제시
계획된 세부 연구 내용 실행된 연구 성과 달성도
불확실성이 고려된 모델에 2-2 IJSS 100 [%]
대한 분석 방안 2-5 IJCAS
외란이 고려된 모델에 2-5 IJCAS 100 [%]
대한 분석 방안
1-1 INS
안정성에 대한 1-2 IEEE ACCESS 100 [%]
새로운 해석 기법 개발
1-3 JFI
가. 연구 목표 : 자연지능 모델에서의 불확실성 및 외란에 대한 분석 방안 제시
나. 주요 연구 내용
· 기존의 뉴럴 네트워크(neural network) 및 유전학 네트워크(genetics network)을 기반으
로 하여 시간 지연을 고려한 시스템은 다음과 같이 표현
. (1)
여기서, ∈ ℝ 는 뉴런의 상태 벡터(neuron state vector)이고, ∈ ℝ 는 뉴런의
수행렬이고, 는 ≤ 를 만족하는 행렬
다. 주요 연구 개발 성과
(1) [2-2 IJSS] N개의 동일한 노드로 구성한 결합지연을 갖는 마르코비안 점핑(Markovian
Jumping)의 불확실한 확률적 특성을 지닌 복잡한 동적 시스템의 모델링
∇
⊗ ⊗
≠ , ,
, , .
그림 7. 3 node -시스템의 상태 궤적
(2) [2-5 JCAS] 1차년도 연구 내용인 외란을 고려한 모델에 대한 분석을 이산시간
(Discrete-time) 모델로 확장하여 불확실성과 시변지연을 고려한 이산시간 신경망 모델을
제시
,
- 11 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
변 행렬함수
2 4 6 8
논문 [2] 11 11 12 13
논문 [3] 11 12 13 14
논문 [4] 13 15 17 19
논문 [5] 20 21 23 23
논문 [6] - 20 20 21
논문 [7] - 20 25 28
제안된 방법 16 21 27 29
라. 기타 연구 개발 성과
(1) [1-1 INS] 시변지연이 고려한 복잡 동적 시스템에 대한 샘플 데이터 제어
(Sampled-data control) 기반으로 한 동기화 기법 제안을 위해 아래와 같은 시스템을 제
시
.
· 주요내용 : 복잡한 동적 시스템을 와 동기화를 위해 를 정의하
고 샘플 데이터 제어기법을 이용. 기존의 선형 시스템 안정성 조건을 유도할 때 사용되는
리아프노프 함수를 바탕으로 지연에 의존하는 새로운 리아프노프 함수 제안을 통해 기존
의 결과보다 향상된 동기화 기법을 유도
· 결과
표 4. 결합 정도 c의 변화에 따른 샘플 데이터 구간의 최대값
결합 정도 c 0.5 0.75
논문 [8] 0.5409 0.1633
논문 [9] 0.5573 0.2277
논문 [10] 0.9016 0.8957
논문 [11] 1.3956 1.2351
논문 [12] 1.3978 1.2619
제안된 방법 1.4979 1.4645
- 12 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
성 판별법 제안
· 주요내용 : 시변 지연을 갖는 시스템의 안정성 판별을 위해 새로운 리아프노프 함수 제
안을 통해 기존의 결과보다 향상된 기법을 제안
· 제안한 리아프노프 함수
∆ ∆
∆
∆
∆
∆
∆
∆
∆
∆
∆
∆
∆
∆
∆
∆
.
