• Journal of the Korean Geotechnical Society
• /
• v.16 no.5
• /
• pp.169-178
• /
• 2000

본 논문에서는 단일 및 군말뚝의 수평변위와 최대 휨모멘트를 예측하기 위하여 인공신경망을 도입하였다. 인공신경망에 의한 결과는 낙동강 모래지반에서 단일 및 군말뚝에 대하여 수행한 일련의 모형실험결과와 비교하였다. 인공신경망 중의 하나인 오류 역전파 신경망(EBIPNN)의 적용성 검증을 위하여 600개의 모형실험결과들을 이용하였다. 그리고 신경망의 구조는 한개의 입력층과 두개의 은닉층 그리고 한개의 출력층으로 구성되었다. 전체 데이터의 25%, 50% 그리고 75% 결과는 각각 신경망의 학습에 이용되었으며 학슴에 이용하지 않은 데이터들은 예측에 이용되었다. 인공신경망 학습결과와 실험결과의 비교에 의하면, 신경망의 최적학습을 위하여 최적학습을 위하여 적합한 은닉층의 뉴런수는 각각 30개로 그리고 학습률은 0.9로 결정되었다. 전체 데이터의 50%이상으로 학습을 수행한 신경망의 모델은 정확한 예측을 하는 것으로 나타났다. 따라서, 인공신경망 모델리 수평하중을 받는 말뚝의 수평변위와 최대 휨모멘트의 예측에 적용될 수 있는 가능성을 보여주었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.895-898
• /
• 2004

본 논문에서는 기존의 개인 식별 방법의 한계를 해결하는 대안으로 떠오르고 있는 생체인식 기술 중 인식률이 뛰어난 홍채인식 시스템에 대해 연구하고자 한다. 먼저 홍채인식 시스템의 구현을 위해 신호처리 분야에서 많이 사용되고 있는 wavelet 변환 중 Haar wavelet과 고차 국소 자기 상관 특징을 이용하여 홍채의 특징을 추출하여 특징벡터의 크기를 최소화 하였다. 또, 인식률을 높이기 위해 오류 역전파 학습 알고리즘을 이용하여 홍채패턴에 기반한 신원 확인 및 검증을 위한 개선된 방법을 제시하였다. 학습이 완료된 신경망에 대한 학습데이터와 테스트 데이터의 인식률을 실험한 결과 학습된 데이터는 평균 인식률 $97.4\%$, 테스트 데이터는 $95.5\%$의 인식률을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.468-471
• /
• 2012

음성을 통한 자동화된 감정 인식은 편리하고 다양한 서비스를 제공할 수 있어 중요한 연구분야라고 할 수 있다. 기계학습의 다양한 알고리즘을 사용하여 감정을 인식하는 연구가 진행되어 왔지만 그 성능은 아직 초보적 단계를 벋어나지 못하고 있는 실정이다. 앞선 연구에서 우리는 비감독 학습 방법으로 감성을 그룹화 하고 이것을 이용하여 다시 감독 학습을 하는 시스템을 소개 하였다. 본 연구에서 우리는 감독 학습 방법에서 사용했던 오류 역전파 알고리즘을 support vector machine(SVM) 으로 변경하고 몇 가지 구조를 변경하여 기능을 개선하였다. 실험을 통하여 성능을 측정하였으며 어느 정도 개선된 결과를 얻을 수 있었다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.26 no.2C
• /
• pp.81-88
• /
• 2006

This study performed field and laboratory tests for poor subsoils taken in six regions of the country and determined undrain shear strength. Su values and preconsolidation pressure are predicted using Back Propagation neural network (BPNN) and the application of BPNN is verified. The result of BPNN shows that correlation coefficient between test and neural network result is over 0.9, which means high correlativity. Especially the neural network uses only 6 parameters such as natural water content, void ratio, specific gravity, rate of passing 200th sieve, liquid limits and plasticity index among various affecting factors to estimate value and the correlation coefficent is 0.93. The conclusions obtained in this paper are from the tests performed for poor subsoils taken in the several regions of the country. If there were more test results, the prediction and influence of various soil properties could be effectively performed by neural network.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.09b
• /
• pp.71-75
• /
• 2003

오류 역전파 학습 알고리즘을 이용하여 영상 인식에 적용 할 경우에는 은닉층의 노드 수를 경험적으로 설정하므로, 학습시간과 지역최소화 및 정체현상이 발생한다. 그리고 ARTI 알고리즘은 입력 패턴과 저장 패턴간의 측정 방법인 유사성 검증 방법과 경계 변수의 설정에 따라 인식률이 좌우된다. 경계 변수의 값이 크면 입력 패턴과 저장 패턴사이에 약간의 차이만 있어도 새로운 카테고리(Category)로 분류하고, 반대로 경계 변수의 값이 적으면 입력 패턴과 저장 패턴 사이에 많은 차이가 있더라도 유사성이 인정되어 입력 패턴들을 대략적으로 분류한다. 따라서 ART1 알고리즘을 영상 인식에 적용하기 위해서는 경계 변수를 경험적으로 설정하므로 인식률에 부정적인 영향을 갖는 문제점이 있다. 따라서 본 논문에서는 개선된 ART1 알고리즘과 지도 학습 방법을 결합하여 신경망의 은닉층 노드를 동적으로 변화시키는 자가 생성지도 학습 알고리즘을 제안한다. 제안된 신경망에서 입력층과 은닉층의 학습 구조에는 ART1 알고리즘을 개선하여 적용하고, 은닉층과 출력층의 학습 구조에는 은닉층에서 승자로 선택된 노드와 출력층 노드와 연결된 가중치만을 조정하고 Delta-Bar-Delta 알고리즘을 적용한다. 제안된 방법의 학습 성능을 분석하기 위하여 학생증 영상에서 추출한 학번 패턴 분류에 적용한 결과, 기존의 신경망 학습 알고리즘보다 학습 성능이 개선됨을 확인하였다.

