• 전기학회논문지
• /
• 제67권1호
• /
• pp.114-123
• /
• 2018

This paper concerns a design and learning method of softmax function neural networks based on K-means clustering. The partial discharge data Information is preliminarily processed through simulation using an Epoxy Mica Coupling sensor and an internal Phase Resolved Partial Discharge Analysis algorithm. The obtained information is processed according to the characteristics of the pattern using a Motor Insulation Monitoring System program. At this time, the processed data are total 4 types that void discharge, corona discharge, surface discharge and slot discharge. The partial discharge data with high dimensional input variables are secondarily processed by principal component analysis method and reduced with keeping the characteristics of pattern as low dimensional input variables. And therefore, the pattern classifier processing speed exhibits improved effects. In addition, in the process of extracting the partial discharge data through the MIMS program, the magnitude of amplitude is divided into the maximum value and the average value, and two pattern characteristics are set and compared and analyzed. In the first half of the proposed partial discharge pattern classifier, the input and hidden layers are classified by using the K-means clustering method and the output of the hidden layer is obtained. In the latter part, the cross entropy error function is used for parameter learning between the hidden layer and the output layer. The final output layer is output as a normalized probability value between 0 and 1 using the softmax function. The advantage of using the softmax function is that it allows access and application of multiple class problems and stochastic interpretation. First of all, there is an advantage that one output value affects the remaining output value and its accompanying learning is accelerated. Also, to solve the overfitting problem, L2-normalization is applied. To prove the superiority of the proposed pattern classifier, we compare and analyze the classification rate with conventional radial basis function neural networks.

• Composites Research
• /
• 제24권1호
• /
• pp.24-30
• /
• 2011

복합재 구조물에서 발생하는 저속 충격에 의한 손상은 대부분 복합재의 내부나 충격을 받은 면의 반대 면에서 발생하기 때문에 검출이 쉽지 않아 시간이 지날수록 구조물이 위험에 처할 확률이 높아진다. 하지만 기존의 비파괴검사 방법은 일정한 주기에 따라 수행되기 때문에 즉각적으로 충격 손상을 감지할 수 없다는 단점이 있다. 따라서 최근에는 이러한 단점을 극복하고자 비파괴검사 장비를 구조물 내에 탑재하여 실시간으로 구조물의 건전성을 확인하는 개념인 구조 건전성 모니터링에 관한 연구가 활발히 진행되고 있다. 그 중의 하나인 충격 모니터링 시스템은 운용 중에 발생한 충격 이벤트를 감지하고 그 위치 및 손상 정도에 대한 정보를 제공해 주어야 한다. 이를 위한 첫 번째 단계로 본 연구에서는 복합재 평판 및 복잡한 복합재 시편 구조물에 FBG 센서를 부착하여 충격 위치 검출 시험을 수행하였고, 이와 같은 복합재 시편에 대해 충격 파손 시험을 수행하여 손상 발생 유무를 예측하는 시험을 수행하였다. 저속 충격에 의해 발생하는 음향 파는 (주)파어버프로에서 개발한 고속 FBG interrogator를 사용하여 4개의 다중화된 FBG 센서로부터 동시에 취득하였고, 신경회로망을 이용한 학습을 거쳐 충격 발생 위치를 검출하였다. 또한 충격 파손 시험으로부터 취득한 음향 파의 웨이블릿 변환을 통해 충격 손상의 발생 유무 예측 가능성을 확인하였다.

• 대한토목학회논문집
• /
• 제33권4호
• /
• pp.1413-1424
• /
• 2013

최근 우리나라에는 집중호우의 발생 빈도가 잦아지고 있다. 집중호우는 단시간에 발생하여 인명과 재산에 직접적인 피해를 주는 특징이 있다. 이러한 이유로 치수에 대한 관심은 점점 높아지고 있으며 정확한 유량 예측을 바탕으로 홍수에 대비할 수 있는 시스템 개발에 대한 연구가 활발하게 이루어지고 있다. 지금까지 홍수 예보에는 주로 물리적 모형이 사용되어 왔다. 물리적 모형은 매개변수 결정을 위해 많은 자료를 필요로 하고 또 매개변수의 결정 과정에서 많은 불확실성을 포함하고 있기 때문에 계산과정을 거치는 동안 다양한 오차가 반복하여 누적되는 단점이 있다. ANFIS는 인공신경회로망과 퍼지기법을 사용한 자료 지향형 모형으로 기존의 물리적 모형에서 사용한 방대한 양의 물리적 자료를 배제하고 유역의 강우자료와 유량자료만을 사용하여 모형을 구축하고 수위를 예측할 수 있다는 장점이 있다. 그러나 자료 지향형 모형은 입력 자료와 결과 사이의 논리적 상관성을 찾을 수 없다는 단점이 있다. 본 연구에서는 ANFIS 모형에 사용되는 함수의 옵션과 입력자료의 특성의 제한적인 변화에 따른 결과자료 분석을 통해 자료 지향형 모형의 특성을 분석하였다. 또한 일반적으로 많이 사용하는 물리적 모형 중 하나인 HEC-HMS의 유출량 산정 결과와의 비교를 통해 ANFIS의 적용성을 평가하였다. 본 연구는 남한강 상류에 위치한 청미천 유역의 2007년부터 2011년까지의 관측 강우자료와 유량자료를 사용하여 수행하였다.

