• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.429-432
• /
• 2020

본 논문에서는 카메라의 포커싱과 아웃포커싱에 의해 이미지에서 뿌옇게 표현되는 DoF(Depth of field, 피사계 심도) 영역을 합성곱 신경망을 통해 찾는 방법을 제안한다. 우리의 접근 방식은 RGB채널기반의 상호-상관 필터를 이용하여 DoF영역을 이미지로부터 효율적으로 분류하고, 합성곱 신경망 네트워크에 학습하기 위한 데이터를 구축하며, 이렇게 얻어진 데이터를 이용하여 이미지-DoF가중치 맵 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 이미지와 상호-상관 필터 기반으로 추출된 DoF 가중치 맵을 이용하며, 네트워크 학습 단계에서 수렴률을 높이기 위해 스무딩을 과정을 한번 더 적용한 결과를 사용한다. 본 논문에서 제안하는 합성곱 신경망은 이미지로부터 포커싱과 아웃포커싱된 DoF영역을 자동으로 추출하는 과정을 학습시키기 위해 사용된다. 테스트 결과로 얻은 DoF 가중치 이미지는 입력 이미지에서 DoF영역을 빠른 시간 내에 찾아내며, 제안하는 방법은 DoF영역을 사용자의 ROI(Region of interest)로 활용하여 NPR렌더링, 객체 검출 등 다양한 곳에 활용이 가능하다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권2호
• /
• pp.181-185
• /
• 2008

스트리밍 비디오를 다양한 수신자에게 전달하기 위해 비디오를 여러 계층으로 나누어 전송하고 이를 선택적으로 수신하는 계층형 비디오 멀티캐스트가 소개되었다. 계층형 비디오 멀티캐스트에서는 가용 대역폭을 측정하기 위해 가입 실험을 사용하는데, 가입 실험이 중복되거나 실패할 경우 수신 비디오의 품질을 저하시킬 수 있다. 이를 해결하기 위해 공유 학습 기법이 제안되었지만 응용 계층 멀티캐스트에 적용할 경우 많은 컨트롤 오버헤드와 높은 적응수렴 시간 문제를 야기한다. 따라서 본 논문에서는 응용 계층 멀티캐스트 기반의 계층형 비디오 멀티캐스트에서 가입실험이 영향을 주는 영역을 분석함으로써 컨트롤 오버헤드 및 수렴 시간을 최소화하는 새로운 공유 학습 기법을 제안한다. 시뮬레이션을 통해 제안 기법이 기존 연구와 비교하여 컨트롤 오버헤드와 수렴 시간 측면에서 더 좋은 성능을 나타냄을 확인하였다.

• 응용통계연구
• /
• 제26권5호
• /
• pp.847-856
• /
• 2013

본 연구에서는 Liu 등의 학습 알고리즘과 Wu와 Zhang의 초기 가중값의 범위 설정, 그리고 Gunaseeli와 Karthikeyan의 초기 가중값에 관한 연구 결과를 이용하여 일반화 네트워크를 구할 수 있는 개선된 학습을 제안하고, 최적화된 신경망 학습률들을 이용하여 개선된 학습 과정의 학습효율등을 비교해 본다. 제시된 알고리즘을 이용한 학습에서 학습 초기에는 가장 단순한 학습 패턴과 은닉층으로부터 학습을 시작한다. 신경망 학습과정 중에 지역 최소값에 수렴되는 경우에는 가중값 범위 조정을 통하여 지역 최소값 문제를 해결하고, 지역 최소값으로부터 탈출이 용이하지 않으면 은닉노드를 점차적으로 하나씩 추가하면서 학습한다. 각 단계에서 새롭게 추가된 노드에 대한 초기 가중값의 선택은 이차계획법을 이용한 최적 처리절차를 이용한다. 최적 처리절차는 은닉층의 노드가 추가된 후의 새로운 네트워크에서 학습회수를 단순히 증가시키지 않아도 주어진 학습 허용오차를 만족시킬 수 있다. 본 연구에서 적용한 개선된 알고리즘을 이용하면서 초기 가중값들에 관한 기존 연구들을 적용하면 신경망 학습시의 수렴 정도를 높여주고 최소한의 단순 구조를 갖는 일반화 네트워크로 추정할 수 있게 된다. 이러한 학습률들을 변화시키는 모의실험을 통하여 기존의 연구 결과와의 학습 효율을 비교하고 향후 연구 방향을 제시하고자 한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제14권1호
• /
• pp.175-181
• /
• 2010

