• 한국지진공학회:학술대회논문집
• /
• 한국지진공학회 1999년도 춘계 학술발표회 논문집 Proceedings of EESK Conference-Spring
• /
• pp.300-307
• /
• 1999

신경망기법을 이용한 구조물접합부의 손상평가기법을 제안하였다. 신경망기법의 성능을 개선하기 위하여 노이즈첨가학습을 수행하였으며 효과적인 손상평가를 위하여 부분구조추정법 및 data perturbation scheme을 도입하였다. 10층 프레임구조물에 대한 수치해석과 2층 프레임구조물에 대한 실험연구를 통하여 제안기법을 검증하였다 계측지점이 부분구조로 제한되고 계측자료가 노이즈를 포함하는 경우에는 제안기법이 효과적으로 적용될수 있음을 알 수 있었으며 실험을 통하여 실제 구조물에 대한 제안기법의 적용성을 평가힐 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.246-248
• /
• 2019

최근 딥 러닝을 이용한 방법들이 이미지 분류에서 뛰어난 성능을 보임에 따라, 컴퓨터 비전의 중요한 문제 중 하나인 이미지 검색에도 이를 활용하고 있다. 특히, 이미지 검색에 사용할 수 있는 이미지 기술자 (Image descriptor)를 깊은 신경망 구조의 일부분인 Fully-connected layer에서 추출하여 사용하는 방법들이 제시되고 있고, 이를 위해 알맞은 목적함수를 설계하여 깊은 신경망을 학습하는 것이 중요해지고 있다. 딥 러닝을 통해 얻은 이미지 기술자는 실수형 데이터로서, 한 장의 이미지를 수치화하여 표현하는 데 많은 메모리를 소모하게 된다. 이를 보완하기 위해 이미지 기술자를 작은 용량의 이진코드로 mapping 하는 해싱 (hashing) 이라는 과정이 필수적이나 이에 따른 한계점이 발생한다. 본 연구에서는 실수형 데이터가 갖는 거리 계산에서의 이점과 이진코드의 장점을 동시에 살릴 수 있는 Product Quantization 방식의 이미지 검색 방법을 이용하여 한계점을 극복하였다. 우리는 제안한 방법을 얼굴 이미지 데이터 셋에 실험하였고 기존 방식보다 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.107-110
• /
• 1997

본 논문에서는 선형 이진 신경회로망 (Linear Binary Neural Network)을 최소화 하기 위하여, 입력패턴의 그룹화 가능성을 측정하는 조건함수를 제시한다. 또한 이 조건식으로 그룹화 우선순위를 정하고 iteration을 통해 신경회로망을 합성하는 MSP Term Grouping Algorithm을 보인다. 여려가지 예제에 대한 실제적 합성 실험을 통해 기존의 알고리즘과 제시된 알고리즘을 비교한 결과는 제시된 알고리즘이 기존의 알고리즘 보다 작은 크기의 선형 이진 신경회로망을 합성할 수 있는 향상된 방법임을 보여준다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.339-341
• /
• 1999

본 논문에서는 연상 메모리 기능을 수행하는 셀룰라 신경망(Cellular Neural Netowork)의 설계를 위한 새로운 방법론을 제안한다. 먼저, 셀룰라 신경망 모델의 기본적 특성들을 소개한 후, 최적 성능을 가지고 이진 원형 패턴들을 저장할 수 있는 셀룰라 신경망 모델의 설계 방법을 제약 조건이 가해진 최적화 문제로 공식화한다. 다음으로 이 문제의 제약 조건을 선형 행렬 부등식(Linear Matrix Inequalities)을 포함하는 부등식의 형태로 변환시킬 수 있음을 관찰한다. 마지막으로 셀룰라 신경망 최적 설계 문제를 내부점 방법(interior point method)에 의해 효율적으로 풀릴 수 있는 일반화된 교유값 문제(Generalized Eigen Value Problem)로 변환하고 설계 예제를 통해 제안된 방법의 유효성을 검증한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.517-518
• /
• 2023

본 논문에서는 인공지능 신경망의 하이퍼 파라미터들이 그래프 신경망 모델의 성능에 미치는 영향을 알아보기 위하여 대규모 그래프 데이터를 기반으로 이진 분류 문제를 예측하는 그래프 합성곱 신경망 모델(Graph Convolution Network Model)을 구현하고 모델의 다양한 하이퍼 파라미터 중 손실함수와 활성화 함수를 여러 가지 조합으로 적용하며 모델 학습과 예측 실험을 시행하였다. 실험 결과, 활성화 함수보다는 손실함수의 선택이 모델의 예측 성능에 좀 더 큰 영향을 미치는 것을 확인하였다.