- 13 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
· 결과
표 5. 시간 지연의 상한 값
10 20 30 40 50
논문 [13] 44 67 77 85 89
논문 [14] 61 90 111 126 137
논문 [15] 74 97 116 129 140
논문 [16] 61 94 121 143 153
논문 [17] 65 97 124 144 155
제안된 방법 108 128 139 150 158
(3) [1-3 JFI] 연속 시간 지연 시스템 에 대한 향상된 안정성 판별
법 제안
· 주요내용 : 시변 지연을 가진 선형 시스템의 안정화를 위하여 아래와 같은 새로운 리아
프노프 함수 제안하였으며 기존의 결과보다 향상된 안정화 기법 유도
· 제안된 리아프노프 함수
· 결과
표 6. 시스템의 안정성을 보장하는 시간 지연의 상한 값
0
0.1 0.5 Unknown
논문 [18] 6.0593 4.7046 2.403 2.1130
논문 [19] 6.168 4.753 2.429 2.182
제안된 방법 6.1689 4.7947 2.5342 2.2540
- 14 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
2-3. 2차년도 연구 수행 내용 및 성과
연구 목표
정밀한 뇌 질환 검출을 위한 고장 검출 및 이벤트-트리거 개념 접목 방안 제시
계획된 세부 연구 내용 실행된 연구 성과 달성도
뇌질환 검출을 위한 고장 검출 개념 접목 2-11 ND 100 [%]
방법 개발 3-5 심사중
뇌질환 치료 범위의 정확한 선정을 위한 2-3 JCAS
이벤트-트리거 개념 접목 방법 개발 100 [%]
3-2 IJSS
2-1 AML
2-4 CYBN
2-6 JFI
안정성에 대한 2-7 NN 100 [%]
새로운 해석 기법 개발
2-8 JFI
2-9 NN
2-10 ACCESS
가. 연구 목표 : 정밀한 뇌 질환 검출을 위한 고장 검출 및 이벤트-트리거 개념 접목
방안 제시
‐
나. 주요 연구 내용
· 1차년도 연구내용에서 활용한 뉴럴 네트워크 모델 (3)을 기반으로 하여 고장 검출의 개
념을 통해 확장. 이때, 고장 검출을 특정 뉴런이나 변이된 locus을 찾기 위해 다음과 같
은 개념을 활용하며, 네트워크는 다음과 같이 표현
. (5)
여기서, ∈ ℝ 는 감지되는 고장 신호 벡터(fault signal to be detected)를 의미하며,
다. 주요 연구 개발 성과
(1) [2-3 JCAS] 뇌질환 검출 정확성을 위한 분산형(Decentralized) 이벤트-트리거 개념을
복합 시간 지연과 마르코비안 점핑 파라미터를 갖는 불확실한 중립형 양방향 연관 기억
신경 네트워크 시스템에 적용 하여 모델링
∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆
max
min max ≥ ,
max
.
- 16 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
이때, 와 는 각각 i번째 상태 벡터와 입력 제어 벡터를 의미하며,
아래의 식을 도출
- 17 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
· 결과
각각의 시스템 동기화를 위해 를 정의하고 오차(Error) 시스템을 유도.
- 18 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
· 결과
라. 기타 연구 개발 성과
(1) [2-1 AML] 시간 지연 시스템 에 대한 안정성
조건을 제시. 리아프노프 함수를 통하여 시스템 안정화 조건 유도에 필요한 새로운 적분
부등식을 제안.
,
≥
⊗ ⊗ ⊗
여기서,
, ,
,
.
여기에서 N개의 결합된 노드를 가지며, 는 n-뉴런의 상태 벡터를 의미하며, 는
- 19 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
미. 대각 행렬 는 와 같이 표현
≠
≠
한, 이 아닌
로 바뀌게 됨. 새롭게 제안한 방법을 활용하
그림 12. 5-nodes 그래프 구조
표 8. 시스템의 안정성을 보장하는 시간 지연의 상한 값
논문 [24] 논문 [25] 논문 [26] 제안된 방법
c=0.3 1.354 1.394 1.454 3.876
1.389 1.396 1.535 4.031
0.731 0.739 0.738 1.515
c=0.5
0.740 0.740 0.770 1.231
- 20 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
여기에서 N개의 에이전트를 가지며, , , 과 는 각각 i번째 에이전트의
· 결과
표 9. 각 프로토콜 방법에 따른 라플라시안 행렬( ) 값
기본
(4) [2-7 NN] N개의 동일한 노드로 구성한 랜덤한 결합지연을 갖는 마르코비안 점핑
(Markovian Jumping)의 불확실한 확률적 특성을 지닌 신경망의 모델링
.
