• The Korean Journal of Applied Statistics
• /
• v.15 no.2
• /
• pp.251-267
• /
• 2002

Self Organizing Maps(SOM) by Kohonen is very fast algorithm in neural networks. But it doesn't show sure rules of training results. In this paper, we introduce to Bayesian Learning for Self Organizing Maps(BLSOM) which combines self organizing maps with Bayesian learning. So it supports explanatory power of models and improves prediction. BLSOM has global optima anywhere but SOM has not. This is proved by experiment in this paper.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.11a
• /
• pp.479-488
• /
• 2000

다양한 재무정보를 이용하여 기업간 경쟁적 벤치마킹을 수행하는 것은 매우 어려운 작업인 동시에 분석에 상담한 시간이 소요된다. 본 연구에서는 재무정보를 이용한 기업간 경쟁적 벤치마킹을 효과적으로 수행하기 위하여 대표적인 자율신경망 모형인 자기조직화 신경망을 분석에 이용하였다. 자기조직화 신경망은 다차원적인 재무자료를 2차원 출력 공간으로 투영함으로써 결과를 시각화하는데 매우 효과적이며, 시각화된 결과는 재무적인 경쟁우위에 따라 기업을 군집화함으로써 효과적인 경쟁적 벤치마킹을 수행할 수 있도록 한다. 본 연구에서는 1998년. 1999년, 그리고 2000년 상반기까지의 국내 제조업체 재무구조 분석사례에 자기조직화 신경함을 적용하여 재무적 경쟁우위에 따른 기업들의 군집화 모형으로서의 가능성을 제시하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.54-57
• /
• 2004

블루투스는 작은 크기와 저렴한 가격, 표준화된 프로토콜, 저전력 소모 등의 잇점으로 인해 로봇에 응용하기 적합한 무선 기술로 주목받고 있다. 그러나 단일 통신망을 구성하기 위해서는 1：7의 Master/slave 구조와 무선 통신거리 등의 제약사항이 있다. 블루투스를 로봇 시스템에 적용하기 위해서는 주위 환경에 따른 자기 조직화를 통해서 이러한 단점을 보완하고 주위 환경의 변화에 적절하게 대응을 할 수 있도록 하는 네트워크 구성 시스템이 필요하다. 자기 조직화를 하기 위해서는 Discovery, Organization, Maintenance, Reorganization의 크게 4단계의 과정을 거친다. 본 논문에서는 분산 로봇 시스템을 위해 트리구조를 이용한 자기 조직화 가능한 블루투스 네트워크를 구현하고 그 성능을 평가한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.7 no.6
• /
• pp.1304-1311
• /
• 2003

Target tracking in a real world situation is difficult problem because of continuous variations in images, huge amounts of data, and high processing speed demands. The problem becomes even harder in the case of sea background. This paper presents an initial study of neural network based method for target detection and tracking in cluttering environment. The approach uses a combination of differential motion analysis, Kohonen self-organizing network and region growing method. The network is capable of detecting the mass-centers of moving objects within one frame. The history of neurons positions in the sequential frames approximates the traces of the targets. The experiments done with the network in simulated environment showed promising results.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.20 no.4
• /
• pp.489-496
• /
• 2010

In this paper, a self-organization framework for swarm systems in three dimensions is presented. The framework uses artificial potential functions(APFs) to direct the robots toward the goal as well as to keep them in a swarm system. This research extends conventional APFs used for self-organizations in two dimension environment to three dimensions. In three dimension environment, the ground potential for the boundary surfaces that commonly appear in three dimension environments is proposed. Accordingly, the comparison between the paths without and with the ground potentials shows the necessity and effect of ground potentials. Extensive simulations are given to show the effectiveness of the extended potentials and various properties in three dimension environments.

