• Asia pacific journal of information systems
• /
• 제11권4호
• /
• pp.175-186
• /
• 2001

Though people frequently rely on intuition in managing activities, they rarely use it in developing effective decision-making support systems. In this report, we investigate the correlations between characteristics of cognition and emotion and judgmental time-series forecasting accuracy, and compare their strengths by using a self-supervised adaptive neural network. Through the experiments, we hope to help find a desirable atmosphere for decision-making. Our experiments showed that both cognition characteristics and emotion characteristics had correlations with the time-series forecasting accuracy, and that cognition characteristics had larger correlation than emotion characteristics. We also found that conceptual style had larger correlation than behavioral or analytical styles with the accuracy.

• 대한토목학회논문집
• /
• 제26권1B호
• /
• pp.61-67
• /
• 2006

강한 비선형성의 경향을 보이고 있는 강우-유출간의 관계를 모형화하기 위한 연구는 다양한 방법론으로 적용되어 활발히 연구되고 있다. 그 중에서 인공신경망을 이용하여 강우-유출간의 관계를 모형화하기 위한 대부분의 연구들은 역전파 학습 알고리즘(back propagation algorithm: BPA), Levenberg Marquardt(LV), radial basis function(RBF)을 이용하였으며, 이들은 강한 비선형성을 나타내는 입 출력간의 관계를 나타내는데 탁월한 성능을 보이고 있는 것으로 알려져 있고, 자료들의 급격한 변화나 현저한 변화에 대한 뛰어난 적응성을 보여주고 있다. 이러한 인공신경망 이론은 예측뿐만이 아니라 대상자료들의 양상을 분류하여 그 특성을 분석하는 데에도 이용되고 있다. 따라서 본 연구에서는 강우-유출과정의 양상에 따른 분류와 그에 따른 분석을 위해 Kohonen 네트워크 이론에 의한 자기조직화 방법(self-organizing map; SOM)을 적용하였다. 본 연구에서 제시한 방법을 이용한 결과, 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우양상을 분류 할 수 있었으며, 강우-유출간의 특성을 분석한 결과 강한 비선현성을 가지고 있는 강우-유출관계가 SOM에 의해 7개의 패턴으로 구분되었다.

• 대한전자공학회논문지SP
• /
• 제40권1호
• /
• pp.72-78
• /
• 2003

본 논문에서는 자기구성 뉴로퍼지 네트워크를 이용한 MPEG-4 비트율 제어알고리즘을 제안한다. 경험적인 수식을 바탕으로 rate-distortion(RD) 모델을 구성하는 일반적인 방법과는 달리 제안하는 알고리즘의 기본적인 아이디어는 온라인으로 RD모델을 스스로 구성하고 매 프레임마다 그 구조를 적응적으로 업데이트하는 SOLPN을 이용해 RD 모델을 구현하는 것으로 많은 비트율 제어 방식 중 프레임을 기반으로 한 비트율 제어만을 본 논문에서는 고려한다. 특히 이 알고리즘은 오프라인에서 미리 트레이닝하는 것이 필요가 없기 때문에 실시간 코딩에도 적용 가능하다. VM18.0과의 비교 실험 결과들을 보면 본 논문에서 제안하는 비트율제어 알고리즘이 VMl8.0〔16〕에 비해 주관적인 화질 향상뿐만 아니라 적은 프레임 스킵(franc skip)과 높은 PSNR을 나타낸다.

