• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.479-484
• /
• 2005

본 논문에서는 오류 역전파 알고리즘에서 은닉층의 노드 수를 설정하는 문제와 ART1의 경계 변수의 설정에 따른 인식률이 저하되는 문제점을 개선하기 위해 ART1 알고리즘과 퍼지 단층 지도 학습 알고리즘을 결합한 ART1 기반 퍼지 지도 학습 알고리즘을 제안한다. 제안된 알고리즘은 가중치 조정에 승자 뉴런 방식을 도입하여 은닉층에 해당하는 클래스에 영향을 끼친 패턴들의 정보만 저장하게 하여 은닉층 노드로의 책임 분담에 의한 정체 현상이 일어날 가능성을 줄인다. 그리고 학습시간과 학습의 수렴성도 개선한다. 제안된 알고리즘의 학습 성능을 분석하기 위하여 주민등록번호 분류를 대상으로 실험한 결과, 제안된 방법이 기존의 신경망보다 경계 변수나 모멘트에 민감하지 않으며 학습 시간도 적게 소요되고 수렴성도 우수한 성능이 있음을 확인하였다.

• 한국정밀공학회지
• /
• 제27권6호
• /
• pp.64-74
• /
• 2010

This paper proposes a new TR-based baseline-free SHM technique in which the time-reversal (TR) property of the guided Lamb waves is utilized. The new TR-based SHM technique has two distinct features when compared with the other TR-based SHM techniques: (1) The backward TR process commonly conducted by the measurement is replaced by the computation-based process; (2) In place of the comparison method, the TOF information of the damage signal extracted from the reconstructed signal is used for the damage diagnosis in conjunction with the imaging method which enables us to represent the damage as an image. The proposed TR-based SHM technique is then validated through the damage diagnosis experiment for an aluminum plate with a damage at different locations.

• 한국자기학회:학술대회 개요집
• /
• 한국자기학회 2002년도 춘계연구발표회 논문개요집
• /
• pp.74-75
• /
• 2002

• 한국자기학회지
• /
• 제11권6호
• /
• pp.262-266
• /
• 2001

본 연구에서는 dc 마그네트론 스터링법으로 CoSm 박막을 제작하여 자기적 성질의 자성층 두께 의존성을 조사하였다. 고밀도 자기기록 매체의 여러 가지 성질 중 자기역전부피는 자기기록 매체에 저장된 정보의 열적 안정성, 자화반전기구 및 잡음을 이해하는 데 매우 중요한 자료가 된다. 따라서 자기화 감쇄의 시간 의존성과 직류 demagnetization remanence 곡선 측정결과로부터 각각 점성계수와 비가역 자화율을 구한 다음 최대 점성계수 및 비가역 자화율을 이용하여 최대 자기역전부피의 두께 의존성을 조사하였다. 자기역전부피와 보자력은 CoSm의 두께가 48 nm와 24 nm에서 각각 최대를 보이다가 오히려 감소하였으나 자기이방성은 계속 증가하는 경향을 보였다. 이와 같은 현상은 자성층의 두께가 증가함에 따라 결정립 또는 nanocrystallites 사이의 자기적 교환 상호작용이 증가하기 때문인 것으로 해석된다.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1759-1769
• /
• 1997

다층신경회로망의 학습방법인 오류역전도 알고리즘은 연관기억장치, 음성인식, 패턴인식, 로보틱스등과 같은 다양한 응용분야에 널리 사용되고 있다. 그럼에도 불구하고 계속 많은 논문들이 역전도 알고리즘에 대해 발표되고 있는 실정이다. 이러한 연구 동향의 주된 이유는, 뉴런 갯수와 학습 패턴의 갯수가 큰 경우에 역전도 알고리즘의 학습속도가 상당히 느리다는 사실때문이다. 본 연구에서는 가변학습율, 가변모멘텀율, 그리고 시그모이드 함수의 가변기울기를 이용한 새로운 학습속도 가속기법을 개발하였다. 학습이 수행되는 도중에, 이러한 파라메터들은 전체 오류의 변화량에 따라 연속적으로 조정되며, 제안된 기법은 기존의 역전도 알고리즘에 비해 획기적으로 학습시간을 단축시키는 결과를 보였다. 제안된 기법의 효율성을 입증하기 위하여, 처음에는 난수발생기로 생성한 이진 데이터를 이용하여 에포크(epoch) 횟수를 비교할 때 훌륭한 속도 향상을 보였으며, 또한, 기계학습(machine learning)의 벤치마크 학습자료로 많이 사용되는 이진 Monk's data, 4, 5, 6, 7비트 패리티 검사 문제와 실수 Iris data에도 적용하였다.

