• 한국정보통신학회논문지
• /
• 제26권11호
• /
• pp.1630-1636
• /
• 2022

현재 교통 표지판 인식 기법들은 다양한 날씨, 빛의 변화 등과 같은 외부환경 뿐만 아니라 교통 표지판이 일부 훼손된 경우에는 인식 성능이 저하되는 경우가 발생한다. 따라서 본 논문에서는 이러한 문제점을 개선하기 위하여 홉필드 네트워크와 퍼지 Max-Min 신경망을 이용하여 손상된 교통 표지판의 인식 성능을 개선하는 방법을 제안한다. 제안된 방법은 손상된 교통 표지판에서 특징들을 분석한 후, 그 특징들을 학습 패턴으로 구성하여 퍼지 Max-Min 신경망에 적용하여 1차적으로 교통 표지판의 특징을 분류한다. 1차적 분류된 특징이 있는 학습 영상들을 홉필드 네트워크에 적용하여 손상된 특징을 복원한다. 홉필드 네트워크를 적용하여 복원된 교통 표지판의 특징들을 다시 퍼지 Max-Min 신경망에 적용하여 최종적으로 손상된 교통 표지판을 분류하고 인식한다. 제안된 방법의 성능을 평가하기 위하여 손상된 정도가 다른 다양한 교통 표지판 8개를 적용하여 실험한 결과, 제안된 방법이 퍼지 Max-Min 신경망에 비해 평균적으로 38.76%의 분류 성능이 개선되었다.

• 정보처리학회논문지B
• /
• 제8B권2호
• /
• pp.137-143
• /
• 2001

홉필드 신경망은 병렬 연산 및 일반적 응용성을 가진 장점으로 인해 여러 분야의 조합형 최적화 문제에 도입하기 위해 많은 연구가 이루어져 왔다. 그러나, 다양한 응용분야에서의 성공적 적용 사례에도 불구하고, 에너지 함수의 계수를 결정하는 실용적인 방법의 부재로 인해 대부분의 경우 실험에 의해 얻어진 값에 의존해야 하는 단점이 있다. 본 논문에서는 문제에 대한 해의 유효성을 만족하면서 모델이 최적에 근접할 수 있도록 에너지 수위를 직접 이용하여 계수를 결정하는 정형적인 기법을 제안한다. 제안한 방식은 기존의 계수 결정법과 함께 시뮬레이션을 수행하였으며, 그 결과는 제안한 접근방식이 유효함을 보여준다.

• 산업경영시스템학회지
• /
• 제21권45호
• /
• pp.113-120
• /
• 1998

본 논문에서는 에너지 함수의 직접적인 평가에 기초해 홉필드 신경망을 진화시킴에 따라 적응적으로 에너지 계수를 결정하는 기법을 제시하고자 한다. 이 기법에 근거하여 구해지는 계수들의 효과를 검증하기 위해 응용 모델인 TSP(Traveling Salesman Problem)에 적용하여, 실험을 통한 계수 값의 변화 추이를 분석하고 그 결과를 기존의 기법들과 비교한다. 또한 제안된 방법에 필수적인 각 단계에서의 에너지 값의 평가를 위한 부가적인 연산을 줄이기 위해 단계적으로 증감분만을 계산하는 효율적인 연산법을 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.513-516
• /
• 2004

젤 영상에서 스팟을 탐지한 후, 스팟 사이의 일치 여부를 판단하여 새로운 단백질의 생성되었는지 없어진 단백질이 있는지 알아내게 된다. 젤 영상은 만들어지는 과정에서 같은 단백질이라도 스팟의 위치가 조금씩 다르게 된다. 스팟 사이의 관계는 비선형 변환에 해당하고, 각 스팟 사이의 매치는 NP 문제임이 증명되었고, 이를 해결하기 위한 휴리스틱 방법이 보고되었다. 최적화에 좋은 성능을 보이고 있는 홉필드 신경회로망을 젤 매치에 적용하는 방법을 연구하였다. 홉필드 신경망의 각 뉴런은 뉴런이 대표하는 두 스팟이 일치할 때 활성화되고, 일치하지 않을 때 활성화되지 않도록 하였다. 각 뉴런의 상태를 전체 에너지가 줄어드는 방향으로 변경하면 결국 안정된 상태에 도달하게 되고, 이 때 각 뉴런은 가능한 매치를 표현하게 된다.

