• 산업경영시스템학회지
• /
• 제23권61호
• /
• pp.137-146
• /
• 2000

One of the problems faced in implementing cellular manufacturing systems is machine-part group formation. This paper proposes machine-part grouping algorithms based on Self-Organizing Map(SOM) neural networks and K-Means algorithm in cellular manufacturing systems. Although the SOM spreads out input vectors to output vectors in the order of similarity, it does not always find the optimal solution. We rearrange the input vectors using SOM and determine the number of groups. In order to find the number of groups and grouping efficacy, we iterate K-Means algorithm changing k until we cannot obtain better solution. The results of using the proposed approach are compared to the best solutions reported in literature. The computational results show that the proposed approach provides a powerful means of solving the machine-part grouping problem. The proposed algorithm Is applied by simple calculation, so it can be for designer to change production constraints.

• 전자공학회논문지B
• /
• 제30B권8호
• /
• pp.64-70
• /
• 1993

This paper presents an efficient SOFM(self-organizing feature map) algorithm for the solution of the large scale TSPs(traveling salesman problems). Because no additional winner neuron for each city is created in the next competition, the proposed algorithm requires just only the N output neurons and 2N connections, which are fixed during the whole process, for N-city TSP, and it does not requires any extra algorithm of creation of deletion of the neurons. And due to direct exploitation of the output potential in adaptively controlling the neighborhood, the proposed algorithm can obtain higher convergence rate to the suboptimal solutions. Simulation results show about 30% faster convergence and better solution than the conventional algorithm for solving the 30-city TSP and even for the large scale of 1000-city TSPs.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.19-19
• /
• 2000

This paper introduces a new scheme for neural network classifier which can describe the shape of patterns in clustered group by using a self-organizing teeming algorithm. The prototype based neural network classifier can not describe the shape of group and it has low classification performance when the data groups are complex. To improve above-mentioned problem, new neural scheme is introduced. This proposed neural network algorithm can be regarded as the extension of self-organizing feature map which can describe The experimental results shows that the proposed algorithm can describe the shape of pattern successfully.

• 생태와환경
• /
• 제43권4호
• /
• pp.477-491
• /
• 2010

Benthic macroinvertebrates were collected two times from 116 sites at the $1^{st}{\sim}4^{th}$ order streams in forest areas in Gyungsang province in late spring and late summer. The sample sites belonged to slightly and moderately polluted states. When communities were classified by the Self-Organizing Map (SOM), the gradient was observed according to degree of pollution. Within clusters of slightly polluted sites, however, seasonality was further observed. Scrapers, gatherer-collectors, and filterer-collectors were abundantly observed in late spring while shredders appeared more in late summer. The number of predator species increased in late summer. Behavior types were mostly clingers in two seasons. Community compositions at the moderately polluted sites were not much differentiated in different seasons. Gatherer-collectors and burrowers were dominantly collected in both seasons.

• 지능정보연구
• /
• 제20권4호
• /
• pp.1-23
• /
• 2014

시장 예측은 일정 기간 동안 소비자에게 판매되는 동종 제품 또는 서비스의 수량 혹은 매출액의 규모를 추정하는 활동으로 정의할 수 있다. 정확한 시장 예측은 기업의 입장에서 새로운 제품의 도입시기 결정, 제품 설계, 생산계획 수립, 마케팅 전략 수립 등에 활용됨으로써 경영활동에 있어 효율적인 의사결정을 내릴 수 있게 하고, 정부의 입장에서는 발전 가능성이 있는 분야에 국가예산을 더 배분할 수 있는 효율적인 예산수립이 가능하게 한다. 본 연구는 정보통신기술(Information and Communication Technology: ICT) 분야의 제품 및 서비스에 대해서 과거의 시계열 자료를 이용하여 시장 성장곡선을 도출하고, 성장패턴이 비슷한 그룹으로 분류하여, 산업 내 시장에 대해 이해하고, 제품들의 미래 전망을 예측하는 데 목적이 있다. 다양한 아이템들을 통일되고 일관적인 방법으로 예측하기 위하여, 로지스틱 모형, 곰페르츠 모형, Bass 모형의 세 가지 전통적인 성장모형과 로지스틱 모형이나 곰페르츠 모형에서 도출되는 잠재시장 크기를 Bass 모형에 결합시킨 두 가지 하이브리드 성장모형을 개발하여 비교 분석하였다. 데이터 설명력이 우수한 로지스틱 + Bass 모형을 최적의 모형으로 선정하여 ICT 제품 및 서비스들 각각의 시장 성장곡선 모수를 확인하였다. 도출된 모수를 데이터로 하여, 자기조직화 지도 알고리즘을 통해, 5개의 의미 있는 영역으로 구분된 시장 성장패턴 지도가 구축되었는데, 각 영역별로 차별화된 특징과 성장패턴을 가지고 있었다. 본 연구에서 제안한 프로세스 및 시스템은 산업 시장 분석 시스템의 수요 예측 기능으로 활용될 수 있으며, ICT 산업뿐만 아니라 다양한 산업 및 분야에도 적용 가능할 것으로 기대된다.