평형트러스모델, Mohr적합트러스모델, 그리고 연성트러스모델은 회전각에 기초하기 때문에 회전각모델이라 불리 운다. 이러한 회전각모델들은 콘크리트기여도를 예측할 수 없는 단점이 있다. 콘크리트 기여 성분을 계산할 수 있는 MCFT(Modified Compression Field Theory)나 RA-STM(Rotating Angle-Softening Truss Model) 같은 최근 트러스모델(Modern Truss Model, MTM)은 균열이 발생한 철근콘크리트요소를 연속체 재료로 취급한다. 또한 MTM은 평형조건과 적합조건 그리고 2축 상태에서 콘크리트의 연성 응력-변형률 관계를 이용하여 비선형해석을 수행하고 있다. 본 연구는 전단응력-변형률의 전체 이력 상태를 모두 계산하지 않고, 철근항복과 스트럿 압괴(crushing failure) 파괴기준을 이용하여 해를 찾는 방법으로 수렴속도를 개선한 것이다. 이 알고리즘을 이용하여 Hsu가 실험한 9개의 전단응력-변형률 자료를 분석하였다.

• 재무관리연구
• /
• 제21권1호
• /
• pp.149-181
• /
• 2004

본 연구는 주식 수익률의 생성과정에 비선형적 특성이 존재하는지를 검정하기 위해서 1980년 1월부터 2002년 5월까지 종합주가지수 일별 수익률과 주별 수익률을 이용하여 실증분석을 실시하였다. 실증분석의 내용은 크게 비선형 종속성에 대한 검정과 비선형 확률적 특성검정 그리고 비선형 결정론적인 카오스검정으로 구분할 수 있다. 비선형적 특성에 대한 분석의 결과는 주식 수익률은 leptokurtic한 비정규분포를 따르며, 수익률의 생성과정이 IID하지 않고 비선형 종속성이 존재하는 것으로 나타났다. 그리고 ARCH류의 비선형 확률모형으로는 주식 수익률의 비선형적 구조를 완전히 설명하지는 못하는 것으로 판단된다. 이는 주식 수익률의 생성과정을 설명하기 위해서 ARCH류의 모형과는 다른 형태의 비선형모형의 도입에 대해 고려할 필요가 있음을 시사하는 것이다. 종합주가지수 수익률에 대한 카오스검정의 결과를 정리하면, 우선 장기기억을 가지는 지속성이 강한 시계열로 편의된 랜덤워크를 따르며, 프랙탈분포하는 것으로 나타났다. 그리고 프랙탈 차원의 근사값인 상관차원(D)이 3과 4사이에 안정적으로 수렴하며, 최대 리아푸노프지수($L_1$)가 양(+)의 값을 가지므로 카오스적 끌개와 초기조건에 민감한 의존성이 존재하는 것으로 나타났다. 이러한 결과들은 카오스시스템의 특성과 부합하는 것으로 주식 수익률의 생성과정이 비선형 결정론적인 카오스과정을 따르는 것으로 판단할 수 있다.