• 대한용접접합학회:학술대회논문집
• /
• 대한용접접합학회 2010년도 춘계학술발표대회 초록집
• /
• pp.49-49
• /
• 2010

용접은 산업계의 기계 조립 및 접합을 위한 공정의 주요한 작업으로 조선, 중공업, 건설 등 산업현장에서 사람에 의한 수동적인 작업으로 대부분 수행된다. 이러한 용접 작업을 수행하는 용접 기술자는 산업 현장 훈련원과 직업 교육 학교에서 양성되지만 용접 훈련 과정은 실습 초보자에게 위험하고, 장시간 교육하기에 어려울 뿐 아니라 재료 낭비, 의사 소통의 한계, 즉석 결과 평가의 한계, 공간부족 등 다양한 문제가 있다. 그러므로, 안전하고 반복적인 실습 환경 제공하고 장시간 및 다수 교육참여 지원 등이 가능한 시스템을 구축하여 숙련된 우수 인력 조기 확보와 훈련 비용을 절감할 필요가 있다. 본 논문에서는 실제와 동일한 상호작용을 제공할 뿐만 아니라 고품질로 훈련 환경을 가시화하여 용접 상황을 동일하게 모사하는 가상 현실 기반 용접 훈련 시뮬레이터를 제시한다. 이 시스템은 용접의 형상과 환경의 고품질 가시화, 경험 DB를 통한 용접의 비드 형상 데이터 획득, 용접 토치를 이용하는 사용자 상호작용, 용접 훈련 결과 평가 및 최적 작업 가이드, 용접 콘텐츠 저작, 다양한 용접 훈련을 가시화하는 하드웨어 플랫폼으로 구성된다. 고품질 가상 용접 가시화는 경험 DB 기반 비드 형상 데이터와 신경회로망을 이용한 비드 형상 예측을 통해 실시간 비드 표현이 이루어지며 쉐이더 기반 고품질 모재 및 비드 표현, 아크 불꽃 효과 표현을 포함한다. 사용자 상호작용은 현장 작업 도구와 일치된 토치 인터페이스와 위치추적을 이용하여 토치의 작업각, 진행각, 속도, 거리 등을 반영할 수 있으며 진동과 소리 등 용접 훈련의 사실적 상호작용도 재현하였다. 용접 훈련 평가 및 최적 작업 가이드는 훈련자의 용접속도, 거리, 각도 등의 사용자 작업 결과를 그래픽으로 표현하고, 애니메이션을 통한 훈련 자세를 추후 분석할 수 있도록 하였고, 가상토치, 기준선, 수치계기 등을 이용한 최적 작업 훈련 가이드 제시하였다. 훈련 콘텐츠 저작은 메뉴UI 기반으로 용접의 전류, 전압 등의 조건과 상황을 선택하도록 제시하였고, 하드웨어 플랫폼은 워크벤치형 입체 디스플레이 방식으로 용접 환경을 가시화하였고, 위, 정면, 아래보기 등 다양한 용접 자세 변경을 지원 할 수 있도록 구축하였다. 이러한 가상현실 기반 훈련 시뮬레이터는 아크열 발생에 따른 장시간 훈련의 어려움을 극복할 수 있고, 다양한 실습 환경을 바꾸어 가며 반복적인 훈련이 가능하고, 실 재료를 사용하지 않아 재료의 낭비를 줄일 수 있는 환경 친화적인 안전하고 효율적인 훈련 실습 환경을 제공할 수 있다.

