• 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.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2010.02a
• /
• pp.123-123
• /
• 2010

3족 질화물계 물질은 발광다이오드와 같은 광전자소자적용에 있어서 매우 우수한물 질이다.일반적으로, GaN 에피 성장에 있어서 저온 중간층을 삽입한 2 단계 성장 방법은 낮은 결함밀도와 균일한 표면을 얻기 위해 도입된 기술이다. 특히 AlN 중간층은 GaN 중간층과 비교하였을 때 결정성뿐만 아니라 높은 온도에서의 열적안정성, GaN 기반의 자외선 검출기서의빛 흡수 감소 등의 장점을 가지고 있다. 또한 패턴 사파이어 기판위 GaN 에피 성장은 측면성장 효과를 통해 결함 밀도 감소와 광 추출 효율을 향상시키는 것으로 알려져 있다.또한 열응력으로 인한 기판의 휨 현상은 박막성장중 기판의 온도 분포를 불균일하게 만드는 원인이 되며 이는 결국 박막 조성 및 결정성의 열화를 유도하게 되고 최종적으로 소자특성을 떨어 뜨리는 원인이 되는데 AlN 중간층의 도입으로 이것을 완화시킬 수 있는 효과가 있다. 하지만, AlN 중간층이 패턴된 기판 위에 성장시킨 GaN 에피층에 미치는 영향은 명확하지 않다. 본 연구팀은 일반적인 c-plane 사파이어 기판과 플라즈마 건식 에칭을 통한 렌즈 모양의 패턴된 사파이어 기판을 이용해서 AlN 중간층과 GaN 에피층을 유기금속 화학기상증착법으로 성장하였다. 특히, 렌즈 모양의 패턴된 사파이어 기판은 패턴 모양과 패턴 밀도가 성장에 미치는 영향을 연구하기 위해 두가지 패턴의 사파이어 기판을 이용하였다. AlN 중간층 두께를 조절함으로써 최적화된 GaN 에피층을 90분까지 4단계로 시간 변화를 주어 성장 양상을 관찰한 결과, GaN 에피박막의 성장은 패턴 기판의 trench 부분에서 시작하여 기판의 패턴부분을 덮는 측면 성장을 보이고있다. 또한 TEM과 CL을 통해 GaN 에피박막의 관통 전위를 분석해 본 결과 측면 성장과정에서 성장 방향을 따라 옆으로 휘게 됨으로 표면까지 도달하는 결정결함의 수가 획기적으로 줄어드는 것을 확인함으로써 고품질의 GaN 에피층을 성장시킬 수 있었다. 그리고 패턴밀도가 높고 모양이 볼록할수록 측면 성장 효과로 인한 결정성 향상과 난반사 증가를 통한 임계각 증가로 광추출 효율이 향상 되는 것을 확인할 수 있었다. 이러한 결과를 바탕으로 최적화된 AlN 중간층을 이용하여 패턴 기판위에서 고품질의 GaN 에피층을 성장시킬 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2007.10a
• /
• pp.422-426
• /
• 2007

CP(Counterpropagation) 알고리즘은 Kohonen의 경쟁 네트워크와 Grossberg의 아웃스타(outstar) 구조의 결합으로 이루어진 것으로 패턴 매칭, 패턴 분류, 통계적인 분석 및 데이터 압축 등 활용분야가 다양하고, 다른 신경망 모델에 비해 학습이 매우 빠르다는 장점이 있다. 하지만 CP 알고리즘은 충분한 경쟁층의 수가 설정되지 않아 경쟁층에서 학습이 불안정하고, 여권 코드와 같이 다양한 패턴으로 그성된 경우에는 패턴들을 정확히 분류할 수 없는 단점이 있다. 그리고 CP 알고리즘은 출력층에서 연결강도를 조정할 때, 학습률에 따라 학습 및 인식 성능이 좌우된다. 따라서 본 논문에서는 패턴 인식 성능을 개선하기 위해 다수의 경쟁층을 설정하고, 입력 벡터와 숭자 뉴런의 대표 벡터간의 차이와 숭자 뉴런의 빈도수를 학습률 조정에 반영하여 학습률을 동적으로 조정하여 경쟁층에서 안정적으로 학습되도록 하고, 출력층의 연결강도 조정시 이전 연결 강도 변화량을 반영하는 모멘텀(momentum)학습법을 적용한 개선된 CP 알고리즘을 제안한다. 학습 성능을 확인하기 위해서 실제 여권에서 추출된 개별 코드를 대상으로 실험한 결과, 본 논문에서 개선한 CP 알고리즘이 기존의 CP 알고리즘보다 패턴 분류의 정확성과 인식 성능이 개선된 것을 확인하였다.