• 대한토목학회논문집
• /
• 제26권4A호
• /
• pp.639-645
• /
• 2006

FRP(Fiber Reinforced Polymer)는 부식의 저항성, 고강도, 피로저항 능력 및 성형성 등에서 우수한 건설 신소재이다. 광섬유 브래그 격자(Fiber Bragg Grating; FBG) 센서는 전자기 저항, 작은 소재의 크기, 그리고 높은 내구성 등의 이점으로 smart sensor로서 현재 많이 사용되고 있다. 하지만 FBG 센서의 변위 측정 기술 능력의 부족으로 현재까지는 변형률, 온도 등의 물리량 측정센서로서 활용되고 있는 실정이다. 본 연구에서는 FRP와 FBG센서의 기능 복합화(Hybrid)를 통하여 smart FRP Rod를 개발 한 후 인장시험을 실시하였다. 또한, FBG센서에 의해 측정된 변형률 데이터를 신경망(Neural Network) 기법을 이용하여 변위 추정 모형을 개발함으로서 FBG 센서 단점인 변형률 계측만을 위한 센싱 역할을 극복하고자 한다. 인공신경망 모형은 MLP(Multi-layer Perceptron)로, 오차범위 0.001에 수렴 될 수 있도록 학습(training)을 실시하였다. 학습에는 비선형 목적함수와 역전파 학습(Back-propagation) 알고리즘을 적용하였으며 모형의 검증은 UTM에서 측정된 변위 값과 수치해석에 의한 결과 값을 비교함으로서 실시하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제12권4호
• /
• pp.141-148
• /
• 2008

최근 건설 산업에서 CFRP는 재료적 장점들 때문에 구조물의 보강재로서 많이 사용되어 지고 있다. 본 논문에서 CFRP Plate가 보강된 철근콘크리트 보의 보강 효율과 설계 기초자료를 제공하려 한다. 정적 실험은 실험체의 파괴양상, 보강성능을 평가하였으며, 피로 실험은 처짐, 철근 변형률, CFRP Plate의 변형률을 분석하고, 에너지 소산과 보강성능을 평가하였다. 실험한 결과, 보강량이 증가할수록 단부 박리 파괴를 일으켰다. 그리고, 단부를 보강한 경우는 휨균열로 인한 박리파괴를 나타내는 파괴양상을 보였다. 피로 실험을 통하여 일정한 반복하중 횟수가 되면 처짐, 철근 변형률, CFRP Plate의 변형률 값이 일정한 값으로 수렴하였다. CFRP Plate가 보강된 보는 피로하중에 대해 사용성 확보가 가능했다.

• 대한기계학회논문집A
• /
• 제34권10호
• /
• pp.1427-1435
• /
• 2010

전통 판재이론을 이용하여 기하학적 비선형성을 갖는 판재의 휨해석을 위한 혼합형 유한요소모델을 구성 하였다. 혼합형 유한요소 모델의 구성에 포함되는 변형률과 합성력의 관계에 대한 적절한 가중함수를 찾기 위하여 라그랑지 승수법과 최소가상에너지 원리를 사용하였다. 각 요소별 유한요소 방정식의 계수행렬과 뉴턴 반복법 사용을 위한 접선 행렬에 대한 구체적 값을 제시하였다. 구성된 유한요소 해석모델의 선형 해에 대한 정확도 분석을 위하여, 여러 경계조건하에서의 수학적 해와 제시된 모델과 기존 모델의 유한요소해를 비교하여 현재 모델의 정확도의 향상을 확인하였다. 또한 수렴된 비선형해를 이용하여 제시된 모델의 경우, 각종 합성력들에 대한 요소 경계에서의 연속성이 기존의 모델의 합성력에 비해 개선됨을 제시하였다. 최종적으로 수렴한 비선형해에 대한 유효성을 보이기 위하여 기존 모델의 비선형 수렴해와 현재 모델의 비선형 수렴해를 비교하여 제시하였다.

