본 논문에서는 몰포러지 연산을 기본으로 하는 몰포러지 신경망(MNN: Morphological Neural Network) 기반 딥러닝 시스템을 제안하였다. 딥러닝에 사용되는 레이어는 몰포러지 레이어, 풀링 레이어, ReLU 레이어, Fully connected 레이어 등이다. 몰포러지 레이어에서 사용되는 연산은 에로전, 다이레이션, 에지검출 등이다. 본 논문에서 새롭게 제안한 MNN은 기존의 CNN(Convolutional Neural Network)을 이용한 딥러닝 시스템과는 달리 히든 레이어의 수와 각 레이어에 적용되는 커널 수가 제한적이다. 레이어 단위 처리시간이 감소하고, VLSI 칩 설계가 용이하다는 장점이 있으므로 모바일 임베디드 시스템에 딥러닝을 다양하게 적용할 수 있다. MNN에서는 제한된 수의 커널로 에지와 형상검출 등의 연산을 수행하기 때문이다. 데이터베이스 영상을 대상으로 행한 실험을 통해 MNN의 성능 및 딥러닝 시스템으로의 활용 가능성을 확인하였다.
This paper describes a medular neural network(MNN) for a vision system which tracks a given object using a sequence of images from a camera unit. The MNN is used to precisely recognize the given robot endeffector and to minize the processing time. Since the robot endeffector can be viewed in many different shapes in 3-D space, a MNN structure, which contains a set of feedforwared neural networks, co be more attractive in recognizing the given object. Each single neural network learns the endeffector with a cluster of training patterns. The training patterns for a neural network share the similar charateristics so that they can be easily trained. The trained MNN is less sensitive to noise and it shows the better performance in recognizing the endeffector. The recognition rate of MNN is enhanced by 14% over the single neural network. A vision system with the MNN can precisely recognize the endeffector and place it at the center of a display for a remote operator.
이동로봇(Mobile Robot)의 자율주행 기능에는 추종, 접근, 충돌회피, 경고 등의 여러 기능이 있다. 이 기능들을 하나의 Neural Network로 구성하고 학습하는 것은 쉬운 일이 아니다. 이동로봇의 자율주행 기능들을 각각의 Module로 구성하고 상황에 맞게 학습된 Module의 출력 값으로 이동로봇을 제어하면 단일 신경망의 단점을 보안할 수 있을 것이다. 이동로봇은 인간의 감각을 대신할 수 있는 다중 초음파 센서와 USB 카메라를 장착하고 있으며, 이곳에서 측정된 환경정보 데이터들은 Modular Neural Network(MNN)을 통해 학습을 한다. Expert Network(EN)의 활성화 함수를 최적결합으로 MNN을 구성하였고, 그 구조는 학습시간과 오차를 개선할 수 있을 것으로 본다. Gating Network(GN)는 MNN의 출력값인 이동로봇의 진행 방향과 속도를 스위칭 함으로써 제어하는 역할을 한다. 본 논문에서는 Modular Neural Network(MNN) 내의 Expert Network(EN)을 최적설계 하였고, 제안한 MNN의 검증을 위해 실시간으로 반복하여 이동로봇에 구현하였다. 그 실험의 결과값은 로봇을 상황에 맞게 운행, 제어하였고, 만족할 만한 성과를 얻을 수 있었다.
MR의 자율주행 기능에는 추종, 접근, 충돌회피, 경고 등의 여러 기능이 있다. 이 기능들을하나의 Neural Network로 학습시키는 것은 어려운 일이다. 이것을 보안하고자 기능들을 각각의 Module로 구성하여 상황에 맞게 학습된 Module의 출력 값으로 MR을 제어하였다 로봇은 인간의 감각을 대신할 수 있는 다중 초음파 센서와 PC 카메라를 장착하고 있으며, 이곳에서 측정된 환경정보 데이터들은 Modular Neural Network을 통해 학습이 이루어진다 MNN에서의 출력값은 Gating Network(GN)에서 로봇의 진행 방향과 속도를 스위칭 출력함으로서 MR을 제어하는데 사용된다. MNN 내 EN의 활성화 함수 최적결합을 통해 효과적인 MNN을 구성하였다. 본 논문에서는 Modular Neural Network의 Expert Network(EN)을 최적설계 하였고, 제안한 MNN의 검증을 위해 실시간으로 MR에 구현하였다.
본 논문에서는 로봇의 endeffector를 인식하기 위하여 모듈라 신경회로망인식 시스템을 제안 및 구현하였다. 본 논문에서 제안한 로봇 endeffector 인식시스템은 영상을 획득하고 획득한 영상에서 전처리를 이용하여 로봇의 enddffector를 검색하기 위한 특징 값들을 구한다. 3차원 공간에서 로봇의 endeffector는 움직임에 따라 다양한 형태로 변화하므로 빠르고 정확하게 endeffector를 인식하기 위하여 위치검출 신경회로망 모듈과 크기 검출 신경회로망 모듈로 이루어진 다중모듈신경회로망(MNN; Modular Neural Network)을 이용한다. 이렇게 함으로써 각각의 모듈들에 신경회로망의 인식 능력을 이용하여 로봇 endeffector를 인식하고 좀더 빠른 시간 내에 위치 및 크기를 검출하도록 하는 로봇 endeffector 인식시스템을 구성하도록 하였다. 본 논문에서 제안한 인식 시스템은 잡음에 덜 민감하며 로봇의 endfeector를 인식하는데 좋은 성능을 보임을 알 수 있다. 다중 모듈 신경회로망을 이용한 방법은 기존의 단일 신경회로망보다 14% 향상된 94%의 인식률을 보이며 원격지에 있는 운영자의 편의를 위해 로봇의 endeffector를 인식하여 화면의 정 중앙에 정확히 위치시킬 수 있다.