• 대한조선학회지
• /
• 제31권1호
• /
• pp.39-42
• /
• 1994

인공 신경망은 빠른 속도와 안정성 등의 많은 장점을 갖고 있기 때문에 최근 들어서 여러 분야 에서 그 응용이 활발히 연구되고 있다. 인공 신경망의 한 모델인 홉필드 네트워크는 네트워크의 에너지를 최소화시키는 방향으로 네트워크의 상태를 바꾸며, 최소 에너지 상태에서 안정 상태를 유지하는 특징을 갖고 있다. 이러한 흡필드 네트워크의 특징은 흡필드 네트워크를 최적화 문 제에 적용시킬 수 있는 가능성을 제시하고 있다. 기존의 최적화 기법은 기본적으로 국부적인 탐색 기법을 사용하기 때문에, 전역적 최적해를 구하기 위해 초기점을 달리하여 여러번 계산을 수행하여 그 중 가장 좋은 결과를 취하는 방법을 사용하여야 한다. 따라서 이러한 방법은 초 기점의 선택이 결과에 큰 영향을 미치게 되는데, 설계 변수가 많고 제한 조건이 복잡할 경우 초기점 선택에 어려움이 따른다. 본 연구에서는 흡필드 네트워크와 시뮬레이티드 어닐링을 결 합하여 전역적 최적해를 찾는 기법으로서 뉴드-옵티마이저 모델을 제시하고 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.475-477
• /
• 2001

본 논문은 사용자의 구매 패턴을 찾아서 사용자가 원하는 상품을 추천하는 알고리즘을 제안하고자 한다. 제안하고 있는 item dependency map은 구매된 상품간의 관계를 수식화 하여 행렬의 형태로 표현한 것이다. Item dependency map의 값은 사용자가 A라는 상품을 구매한 후 B 상품을 살 확률이다. 이런 정보를 가지고 있는 item dependency map은 홉필드 네트웍(Hopfield network)에서 연상을 위한 패턴 값으로 적용된다. 홉필드 네트웍은 각 노드사이의 연결가중치에 기억하고자 하는 것들을 연상시킨 뒤 어떤 입력을 통해서 전체 네트워크가 어떤 평형상태에 도달하는 방식으로 작동되는 신경망 중의 하나이다. 홉필드 네트웍의 특징 중의 하나는 부분 정보로부터 전체 정보를 추출할 수 있는 것이다. 이러한 특징을 가지고 사용자들의 일반적인 구매패턴을 일부 정보만 가지고 예측할 수 있다. Item dependency map은 홉필드 네트웍에서 사용자들의 그룹별 패턴을 학습하는데 사용된다. 따라서 item dependency map이 얼마나 사용자 구매패턴에 대한 정보를 가지고 있는지에 따라 그 결과가 결정되는 것이다. 본 논문은 정확한 item dependency map을 계산해 내는 알고리즘을 주로 논의하겠다.

• 한국정보과학회논문지:정보통신
• /
• 제29권4호
• /
• pp.386-396
• /
• 2002

본 논문은 신경망을 이용한 최단 경로 문제를 풀기 위해 흡필드 신경망(Hopfield Neural Network)을 변형한 준최적 라우팅 알고리즘(suboptimal routing algorithm)을 다룬다. 이 알고리즘은 기존의 흡필드 신경망 알고리즘과는 달리 뉴런(neuron)의 진화를 위해 모든 주변 뉴런 정보뿐만 아니라, 상관 관계성이 높은 자신의 뉴런 정보도 동시에 이용함으로써, 수렴 성능 및 경로의 최적성을 향상하고자 하였다. 이 알고리즘의 수렴 속도는 흡필드 신경망을 이용하는 기존의 알고리즘보다 더 우수하며, 탐색 경로의 최적성도 높다는 것을 컴퓨터 시뮬레이션을 통해 확인한다. 이 결과는 거의 모든 출발지와 도착지 쌍에 대해 기존의 흡필드 신경망 기반의 최단 경로 탐색 알고리즘에 비해 네트워크 토폴로지에 비교적 덜 민감한 것으로 나타난다. 따라서, mobile ad-hoc network과 같이 네트워크 토폴로지가 시변하는 다중-흡 무선 패킷망(Multi-hop Packet Radio Network)에서의 경로 설정 알고리즘을 구현하는데 유용할 것으로 보인다.