• Journal of The Geomorphological Association of Korea
• /
• v.19 no.2
• /
• pp.145-159
• /
• 2012

Fracture patterns observed in the phyllosilicate-bearing layers of the Mawrth Vallis region are analyzed using High Resolution Imaging Science Experiment image data in order to understand the causes of polygonal fracturing. HiRISE data show that the different mineralogies have distinct surface textures and morphologies. The majority of the nontronite-bearing rocks typically appear to have been heavily eroded and are fractured into irregular shaped blocks with variable size, whereas most of the montmorillonite-bearing rocks have polygons which are relatively consistent in size and shape. The majority of the fracture patterns observed in the nontronite-bearing outcrops are interpreted to be a result of unloading stresses. While the polygonal fractures developed in the montmorillonite-bearing layers appear to be a product of desiccation.

• Proceedings of the Materials Research Society of Korea Conference
• /
• 2010.05a
• /
• pp.32.1-32.1
• /
• 2010

본 연구에서는 질화물계 발광 다이오드의 광추출효율을 향상시키기 위해서 Bi-layer나노 임프린트 리소그래피와 Lift-off 공정을 이용하여 ITO투명전극 층 상부에 TiO2 나노 패턴을 형성하였다. 발광 다이오드의 투명전극 층 상부에 UV 나노 임프린트 리소그래피를 이용하여 주기적인 폴리머 패턴을 형성한 후 폴리머 패턴 상부에 RF magnetron Sputtering 공법을 이용하여 TiO2를 증착하고 Lift-off 공정을 이용하여 TiO2 나노 패턴을 제작하였다. 그 결과를 주사전사 현미경(SEM)으로 확인한 결과 임프린트 스탬프와 동일한 나노 패턴이 질화물 계 발광다이오드 투명 전극층 표면에 주기적으로 형성되었다. TiO2 나노 패턴 형성을 통한 광추출 효율의 향상 효과를 확인하기 위해 Electroluminescence (EL) 측정한 결과 TiO2 나노 패턴이 형성된 발광다이오드 소자의 EL 강도가 나노 패턴이 없는 발광다이오드와 비교하여 12% 정도 향상 되었음을 보였고, 이는 고 굴절율 나노 패턴이 활성층에서 발생된 빛의 산란 효과를 유도하여 빛의 내부 전반사를 감소시킨 결과로 해석된다. 또한 소자의 전기적 특성평가를 위한 I-V 측정결과, TiO2 나노 패턴이 형성된 발광 다이오드의 전기적 성질이 저하되지 않았음을 확인하였다.

• Journal of radiological science and technology
• /
• v.30 no.4
• /
• pp.419-426
• /
• 2007

In this paper, the input pattern vectors are extracted and the learning algorithms is designed to recognize taste(bitter, sweet, sour and salty) pattern vectors. The signal intensity of taste are used to compose the input pattern vectors. The SOM(Self Organizing Maps) algorithm for taste pattern recognition is used to learn initial reference vectors and the ot-star learning algorithm is used to determine the class of the output neurons of the sunclass layer. The weights of the proposed algorithm which is between the input layer and the subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ(Learning Vector Quantization) algorithm. The pattern vectors are classified into subclasses by neurons in the subclass layer, and the weights between subclass layer and output layer are learned to classify the classified subclass, which is enclosed a class. To classify the pattern vectors, the proposed algorithm is simulated with ones of the conventional LVQ, and it is confirmed that the proposed learning method is more successful classification than the conventional LVQ.