Enzyme replacement therapy for lysosomal storage diseases usually requires recombinant enzymes containing mannose-6-phosphate (M6P) glycans for cellular uptake and lysosomal targeting. For the first time, a strategy is established here for the in vitro mannosyl-phosphorylation of high-mannose type N-glycans that utilizes a recombinant Mnn14 protein derived from Saccharomyces cerevisiae. Among a series of N-terminal- or C-terminal-deleted recombinant Mnn14 proteins expressed in Pichia pastoris, rMnn1477-935 with deletion of N-terminal 76 amino acids spanning the transmembrane domain (46 amino acids) and part of the stem region (30 amino acids), showed the highest level of mannosyl-phosphorylation activity. The optimum reaction conditions for rMnn1477-935 were determined through enzyme assays with a high-mannose type N-glycan (Man8GlcNAc2) as a substrate. In addition, rMnn1477-935 was shown to mannosyl-phosphorylate high-mannose type N-glycans (Man7-9GlcNAc2) on recombinant human lysosomal alpha-glucosidase (rhGAA) with remarkably high efficiency. Moreover, the majority of the resulting mannosyl-phosphorylated glycans were bis-form which can be converted to bis-phosphorylated M6P glycans having a superior lysosomal targeting capability. An in vitro N-glycan mannosyl-phosphorylation reaction using rMnn1477-935 will provide a flexible and straightforward method to increase the M6P glycan content for the generation of "Biobetter" therapeutic enzymes.
본 논문에서는 하이브리드 유전 알고리즘을 이용한 morphological 뉴럴 네트워크 (MNN)의 최적화 방법을 제안하였다. MNN은 max-plus 연산을 기반으로 하고 있으므로 경사 학습법에 의한 파라미터 학습이 매우 어렵다. 이러한 문제를 해결하기 위해 하이브리드 유전 알고리즘을 이용하여 MNN의 파라미터들을 학습하였다. 제안된 방법의 유용성을 보이기 위해 SIDBA(standard image database) 표준영상에서 추출된 테스트 영상을 이용한 영상 압축/복원 실험을 수행하였고, 그 결과 제안된 방법에 의한 복원 영상이 합-곱 연산에 기반한 기존의 뉴럴 네트워크에 의한 복원영상보다 우수함을 알 수 있었다.
This paper presents a new construction method of candidate controllers using Multi-modal Neural Network(MNN). To improve a control performance of multiple controller, we construct, candidate controllers which consist of MNN. MNN can learn more complicated function than multilayer neural network. MNN consists of preprocessing module and neural network module. The preprocessing module transforms input signals into spectra which are used as input of the following neural network module. We apply the proposed method to multiple control system which controls the cart-pole balancing system and show the effectiveness of the proposed method.
수질 인자들은 다양하고 관계가 복잡하여 수질 변화를 예측하는데 많은 어려움이 있다. 따라서 입력과 출력이 비교적 용이하고 비선형 예측에 적합한 신경망 모형을 이용하여 금강유역 공주지점의 DO, BOD, TN에 대한 월수질 예측을 수행하고 ARIMA 모형과 비교하여 적용 가능성을 검토하였다. 사용된 신경망 모형은 학습을 위해 BP(Back Propagation) 알고리즘을 적용하였으며 학습을 향상시키기 위한 모멘트-적응학습율(Moment-Adaptive learming rate) 방법을 이용한 MANN 모형, 레번버그-마쿼트(Levenberg-Marquardt) 방법을 이 용한 LMNN 모형, 그리고 정성적인 판단인자를 첨가하여 정량적인 월 수질 자료와 분별, 학습하 도록 은닉층을 분리한 MNN 모형으로 구분하였다. 대체로 신경망 모형의 예측치가 실측치에 근사한 결과를 보였으며, 은닉층을 분리한 MNN 모형이 가장 우수한 결과를 보였다.
네트워크 이동성은 모바일 라우터를 도입해 네트워크 내의 다수의 노드들에게 이동성을 지원하는 방법이다. 본 논문에서는 네트워크 이동성의 이점에 대해 기술하고, 이를 토대로 네트워크 이동성의 성능 향상을 위한 요구 사항을 제시하고, 네트워크 이동성을 구성하는 주요 통신 구간, 즉, 대응 노드와 홈 에이전트간, 홈 에이전트와 모바일 라우터 간, 모바일 라우터와 모바일 노드간을 살펴보고 성능 향상을 꾀할 수 있는 구간을 분석하여, 해당 구간에 적합한 프로토콜을 제안한다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.