• Journal of the Korean Geotechnical Society
• /
• v.17 no.1
• /
• pp.47-56
• /
• 2001

본 논문에서는 단일 및 군말뚝의 수평변위를 예측하기 위하여 신경망 학습속도의 향상과 지역 최소점 수렴을 방지하는 Readjusting 기법을 적용한 인공신경망을 도입하였다. 이 인공신경망을 M-EBPNN 이라고 한다. M-EBPNN에 의한 결과는 낙동강 모래지반에서 단일 및 군말뚝에 대하여 수행한 일련의 모형실험결과와 비교하였으며, 그리고 신경망의 학습속도와 지역 최소점의 수렴성을 평가하기 위하여 오류 역전파 신경망(EBPNN)의 결과와도 비교 분석하였다. M-EBPNN의 적용성 검증을 위하여 200개의 모형실험결과들을 이용하였으며, 신경망의 구조는 EBPNN의 구조와 동일한 한 개의 입력층과 두 개의 은닉층 그리고 한 개의 출력층으로 구성되었다. 전체 데이터의 25%, 50% 그리고 75% 결과는 각각 신경망의 학습에 이용되었으며 학습에 이용하지 않은 데이터들은 예측에 이용되었다. 그리고, 신경망의 최적학습을 위하여 적합한 은닉층의 뉴런 수와 학습률은 EBPNN에서 결정한 값들을 본 신경망에 이용하였다. 해석결과들에 의하면, 동일한 학습패턴에서의 M-EBPNN이 학습 반복횟수는 EBPNN 보다 최고 88% 감소하였으며 지역 최소점에 수렴하는 현상은 거의 나타나지 않았다. 따라서, 인공신경망 모델이 수평하중을 받는 말뚝의 수평변위 예측에 적용될 수 있는 가능성을 보여 주었다.

• Journal of the Korean Institute of Telematics and Electronics C
• /
• v.35C no.6
• /
• pp.67-75
• /
• 1998

Although the nCE(n-th order cross-entropy) error function resolves the incorrect saturation problem of conventional EBP(error back-propagation) algorithm, the performance of MLP's (multilayer perceptrons) trained using the nCE function depends heavily on the order of the nCE function. In this paper, we propose an adaptive learning rate to make the performance of MLP's insensitive to the order of the nCE error. Additionally, we propose a limited error signal of output node to prevent unstable learning due to the adaptive learning rate. The effectiveness of the proposed method is demonstrated in simulations of handwritten digit recognition and thyroid diagnosis tasks.

• The Journal of the Korea Contents Association
• /
• v.7 no.2
• /
• pp.30-39
• /
• 2007

This paper is concerned with development of system to detect an obstructive vehicle which is an essential prerequisite for autonomous driving system of ASV(Advanced Safety Vehicle). First, the boundary of driving lanes is detected by a Kalman filter through the front image obtained by a CCD camera. Then, lanes are recognized by regression analysis of the detected boundary. Second, parameters of road curvature within the detected lane are used as input in error-BP algorithm to recognize the driving direction. Finally, an obstructive vehicle that enters into the detection region can be detected through setting detection fields of the front and lateral side. The experimental results showed that the proposed system has high accuracy more than 90% in the recognition rate of driving direction and the detection rate of an obstructive vehicle.

• Geotechnical Engineering
• /
• v.10 no.3
• /
• pp.79-96
• /
• 1994

A tunnel design expert system entitled NESTED is developed using the artificial neural network. The expert system includes three neural network computer models designed for the stability assessment of underground openings and the estimation of correlation between the RMR and Q systems. The expert system consists of the three models and the computerized rock mass classification programs that could be driven under the same user interface. As the structure of the neural network, a multi -layer neural network which adopts an or ror back-propagation learning algorithm is used. To set up its knowledge base from the prior case histories, an engineering database which can control the incomplete and erroneous information by learning process is developed. A series of experiments comparing the results of the neural network with the actual field observations have demonstrated the inferring capabilities of the neural network to identify the possible failure modes and the support timing. The neural network expert system thus complements the incomplete geological data and provides suitable support recommendations for preliminary design of tunnels in rock masses.

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.8
• /
• pp.11-18
• /
• 2009

This paper proposes the way of improving learning speed in Levenberg-Marquardt algorithm using the principal submatrix of Jacobian matrix. The Levenberg-Marquardt learning uses Jacobian matrix for Hessian matrix to get the second derivative of an error function. To make the Jacobian matrix an invertible matrix. the Levenberg-Marquardt learning must increase or decrease ${\mu}$ and recalculate the inverse matrix of the Jacobian matrix due to these changes of ${\mu}$. Therefore, to have the proper ${\mu}$, we create the principal submatrix of Jacobian matrix and set the ${\mu}$ as the eigenvalues sum of the principal submatrix. which can make learning speed improve without calculating an additional inverse matrix. We also showed that our method was able to improve learning speed in both a generalized XOR problem and a handwritten digit recognition problem.