• Proceedings of the KIEE Conference
• /
• 1994.11a
• /
• pp.397-399
• /
• 1994

In this paper a feature-based automatic neural network signal classifier is presented, where five neural network algorithms such as MLP, RBF, LVQ2, MLP-Tree and LVQ-Tree are combined in parallel to classifiy various signals from their features, based on the majority vote method. To demonstrate the performance and applicability of the proposed signal classifier, some test results for the classification of synthetic waveforms and power disturbances are provided.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.359-362
• /
• 2012

수자원시스템의 설계, 계획, 운영에 있어 핵심적인 수문변수의 미래거동에 대한 보다 나은 추정치가 필요하다. 예를 들어, 수력발전, 레크리에이션 이용과 하류지역의 오염희석과 같은 다중 목적 기능을 유지하기 위하여 다목적댐을 운영할 때에, 다가오는 미래시간에 대한 계획된 유량의 예측이 요구된다. 예측의 목적은 미래에 발생할 정확한 예상치를 제공하는 것이다(Keith W. Hipel, 1994). 본 연구의 주요 목적은 금강수계인 대청댐에서 다변량 신경망 모형을 이용한 유입량 예측을 수행해 보는데 있다. 신경망 모형인 MLP, PCA, RBF모형 등을 이용하여 대청댐의 수문자료인 강우량, 유입량, 기온, 습도 등의 자료를 이용하여 최적의 모형을 탐색해 보고자 시도하였으며, 이중 New classification모형과 New Function Approximation Network모형이 타 모형보다 좋은 결과를 보여 주고 있음을 알 수 있었다.

• Annual Conference of KIPS
• /
• 2019.05a
• /
• pp.415-418
• /
• 2019

본 논문에서 grayscale 이미지를 그럴듯한 컬러 이미지로의 전환을 다루고자 한다. 기존의 CNN Network 를 통해 실제 Image 를 만들어내려는 기법들은 모든 Pixel 의 Error 를 Loss 로 사용한다. 각 픽셀별로 가장 완벽한 답을 찾으려고 하기보다는, 전체 픽셀의 관점에서의 Loss 를 줄이려고 하기 때문에, 픽셀 값이 정확한 값대신 안전한 값으로 넘어간다는 단점이 있다. 이 문제를 해결하기 위해 본 논문에서 GAN 기반의 Image-to-Image Translation 기법에 NIN(Network in Network) 적용해 이 문제를 해결할 수 있음을 보인다. 전통 CNN 기법보다 더 Photo-realistic 한 이미지를 생성할 수 있게 된다.

• Annual Conference of KIPS
• /
• 2019.10a
• /
• pp.778-780
• /
• 2019

본 논문은 네트워크 트래픽에 대한 동적인 변화에 대응하기위해 기존의 네트워크 트래픽 데이터를 이용하여 기계 학습을 사용하여 학습시킴으로써 이후 네트워크 트래픽 동향에 대해 분류하여 예측하는 연구에 관한 논문으로, 기계 학습의 종류 중 MLP(Multi-Layer Perceptron)를 이용하여 실험하였는데 MLP 의 구조와 학습 반복 횟수에 따른 정확도의 차이와 테스트 데이터 실험 결과를 정리하였다. 또한 이를 통해 얻어진 결과는 어떻게 사용 될 지와 정확도를 높이기 위해서는 어떤 요소가 영향을 끼치는지에 대해 논문의 방식과 비교하여 설명한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.183-183
• /
• 2015

수공구조물 설계 시 중요한 요소 중 하나인 확률강우량은 일반적으로 고정지속기간별 강우량에 대하여 일변량 빈도해석을 수행하고 가장 적절한 분포형을 선택하는 지점빈도해석의 과정을 거친다. 그러나 일변량 빈도해석을 수행하기 위해서는 지속시간을 고정하고 강우량의 변화로만 해석해야 단점이 있으며 이를 보완하기 위해 본 연구에서는 다변량 확률모형인 copula 모형을 이용하여 이변량 빈도해석을 수행하였다. 확률변수로는 강우량과 지속기간(hr)을 사용하였고, 주변분포형으로 강수량 - Gumbel (GUM), generalized logistic (GLO) 분포형, 지속기간(hr) - generalized extreme value (GEV), GUM, GLO 분포형을 사용하였으며, copula 모형은 Gumbel-Hougaard 모형을 이용하였다. 주변분포형의 매개변수는 일반적으로 가장 많이 사용하는 확률가중모멘트법을 이용하여 추정하였으며, copula 모형의 매개변수는 maximum pseudolikelihood(MPL) 방법을 사용하였다. 이를 통해 얻어진 이변량 빈도해석의 확률강우량 결과와 기존 지점빈도해석의 결과를 비교하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.86-86
• /
• 2016