이때, 와 는 결합된 i번째 노드 상태 벡터와 고립된 신경망 상태벡터를 의미. 또
한, , , , 은 시스템행렬이며, , , 와 는
- 22 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
,
- 23 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
- 24 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
(a) (b)
(c)
그림 18. 샘플링 시간에 따른 DG 1의 전압 상태 벡터
(a) , (b) , (c) ,
- 25 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
2-4. 3차년도 연구 수행 내용 및 성과
연구 목표
뇌 질환 상태 추정 및 치료 방안
계획된 세부 연구 내용 실행된 연구 성과 달성도
상태 추정 개념을 활용한 3-5 심사중
뇌질환 상태 추정 방법 개발
심도있는 연구 결과 도출을 위하여 100 [%]
인위적 조절 개념을 통한 비 ‘3-3. 목표 미달성시 원인(사유) 및
뇌질환 치료 방법 개발 고 차후대책(후속연구의 필요성 등)’에
추가로 진행할 연구 내용을 언급함.
3-1 CNSNS
안정성에 대한 3-3 IJCAS 100 [%]
새로운 해석 기법 개발
3-4 JFI
가. 연구 목표 : 뇌 질환 상태 추정 및 치료 방안
나. 전반적 연구 내용
· 2차년도 연구내용을 기반으로 하여 3차년도에서는 고장 검출의 개념에 상태 추정(state
estimation) 개념을 접목을 목표. 고장 검출을 특정 뉴런이나 변이된 locus을 찾기 위해
상태 추정 이론을 활용뿐만 아니라 기본 네트워크 행렬의 작은 변동에도 잘 대처. 이때
네트워크는 다음과 같이 표현.
(6)
(7)
여기서, 는 기준 상태 벡터(reference state vector). 은 제어기 값을 의미
· 하지만, 네트워크를 설계 시에 우리가 얻은 제어기 값을 정확하게 설계하는 것은 어렵기
때문에 이를 보완하기 위해 인위적인 조정(artificial regulation)을 통해 좀 더 실제와 유
사하게 설계하고자 한다. 위 개념을 적용하기 위해서 네트워크 (6)을 다음과 같이 표현.
∆ (8)
여기서, 시간변화에 따른 불확실성을 나타내는 행렬은 ∆ 로 정의하고,
족하는 불확실한 행렬
- 26 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
다. 주요 연구 개발 성과
(1) [3-5 심사중] 시변 지연을 고려한 복잡한 동적 네트워크에 고장 추종을 통한 동기화를
위해 아래와 같은 시스템 모델을 제시.
,
.
이때, 개의 노드를 가지며, , , 와 는 각각 상태 벡터, 엑츄에이터 고장
라. 기타 연구 개발 성과
(1) [3-1 CNSNS] 시간 지연이 있는 비선형 시스템인 루어 시스템의 샘플 데이터 동기화
문제에 대해 연구하였으며 시스템은 아래와 같음.
≤
· 주요내용 : 제안한 리아프노프 함수를 통하여 Master 시스템과 Slave 시스템의 동기화
조건을 도출. 간단한 수치예제를 통해 기존연구들 보다 본 연구 결과의 우수성을 확인
· 결과
표 13. 일 때, 시스템의 안정성을 보장하는 시간 지연의 상한 값
방법
논문 [42] 0.34
논문 [43] 0.48
논문 [44] 0.5144
논문 [45] 0.5147
논문 [46] 0.5218
논문 [47] 0.5309
논문 [48] 0.5342
논문 [49] 0.5368
논문 [50] 0.5463
제안된 방법 0.5830
- 27 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
그림 19. 에러 시스템의 상태 궤적
(2) [3-3 JCAS] 샘플 데이터 제어의 포화를 고려한 혼돈 신경망을 다음과 같이 제시.
≤
.
· 결과
- 28 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
(3) [3-4 JFI] 비선형 연속 시간 시스템 에 대한
여기서,
,
,
,
.