• 한국시뮬레이션학회논문지
• /
• 제21권2호
• /
• pp.79-90
• /
• 2012

본 연구는 공정신호가 불균형 데이터인 경우 이상 탐지 알고리즘의 성능 개선을 위한 특징 신호 추출 기법을 제안한다. 불균형 데이터란 범주 구분 문제에서 하나의 범주의 속하는 데이터의 비율이 다른 범주의 데이터에 비해 크게 차이나 이상 탐지성능이 크게 저하되는 경우를 의미한다. 공정이 운영되는 경우 얻을 수 있는 이상 신호의 수는 정상 신호에 비해 매우 적기에 이러한 문제를 해결하여 이상 탐지 기법을 적용하는 것은 매우 중요하다. 불균형 문제 해결을 위해 SOM(Self-Organizing Map) 알고리즘을 이용하여 각 노드에 대응되는 가중치를 특징 신호로 간주하여 정상 데이터와 이상 데이터의 비율을 맞춘다. 특징 신호 데이터 집단의 이상 탐지를 위해 클래스 분류 기법인 kNN(k-Nearest Neighbor)과 SVM(Support Vector Machine)을 적용하여 이를 공정 신호 이상탐지를 위해 주로 사용하는 Hotelling's $T^2$ 관리도와 성능을 비교한다. 반도체 공정에서 발생한다고 알려진 공정 신호를 모사하여 신호 알고리즘 성능의 우수성을 검증한다.

• 생태와환경
• /
• 제42권3호
• /
• pp.303-316
• /
• 2009

Benthic macroinvertebrate communities collected from eight different streams in South Korea were analyzed to compare community and biological indices across different levels of water pollution. The Self-Organizing Map (SOM) was utilized to provide overview on association of the proposed indices. The sample sites were accordingly clustered according to the gradient of pollution on the SOM. While the general trends of the indices were commonly observable according to different levels of pollution, the detailed differences among the indices were also illustrated on the SOM. The conventional diversity and evenness indices tended to be high even though the water quality state was poor representing relatively weak gradient at polluted sites, while the index presenting the saprobic degree such as family biotic index showed the stronger gradient at the polluted area and was robust to present the gradient. Our results also confirmed the general characterization of two indices: The Shannon index is more strengthened by the number of species occurring at the sample sites, while the Simpson index is more influenced by the degree of evenness among the species. The patterning based on the SOM was efficient in comparatively characterizing the proposed indices to present ecological states and water quality.

• 한국물환경학회지
• /
• 제27권6호
• /
• pp.794-803
• /
• 2011

Self Organizing Map (SOM) was applied for pattern classification of hydrological and water quality data measured at Jangseong Reservoir on a monthly basis. The primary objective of the present study is to understand better data characteristics and relationship between the data. For the purpose, two SOMs were configured by a methodologically systematic approach with appropriate methods for data transformation, determination of map size and side lengths of the map. The SOMs constructed at the respective measurement stations for water quality data (JSD1 and JSD2) commonly classified the respective datasets into five clusters by Davies-Bouldin Index (DBI). The trained SOMs were fine-tuned by Ward's method of a hierarchical cluster analysis. On the one hand, the patterns with high values of standardized reference vectors for hydrological variables revealed the high possibility of eutrophication by TN or TP in the reservoir, in general. On the other hand, the clusters with low values of standardized reference vectors for hydrological variables showed the patterns with high COD concentration. In particular, Clsuter1 at JSD1 and Cluster5 at JSD2 represented the worst condition of water quality with high reference vectors for rainfall and storage in the reservoir. Consequently, SOM is applicable to identify the patterns of potential eutrophication in reservoirs according to the better understanding of data characteristics and their relationship.

• 컴퓨터교육학회논문지
• /
• 제6권4호
• /
• pp.37-47
• /
• 2003

본 논문에서는 영상의 소유권 보호를 위해 DCT계수들의 자기유사성(self-similarity)을 이용한 새로운 디지털 워터마킹 기법을 제시한다. 신경회로망 중 SOM(Self-Organizing Map)을 이용하여 유사한 계수를 분류하고 클러스터들 중 선택된 클러스터에 워터마크를 삽입한다. 일반적으로 영상의 고주파 영역에 삽입된 워터마크는 JPEG압축 같은 압축처리에 의해 쉽게 제거된다. 그리고 저주파 영역에 삽입된 워터마크는 영상의 화질을 훼손시킨다. 따라서 중간주파수 영역에서 많은 계수들을 가지는 클러스터에 워터마크를 삽입한다. 이 알고리즘은 선택된 클러스터 내의 계수들의 개수에 따라 워터마크를 영상에 삽입함으로써 영상의 훼손을 줄여준다. 워터마크가 삽입된 영상으로부터 워터마크를 검출하기위해 원영상없이 선택된 클러스터를 이용한다. 실험을 통해 새로 제안된 알고리즘은 영상의 좋은 화질과 JPEG 압축, 필터링과 같은 영상처리, 축소와 학대, 잘라내기 같은 기하학적 변환, 자음과 같은 공격에 아주 강인하다.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.651-656
• /
• 2001

본 논문은 기존의 신경망을 이용한 세선화 방법 중에서 자기 구성 그래프(Self-Organized Graph：SOG) 세선화 기법의 우수한 세선화 결과를 유지하면서, 수행 속도를 향상시키기 위하여 Kohonen Features Map의 새로운 점증 기법을 변형된 SOG에 적용한 개선된 SOG(Improved SOG：$SOG^*$) 세선화 기법을 제안한다. 실험 결과로써 숫자와 문자 모두 기존의 SOG와 같은 우수한 세선화 결과를 나타내며, O((logM)3)의 시간 복잡도를 가지는 속도 향상을 이루었다. 따라서 본 논문에서 제안한 방법은 숫자 또는 문자 인식에 있어 특징 추출의 빠른 전처리 과정으로 사용할 수 있다.