• Journal of Radiation Protection and Research
• /
• 제36권1호
• /
• pp.44-51
• /
• 2011

원자력발전소, 의료용 가속기 등 고선량 지역 및 능동형 열중성자 검출기를 사용하기 힘든 환경에서는 방사화 포일 기반 보너구 스펙트로메터를 사용하여 중성자 에너지 스펙트럼 측정을 수행한다. 중성자 방사화 포일을 보너구의 열중성자 검출기로 사용하는 경우, 중성자 방사화 포일의 위치 변동에 따른 보너구 반응도의 변화 및 중성자 방사화 포일의 질량과 반응도 사이의 상관관계 등 특성연구가 선행되어야만 한다. 본 연구에서는 MCNPX 모사계산을 통하여 중성자 방사화 포일 면에 수직입사하는 경우 중성자 방사화 포일의 위치 의존성이 크다는 사실과 중성자 방사화 포일의 질량과 반응도 사이에 선형관계가 없음을 알 수 있었다. 본 연구를 통하여 중성자 방사화 포일 기반 보너구의 반응함수 계산 방법 및 중성자 방사화 포일 위치 및 질량 차이에 따른 반응도 변화를 연구함으로써 중성자 방사화 포일 기반 보너구의 반응함수 결정방법을 확립하였다. 본 연구결과를 바탕으로 보너구 반응함수를 계산하여 추후 중성자 방사화 포일 기반 보너구 스펙트로메트리에 적용할 예정이다.

• 한국전자파학회:학술대회논문집
• /
• 한국전자파학회 2001년도 종합학술발표회 논문집 Vol.11 No.1
• /
• pp.7-11
• /
• 2001

본 논문에서는 방사 적분방정식의 해를 구하기 위하여 파수영역 웨이블릿 변환개념에 기반을 둔 윈도우 그린함수를 사용하여 파수영역에서 고속으로 산란필드를 계산하는 방법을 제안하였다. 그린함수에 적용된 파수영역 웨이블릿 변환은 공간영역에서 동일한 Q를 갖는 윈도우를 사용하여 필터링함으로써 등가적으로 구현하였다. 고유함수를 이용하여 관찰점을 중심으로 전개된 그린함수를 푸리에 변환한 후 파수영역에서 방사 적분을 계산함으로써 계산효율을 얻을 수 있음을 확인하였다. 관찰영역에서만 정확한 값을 갖는 고유함수로 전개된 그린함수는 그린함수에 윈도우 함수를 씌운 형태로 방사 적분방정식의 파수영역 표현에 적용하면 기존의 고속멀티폴법과 동일한 산란필드 공식을 얻을 수 있다.

• 대한방사선방어학회:학술대회논문집
• /
• 대한방사선방어학회 2010년도 춘계 학술발표회 및 심포지엄
• /
• pp.162-163
• /
• 2010

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1365-1366
• /
• 2015

본 논문에서는 HOG 특징을 이용한 다항식 방사형 기저함수 신경회로망 기반 숫자 인식 시스템의 설계를 제안한다. 제안한 숫자 인식 시스템은 HOG 특징을 이용하여 숫자를 입력 데이터로 사용하기 위해 특징을 계산한다. 다항식 방사형 기저 함수 신경회로망은 고차원 데이터의 입-출력 형태를 갖는 클래스를 분류하는데 용이하며, 활성함수의 중심점 및 분포상수는 Fuzzy C-Means(FCM) 알고리즘에 의해 초기 값을 설정한다. 또한 제안한 분류기의 최적화를 위해 Particle Swarm Optimization(PSO)를 사용하여 최적화된 분류기의 성능을 비교한다. 숫자 인식을 위하여 공인 데이터베이스인 MNIST handwritten digit database를 사용하여 분류기의 성능을 평가하고 분석한다.

• 조명전기설비학회논문지
• /
• 제22권4호
• /
• pp.46-53
• /
• 2008

본 연구에서는 고조파를 고려한 방사기저함수 네트워크 기반의 부하모델링 기법을 개발하였다. 개발된 부하모델은 입력정보로서 기본 주파수와 기본 전압 외에 고조파 성분도 고려하여 전압 및 주파수뿐만 아니라 고조파의 영향에 대해서도 효과적으로 부하를 추정할 수 있도록 구성하였다. 부하모델링을 위해 적용된 방사기저함수 네트워크는 기존에 널리 사용되는 다층 신경망에 비해 구조가 간단하고 수렴속도가 빠른 장점을 지니고 있다. 개발된 부하모델링 기법은 기존에 널리 사용되는 다항식과 다층 신경회로망 및 고조파 성분을 고려하지 않은 방사기저함수 네트워크를 이용한 부하모델 기법과 비교함으로써 제안방법의 타당성을 검증하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1966-1967
• /
• 2011