- 29 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
3. 목표 달성도 및 관련 분야 기여도
3-1. 목표
선정연도 협약용 연구계획서 상의 본 연구의 목표는 아래와 같이 제시함
- 30 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
3-2. 목표 달성여부
본 연구의 목표는 관련 연구 분야 기술선점을 통한 국가 경쟁력 강화를 위하여 총 연구
기간인 3년 동안 5편 이상의 논문을 SCI급 국제저명학술지에 게재하는 것이 최종 목표
로 1~3차년도 동안 총 20편을 게재 완료(이 중 JCR 상위 10% 이내 13편) 및 1편 투고
상태로 정량적인 연구 성과는 400% 초과 달성함
SCI급 유명 학술지 게재
연차
연구 목표(편) 연구 성과(편) 달성도(%) (JCR 상위비고10% 이내)
1차년도 1 3 300 % 2편 게재
2차년도 2 12 600 % 8편 게재
3차년도 2 5 250 % 3편 게재
구분 연구개발 목표 연구개발 내용 및 범위
· 다양한 형태로의 불확실성 및 외란에 대한 수학적
1차 자연지능 모델에서의 불확실성 모델 수립
년도 및 외란에 대한 분석 방안
· 안정성에 대한 새로운 해석 기법 개발
· 뇌질환 검출을 위한 고장 검출 개념 접목 방법 개
정밀한 뇌질환 검출을 위한
2차 고장 검출 및 이벤트-트리거 개념 발
년도 접목 방안 · 뇌질환 치료 범위의 정확한 선정을 위한 이벤트-
트리거 개념 접목 방법 개발
· 제어공학에서의 상태 추정 개념을 활용한 뇌질환
3차 뇌질환 상태 추정 및 치료 방안 상태 추정 방법 개발
년도 · 제어공학에서의 인위적 조절 개념을 통한 뇌질환
치료 방법 개발
- 31 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
- 33 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
4. 연구개발성과의 활용 계획 등
4-1. 연구개발 결과의 활용방안
가. 자연지능 및 뇌질환 특성에 대한 모델링을 통해 인공신경망 모델링 구축
‐ 실험을 통한 자료를 이용하여 자연지능 및 뇌질환 특성에 대하여 수학적 모델링을 할 수
있으며, 또한 실질적으로 뇌에서 발생하는 임의의 현상을 컴퓨터 네트워크 이론과 제어 이
론을 통해 표현 하므로 해서 좀 더 인간과 유사한 인공신경망을 표현 할 수 있음
나. 모델링을 기반으로 한 컴퓨터 네트워크 이론 및 제어 이론을 접목하여 새로운 안정
화 조건 제시
‐ 수학적 모델링을 기반으로 다양한 이론에 접목하여 새로운 안정화 조건을 얻을 수 있음.
또한 이를 통해 SCI(E)급 국제유명저널지에 투고함으로써 학문분야의 선도적 위상을 높일
수 있음
다. 뇌 질환에 관련 있는 locus의 정보를 이용한 예방 및 집중 치료
‐ 수학적인 확률 이론을 적용하므로 해서 특정 locus에 집중적으로 관찰함으로서 예방할 수
있으며, 질환이 발생 시 다른 유전자에는 영향을 적게 미칠 수 있게 모델링을 함으로서 특
정 locus에 집중 치료를 가능하게 할 수 있음
- 35 -
국가연구개발 보고서원문 성과물 전담기관인 한국과학기술정보연구원에서 가공・서비스 하는 연구보고서는 동의 없이 상업적 및 기타 영리목적으로 사용할 수 없습니다.
붙임. 참고문헌
[1] Nature, Vol.539, 378-383, 2016.
[2] Physics Letter A, Vol.368, 134-145, 2007.
[3] Neurocomputing, Vol.72, No.1-3, pp.321-330, 2008.
[4] Nonlinear Analysis: Real World Applications, Vol. 11, No.1, pp.207-216, 2010.
[5] Neural Processing Letters, Vol.45, No.3, pp.939-965, 2017.
[6] Neural Computing and Applications, Vol.30, 3893-3904, 2017.
[7] IEEE Transactions on Cybernetics, Vol.47, No.10, 3040-3049, 2017.
[8] Neurocomputing, Vol.74, Iss.5, 805-811, 2011.
