• 정보처리학회논문지B
• /
• 제8B권3호
• /
• pp.231-236
• /
• 2001

일반적인 다층 신경망에서 가중치의 갱신 알고리즘으로 사용하는 오류 역전과 방식은 가중치 갱신 결과를 고정된(fixed) 한 개의 값으로 결정한다. 이는 여러 갱신의 가능성을 오직 한 개의 값으로 고정하기 때문에 다양한 가능성들을 모두 수용하지 못하는 면이 있다. 하지만 모든 가능성을 확률적 분포로 표현하는 갱신 알고리즘을 도입하면 이런 문제는 해결된다. 이러한 알고리즘을 사용한 베이지안 신경망 모형(Bayesian Neural Networks Models)은 주어진 입력값(Input)에 대해 블랙 박스(Black-Box)와같은 신경망 구조의 각 층(Layer)을 거친 출력값(Out put)을 계산한다. 이 때 주어진 입력 데이터에 대한 결과의 예측값은 사후분포(posterior distribution)의 기댓값(mean)에 의해 계산할 수 있다. 주어진 사전분포(prior distribution)와 학습데이터에 의한 우도함수(likelihood functions)에 의해 계산한 사후확률의 함수는 매우 복잡한 구조를 가짐으로 기댓값의 적분계산에 대한 어려움이 발생한다. 따라서 수치해석적인 방법보다는 확률적 추정에 의한 근사 방법인 몬테 칼로 시뮬레이션을 이용할 수 있다. 이러한 방법으로서 Hybrid Monte Carlo 알고리즘은 좋은 결과를 제공하여준다(Neal 1996). 본 논문에서는 Hybrid Monte Carlo 알고리즘을 적용한 신경망이 기존의 CHAID, CART 그리고 QUEST와 같은 여러 가지 분류 알고리즘에 비해서 우수한 결과를 제공하는 것을 나타내고 있다.

• 한국항해항만학회지
• /
• 제32권8호
• /
• pp.589-596
• /
• 2008

선박의 접안운동을 자동화하기 위하여 인공신경망(Artificial Neural Network, 이하 ANN)에 의한 제어를 수행하였다. ANN은 시스템의 비선형성이 표현 가능하므로 접안운동과 같은 비선형성이 강한 조종운동에 적합하다. 입력층과 출력층 사이에 하나 이상의 중간층이 존재하는 다층 인식자(Multi-layer perceptron)를 사용하였고, 교사 데이터(Teaching data)와 역전파(Back-Propagation) 알고리즘을 사용하여 신경망의 출력값과 목표 출력값 사이의 오차가 최소가 되도록 신경망 학습을 수행하였다. 접안 시 저속조종 수학모델을 사용하여 접안 시뮬레이션을 수행하였으며, ANN의 입력층 성분(unit)이 8개인 구조와 6개인 구조의 접안 제어를 비교하였다. 시뮬레이션 결과, 두 ANN에 의하여 접안 경로 선택에 차이가 나타났으나 접안 조건은 모두 만족하였다.

• 한국정보처리학회논문지
• /
• 제4권3호
• /
• pp.747-753
• /
• 1997

함수근사는 과학과 공학분야에서 광범위하게 응용된다. 다층 전방향 신경망은 비선형 함수근사를 위한 도구로서 제안되어져 왔으며, 다층 신경망을 학습시키기 위한 학습 알고리즘으로 역전파 알고리즘이 널리 이용되어져 왔다. 그러나 이상치(outlier) 를 포함한 학습자료가 존재할 때에는 학습되는 함수는 존재하는 모든 자료 사이를 보간 하므로 이상치가 있는 자료의 위치까지도 보간 하여, 원하지 않은 구조를 파악하게 된다. 따라서 이상치의 영향을 최소화 시키기 위해 본 논문에서는 로버스트 에너지 함수를 유도하여 개량된 로버스트 역전파 알고리즘을 제안한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.314-318
• /
• 2009