• 한국농림기상학회지
• /
• 제19권3호
• /
• pp.75-85
• /
• 2017

청명미풍 조건에서 기온역전층 높이와 기온역전강도의 매시 변화를 정량적인 경험식으로 나타내어 야간의 매시 기온을 추정하는 방법을 고안하였다. 2007년 5월부터 2008년 3월까지 강원도 평창군 대관령면 고령지농업연구소에서 초단파 온도 프로파일러 (Model MTP5H)로 지면으로부터 높이 600m까지 50m 간격의 기온 연직 분포를 한 시간 간격으로 측정하였다. 연직기온에서 가장 기온이 높은 고도를 기온역전층 높이로, 역전층의 기온과 지면 위 100m의 기온 편차를 역전강도로 간주하고 야간 동안 시간에 따라 기온 역전층이 발달되는 정도를 모의하는 추정식을 작성하였다. 산사면에서 작물이 실제 경험하는 기온을 추정하기 위해 2014년 10월부터 2015년 11월 23일까지 전남 구례군과 광양시 사이의 중대리 계곡에서 사면의 고도별 기온을 수집하여 연직기온의 역전층 높이 및 역전강도 추정모수를 보정하였다. 지리산 남쪽의 집수역 3개 내에 구축된 검증관측망으로부터 2015년 한 해 동안의 기상자료를 수집하였고, 기상청 방재 및 종관기상관측망으로부터 배경기온을 제작, 기온감률과 함께 기온역전 조건하의 매시 기온을 추정한 다음 검증을 실시하였다. 그 결과, 청명미풍 조건에 대해 19지점 평균 ME $-0.69^{\circ}C$, 평균 RMSE $1.61^{\circ}C$이었고 2000-0100 시간대에서 과소추정오차가 증가되었다. 기존에 사용되어 왔던 최저기온 모형으로 0600 기온을 추정하고 새로운 모의 방법으로 산출된 결과와 추정 오차를 비교한 결과, 평균 ME는 기존 $-0.86^{\circ}C$에서 $-0.12^{\circ}C$로, 평균 RMSE는 $1.72^{\circ}C$에서 $1.34^{\circ}C$로 개선되었다. 청명미풍 조건에서 도출된 기온 추정식의 활용도를 높이기 위해서는 추정 오차를 개선하고 다양한 기상조건에 대한 영향을 반영하는 후속 연구가 필요하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.904-907
• /
• 2005

본 연구에서는 강우량의 실측치인 자동기상관측소(AWS) 자료와 현재의 대기상태인 인공위성(GMS-5호) 자료를 입력자료로 하여 현재부터 3시간 선행시간까지의 면적평균강우량을 예측할 수 있도록 강우예측 신경망 모형을 개발하였으며, 2002년 8월 집중호우시 남강댐 유역에 적용하였다. 신경망 모형의 학습을 위해서 $1998\~2001$년 $6\~9$월과 2002년 6, 7월의 강우사상과 적외선 자료가 사용되었고, 학습이 종료되면 예측기간(2002년 8월 $6\~16$일)동안의 강우예측이 수행되었다. 신경망 모형의 학습단계에서는 자료들간의 비선형 상관관계를 나타내는데 적합한 역전파 알고리즘 학습방법 중 모멘텀법을 사용하였으며, 신경망 모형의 출력값은 현재부터 3시간 후까지의 면적평균강우량을 예측할 수 있도록 구성하였다. 예측된 면적평균강우량은 실제 관측된 강우량의 패턴은 잘 따르고 있었지만 첨두치를 과소평가하는 경향이 나타났다. 본 연구에서 개발된 신경망 모형은 관측된 강우자료의 품질과 패턴이 모형의 정확성에 미치는 영향이 절대적인 기존의 신경망 모형과 차별화하여, 현재의 대기상태를 나타내는 인공위성 자료를 추가함으로써 보다 정확한 강우량 예측이 가능하도록 하였다.

• 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.

• 인지과학
• /
• 제4권2호
• /
• pp.181-200
• /
• 1994

다층 신경망의 학습에 있어서 역전파 알고리즘은 시스템이 지역적 최소치에 빠질수 있고,탐색공간의 피라미터들에 의해 신경망 시스템의 성능이 크게 좌우된다는 단점이 있다.이러한 단점을 보완하기 의해 유전자 알고리즘이 신경망의 학습에 도입도었다.그러나 유전자 알고리즘에는 역전파 알고리즘과 같은 미세 조정되는 지역적 탐색(fine-tuned local search) 을 위한 메카니즘이 존재하지 않으므로 시스템이 전역적 최적해로 수렴하는데 많은 시간을 필요로 한다는 단점이 있다. 따라서 본 논문에서는 역전파 알고리즘의 기울기 강하 기법(gradient descent method)을 교배나 돌연변이와 같은 유전 연산자로 둠으로써 유전자 알고리즘에 지역적 미세 조정(local fine-tuning)을 위한 메카니즘을 제공해주는 새로운 형태의 GA-BP 방법을 제안한다.제안된 방법의 유용성을 보이기 위해 3-패러티 비트(3-parity bit) 문제에 실험하였다.

• 전자공학회논문지CI
• /
• 제37권1호
• /
• pp.21-31
• /
• 2000

본 논문에서는 이산 시간 신경망 제어 시스템의 안정도에 대한 해석을 하도록 한다. 우선 리아프노프의 직접법을 이용하여 신경망제어기를 포함하고 있는 시스템의 안정조건을 체계적으로 유도하고 이 유도된 안정조건을 반영하여 수정된 역전파 알고리즘을 제안한다. 이 수정된 역전파 알고리즘은 유도된 신경망 제어기 시스템의 안정조건을 반영한 학습 규칙이고 따라서 이를 이용하여 학습된 신경망 제어기의 경우 안정성을 보장하게 된다. 끝으로 컴퓨터 모의 실험에서는 제안한 신경망 제어 시스템의 안정조건과 이를 반영한 수정 역전파 알고리즘을 통하여 주어진 플랜트를 학습 제어하도록 한다.