• 융합신호처리학회논문지
• /
• 제10권1호
• /
• pp.7-12
• /
• 2009

본 논문에서는 local min/max 연산을 이용한 필기체 숫자의 방향특징 추출 기법을 제안한다. 숫자의 방향특징은 숫자를 이루는 선에서 수평, 수직 및 두 대각방향인 4개 방향의 선들로 구성된 방향선분 영상으로부터 구해진다. Kirsch 마스크를 사용하는 기존의 방향특징 추출기법은 에지형태인 두 겹으로 된 방향선분 영상을 생성하는데 반해 본 논문에서 제시하는 방법은 방향성 수축연산을 사용하여 한 겹으로 된 방향선분 영상을 생성한다. 본 방향성 수축연산을 숫자영상에 적용하기 위해서는 먼저 세선화, 영상 팽창 등의 전처리가 필요하지만 이 방법은 숫자를 이루는 선 자체와 더욱 유사한 형태를 갖는 방향선분을 제공한다. 우리가 구하고자 하는 [$4{\times}4$] 크기인 4개의 방향특징은 4개의 방향선분 영상으로부터 조닝방법을 통해 구해진다. 보다 높은 필기체 숫자인식을 얻기 위해, 본 연구에서는 우리가 제안한 방향특징에 기존의 Kirsch 방향특징과 오목특징을 결합한 다중특징을 사용하였다. 본 숫자 특징에 의한 인식률을 테스트를 위해 오류역전파 알고리즘으로 학습되는 다층퍼셉트론 신경회로망을 인식기로 사용하였으며, Concordia 대학의 CENPARMI 숫자 데이터베이스를 사용하여 실험한 결과 98.35%의 인식률을 얻을 수 있었다.

• 한국지능시스템학회논문지
• /
• 제26권1호
• /
• pp.56-63
• /
• 2016

본 연구에서는 퍼지 RBFNNs과 증분형 주성분 분석법으로 실현된 숫자인식 시스템의 설계를 소개한다. 주성분 분석법은 차원축소를 위해 사용되는 알고리즘으로 학습데이터의 차원 수가 고차원이거나 데이터의 양이 많을 때 특징 추출을 위한 많은 계산 시간을 필요로 한다. 따라서 고차원 데이터의 효율적인 차원축소와 점진적인 학습을 위해 증분형 주성분분석법을 적용하는 방법을 제안한다. 방사형 기저함수 신경회로망의 구조는 조건부, 결론부, 추론부의 3가지 기능적 모듈로서 구분이 가능하다. 조건부에서는 FCM 클러스터링 알고리즘의 도움으로 실현된 퍼지 클러스터링의 사용으로 입력 공간을 분할한다. 또한 가우시안 함수 대신 FCM(Fuzzy C-Means)클러스터링 알고리즘의 멤버쉽 값을 사용함으로써 입력 데이터의 특성을 좀 더 잘 반영할 수 있도록 개선하였으며, 결론부에서 연결가중치는 상수항에서 일차식과 이차식, 그리고 변형된 이차식과 같은 다항식의 형태로 확장하여 사용한다. 실험 결과는 공인 숫자 데이터인 MNIST 필기체 숫자 데이터를 사용하여 제안된 숫자 인식 시스템의 효율성을 다른 연구와의 비교를 통해 입증한다.

• 한국지능시스템학회논문지
• /
• 제24권1호
• /
• pp.1-6
• /
• 2014

본 연구에서 $(2D)^2$ PCA 알고리즘을 이용한 최적 RBFNNs 기반 나이트비전 얼굴인식 시뮬레이터을 설계한다. CCD 카메라로 야간에 이미지를 취득할 경우 조도가 낮기 때문에 인식을 수행하기 어려운 수준의 이미지가 취득되는 문제점이 발생한다. 따라서 본 논문에서는 나이트 비전 카메라를 이용하여 야간 얼굴을 취득하였다. 또한 얼굴과 비얼굴 이미지 영역에서 야간 얼굴 이미지를 검출하기 위해 Ada-Boost 알고리즘을 사용한다. 그리고 히스토그램 평활화를 이용하여 이미지의 왜곡 현상을 최소화 한다. 이렇게 얻어진 고차원 이미지를 저차원으로 축소하기 위해 $(2D)^2$ PCA 알고리즘을 사용했다. 다항식 기반 RBFNNs을 이용한 지능형 패턴 분류 모델을 통하여 얼굴인식을 수행 한다. 마지막으로 차분진화 알고리즘을 사용하여 파라미터를 최적화 한다. $(2D)^2$ PCA를 최적 RBFNNs 기반 나이트비전 얼굴인식 시스템의 성능 평가를 위하여 IC&CI Lab data를 사용하고 실제 얼굴 인식 시스템을 설계한다.