본 연구의 목적은 강우-유출자료 및 댐 방류량 자료의 비선형적인 특정을 가장 잘 반영할 수 있는 신경망모형을 적용하여 수질정책의 기초자료를 제공하기 위하여 신뢰성 있는 유량자료를 산정하는 모형을 개발하였고 이를 낙동강 유역에 적용하는 것이다. 이를 위해서 낙동강물환경연구소의 8일 측정 유량이 가지는 정확성을 이용하면서 상류 댐의 일 방류량자료와 유역별 강우자료 및 국토해양부 수위관측소의 수위자료를 연계하여 유량을 보간할 수 있는 유량 보간 신경망 모형을 개발하였다. 신경망 모형의 출력값은 낙동강물환경 연구소에서 측정하지 않은 기간에 대하여 유량을 보간할 수 있도록 구성하였으며 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 본 연구를 통하여 낙동강 전 유역에 대하여 유량 보간 모형을 적용한 결과 댐 방류량과 강우자료 및 상류 수위 관측소의 유량 자료를 이용한 유량 보간 신경망모형의 일 유량결과의 적용가능성을 검증할 수 있으며, 제시된 모형은 지속적인 수문자료의 질적 향상과 유출패턴의 축적으로 그 성능을 향상시킬 수 있을 것이며 또한 홍수기의 더 정확한 유량예측을 위한 적용사례의 확장 및 SWAT을 이용한 모형의 적용에 대한 연구가 병행되어야 할 것이다.

• 한국통신학회논문지
• /
• 제19권12호
• /
• pp.2418-2425
• /
• 1994

기울기를 따라가는 방식(gradient descent method)에 바탕을 둔 오류 역전파(EBP : Error Back Propagation) 방법이 가장 널리 사용되는 신경회로망의 학습 방법에서 문제가 되는 지역 최소값(local minima), 느린 학습 시간, 신경망 구조(structure), 그리고 초기의 연결 강도(interconnection weight) 등을 기존의 다층 신경 회로망에 지역적인 학습 능력을 가진 가우시안 포텔샵 네트워크(GPFN : Gaussian Potential Function Networks)를 병렬적으로 부가하여 해결함으로써 지역화된 오류 학습 패턴들이 나타내는 문제에 대하여 학습 성능을 향상시킬 수 잇는 새로운 학습 방법을 제시한다. 함수 근사화 문제에서 기존의 EBP 학습 방법과의 비교 실험으로 제안된 학습 방법이 보다 개선된 일반화 능력과 빠른 학습 속도를 가짐을 보여 그 효율성을 입증한다.

• 한국지반환경공학회 논문집
• /
• 제13권8호
• /
• pp.25-33
• /
• 2012

터널 설계 시 해당지반에 관한 정보를 정확히 반영하는 것은 대단히 중요하다. 하지만 다양한 지형 및 지질조건을 모두 고려한 지반조사 및 시험 등은 경제적, 기술적으로 인하여 현실적으로 실시하기 어렵기 때문에 한정된 정보에 의하여 해석 및 설계를 하고 있는 실정이다. 본 연구는 도심지 및 산악지역 터널공사 시, 보다 정확한 안정성 검토 및 거동 예측을 수행하여 선정 결과에 대한 현장 적용성 여부를 판단하기 위해 인공신경망 이론의 적용을 통하여 기존 거동예측의 한계성을 극복하고자 하였다. 먼저, 현장 데이터를 확보하여 인공신경망 중 다층퍼셉트론을 연구에 적합한 구조로 구축하고, 역전파 알고리즘으로 학습시켜 적용하였다. 인공신경망을 이용한 현장적용성의 학습을 위한 자료는 터널의 지보패턴, RMR, Q, 암종, 굴진장, 굴착형태, 굴착경과일 등 터널거동에 영향을 미치는 영향인자를 고려하여 신뢰성 분석을 실시하고 선별된 계측자료의 결과를 데이터베이스화하여 사용하였다. 학습이 완료된 인공신경망 모델을 이용하여 터널시공현장의 굴착경과일에 따른 천단변위, 내공변위, 지중변위, 록볼트축력을 예측하고 현장 계측치와 비교분석을 통하여 인공신경망을 이용한 터널 시공 시 현장적용성을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1043-1047
• /
• 2007

