• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 추계종합학술대회 논문집
• /
• pp.441-447
• /
• 1999

본 논문은 복잡 적응 시스템의 분석 및 모델링을 위해, 인공생명의 기본 패러다임인 셀룰라 오토마타를 선택하여, 무정형의 구조를 가지며 투명한 자료 전파 특성을 갖는 셀룰라 신경 회로망의 설계하고 개발하는데 중점을 두었다. 우선, 신경 회로망의 불규칙한 구조를 발생학적으로 다루어 무정형의 은닉층을 생성하고, 다윈의 진화론을 적용하여 구조적 진화 및 선택을 통해 최적화된 신경 회로망을 설계하였다. 주변 셀의 상태를 감지하여 자신의 상태를 수정해나가는 방식의 셀룰라 오토마타의 투명한 신호 전파 모델로 자료 및 오차의 역전파에 적용하도록 고안하였고, 라마르크의 용불용설을 활용한 오차의역전파 학습 알고리즘을 유도하였다. 이러한 복잡 적응계의 학습 과정을 유도하여 시뮬레이션에서 그 타당성을 입증하였다. 시뮬레이션에서는 신경 회로망의 XOR 문제와 다중 입력 다중 출력 함수에 대한 근사화 문제를 풀었다.

• 대한전자공학회논문지SP
• /
• 제41권5호
• /
• pp.135-141
• /
• 2004

영상 보간은 기존에 존재하는 화소의 정보로 빈 화소를 계산하여 영상을 확대하는 방법이다. 자연 영상은 다양한 공간 주파수 성분을 포함하기 때문에 하나의 영상 보간 방법으로 다양한 주파수 성분에 대한 보간을 모두 수행하기에는 어려운 점이있다. 본 논문에서는 공간 주파수 특성을 가지는 다중 신경회로망 구조를 이용하여 영상을 보간하는 방법은 제안한다. 입력 영상은 국부 분산에 의해 공간 주파수에 따라 분리되어 공간 주파수 대역 별로 설정된 신경회로망을 통하여 보간 된다. 제안 방법은 deinterlacing에서의 적용성 때문에 관심이 커지고 있는 2배의 영상 보간에 적용되었다. 모의 실험에서 제안 방법은 기존의 알고리즘들뿐 아니라 단일 신경 회로망을 사용하는 방법보다 개선된 PSNR 성능을 보여주었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1995년도 추계학술대회 학술발표 논문집
• /
• pp.258-263
• /
• 1995

본 논문은 일반화된 다중 수상돌기 적 (GMDP : Generalized Multi Dendrite Product) 유닛트 신경망을 이용한 PID 적응 위치제어기를 구성하여 직류 서어보 전동기의 위치제어를 실시간 처리 하였다. 제안한 제어기를 위치제어에 적용시켜 실험한 결과 기존의 MLP 신경망 제어기를 이용한 것 보다도 샘플시간을 줄일 수 있다는 장점으로 정밀한 제어 가 가능하다는 것을 확인할 수 있었다. 학습규칙은 기존의 역전파 학습방법이 GMDP 신경 회로망에 적용되었다.

• 한국지능시스템학회논문지
• /
• 제15권4호
• /
• pp.457-466
• /
• 2005

본 논문에서는 다중 입$\cdot$출력을 갖는 이동 로봇의 경로 추종을 위해 웨이블깃 신경 회로망에 기반한 예측 제어 방법을 제안한다. 제안된 방법에서 상태 예측기로는 학습 능력이 뛰어난 신경 회로망의 특성 및 웨이블릿 분해의 특성을 합성한 웨이블릿 신경 회로망을 사용한다. 예측기는 경사 하강법을 사용하여 웨이블릿 신경회로망의 출력에 대한 실제 이동 로봇의 상태 오차를 최소화하도록 학습된다. 또한 이동 로봇의 제어 신호인 직진 속도 및 각속도는 추종하고자 하는 기준 경로에 대한 이동 로봇의 예측 상태 오차를 이용하여 정의된 비용 함수를 최소화하도록 구해진다. 컴퓨터 모의 실험에서 변화되는 기준 경로에 대한 경로 추종 성능을 통해 제안한 예측 제어 시스템의 적용 가능성 및 효율성을 보인다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1964-1965
• /
• 2011

본 연구에서는 패턴분류를 위해 기존의 방사형 기저 함수 신경회로망(Radial Basis Funtion Neural Network)과 다항식 신경회로망(Polynomial Neural Network)을 결합한 다중 출력 방사형 기저 함수다항식 신경회로망 (Multi Output Radial Basis Funtion Polynomial Neural Network)의 분류기를 제안한다. 제안된 모델은 PNN을 기본 구조로 하여 1층에 기존의 다항식 노드 대신 다중 출력 형태의 RBFNN을 적용 한다. RBFNN의 은닉층에는 기존의 활성함수가 아닌 fuzzy 클러스터링을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. PNN은 입력변수의 수와 다항식 차수가 모델의 성능을 결정함으로 최적화가 필요하며 본 논문에서는 Differential Evolution(DE)을 사용하여 모델의 구조 및 파라미터를 최적화시켜 모델의 성능을 향상시켰다. 패턴분류기로써의 제안된 모델을 평가하기 위해 pima 데이터를 이용하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권1호
• /
• pp.31-38
• /
• 2011

