• 한국컴퓨터정보학회논문지
• /
• 제4권3호
• /
• pp.67-72
• /
• 1999

신경회로망은 학습능력과 근사화 능력으로 말미암아 패턴인식 및 시스템제어분야에서 많이 사용되고 있으며, 입력층. 출력층. 하나 이상의 은닉층으로 구성된 네드워크이다. Elman 신경회로망은 J. Elman에 의해 제안되었으며. recurrent network의 형태로 구성되어 있다. Elman 신경회로망은 기존의 신경회로망에 context층을 새로 추가하여, 은닉층의 출력을 context층의 입력으로 피드백 하는 구조로 되어 있다. 본 논문에서는 새로운 형태의 Elman 신경회로망을 제안한다. 제안한 방식은 Elman 신경회로망을 변형한 형태로. 은닉층 뿐 만 아니라 출력층의 출력도 context층으로 피드백 하는 형태이다. 제안한 방식의 유용성을 확인하기 위해 multi target system에 적용한다. 시뮬레이션 결과는 제안한 방식이 기존의 신경회로망 및 Elman 신경회로망 보다 우수한 방식임을 보여 주고 있다.

• 한국산학기술학회논문지
• /
• 제14권9호
• /
• pp.4455-4461
• /
• 2013

본 논문은 전력기기 열화의 주요한 원인으로 알려진 부분방전의 진단을 위해 널리 사용되는 인공신경망의 계층 구조 및 입력벡터의 구성 요소의 변화에 대한 진단 성능을 검토한다. 은닉층이 1개 또는 2개인 인공신경망의 계층구조 변화에 대한 진단 성능을 비교하였으며, 입력벡터는 세라믹 커플러를 이용하여 한주기에 2048번 샘플링한 시계열 신호를 직접 사용하는 경우와 특성벡터를 추출하여 사용하는 경우를 비교하였다. 침${\leftrightarrow}$평판, 구${\leftrightarrow}$구, 침${\leftrightarrow}$침, 평판${\leftrightarrow}$평판, 구${\leftrightarrow}$평판 형태의 5가지 전극조합의 부분방전 실험으로 학습데이타를 수집하고, 시뮬레이션 연구를 수행하여 인공신경망의 진단 성능을 평가하였다.

• 정보처리학회논문지B
• /
• 제9B권5호
• /
• pp.635-642
• /
• 2002

정보 기술 분야의 지능화 요구는 매우 빠르게 증가하고 있다. 특히 대량의 데이터로부터 지식을 찾아내어 최적의 의사결정을 해야하는 KDD(Knowledge Discovery in Database)분야에서는 그 요구가 더욱 더 크게 된다. 지능화된 의사결정을 위해서는 대용량 지식 베이스(Knowledge Base)의 효율적인 관리가 무엇보다도 중요하다. 본 논문에서는 이러한 지식 베이스로부터 의사결정 관리에 필요한 지식을 얻기 위해 효율적으로 지식 베이스를 검색하고 갱신하는 관리 방법을 위해 자율학습 신경망인 자기조직화 지도에 확률적 분포 이론을 결합한 하이브리드(Hybrid) SOM을 제안한다. 제안 방법을 이용한 효율적 지식 베이스의 관리를 시뮬레이션 실험을 통하여 수행하였다. 실험을 통해 본 논문에서 제안하는 Hybrid SOM이 지식 베이스 관리에 효율적인 성능을 나타냄이 증명되었다.

• 공학논문집
• /
• 제6권2호
• /
• pp.75-83
• /
• 2004

정보화 시대를 살아가는 우리는 인터넷을 통해 발빠른 전 세계의 정보화를 경험하고 있다. 그에 따라 생활전반에 걸친 유통, 서비스품질들이 인터넷을 통해 제공되면서 새로운 사회로 나아갈 수 있는 토대를 마련하고 있다. 따라서 컴퓨터의 사용은 현 기업에서 이루어지지 않은 업무가 없을 정도로 많이 사용되고 있다. 하지만 우리 사회에서 가장 널리 퍼져 활발한 사회활동을 하고 있는 50대 컴퓨터 사용능력은 기업에서 요구하는 수준에 미치지 못하고 있는 실정이다. 게다가 정작 그 서비스를 이용하는 주 고객층인 40대 이후의 주부 및 50대 이상들의 인터넷 사용률은 컴퓨터의 조작 미숙으로 인해 비교적 낮은 상황이다. 제시하는 시스템은 지루한 텍스트 위주의 강의가 아닌 직접 도움말에 따라 실습을 해보는시뮬레이션기법의 가상체험 강의를 인터넷을 통해 제공한다. 또한 각 수강과목은 인터넷 시작/종료하기, 회원가입하기, 이메일 사용하기등 일반인들이 무시하기 쉽지만 미숙한 사용자에게는 두려운 부분까지 제시하여 좀 더 전문적인 강의를 받을 수 있도록 하였다.