수질오염사고로 발생할 수 있는 시나리오를 통해서 스스로 수질오염사고를 판단할 수 있는 지능형 알고리즘들을 검토하였다. 지능형 알고리즘의 학습을 위해 개발된 기준축과 학습지표는 적절한 결과를 유도하는데 유용하였다. 다층신경망, 뉴로-퍼지 알고리즘은 TOC와 DO의 이상 수질에 대하여 안정, 주의, 경고 상태를 적합하게 구별하는 것으로 나타났으며, 다중퍼셉트론 알고리즘은 모호한 자료에 대해서는 판단능력이 부족한 것으로 나타났다. 구조가 단순하지만 양방향 연산을 수행하는 BAM(Bidirectional Associative Memory) 알고리즘은 다층신경망과 뉴로-퍼지 알고리즘과 비교할 때, 학습 및 구동시간이 짧을 뿐만아니라 결과 또한 안정적인 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.86-86
• /
• 2016

본 연구는 가뭄 예측에 대한 오차를 알고리즘과 결합하여 다층 퍼셉트론 (Multi-layer Perceptron, MLP) 네트워크 구조를 인공신경망 모형에 적용하고, 표준강수지수(Standard Precipitation Index, SPI)를 입 력 및 출력 변수로 구성하여 가뭄예측을 시도하였다. 예측모델을 평가하기 위해 기상청 산하의 59개 관측소에 대한 1980년부터 2015년까지의 기상자료를 적용하였으며, 수립된 자료를 활용하여 한반도 전역의 가뭄에 대한 시공간적인 분석을 수행하였다. 단기가뭄 예측성능을 평가하기 위해 2000년에서 2015년까지 16년간의 모의결과를 ROC 분석을 통하여 시공간적 단기가뭄 예측성능을 평가하고 혼동행렬(Conversion Matrix) 구성에 대한 조건적 확률의 다각적 검토를 통해 모델 예측에 대한 정확성(Accuracy), 신뢰성(Precision) 등 다양한 예측성능에 대한 평가를 수행하고 2016년 가뭄전망을 제시하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1027-1031
• /
• 2008

본 연구는 한반도 영역을 대상으로 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 RDAPS 모형, AWS, 상층기상관측(upper-air sounding)의 자료를 이용하였다. 또한 수치예보자료를 범주적 예측확률로 변환하고 인공신경망기법(ANN)을 이용하여 강수발생확률의 예측정확성을 향상시키는데 있다. 신경망의 예측인자로 사용된 대기변수는 500/ 750/ 1000hpa에서의 지위고도, 500-1000hpa에서의 층후(thickness), 500hpa에서의 X와 Y의 바람성분, 750hpa에서의 X와 Y의 바람성분, 표면풍속, 500/ 750hpa/ 표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도이며, 예측변수로는 강수발생확률로 선택하였다. 강우는 다양한 대기변수들의 비선형 조합으로 발생되기 때문에 예측인자와 예측변수 사이의 복잡한 비선형성을 고려하는데 유용한 인공신경망을 사용하였다. 신경망의 구조는 전방향 다층퍼셉트론으로 구성하였으며 역전파알고리즘을 학습방법으로 사용하였다. 강수예측성과의 질을 평가하기 위해서 $2{\times}2$ 분할표를 이용하여 Hit rate, Threat score, Probability of detection, Kuipers Skill Score를 사용하였으며, 신경망 학습후의 강수발생확률은 학습전의 강수발생확률에 비하여 한반도영역에서 평균적으로 Kuipers Skill Score가 0.2231에서 0.4293로 92.39% 상승하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.803-805
• /
• 2014

다층 퍼셉트론 분류기는 그 패턴 분류 성능이 훌륭하여 오랜 기간 동안 여러 응용분야에서 사용되어 왔다. 그러나 다른 분류기보다 학습시간이 오래 소요된다는 점이 문제로 지적받아 왔다. 따라서 본 논문은 회전하는 객체의 분류를 위하여 다층 퍼셉트론의 학습시간을 줄이는 효율적인 신경망 시스템을 제안한다. 주성분 분석법을 이용하여 원 데이터의 정보를 가장 잘 잘 나타내도록 변환한 뒤, 그 결과를 다층 퍼셉트론 분류기의 입력으로 사용하였다. 제안하는 시스템은 기존 다층 퍼셉트론 분류기와 비교하였을 때 학습시간을 줄이면서 좀 더 높은 인식률을 보였다.