• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.292-294
• /
• 2002

본 연구에서는 영상에서 효과적인 에지 연결(edge linking)을 위하여 기존의 셀룰러 신경망 구조에서 두 가지 유형의 시냅스 구조를 고려한 활성화 특성을 제안한다 제시하는 모델에서 노드들간의 측면 연결에 의한 상호 작용은 노이즈에 의한 에지 및 영상에서 추출된 비최대점(non-maximum)의 에지를 억제할 문만 아니라, 특정 노드의 원형 이웃(circular neighborhood)으로 그려되는 특징들 간의 상호 연관도를 반영하여 에지의 연결 효과를 이를 수 있게 한다. 이러한 과정은 에지를 표현하는 벡터형식의 각 성분에 대한 활성화 특성으로부터 정형화된 에너지 함수로 모델링하고 이에 대한 최적화 과정으로써 구현될 수 있다.

• Journal of KIBIM
• /
• v.12 no.2
• /
• pp.40-48
• /
• 2022

It is very important to accurately predict construction costs in the early stages of the construction project. However, it is difficult to accurately predict construction costs with limited information from the initial stage. In recent years, with the development of machine learning technology, it has become possible to predict construction costs more accurately than before only with schematic construction characteristics. Based on machine learning technology, this study aims to analyze plans to more accurately predict construction costs by using only the factors influencing construction costs. To the end of this study, the effect of the error rate according to the activation function and the node configuration of the hidden layer was analyzed.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.129-132
• /
• 2022

Super-resolution is the process of converting a low-quality image into a high-quality image. This study was conducted using ESPCN. In a super-resolution deep neural network, different quality images can be output even when receiving the same input data according to the activation function that determines the weight when passing through each node. Therefore, the purpose of this study is to find the most suitable activation function for super-resolution by applying the activation functions ReLU, ELU, and Swish and compare the quality of the output image for the same input images. The CelebaA Dataset was used as the dataset. Images were cut into a square during the pre-processing process then the image quality was lowered. The degraded image was used as the input image and the original image was used for evaluation. As a result, ELU and swish took a long time to train compared to ReLU, which is mainly used for machine learning but showed better performance.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.55-58
• /
• 2021

PFCM-R 알고리즘을 적용한 기존의 반려견 진단 방법에서는 클러스터링에서 사용되는 파라미터 값을 경험적으로 설정하고 견주가 입력하는 증상들 사이에서 관련성이 낮은 증상이 필터링 되지 않아서 질병의 도출 성능을 저하시키는 원인이 된다. 따라서 본 논문에서는 노드 활성 함수를 적용하여 증상간의 관련성이 적은 증상 데이터를 제거하여 학습 데이터를 구성한 후, 연상 메모리 알고리즘에 적용하여 반려견의 질병에 대한 진단 성능을 개선시키는 하이브리드 기반 다층 학습 구조를 제안하여 반려견 진단에 적용한다. 기존의 PFCM-R 알고리즘 진단 방법과 제안된 하이브리드 다층 구조 진단 방법을 비교분석한 결과, 기존의 방법보다 제안된 방법이 입력된 증상들에 대해서 기존의 방법보다 관련성이 있는 질병 도출 성능이 23.7%가 개선되었다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.2 no.3
• /
• pp.79-85
• /
• 2001

We obtain a solution of inverse kinematic of 3 axis manipulator by using a self-organizing neral network(SONN) with a fuzzy compensator. The self-organizing neural network using the gaussian potential function as the activation function has one hidden layer in the first learning time. The network obtains the optimal number of node by increasing the number of hidden layer node through the learning, and the fuzzy compensator has the optimal loaming rate of neutral network. In this results, we can confirmed that the learning rate is improved and the rapid convergence to the steady-state.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.11 no.7
• /
• pp.1387-1393
• /
• 2007

Even if the linearly separable patterns can be classified by the conventional single layer perceptron, the non-linear problems such as XOR can not be classified by it. A fuzzy single layer perceptron can solve the conventional XOR problems by applying fuzzy membership functions. However, in the fuzzy single layer perception, there are a couple disadvantages which are a decision boundary is sometimes vibrating and a convergence may be extremely lowered according to the scopes of the initial values and learning rates. In this paper, for these reasons, we proposed an enhanced fuzzy single layer perceptron algorithm that can prevent from vibration the decision boundary by introducing a bias term and can also reduce the learn time by applying the modified delta rule which include the learning rates and the momentum concept and applying the new linear activation function. Consequently, the simulation results of the XOR and pattern classification problems presented that the proposed method provided the shorter learning time and better convergence than the conventional fuzzy single layer perceptron.