본 연구에서는 방사형 기저 함수를 이용한 다항식 신경회로망(Polynomial Neural Network) 분류기를 제안한다. 제안된 모델은 PNN을 기본 구조로 하여 1층의 다항식 노드 대신에 다중 출력 형태의 방사형 기저 함수를 사용하여 각 노드가 방사형 기저 함수 신경회로망(RBFNN)을 형성한다. RBFNN의 은닉층에는 fuzzy 클러스터링을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. 제안된 분류기는 입력변수의 수와 다항식 차수가 모델의 성능을 결정함으로 최적화가 필요하며 본 논문에서는 Multiobjective Particle Swarm Optimization(MoPSO)을 사용하여 모델의 성능뿐만 아니라 모델의 복잡성 및 해석력을 고려하였다. 패턴 분류기로써의 제안된 모델을 평가하기 위해 Iris 데이터를 이용하였다.

• 한국정보통신학회논문지
• /
• 제17권12호
• /
• pp.2937-2943
• /
• 2013

본 논문은 방사기저함수(Radial Basis Function)를 이용한 실시간 군집 시뮬레이션 프레임웍을 제안한다. 제안된 프레임웍에서는 군집이 존재하는 환경을 격자 구조로 모델링 한 후, 격자 구조 각 셀에 하나의 방향 벡터를 할당한 벡터필드를 선형 방사기저함수를 이용하여 실시간으로 합성한다. 방사기저함수를 통한 벡터필드 생성 시, 마우스를 통한 제어라인(Control line)을 이용하며, 이 벡터필드 위에서 군집들은 벡터 필드 흐름에 따라, 자신의 움직임을 결정한다. 방해물과의 충돌회피는 반발벡터필드로 모델링하여, 기존의 벡터필드에 오버레이 하여 이용하고, 다른 캐릭터와의 충돌회피는 lattice-bin 알고리즘에 빠른 충돌회피를 수행한다.

• 대한전자공학회논문지SP
• /
• 제44권2호
• /
• pp.82-92
• /
• 2007

본 논문에서는 3차원 얼굴인식을 위한 방사 기저 함수 신경망 기반의 새로운 전역적 형태 특징과 그 특징을 추출하는 방법을 제안한다. 방사 기저 함수 신경망은 방사 기저 함수들의 가중합으로써, 얼굴 형태 정보의 비선형성을 방사 기저 함수의 선형합으로 잘 표현한다. 이 논문에서는 얼굴의 가로 방향 프로파일을 학습된 방사 기저 함수 신경망에 적용시켰을 때 생성되는 가증치를 새로운 전역적 형태 특징으로 제안한다. 제안하는 전역적 형태 특징의 경우 국소적 특징의 특성을 가지며, 일반적인 전역적 특징의 특성인 특징의 복잡도도 감소시킨다. 100명의 데이터베이스 영상과 100명에 대한 서로 다른 3개의 포즈를 포함하는 300개의 테스트 영상을 이용한 실험에서 제안하는 전역적 형태 특징과 은닉 마르코프 모델을 이용한 특징 비교를 통해서 94.7%의 인식률을 얻었다.

• 한국전자파학회논문지
• /
• 제12권7호
• /
• pp.1122-1130
• /
• 2001

본 논문에서는 방사 적분방정식의 해를 구하기 위하여 파수영역 웨이블릿 변환개념에 기반을 둔 윈도우 그린 함수를 사용하여 파수영역에서 고속으로 산란필드를 계산하는 방법을 제안하였다. 그린함수에 적용된 파수영역 웨이블릿 변환은 공간영역에서 동일한 Q를 갖는 윈도우를 사용하여 필터링함으로써 등가적으로 구현하였다. 고유함수를 이용하여 관찰점을 중심으로 전개된 그린함수를 푸리에 변환한 후 파수영역에서 방사 적분을 계산함으로써 계산효율을 얻을 수 있음을 확인하였다. 관찰영역에서만 정확한 값을 갖는 고유함수로 전개된 그린함수는 그린함수에 윈도우 함수를 씌운 형태로 방사 적분방정식의 파수영역 표현에 적용하면 기존의 고속멀티폴 법과 동일한 산란필드 공식을 얻을 수 있다.

• 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.