• 대한기계학회논문집A
• /
• 제41권8호
• /
• pp.729-736
• /
• 2017

물리모델과 기계학습방법을 이용한 모델지원탐지확률(MAPOD, Model-assisted Probability of Detection) 실험계획법과 운용 중 결함이 발생한 부품을 사용하여 탐지확률을 측정하는 방법을 연구하였다. 검사방법은 와전류탐상검사를 적용하였고 검사대상은 볼트홀 표면에 존재하는 피로균열이다. 모델 지원탐지확률을 이용한 결과 실험요인이 큰 폭으로 감소하였다. 몬테카를로(Monte Carlo) 시뮬레이션을 이용하여 시편 균열길이 측정의 불확실성을 탐지확률에 반영함으로써 사용 중 결함품을 사용하여 비파괴검사정비사의 기량검증을 수행할 수 있었다.

• 한국산학기술학회논문지
• /
• 제15권5호
• /
• pp.3132-3138
• /
• 2014

많은 통신 시스템에서 심볼간 간섭, 직류성 및 충격성 잡음은 해결하기 어려운 문제로 남아있다. 이러한 간섭신호들을 제거하기 위하여 확률분포 상관도 개념이 블라인드 Equalization에 사용되었다. 그러나 이 알고리듬은 과다한 계산량이 문제로 남아 있다. 이 논문에서는 확률분포 상관도에 기반한 블라인드 알고리듬의 반복적 계산 방법을 제안하였다. 비용함수의 기울기 계산에 쓰이는 합산 계산을 반복적 방식으로 기울기를 계산하도록 바꾸었다. 이 방식은 M 개의 송신 심볼에 대해 N 개의 블록 샘플들을 가지고 계산하는 기존 알고리듬의 계산량 O(NM)으로부터 O(M)으로 그 계산량을 획기적으로 줄인다. 따라서 현실적 구현의 장점을 가지면서 동시에 잡음 및 간섭에 대한 강인성을 그대로 유지한다. 시뮬레이션 결과에서도 제안한 방식은 줄여진 계산량으로 동일한 학습 성능을 보였다.

• 한국지능시스템학회논문지
• /
• 제19권5호
• /
• pp.655-660
• /
• 2009

기존의 예측 알고리즘들은 실시간 환경에서 학습 데이터 처리에서 오는 시간지연 문제, 구현의 어려움 등으로 개인화된 실시간 서비스를 제공하는 컨텍스트 인식 환경에서 사용하기에 적합하지 않다. 본 논문에서는 사용자 모델을 이용하여 컨텍스트 예측 알고리즘의 처리시간 단축과 예측 정확도를 향상시키기 위한 연구를 제안한다. 컨텍스트 예측을 위하여 사용자의 컨텍스트 중에서 이동경로를 사용한다. 이동경로를 기반으로 시계열 분석 방법을 통하여 사용자 모델을 생성하고, 생성된 사용자 모델을 시퀀스 매칭 방법을 이용하여 사용자의 컨텍스트를 예측한다. 기존 예측 알고리즘과 본 연구에서 제안한 예측 알고리즘을 시뮬레이션을 통하여 처리시간 및 예측 정확도를 비교한 결과, 실시간 서비스 환경에서 예측 정확도는 기존 예측 알고리즘들과 비슷한 결과를 보였고, 처리시간은 사용자 모델을 사용한 경우가 시퀀스 매칭을 사용한 경우보다 평균 40% 정도 감소시킬 수 있음을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제27권1호
• /
• pp.22-28
• /
• 2017