• 한국지능시스템학회논문지
• /
• 제17권7호
• /
• pp.970-976
• /
• 2007

본 연구에서는 퍼지 추론 메커니즘에 기반 한 다항식 네트워크 패턴 분류기(Polynomial Network Pattern Classifier; PNC)를 설계하고 Particle Swarm Optimization 알고리즘을 이용하여 PNC 파라미터, 즉, 학습률, 모멘텀 계수, FCM 클러스터링의 퍼지화 계수(fuzzification Coefficient)를 최적화한다. 제안된 PNC 구조는 FCM 클러스터링에 기반한 분할 함수를 활성 함수로 사용하며, 다항식 함수로 구성된 연결가중치를 사용함으로서 기존 신경회로망 분류기의 선형적인 특성을 개선한다. PNC 구조는 언어적 해석관점에서 "If-then"의 퍼지 규칙으로 표현되며 퍼지 추론 메커니즘에 의해 구동된다. 즉 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 나뉘어 네트워크 구조가 형성된다. 조건부는 FCM 클러스터링을 사용하여 입력 공간을 분할하고, 결론부는 분할된 로컬 영역을 다항식 함수로 표현한다. 마지막으로, 네트워크의 최종출력은 추론부의 퍼지추론에 의한다. 제안된 PNC는 다항식 기반 구조의 퍼지 추론 특성으로 인해 출력 공간상에 비선형 판별 함수(nonlinear discernment function)가 생성되어 분류기로서의 성능을 높인다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.94-101
• /
• 2012

본 논문은 커버 영상으로부터 스테고 영상의 검출율을 높이기 위한 개선된 스테그분석 기법을 제안한다. 스테그분석에서 스테고 영상의 검출율을 높이려면 데이터 은닉에 의해 야기되는 작은 변화가 증폭되어야 한다. 이를 위해 본 논문에서는 두 단계의 방법을 통해 커버 영상과 스테고 영상의 특징 벡터를 추출한다. 먼저 스테고 잡음을 두배 이상 확대하기 위해 주어진 영상을 상위 4비트와 하위 4비트로 각각 분해한다. 각 분해된 영상에 대하여 3-레벨 Haar 웨이블릿 변환을 통해 총 12개의 부밴드를 생성하고, 생성된 부밴드에 대하여 동일 스케일 상에서 다른 부밴드 계수간의 동시발생 확률을 구한다. 웨이블릿 영역에서 부 밴드간 계수의 동시발생 확률은 데이터 은닉에 의해 상관성에 영향을 받게 되므로 커버 및 스테고 영상을 구분하기 위한 특징으로 사용될 수 있다. 본 논문에서는 동시발생 확률의 특성함수에 대한 모멘트를 구하여 특징 벡터로 사용한다. 추출된 특징 벡터는 신경망회로망 분류기를 사용하여 커버 영상과 스테고 영상을 학습하고 판별한다. 제안 방법의 성능평가를 위해 S-tool에 의한 LSB 및 COX의 SS, F5 임베딩 방법에 의한 다양한 삽입률의 스테고 영상을 사용하였으며, 실험결과 제안한 기법은 기존의 기법에 비해 비밀 메시지 삽입 유무의 검출율을 향상시킬 뿐만 아니라 판별의 정확도가 높음을 확인할 수 있었다.

• 자원리싸이클링
• /
• 제26권6호
• /
• pp.73-83
• /
• 2017

소형가전 제품은 종류가 다양할 뿐만 아니라 구성부품의 재질도 복잡하여 폐기시 재활용이 매우 어려운 실정이다. 특히, 폐소형가전의 경우 흑색 플라스틱의 함유량이 높을 뿐만 아니라 재질이 다양하여 재활용 공정에서 발생하는 플라스틱의 재질을 인식하여 효율적으로 선별 회수하는 것이 매우 어렵다. 본 연구에서는 기존 선별기술이 가지고 있는 흑색 플라스틱의 재질별 선별에 대한 기술적 한계 및 단점을 보완하기 위하여 레이저유도붕괴분광법(Laser-Induced Breakdown Spectroscopy, LIBS)을 기반으로 하는 흑색 플라스틱의 재질별 자동선별 시스템을 개발하였다. 본 시스템은 정량 공급장치, 위치 자동인식 장치, 레이저유도기반분광분석(LIBS) 장치, 선별분리장치 및 Control unit 등으로 구성되어 있다. 레이저유도붕괴분광법(LIBS)을 이용하여 흑색 플라스틱의 재질별 특성 스펙트럼 데이터를 획득하고, 인공지능형 알고리즘을 적용한 분류기를 설계하여 적용함으로써 흑색 플라스틱의 재질을 효율적으로 인식하고 분류할 수 있다. 본 연구에서 개발한 방사형기저함수신경회로망(RBFNNs) 분류기의 분류율은 약 97% 이상으로 나타났으며, 자동선별 시스템의 흑색 플라스틱의 재질별 인식률은 약 94.0% 이상, 선별효율은 80.0% 이상으로 조사되었다. 본 연구에서는 실험실 규모의 자동선별장치를 개발하였으며, 본 장치에 대한 실험결과를 바탕으로 흑색 플라스틱 재질인식 및 선별효율 등을 분석하므로써 향후 폐소형가전의 재활용 현장에 적용할 예정이다.