• 한국정보통신학회논문지
• /
• 제1권2호
• /
• pp.183-191
• /
• 1997

동시 다발적으로 공격해 오는 위협 표적을 방어하기는 매우 어려우며, 특히 방어용 무장수보다 표적의 수가 많을 경우에는 전체 표적 격추 기대 확률이 최대가 될 수 있도록 유지하는 방법으로서 본 논문에서는 홉필드 신경망 기법을 무장 할당 알고리즘으로 이용하는 방안을 제안하였다. 본 연구는 자동무장할당 알고리즘을 설계함에 있어서 할당변수를 생성하는데 필요한 신경망 학습 횟수를 단축하도록 설계하였으며 컴퓨터 시뮬레이션 결과 watcholder의 방법보다 수렴성이 뛰어남을 확인하였다.

• 정보처리학회논문지B
• /
• 제13B권3호
• /
• pp.323-328
• /
• 2006

단백질 분석에 사용하는 이차원 젤 영상에서 단백질은 반점으로 나타난다. 같은 세포에서 추출한 두 젤 영상을 비교하면 같은 단백질은 비슷한 위치의 반점으로 나타난다. 정상 세포와 암 세포의 젤 영상을 비교하면 달라진 단백질을 알 수 있으므로 이는 신약개발의 중요한 정보가 된다. 젤 영상은 생물학적 실험 방법으로 만들어지므로 반점의 위치가 일정하지 않아 자동으로 정합하기 매우 어렵고, 이 문제는 NP-hard임이 밝혀졌다. NP-hard 문제를 푸는 방법으로 신경회로망이 널리 쓰이므로 그 중 젤 영상 정합에 적당한 홉필드 신경망으로 문제를 해결하였다. 두 젤 영상의 반점의 위치와 거리를 매개변수로 하는 에너지 함수를 정의하였고, 이 에너지 함수가 최소로 되는 두 반점이 같은 단백질이라 판정한다. 에너지 함수는 검토중인 반점뿐만 아니라 이웃한 반점도 함께 검사하도록 하여 단순한 거리 개념만이 아니라 전체 반점의 형태를 반영하도록 하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.2789-2791
• /
• 2001

데이터 마이닝을 통해 우리는 숨겨진 지식, 예상되지 않았던 경향 그리고 새로운 법칙들을 방대한 데이터에서 이끌어내고자 한다. 본 논문에서 우리는 사용자의 구매 패턴을 발견하여 사용자가 원하는 상품을 미리 예측하여 추천하는 알고리즘을 소개하고자 한다. 제안하고 있는 item dependency map은 구매된 상품간의 관계를 수식화 하여 행렬의 형태로 표현한 것이다. Item dependency map의 값은 사용자가 A라는 상품을 구매한 후 B상품을 살 확률이다. 이런 정보를 가지고 있는 item dependency map은 홉필드 네트윅(Hopfield network)에서 연상을 위한 패턴 값으로 적용된다. 홉필드 네트웍은 각 노드사이의 연결가중치에 기억하고자 하는 것들을 연상시킨 뒤 어떤 입력을 통해서 전체 네트워크가 어떤 평형상태에 도달하는 방식으로 작동되는 신경망 중의 하나이다. 홉필드 네트웍의 특징 중의 하나는 부분 정보로부터 전체 정보를 추출할 수 있는 것이다. 이러한 특징을 가지고 사용자들의 일반적인 구매패턴을 일부 정보만 가지고 예측할 수 있다. Item dependency map은 홉필드 네트윅에서 사용자들의 그룹별 패턴을 학습하는데 사용된다. 따라서 item dependency map이 얼마나 사용자 구매패턴에 대한 정보를 가지고 있는지에 따라 그 결과가 결정되는 것이다. 본 논문은 정확한 item dependency map을 계산해 내는 알고리즘을 주로 논의하겠다.