• 한국음향학회지
• /
• 제13권6호
• /
• pp.83-90
• /
• 1994

본 논문에서는 코호넨(Kohonen)의 SOFM (Self-Organizing Feature Map) 알고리즘의 단점을 해결하기 위한 새로운 학습 알고리즘 ASOFM(Adaptive Self-Organized Feature Map)을 제안한다. 코호넨의 학습 알고리즘은 초기화된 연결 벡터에 대하여 극소점에 빠지는 경우도 있다. 그러나 제안된 알고리즘에서는 학습과정중에 네트워크의 상태를 평가할 수 있는 목적함수(object function)을 사용하였고, 이 함수의 출력에 따라 학습의 각 시점에서 적응적으로 학습률의 재조정이 가능하였다. 이 결과, 네트워크의 상태가 최소점에 수렴함이 보증 되고 학습률의 적응성에 의해 임의의 학습패턴에 대한 학습의 일반화 능력이 보장되었다. 또한 제안된 알고리즘은 코호넨의 알고리즘보다 약 $70\%$이상의 학습시간을 단축한다.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.142-142
• /
• 2017

본 연구에서는 파프리카를 자동 수확하기 위한 시스템 개발의 일환으로 파프리카 재배환경에서 획득한 영상 내에 존재하는 파프리카 영역과 비 파프리카 영역의 RGB 정보를 입력으로 하는 인공신경망을 설계하고 학습을 수행하고자 하였다. 학습된 신경망을 이용하여 영상 내 파프리카 영역과 비 파프리카 영역의 구분이 가능 할 것으로 사료된다. 심층 신경망을 설계하기 위하여 MS Visual studio 2015의 C++, MFC와 Python 및 TensorFlow를 사용하였다. 먼저, 심층 신경망은 입력층과 출력층, 그리고 은닉층 8개를 가지는 형태로 입력 뉴런 3개, 출력 뉴런 4개, 각 은닉층의 뉴런은 5개로 설계하였다. 일반적으로 심층 신경망에서는 은닉층이 깊을수록 적은 입력으로 좋은 학습 결과를 기대 할 수 있지만 소요되는 시간이 길고 오버 피팅이 일어날 가능성이 높아진다. 따라서 본 연구에서는 소요시간을 줄이기 위하여 Xavier 초기화를 사용하였으며, 오버 피팅을 줄이기 위하여 ReLU 함수를 활성화 함수로 사용하였다. 파프리카 재배환경에서 획득한 영상에서 파프리카 영역과 비 파프리카 영역의 RGB 정보를 추출하여 학습의 입력으로 하고 기대 출력으로 붉은색 파프리카의 경우 [0 0 1], 노란색 파프리카의 경우 [0 1 0], 비 파프리카 영역의 경우 [1 0 0]으로 하는 형태로 3538개의 학습 셋을 만들었다. 학습 후 학습 결과를 평가하기 위하여 30개의 테스트 셋을 사용하였다. 학습 셋을 이용하여 학습을 수행하기 위해 학습률을 변경하면서 학습 결과를 확인하였다. 학습률을 0.01 이상으로 설정한 경우 학습이 이루어지지 않았다. 이는 학습률에 의해 결정되는 가중치의 변화량이 너무 커서 비용 함수의 결과가 0에 수렴하지 않고 발산하는 경향에 의한 것으로 사료된다. 학습률을 0.005, 0.001로 설정 한 경우 학습에 성공하였다. 학습률 0.005의 경우 학습 횟수 3146회, 소요시간 20.48초, 학습 정확도 99.77%, 테스트 정확도 100%였으며, 학습률 0.001의 경우 학습 횟수 38931회, 소요시간 181.39초, 학습 정확도 99.95%, 테스트 정확도 100%였다. 학습률이 작을수록 더욱 정확한 학습이 가능하지만 소요되는 시간이 크고 국부 최소점에 빠질 확률이 높았다. 학습률이 큰 경우 학습 소요 시간이 줄어드는 반면 학습 과정에서 비용이 발산하여 학습이 이루어지지 않는 경우가 많음을 확인 하였다.