RAM 기반 3-D 신경망은 2진 신경망(Binary Neural Network, BNN)에 복수개의 정보 저장 비트를 두어 교육의 반복 횟수를 누적하도록 구성된 가중치를 가지지 않는 신경회로망으로서 한 번의 교육만으로 학습이 이루어지는 효율성이 뛰어난 신경회로망이다. MRD(Maximum Response Detector) 기법을 이용한 3-D 신경망의 인식 방법은 지도 학습에 기반을 둔 것으로서 학습을 통해 신경망 스스로가 범주를 구분할 수 없으며 잘 구분된 범주의 학습 데이터를 통해서만 성능을 발휘할 수 있다. 본 논문에서는 기존 3-D 신경 회로망에 학습 데이터의 구분 없이 신경망 자체가 입력 패턴에 따라 학습하여 범주를 구분하는 비지도 학습 알고리즘을 제안한다. 제안된 비지도 학습 알고리즘에 의해 신경회로망은 판별자의 수를 스스로 조절할 수 있는 구조를 가지게 되며 이는 망의 유연한 확장성을 보장한다. 0에서 9까지의 다중 패턴으로 구성된 오프라인 필기체 숫자를 무작위로 추출하여 학습 패턴으로 인식 실험을 수행하였으며 실험을 통해 신경망이 스스로 비지도 학습에 의해 판별자의 수를 결정하게 되며 이것은 신경망이 각각의 필기체 숫자에 대한 개념을 가지게 되는 것으로 해석할 수 있다.

• 전자공학회논문지SC
• /
• 제39권1호
• /
• pp.42-50
• /
• 2002

본 논문에서는 비선형시스템에서 발생한 고장을 감지하고 분류하기 위한 신경회로망기반 다중고장모델을 이용한 고장감지 및 분류 방법을 제안한다. 시스템에 변화가 발생하면 시스템의 출력과 신경회로망 공칭모델 출력 사이의 오차가 고장감지를 위한 문턱값을 넘고, 고장이 감지되면 각 신경회로망 고장모델 출력과 시스템 출력 사이의 오차를 이용하여 통계적 기법으로 고장을 분류한다. 컴퓨터 시뮬레이션 결과로부터 제안한 고장진단방법이 비선형시스템에서의 고장감지 및 분류문제에 잘 적용됨을 알 수 있다.

• 조명전기설비학회논문지
• /
• 제12권3호
• /
• pp.124-131
• /
• 1998

본 논문에서는 건축물의 수배전설비에서 발생하는 경보를 신경 회로망과 고장 진단 지식베이스를 적용하여 감시의 효율을 향상시킬 수 있는 방안을 제시하였다. 제안된 경보 처리시스템은 역전파 알고리즘의 누가 역전파 알고리즘을 이용하여 다중 경보 발생에서 최소 경보요소를 추출하는데 사용하고 추출된 경보는 사전에 정의된 고장진단 지식베이스를 이용하여 셜비 유지보수 정보를 화면에 전개하도록 구성하였다. 제안된 감시기법의 유용 성을 확인하기 위하여 5가지의 가상 시나리오를 통해서 신경 회로망의 적용 가능성을 확인할 수 있었으며, 비전문가라도 설비의 유지관리 업무가 가능하도록 개발되었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 G
• /
• pp.2974-2976
• /
• 1999

본 논문에서는 단일패턴과 다중패턴 학습이 가능한 FNNs(Feedforward Neural Networks)을 하드웨어로 구현하는데 필요한 학습방안을 제안한다. 제안된 학습방안은 기존의 하드웨어 구현에 이용되는 방식과는 전혀 다른 방식이며, 오히려 기존의 소프트웨어 학습방식과 유사하다. 기존의 하드웨어 구현에서 사용되는 방법은 오프라인 학습이나 단일패턴 온 칩(on-chip) 학습방식인데 반해, 제안된 학습방식은 단일/다중패턴은 칩 학습방식으로 다층 FNNs 회로와 학습회로 사이에 스위칭 회로를 넣어 구현되었으며, FNNs의 학습회로는 선형 시냅스 회로와 선형 곱셈기 회로를 사용하여MEBP(Modified Error Back-Propagation) 학습규칙을 구현하였다. 제안된 방식은 기존의 CMOS 공정으로 구현되었고 HSPICE 회로 시뮬레이터로 그 동작을 검증하였다 구현된 FNNs은 어떤 학습패턴 쌍에 의해 유일하게 결정되는 출력 전압을 생성한다. 제안된 학습방안은 향후 학습 가능한 대용량 신경망의 구현에 매우 적합하리라 예상된다.

• 디지털융복합연구
• /
• 제17권5호
• /
• pp.217-223
• /
• 2019

자동차 분야에서 저항 점용접의 결함 및 품질을 실시간으로 예측할 수 있는 연구는 원가절감과 고품질 생산을 위한 필수 불가결한 연구 분야라 할 수 있다. 용접 품질은 전단강도와 너깃의 크기에 의해서 결정되며 여러 가지 독립변수에 따라 결과가 달라진다. 실시간 예측시스템을 개발하기 위하여 다중 회귀분석을 실시하여 3개의 독립변수로 두 가지 종속변수를 충분한 통계적 결과로 구하였으나 회귀식에 의한 품질 예측은 정확도를 보장할 수 없었다. 본 연구에서는 다층 신경망 회로를 구축하였다. 10가지의 동저항 변수에 의한 신경망은 3개의 은닉층을 구축하여 실행 함수와 가중치 행렬을 구하였다. 그러나 이 경우, 입력 변수가 너무 많아 실시간 제어에 어려움이 있을 수 있으므로 회귀분석에 의한 3개의 독립변수로 신경망을 구축하였다. 그 결과 모든 시험데이터를 불량, 부분 불량, 양품으로 구분하는데 성공하였다. 따라서 다중 회귀분석에 의해서 구한 3개의 독립변수에 의한 실시간 용접 품질 판정 시스템을 완성할 수 있었다.