• 한국지형공간정보학회:학술대회논문집
• /
• 2001.04a
• /
• pp.1-15
• /
• 2001

본 연구는 도시토지이용의 적합성분석을 실시하는 데 있어 GSIS와 인공신경망의 유기적인 결합을 시도해 보았다. 인공신경망은 학습이라는 과정을 통해 신경망 노드(node)간의 연결강도를 합리적으로 결정할 수 있는 이점이 있다. 이러한 점에서 공간분석에서 요구되는 인자간의 경중률과 신경망의 연결강도는 대체가 가능하리라 판단된다. 본 연구를 수행하기 위해 두 종류의 신경망을 구성하였다. 1차 신경망은 토지이용별 적합성 분석에 적용했으며, 2차 신경망은 최적의 토지이용패턴을 분석하기 위해 구성하였다. 이들 신경망은 C++로 작성된 프로그램에 의해 구현된 최급강하법에 의한 역전파 알고리즘에 의해 학습을 실시하였으며, 활성화 함수는 시그모이드 함수를 사용하였다. 분석결과는 현행 용도지역제에서 주거, 상업, 공업, 녹지에 대한 토지이용 적합도면과 4가지 유형의 토지이용에 대한 대상지역의 최적토지이용패턴을 제시한 도면으로서 Arc/Info의 Grid 형식으로 작성하였다. 또한 토지이용별 적합도면상에 나타난 적합지역과 최적토지이용패턴은 위치적인 면과 공간 구성에 있어 실제의 도시토지이용계획의 이론적인 개념에 매우 합치되는 분포형태를 보였다.

• Annual Conference on Human and Language Technology
• /
• 1993.10a
• /
• pp.317-328
• /
• 1993

본 논문은 신경망과 퍼지 이론을 결합한 한국어 철자 교정기 KSCNN(Korean Spelling Corrector using Neural Network)에 대하여 기술한다. KSCNN은 퍼셉트론(perceptron) 학습을 이용한 연상 메모리(associative memory)로 구성되며 자판 배열 특성을 고려한 퍼지 멤버쉽 함수에 의해 신경망의 입력값을 정한다. 본 철자 교정기의 장점은 인지적인 방법으로 철자를 교정하기 때문에 기존의 VA나 BNA와는 달리 오류의 종류에 영향을 받지 않으며 교정된 철자나 후보자들에 대한 견인값(attraction value)을 측정하여 시스템의 신뢰도를 높일 수 있다는 데 있다. 또한, 본 논문은 실험을 통해서 퍼지 멤버쉽 함수에 의한 입력 노드의 활성화가 자판 배열특성을 고려할 수 있기 때문에 시스템의 성능을 향상시킨다는 사실을 보여준다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.1
• /
• pp.447-452
• /
• 2005

기존의 단층 퍼셉트론은 출력 노드가 선형 분리 가능한 패턴들만을 분류할 수 있고 Exclusive OR와 같은 비선형 문제에 대해서는 분류할 수 없는 단점이 있다. 그러나 퍼지 단층 퍼셉트론은 퍼지소속 함수(fuzzy membership function)를 적용하여 단층 구조로 Exclusive OR 문제와 같은 고전적인 문제를 개선하였다. 그러나 퍼지 단층 퍼셉트론은 기존의 단층 퍼셉트론과 마찬가지로 결정 경계선이 진동하는 경우가 생기며 초기 가중치의 범위와 학습률에 따라 수렴성이 매우 낮아지는 단점이 있다. 따라서 본 논문에서는 바이어스항을 도입하여 결정 경계선이 진동하는 것을 방지하여 수렴성을 개선시키고 선형 활성화 함수를 제안하고 학습률과 모멘텀 개념을 도입하여 학습 시간을 단축시키는 개선된 퍼지 단층 퍼셉트론 알고리즘을 제안한다. 제안된 방법과 퍼지 단층 퍼셉트론간의 학습 성능을 분석하기 위하여 인공 신경망에서 벤치마크로 사용되는 exclusive OR 문제와 문자 패턴 분류에 적용하여 epoch 수와 수렴성을 비교한 결과, 제안된 방법이 기존의 퍼지 단층 퍼셉트론보다 학습 시간이 적게 소요되고 수렴성이 개선된 것을 확인하였다.

• Journal of the Korean Society of Propulsion Engineers
• /
• v.25 no.6
• /
• pp.1-11
• /
• 2021

To develop an efficient procedure related to the flamelet library, the machine learning process based on artificial neural network(ANN) is applied for the gaseous hydrogen/liquid oxygen combustor under a supercritical pressure condition. For hidden layers, 25 combinations based on Rectified Linear Unit(ReLU) and hyperbolic tangent are adopted to find an optimum architecture in terms of the computational efficiency and the training performance. For activation functions, the hyperbolic tangent is proper to get the high learning performance for accurate properties. A transformation learning data is proposed to improve the training performance. When the optimal node is arranged for the 4 hidden layers, it is found to be the most efficient in terms of training performance and computational cost. Compared to the interpolation procedure, the ANN procedure reduces computational time and system memory by 37% and 99.98%, respectively.