• 한국지능시스템학회논문지
• /
• 제6권4호
• /
• pp.39-48
• /
• 1996

비선형 동적 시스템을 제어하기에 적합한 귀환 신경망에 대한 연구는 안정성(stability) 유도와 학습 알고리듬(learning algorithm) 개발의 두가지 방향으로 지금까지 많은 연구가 이루어져 왔다. 본 논문에서는 비선형 동적 시스템 제어시 온라인(on-line) 학습이 가능하고 안정성을 보장하도록 귀환 신경망의 학습 알고리듬에 VSS이론을 도입하여 개발한다. 또한 개발한 학습 알고리듬을 사용한 귀환 신경망을 전형적인 비선형 동적 시스템인 로보트 매니퓰레이터의 제어 시스템에 적용하고 기존의 학습 방법의 적용 결과와 비교하여 개발한 제어 알고리듬의 효용성을 입증한다.

• 한국방사선학회논문지
• /
• 제10권8호
• /
• pp.637-643
• /
• 2016

최근 인공지능에 대중의 관심으로 인해, 인공신경망을 사용한 의료영상 처리가 학계와 산업계에서 관심이 커져가고 있다. 딥러닝을 이용한 컨볼루션 신경망은 영상을 효과적으로 표현할 수 있는 것으로 증명되었다. 그러나 학습을 위해서는 고성능 H/W 플랫폼이 요구된다. 따라서 고차원의 많은 학습 샘플을 저사양 H/W 플랫폼에서 학습하는 것은 매우 도전적인 문제이다. 본 논문에서는 온라인 인공 신경망을 사용해 라즈베리파이에서 동작할 수 있는 실시간 신경망 알고리즘을 제안하고자 한다. 다양한 실험 결과를 통해 제안된 방법은 실시간 학습이 가능함을 보여주었다.

• 한국정밀공학회지
• /
• 제16권2호통권95호
• /
• pp.211-217
• /
• 1999

감지기의 고장 발견, 확인, 보완은 복잡한 항공 시스템의 중요한 문제로 부각되어 왔으며, 그동안 칼만 필터를 이용한 기존 추정기술 혹은 온라인 학습 인공지능 알고리듬 등이 이 같은 문제를 해결하기 위해 제시되어 왔다. 본 연구에서는 여분의 감지기가 없는 항공제어계에 대해 온라인 학습 신경망을 이용한 감지기의 고장 발견, 확인, 그리고 보완에 관해 초점을 둔다. 이 내고장성 항공제어계는 주 신경조직망과 n개의 국소 신경조직망으로 이루어지는데, 포괄적인 감지기의 고장을 발견하는 능력을 가진다. 어떤 경우에서는 기존의 감지기 고장 발견 방법의 성능을 향상시키기 위해 수정된 감지방법이 소개되고 그 보완된 감지방법을 이용하여 기존의 방법과 성능비교가 이루어졌다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 추계학술대회
• /
• pp.11-12
• /
• 2017

본 논문에서는 부류가 정해진 훈련 집합이 불필요한 온라인 학습 기반 추적 기법을 제안한다. 추적기의 학습을 위해 합성곱 신경망(convolutional neural network: CNN)을 이용하였다. 추적영상으로부터 직접 훈련 샘플을 수집함으로써 분류기 학습을 위한 비용을 감소시킬 수 있었고, 목표 영상에 적응적인 객체 모델을 생성할 수 있다. 실험 결과를 통해 제안하는 방법이 우수한 성능을 보임을 입증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.330-331
• /
• 2017

최근 클라우드 및 신경망 기반의 지능형 CCTV기술이 사회 안전 분야의 핵심 기술로 부상하면서 신학계에 관심이 커지고 있다. 이러한 동향을 반영하여 공공/사회 안전을 위한 실 환경 기반 지능형 영상 인식 기술의 지속적인 성능 업데이트 및 관리를 위한 온라인 학습 기반 인식 기술이 필요하다. 본 논문에서는 클라우드 기반 지능형 영상보안 온라인 인큐베이팅 플랫폼 기술 과제를 소개한다. 온라인 인식신경망 인큐베이팅이란, 원격 클라우드 환경을 이용하여 사용 중인 영상인식 신경망을 온라인 학습으로 실시간 업데이트하여 딥러닝 성능을 지속적으로 강화하는 기술이다. 본 논문에서는 클라우드 기반 지능형 영상보안 인큐베이팅 플랫폼 기술 과제를 소개한다.

• 한국지능시스템학회논문지
• /
• 제21권5호
• /
• pp.602-608
• /
• 2011

본 논문에서는, 신경망을 이용한 뉴로 인터페이스 설계를 통해 논홀로노믹 이동 로봇을 제어하는 방법을 제시하였다. 특히, 가상의 마스터-슬레이브 로봇 개념을 이용하여, 부분적으로 안정된 마스터 로봇의 역 동적모델이 피드백-에러 학습법을 적용한 신경망을 통해 온라인으로 획득되도록 하였다. 이 피드백 제어기는 PD 보상기에 기초를 두고 있다. 온라인 학습을 위한 신경망은 입력층이 6개의 입력세포들($x_i$, i=1~6)로 구성되어있으며, 1개의 은닉층에는 2개의 은닉세포($o_j$, j=1~2), 출력층은 2개의 출력세포(${\tau}_k$, k=1~2)로 구성되었고, 신경망의 온라인 학습을 위하여 최소자승법에 의한 오류역전파 알고리즘을 이용하였다. 본 연구에서 개발된 뉴로 인터페이스의 경로추적제어에 관한 성능은 2-wheel 독립구동이 가능한 논홀로노믹 이동 로봇의 시뮬레이션으로 증명하였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권11호
• /
• pp.614-618
• /
• 2016