• Journal of the Korea Society of Computer and Information
• /
• v.11 no.5 s.43
• /
• pp.95-103
• /
• 2006

In this paper, the input pattern vectors are extracted and the learning algorithms is designed to recognize EEG pattern vectors. The frequency and amplitude of alpha rhythms and beta rhythms are used to compose the input pattern vectors. And the algorithm for EEG pattern recognition is used SOM to learn initial reference vectors and out-star learning algorithm to determine the class of the output neurons of the subclass layer. The weights of the proposed algorithm which is between the input layer and the subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ algorithm, and pattern vectors is classified into subclasses by neurons which is being in the subclass layer, and the weights between subclass layer and output layer is learned to classify the classified subclass, which is enclosed a class. To classify the pattern vectors of EEG, the proposed algorithm is simulated with ones of the conventional LVQ, and it was a confirmation that the proposed learning method is more successful classification than the conventional LVQ.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.387-389
• /
• 2009

본 논문에서는 다항식 기반 Radial Basis Function(RBF)신경 회로망을 설계하고 이를 패턴분류 문제에 적용하여 그 성능을 분석한다. 제안된 RBF 신경회로망은 입력층, 은닉층, 출력층으로 이루어진다. 입력층의 연결가중치는 1로서 입력층의 입력벡터는 그대로 은닉층으로 전달되고 은닉층은 FCM(Fuzzy C-means Clustering)방법을 통하여 뉴런의 출력 값으로 내보낸다. 은닉층과 출력층사이의 연결가중치는 상수, 선형식 또는 이차식으로 이루어지며 경사 하강법에 의해 학습되어진다. 네트워크의 최종 출력은 연결가중치와 은닉층 출력의 곱에 의한 퍼지추론의 결과로 얻어진다. 제안된 RBF 신경회로망은 여러 종류의 machine learning 데이터에 적용하여 패턴분류기로서의 성능을 평가받는다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.910-913
• /
• 2017

데이터의 양이 증가하면서 인공신경망을 통한 데이터 분석 기술이 주목받고 있으며, 텍스트, 그림, 동영상 등에 이르기까지 다양한 종류의 데이터를 자동으로 분석하여, 번역기, 채팅봇, 그림 캡션 자동 생성 등에 대한 연구 및 서비스 개발에 활용되고 있다. 인공신경망 기반으로 수행된 많은 연구들이 공통적으로 가진 한계가 있는데, 그것은 은닉층에 대한 해석이 어렵다는 것이다. 가령, 입력층, 은닉층, 그리고 결과층으로 이루어진 인공신경망을 임의의 데이터로 학습시키면, 입력층과 은닝층 사이에 존재하는 행렬은 해당 데이터에 존재하는 패턴 정보를 내포하게 된다. 따라서, 행렬에 존재하는 패턴 정보를 직접 분석할 수 있다면, 인공신경망 결과물에 대한 해석이 가능할 뿐만 아니라 성능을 높이기 위해 어떤 조정이 필요한지에 대한 직관도 얻을 수 있을 것이다. 하지만, 이 행렬의 실체는 숫자로 이루어진 벡터이므로 사람이 직접 해석하는 것은 불가능하며, 지금까지 수행되어온 대부분의 인공신경망 연구들은 공통적으로 이러한 한계점을 가지고 있다. 본 연구는 데이터에 존재하는 패턴을 잡아내면서도 해석이 가능한 토픽 모델과 인공신경망의 결과물을 비교함으로써, 인공신경망 은닉층 해석에 대한 실마리를 찾기 위한 연구이다. 실험을 통해 토픽과 은닉층 패턴의 유사성을 검증하고, 향후 인공신경망 연구에서 은닉층에 대한 가능성을 논한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.338-341
• /
• 2003

TIn this study, by formulating input layer, category later, and output layer from data, and in using TAM(Topographic Attentive Mapping) network that created fuzzy rule, it categorized into companies went bankrupt with finances in the black figures, and in the red figures.