• Journal of KIISE:Software and Applications
• /
• v.33 no.4
• /
• pp.440-448
• /
• 2006

Self-Organizing Map (SOM) is an unsupervised learning neural network and it is used for preserving the structural relationships in the data without prior knowledge. SOM has been applied in the study of complex problems such as vector quantization, combinatorial optimization, and pattern recognition. This paper proposes a new usage of SOM as a tool for schema transformation hoping to achieve more efficient genetic process. Every offspring is transformed into an isomorphic neural network with more desirable shape for genetic search. This helps genes with strong epistasis to stay close together in the chromosome. Experimental results showed considerable improvement over previous results.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.2066-2070
• /
• 2008

본 연구는 인공신경망(Artificial Neural Networks: ANNs)기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론을 이용한다. 자기조직화 특성을 이용하여 스스로 학습이 가능하고, 구조상 수행이 빨라 학습 단계에 소요되는 시간을 줄 일 수 있는 장점을 가진 자기조직화 이론을 도입하고, 수질자료 중 전체 유기물의 양을 나타내며 난분해성 물질에 대한 해석이 가능하고 재현성이 탁월한 TOC 와 강우-유출량 자료의 분포적 양상과 특징을 분석하여 예측을 위한 모형화 과정에 기여하고자 한다. 최적의 Map Size와 Map Array 결정을 위해 수집된 강우와 유출량자료 및 TOC 자료에 대해 Garcia의 경험식을 이용하여 Map을 구성하는 단위구조의 총 수(M)를 산정하여 M값에 따른 종방향 및 횡방향 크기를 결정하는 다수의 Map 크기를 검토하고, 또한 Map 배열은 2차원 배열의 사각형배열(Rectangular array)과 육각형배열(Hexagonal array)에 대해서도 복합적으로 검토하여 최적의 특성조건을 결정하여 강우-유출 및 TOC 관계의 분할특성을 분석한다.

• Journal of Korea Multimedia Society
• /
• v.3 no.4
• /
• pp.416-423
• /
• 2000

The existing self-organizing feature map of Kohonen has weakpoint that need too much input patterns in order to converse into the learning rate and equilibrium state when it trains. Making up for the current weak point, B.Bavarian suggested the method of that distributed the learning rate such as Gaussian function. However, this method has also a disadvantage which can not achieve the right self-organizing. In this paper, we proposed the method of improving the convergence speed and the convergence rate of self-organizing feature map converting the Gaussian function into dynamic approximate curve used in when trains the self-organizing feature map.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.802-805
• /
• 2015

본 논문은 인공신경망(artificial neural network)의 한 종류인 자기조직화 지도(self-organizing map)를 이용하여 비교말뭉치(comparable corpora)로부터 이중언어사전(bilingual lexicon)을 자동으로 구축하는 방법에 대하여 기술한다. 일반적으로 우리가 대상으로 하는 언어 쌍마다 말뭉치 혹은 초기사전과 같은 언어 자원을 수집하고 그것을 필요에 맞게 가공하는 것은 매우 어려운 일이다. 이런 관점에서 볼 때, 비지도학습(unsupervised learning) 방법 중 하나인 자기조직화 지도를 이용하여 사전을 구축하면 다른 방법에 비해 적은 노력으로도 더 높은 성능을 얻을 수 있다. 본 논문에서는 한국어와 불어에 대하여 실험을 하였고, 그 결과 적은 양의 초기사전으로도 주목할 만한 정확도를 얻을 수 있었다. 향후 연구로는 학습 파라미터에 대해 좀 더 다양한 실험을 하고, 다른 언어 쌍으로의 적용 및 기존의 평가사전을 확장하여 더 많은 경우에 대해 실험하는 것을 들 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.784-786
• /
• 2003

본 논문에서는 유전자 발현 데이터를 분석하는데 있어서 자기 조직화 지도와 계층적 군집화 기법을 상호 보완적으로 사용하여 사용자가 보다 직관적으로 군집화 결과를 해석할 수 있는 방법을 제안한다. 제안된 방법을 사용하면 빠른 처리 속도로 대용량 데이터 처리에 적합한 자기 조직화 지도의 장점을 살릴 수 있으며 계층적 군집화의 장점인 가시화 기능을 이용하여 자기 조직화 지도의 단점인 군집 경계에 대한 불명확성을 해소하여 군집화 결과를 사용자가 쉽게 이해하고 직관적으로 해석할 수 있도록 도와준다. 본 논문에서 제안된 방법의 효용성을 검증하기 위해 세 종류의 데이터를 사용하여 실험을 수행한 결과 제안된 방법이 기존 방법에 비해 더 나은 성능을 보이는 것을 확인할 수 있었다.