인터넷 상 데이터와 스마트 디바이스가 증가함에 따라 순차적으로 유입되는 스트림 형식의 데이터가 늘어나고 있다. 잠재적인 빅데이터인 스트림 데이터를 다루기 위해서는 온라인 학습이 가능해야 한다. 이에 본 고에서는 스트림 데이터 학습을 위한 새로운 모델인 예측적 컨볼루션 신경망과 온라인 학습방법을 제안한다. 이 모델은 탐지와 풀링을 반복하는 컨볼루션 연산을 통해 탐지 패턴을 계층화하여 상위 계층이 될수록 긴 길이의 패턴의 정보를 다루도록 한다. 본 모델의 기초적 검증을 위해 스마트폰으로 2달간 수집한 GPS 데이터를 이산화하여 관측데이터로 삼았다. 이를 제안모델을 통해 학습하여 계층을 따라 추상화된 정보로부터 복원한 데이터와 관측데이터를 비교하여, 긴 시간의 패턴을 다루면서도 관측 수준의 데이터를 복원하는 것을 확인하였다.

• 전자공학회논문지SC
• /
• 제37권3호
• /
• pp.72-83
• /
• 2000

본 논문에서는 리칭모드 제어기와 신경 회로망을 이용하여 3상 유도전동기의 위치제어 시스템을 구현한다. 리칭모드 제어기는 위치오차와 속도오차의 궤적을 슬라이딩 평면으로 들어가도록 하고 신경회로망의 초기학습을 담당한다. 리칭모드 제어기의 구조는 슬라이딩 평면의 스위칭 함수로부터 간단히 구성하였다. 또한, 신경 회로망은 전향경로 신경망으로 구성되며 비선형 매핑능력과 탁월한 학습능력을 이용하여 유도전동기의 등가제어입력을 학습하도록 하였고 신경 회로망의 입력으로는 모터의 기준속도, 기준위치 및 엔코더를 이용하여 측정된 모터의 실제속도와 위치 등을 이용하였고 온라인 상태로 학습되도록 하였다. 이와 같이 복합적으로 구성된 제어기들을 유도전동기의 위치제어 시스템에 적용하였다. 본 논문에서 제안된 알고리즘의 타당성을 보이기 위해 기존의 PI 제어기와 비교평가를 하였으며 시뮬레이션과 실험결과로부터 초기운전 상태에서는 리칭모드 제어기가 주로 제어를 담당하지만 시간이 지남에 따라 신경회로망이 학습되어 신경 회로망이 주 제어기가 됨을 확인하였다. 아울러, 제안된 제어기가 PI 제어기보다 우수하고 특히 부하변동과 같은 외란에 강인함을 알 수 있었으며, 정상상태 오차가 현저히 감소하여 정밀한 제어가 가능함을 확인하였다.

• 정보처리학회논문지B
• /
• 제11B권7호
• /
• pp.831-840
• /
• 2004

본 논문에서는 신경망 기반의 지능형 게임 캐릭터를 구현하는 방법을 제안한다. 지능 캐릭터를 구현하는 신경망은 상대방 캐릭터의 행동과 상대방 캐릭터와의 거리를 입력받아 지능 캐릭터의 행동을 결정하여 출력한다 신경망은 두 캐릭터들의 행동으로 인한 점수를 강화 값으로 사용하여 강화 학습된다. 제안한 방법의 효용성을 보이기 위해서 간단한 대전 액션 게임을 구현하고 그 환경에서 여러 가지 실험을 수행하였다. 실험 견과 제안한 지능형 캐릭터가 게임의 규칙을 잘 학습할 수 있음을 보였다. 제안된 방법은 대전 게임뿐만 아니라 대규모 온라인 게임상의 캐릭터 구현에도 적용될 수 있다.

• 한국음향학회지
• /
• 제21권5호
• /
• pp.430-437
• /
• 2002

다층신경망 (MLP: multilayer perceptron)은 다른 패턴인식 방법에 비해 여러 가지 훌륭한 특성을 가지고 있어 음성인식 및 화자인식 영역에서 폭넓게 사용되고 있다. 그러나 다층신경망의 학습에 일반적으로 사용되는 오류역전파 (EBP: error backpropagation) 알고리즘은 학습시간이 비교적 오래 걸린다는 단점이 있으며, 이는 화자인식이나 화자적응과 같이 실시간 처리를 요구하는 응용에서 상당한 제약으로 작용한다. 패턴인식에 사용되는 학습데이터는 풍부한 중복특성을 내포하고 있으므로 패턴마다 다층신경망의 내부변수를 갱신하는 온라인 계열의 학습방식이 속도의 향상에 상당한 효과가 있다. 일반적인 온라인 오류역전파 알고리즘에서는 가중치 갱신 시 고정된 학습률을 적용한다. 고정 학습률을 적절히 선택함으로써 패턴인식 응용에서 상당한 속도개선을 얻을 수 있지만, 학습률이 고정된 상태에서는 학습이 진행됨에 따라 학습에 기여하는 패턴영역이 달라지는 현상에 효과적으로 대응하지 못하는 문제가 있다. 이 문제에 대해 본 논문에서는 패턴의 기여도에 따라 가변 하는 학습률과 학습에 기여하는 패턴만을 학습에 반영하는 패턴별 가변 학습률 및 학습생략 (COIL: Changing rate and Omitting patterns in Instant Learning)방법을 제안한다. 제안한 COIL의 성능을 입증하기 위해 화자증명과 음성인식을 실험하고 그 결과를 제시한다.