본 연구는 가뭄 예측에 대한 오차를 알고리즘과 결합하여 다층 퍼셉트론 (Multi-layer Perceptron, MLP) 네트워크 구조를 인공신경망 모형에 적용하고, 표준강수지수(Standard Precipitation Index, SPI)를 입 력 및 출력 변수로 구성하여 가뭄예측을 시도하였다. 예측모델을 평가하기 위해 기상청 산하의 59개 관측소에 대한 1980년부터 2015년까지의 기상자료를 적용하였으며, 수립된 자료를 활용하여 한반도 전역의 가뭄에 대한 시공간적인 분석을 수행하였다. 단기가뭄 예측성능을 평가하기 위해 2000년에서 2015년까지 16년간의 모의결과를 ROC 분석을 통하여 시공간적 단기가뭄 예측성능을 평가하고 혼동행렬(Conversion Matrix) 구성에 대한 조건적 확률의 다각적 검토를 통해 모델 예측에 대한 정확성(Accuracy), 신뢰성(Precision) 등 다양한 예측성능에 대한 평가를 수행하고 2016년 가뭄전망을 제시하고자 한다.

• Annual Conference of KIPS
• /
• 2007.05a
• /
• pp.457-458
• /
• 2007

Clustering plays an indispensable role for data analysis. Many clustering algorithms have been developed. However, most of them suffer poor performance of learning. To archive good clustering performance, we develop a hybrid neural network model. It is the combination of Multi-Layer Perceptron (MLP) and Adaptive Resonance Theory 2 (ART2). It inherits two distinct advantages of stability and plasticity from ART2. Meanwhile, by combining the merits of MLP, it improves the performance for clustering. Experiment results show that our model can be used for clustering with promising performance.

• Journal of Advanced Navigation Technology
• /
• v.5 no.1
• /
• pp.1-10
• /
• 2001

Speech has a good characteristics of which car drivers busy to concern with miscellaneous operation can make use in convenient handling and manipulating of devices. By utilizing this, this works proposes a speaker verification method for protecting cars from being stolen and identifying a person trying to access critical on-line services. In this, continuant phonemes recognition which uses language information of speech and MLP(mult-layer perceptron) which has some advantages against previous stochastic methods are adopted. The recognition method, though, involves huge computation amount for learning, so it is somewhat difficult to adopt this in speaker verification application in which speakers should enroll themselves at real time. To relieve this problem, this works presents a solution that introduces speaker cohort models from speaker verification score normalization technique established before, dividing background speakers into small cohorts in advance. As a result, this enables computation burden to be reduced through classifying the enrolling speaker into one of those cohorts and going through enrollment for only that cohort.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.2
• /
• pp.327-335
• /
• 2016

The People's Republic of China has vigorously been pursuing the internationalization of the Chinese Yuan or Renminbi after the financial crisis of 2008. In this view, an abrupt increase of use of the Chinese Yuan in the onshore and offshore markets are important milestones to be one of important currencies. One of the most frequently used methods to forecast volatility is GARCH model. Since a prediction error of the GARCH model has been reported quite high, a lot of efforts have been made to improve forecasting capability of the GARCH model. In this paper, we have proposed MLP-GARCH and a DL-GARCH by employing Artificial Neural Network to the GARCH. In an application to forecasting Chinese Yuan volatility, we have successfully shown their overall outperformance in forecasting over the GARCH.

• The Journal of Korean Institute of Electromagnetic Engineering and Science
• /
• v.22 no.10
• /
• pp.981-989
• /
• 2011

In this paper, we performed radar target classification for the five scale models using ultra-wideband measured signal. In order to compare the performance, the 2 GHz(2~4 GHz), 4 GHz(2~6 GHz), and 6 GHz(2~8 GHz) bandwidth were used. Short time Fourier transform(STFT) and continuous wavelet transform(CWT) are used for target feature extraction. Extracted feature vectors are used as input for the multi-layerd perceptron(MLP) neural network classifier. The results show that as the bandwidth is wider, the performance is better.