[9] Journal of the Franklin Institute, Vol. 349, Iss.9, 2735-2749, 2012.
[10] IEEE Transactions on Neural Network Learning Systems, Vol.24, Iss.8, 1177-1187, 2013.
[11] Nonlinear Dynamics, Vol.81, Iss.1-2, 931-938, 2015.
[12] ISA Transactions, Vol.63, 154-169, 2016.
[13] Journal of the Franklin Institute. Vol.350, 521-540, 2013.
[14] IEEE Transactions on Automatic Control, Vol.60, Iss.10, 2740-2745, 2015.
[15] Nonlinear Analysis-Hybrid Systems, Vol.23, 76-90, 2017.
[16] Automatica, Vol.78, 211-215, 2017.
[17] Journal of the Franklin Institute, Vol.352, Iss.12, 5810-5831, 2015.
[18] Journal of the Franklin Institute, Vol.351, 5386-5398, 2014.
[19] Automatica, Vol.60, 189-192, 2016.
[20] Applied Mathematics Letters, Vol.65, 26–31, 2017.
[21] Automatica, Vol.60, 189–192, 2015.
[22] Stability of Time-Delay Systems, BirkhNauser, 2003.
[23] IEEE Transaction on Automatic Control, Vol.62, No.7, 3488–3493 2017.
[24] Neurocomputing, Vol.73, 809–819, 2010.
[25] Nonlinear Dynamics, Vol.72, 377-388 2013.
[26] Neural Computing Applications, Vol.28, No.4 805-815 2017.
[27] Neurocomputing, Vol.103, 114–120, 2013.
[28] Neurocomputing, Vol.273, 178–189, 2018.
[29] Nonlinear Dynamics, Vol.76, 221–236, 2014.
[30] Neucomputing, Vol.161, 148–154, 2015.
[31] Mathematical Problems in Engineering, 859736, 2014.
[32] Information Sciences, Vol.420, 299–312, 2017.
[33] Physics Letters A, Vol.373, 1242-1248, 2009.
[34] Neural Processing Letters, Vol.30, 155-169, 2009.
[35] Neurocomputing, Vol.73, 795-801, 2010.
[36] Nonlinear Dynamics, Vol.67, 1261-1271, 2012.
[37] Nonlinear Dynamics, Vol.73, 2175-2189, 2013.
[38] Neurocomputing, Vol.149, 1092-1097, 2015.
[39] Chaos, Solitons and Fractals, Vol.103, 23-32, 2017.
[40] Mathematical Problems in Engineering, 602828, 2014.
[41] International Journal of Control, Automation and Systems, Vol.15, 2385-2394, 2017.
[42] Circuits System and Signal Process, Vol.33, No.3, 699-712, 2014.
[43] Communications in Nonlinear Science and Numerical Simulation, Vol.18, 2743–51, 2013.
[44] IEEE Transactions on Neural Network and Learning Systems, Vol.26, 1214-1221, 2015.
[45] Neurocomputing, Vol.151, 215-222, 2015.
[46] Nonlinear Dynamics, Vol.83, No.3, 1259-1274, 2016.
[47] ISA Transactions, Vol.66, 185-199, 2017.
[48] Journal of the Franklin Institute, Vol.354, 2437-2460, 2017.
[49] Nonlinear Analysis & Hybrid Systems, Vol.24, 132-145, 2017.
[50] Nonlinear Dynamics, Vol.82, 851-863, 2015.
[51] IEEE Transactions on Cybernetics, Vol.44, No.12, 2635-2645, 2014.
[52] Neurocomputing, Vol.260, 25-31, 2017.
[53] IEEE Transactions on Systems and Man Cybernetics Part B-Cybern, Vol.36, 995-1005, 2006.
[54] IEEE Transactions on Systems and Man Cybernetic Part B-Cybern, Vol.41, 210–221, 2011.
[55] IEEE Transactions on Neural Networks and Learning Systems, Vol.25, 2180-2190, 2014.
[56] Nonlinear Dynamics, Vol.90, 2209–2219, 2017.
- 36 -