• 컴퓨터교육학회논문지
• /
• 제21권1호
• /
• pp.51-58
• /
• 2018

인공 신경망은 최근 다양한 분야에서 뛰어난 성능을 보여주고 있다. 하지만 인공 신경망이 학습한 지식이 정확히 어떤 내용인지를 사람이 파악하기 어렵다는 문제점이 존재하는데, 이를 해결하기 위한 방법 중 하나로 학습된 인공 신경망에서 규칙을 추출하는 방법들이 연구되고 있다. 본 연구에서는 학습된 인공 신경망으로부터 규칙을 추출하는 방법 중 하나인 ordered-attribute search(OAS) 알고리즘을 사용하여 인공 신경망으로부터 규칙을 추출해보고, 추출된 규칙을 개선하기 위해 규칙들을 분석하였다. 그 결과로 은닉 층의 출력값 분포가 OAS 알고리즘을 이용해 추출된 규칙의 정확도에 영향을 주는 것을 파악하였고, 은닉 유닛 명확화 기법을 통해 은닉 층 출력값을 이진화하여 효율적인 규칙을 추출할 수 있음을 제시하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 춘계학술대회
• /
• pp.417-420
• /
• 2014

최근 늘어난 금융 사고들로 인하여 이를 방지하기 위한 보안 시스템의 중요성이 증가하고 있다. 보안 시스템들 중에서도 생체인식 시스템이 주목받고 있는데, 여러 가지 생체인식 방법들 중에서도 지문인식이 보안성, 신뢰성, 휴대성 등 여러 가지 면에서 가장 주목 받고 있다. 본문에서는 이러한 지문인식 기법을 인공신경망을 이용하여 구현하였다. 인공신경망은 뇌기능의 특성을 컴퓨터로 표현하기 위한 수학모델로서 특정 패턴들을 프로그램이 인식할 수 있도록 만들어 준다. 인공신경망을 이용하기 위하여 입력된 지문 이미지를 평활화, 이진화, 세선화 등의 전처리 과정을 거친다. 전처리 과정을 거친 지문이미지에서 특징점을 추출하고 신경망을 통하여 프로그램이 지문을 인식하게 한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.77-80
• /
• 2003

신경망의 퍼셉트론 학습법에는 이진 또는 연속 활성화 함수가 사용된다. 초기 연결강도는 임의의 값으로 설정하며, 목표치와 실제 출력과의 차이를 이용하는 것이 주된 특징이다. 즉 구해진 오차는 학습률에 따라서 다음 단계의 연결강도에 영향을 주게 된다. 이런 경우 학습률이 너무 크면 수렴성을 보장할 수 없으며, 반대로 너무 작게 선정하면 학습이 매우 느리게 진행되는 단점이 발생한다. 이런 이유로 능동적인 학습률의 변화는 신경망의 퍼셉트론 학습법에 중요한 관건이 리며, 주어진 문제를 최적으로 학습을 위해서는 결국 상황에 따른 적절한 학습률 조정이 필요하다. 본 논문에서는 학습률 조정에 퍼지 모델을 적용하는 신경망 학습 방법을 제안하고자 한다. 제안한 방법에 의한 학습은 오차의 변화에 따라 학습률을 조정하는 방식을 사용하였고, 그 결과 연결강도를 능동적으로 변화시켜 효과적인 학습 결과를 얻었다. 학습률 변화는 'Sugeno 퍼지 모델'을 이용하여 구현하였다.

• 정보처리학회논문지B
• /
• 제13B권5호
• /
• pp.547-552
• /
• 2006

클래스의 속성과 메소드 참조관계를 고려한 응집도 측정 방법은 다양한 형태로 연구되어 왔다 이러한 응집도의 측정 방법은 일반적으로 하나의 클래스에서 이루어진다. 단일 클래스에서 두 개의 클래스로 참조 범위를 확장하면 두 클래스 사이에 발생할 수 있는 참조관계를 알 수 있다. 본 논문에서는 메소드의 위치 결정을 위하여 신경망 학습모델을 제안하였다. 신경망은 입출력 패턴에 대한 반복학습 후, 학습 패턴에 포함되지 않았던 입력 패턴의 목적 값을 예측하고, 일반화(generalization)하는데 효과적이다. 두 개의 클래스 안의 속성과 메소드를 5개 이하로 제한하였고, 학습 벡터는 30개의 이진 값으로 구성된 입력 벡터와 메소드 위치 결정 값인 이진 목적 값으로 생성되었다. 제안된 신경망은 교차검증에서 약 95%, 테스트 데이터에 대해서는 약88%의 예측율을 보였다.

• 정보과학회 논문지
• /
• 제45권1호
• /
• pp.22-29
• /
• 2018

지난 수십 년 동안 인공 신경망은 음성 인식에서 이미지 분류에 이르기까지 수많은 분야에서 성공적으로 사용되었다. 그러나 인공 신경망은 특정 결론이 어떻게 도출되었는지 알 필요가 있음에도 불구하고 이러한 결과를 설명할 수 있는 능력이 부족하다. 대부분의 연구는 신경망에서 이진 규칙을 추출하는데 초점을 맞추고 있지만, 기계 학습 응용 프로그램에 사용되는 데이터는 연속된 값이 포함되어 있기 때문에 실용적이지 않은 경우가 있다. 이러한 격차를 줄이기 위해 본 논문에서는 연속된 값이 포함된 데이터로부터 학습된 신경망에서 논리 규칙을 추출하는 알고리즘을 제안한다. 초평면 기반 선형 분류기를 사용하여 입력 및 은닉 층 사이에서 학습된 가중치로부터 규칙을 추출하고, 비선형 분류 규칙을 생성하기 위해 은닉 층과 출력 층에서 학습된 이진 규칙과 분류기를 결합한다. 비선형 연속값으로 구성된 여러 데이터셋을 대상으로 진행한 실험에서 제안하는 방법이 논리적 규칙을 정확하게 추출할 수 있음을 보였다.