Convolutional Neural Network(CNN)는 특징 추출과 분류의 두 단계로 나눌 수 있다. 그 중 특징 추출 단계의 커널의 크기, 채널의 수, stride 등의 hyperparameter는 CNN의 구조를 결정할 뿐만 아니라 특징을 추출하는 데에도 영향을 주기 때문에 CNN의 전체적인 성능에도 영향을 준다. 본 논문에서는 Parameter-Setting-Free Harmony Search(PSF-HS) 알고리즘을 이용하여 CNN의 특징 추출 단계에서의 hyperparameter를 최적화 하는 방법을 제안하였다. CNN의 전체 구조를 설정한 뒤 hyperparameter를 변수로 설정하였고 PSF-HS 알고리즘을 적용하여 hyperparameter를 최적화 하였다. 시뮬레이션은 MATLAB을 이용하여 진행하였고 CNN은 mnist 데이터를 이용하여 학습과 테스트를 했다. 총 500번 동안 변수를 업데이트했고 제안하는 방법을 이용하여 구한 CNN 구조 중 가장 높은 정확도를 가지는 구조는 99.28%의 정확도로 mnist 데이터를 분류하는 것을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.6-6
• /
• 2018

최근 집중 호우로 인한 내수침수 피해가 도시화와 기후변화로 늘어나고 있다. 내수침수 피해로 인한 복구비용과 시간이 증가하고 있으며 향후에는 이보다 더 크게 늘어날 것으로 예상된다. 이러한 문제를 해결하기 위하여 충분한 선행시간을 가지고 내수 침수 구역을 제시할 수 있어야 한다. 기존의 물리적 모델은 정확하고 정교한 결과를 제공하지만, 시뮬레이션을 준비하고 마치는 데에 시간이 많이 소요된다. 그 이유로서는 강우량, 지형적 특성, 배수관망 시스템, 수문학적 매개변수 등의 다양한 데이터도 필요하기 때문이다. 이는 도시유역에 대한 내수침수의 실시간 예측이 어렵게 되었으며, 충분한 선행시간을 확보하지 못하는 원인이 되었다. 본 연구에서는 이 문제에 대한 해결책으로 결정론적 방법과 확률론적 방법을 자료지향형 모형으로 결합하여 해결책을 제시하고자 하며, 특정 강우 조건하에 도시유역에서의 내수침수에 영향을 미치는 맨홀에 대한 정보를 제공하고자 한다. 위와 같은 과정을 수행하기 위하여 입력자료 조합에 대한 비선형 분석을 실시하였으며, 그 결과로 특정 강우 조건에 대하여 각 맨홀에 대한 누적월류량을 예측할 수 있는 비선형 인공신경망을 구축할 수 있었다. 본 연구에서 제시된 방법론은 국내의 강남 배수분구에 대하여 적용이 되었으며, 내수침수 예측결과와 2차원 해석결과를 비교하고자 하였다. 본 연구에서는 위 과정을 통하여 1차원 도시유출해석을 위한 입력 자료를 준비하는 시간을 절약하고, 다양한 강우 조건과 내수침수지도 사이의 연관성을 학습하는 예측 모형을 이용하여 도시유역의 내수침수에 대한 충분한 선행시간을 확보하고자 한다. 결론적으로, 이 연구의 결과는 도시유역에 대한 비구조적 대책 수립에 도움을 줄 것으로 확인이 되며 도시 유역 내에 맨홀 위치들을 고려한 위험지구를 파악하는 데에 유용할 것으로 판단된다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.197-202
• /
• 2021

지정맥을 이용한 생체인식기술은 높은 보안성, 편리성과 정확성으로 많은 관심을 받고 있으며 최근 딥러닝 기술의 발달로 인해 더욱 인증에 대한 인식 오류율 및 정확도가 향상되었다. 하지만 학습 데이터는 일정한 순서나 방법이 아닌 실제 데이터의 부분 집합으로, 결과가 일정하지 않아 데이터양과 인공신경망의 복잡도를 고려해야 한다. 본 논문에서는 지정맥 인식기의 높은 정확도와 인증 시스템 성능 향상을 위해 Inception-ResNet-v2의 딥러닝 모델을 활용하였으며 DenseNet-201의 딥러닝 모델과 성능을 비교 분석하였다. 시뮬레이션은 전북대의 MMCBNU_6000과 직접 촬영한 지정맥 영상을 사용하고 지정맥 인증 시스템에 이미지를 가공하는 과정은 없으며 생체인증 척도인 EER을 추출하여 성능 결과를 확인한다.