• 한국수자원학회논문집
• /
• 제51권5호
• /
• pp.383-393
• /
• 2018

지역빈도해석은 대상 지점과 수문학적 동질성을 만족하는 주변 지점을 하나의 지역으로 보고 빈도해석을 수행하는 방법이다. 따라서 동질한 지역의 구분은 지역빈도해석에 있어서 가장 중요한 가정이라고 할 수 있다. 이에 본 연구에서는 인공신경망 기법중 하나인 자기조직화지도(self-organizing map, SOM) 기법을 활용하여 강우 지역빈도해석을 위한 동질 강수 지역을 구분하였다. 지역구분 인자로는 지형 정보와 시 단위 강우 자료를 활용하였다. 최적 SOM 지도 구성을 위해 정량적 오차와 위상관계 오차를 활용하였다. 그 결과 $7{\times}6$ 배열의 42개의 노드를 갖는 모형을 선정하였고 최종적으로 강우 지역빈도해석을 위해 6개의 군집으로 구분하였다. 동질성 검토 결과 6개의 군집 모두 동질한 지역으로 나타났으며 기존의 유사하게 구분된 지역들과 이질성 척도를 비교하였을 때 좀 더 안정적인 지역 구분결과를 나타내는 것을 확인하였다.

• 지능정보연구
• /
• 제18권4호
• /
• pp.43-57
• /
• 2012

제조업에 있어서 판매 후 서비스 건수와 내용 등은 향후 서비스 제공을 위한 자원배분의 효율성 증진과 서비스 품질 향상을 위해서도 매우 중요한 정보이다. 따라서 기업들은 향후 발생하는 판매 후 서비스에 대해 정확히 예측하고 그에 따라 적절히 대처하는 능력을 확보할 필요성이 제조업을 중심으로 증가하고 있다. 그러나 실제로 이들 기업들이 활용하고 있는 서비스 수요예측 방법들은 전통적인 통계적인 예측기법이거나, 시뮬레이션을 기반한 기법들이다. 예를 들면, 전통적인 통계적인 예측기법으로는 회귀분석(regression analysis)의 경우, 다양한 제품모델에 대한 판매 후 서비스 발생 패턴이 선형적인 관계가 매우 적음에도 불구하고 선형으로 가정하여 추정한다는 점과 적정한 회귀식을 가정하여야 되며, 이러한 가정이 실제 경영환경에서는 매우 어렵다는 점 등이 기존의 예측기법들의 한계점으로 지적되고 있다. 본 연구에서는 디지털 TV 모델을 생산 판매 하는 A사의 사례연구를 통하여 최근 인공지능연구에서 각광을 받고 있는 사례기반추론(case-based reasoning; CBR) 기법을 활용한 서비스 수요예측 프레임워크를 제안하고자 한다. 또한, 사례기반추론에서 핵심적인 역할 중 하나인 유사 사례추출 방법에 있어서 가장 일반적인 nearest-neighbor 방법 이외의 유사 사례추출 방법을 제안하고자 한다. 특히, 본 연구에서 제안하는 유사 사례추출 방법은 인공신경망(artificial neural network)을 활용한 자기조직화지도(Self-Organizing Maps : SOM) 군집화 기법을 활용한 유사 사례추출 방식으로 이를 활용한 서비스 수요예측 프레임워크에 구현하고, 실제 기업의 판매 후 서비스 데이터를 활용하여 본 연구에서 제안하는 서비스 수요 예측 프레임워크의 유효성을 실증적으로 검증하고자 한다.

• 환경생물
• /
• 제26권3호
• /
• pp.203-213
• /
• 2008

Benthic macro invertebrate communities were collected at six different sampling sites in the Musucheon stream in Korea from July 2006 to July 2007, and ecological exergy values were calculated based on five different functional feeding groups (collector-gatherer, collector-filterer, predator, scrapper, and shredder) of benthic macro invertebrates. Each sampling site was categorized to three stream types (perennial, intermittent and drought) based on the water flow condition. Exergy values were low at all study sites right after a heavy rain and relatively higher in the perennial stream type than in the intermittent or the drought stream type. Self-Organizing Map (SOM), unsupervised artificial neural network, was implemented to pattern spatial and temporal dynamics of ecological exergy of the study sites. SOM classified samples into four clusters. The classification reflected the effects of floods and droughts on benthic macroinvertebrate communities, and was mainly related with the stream types of the sampling sites. Exergy values of each functional feeding group also responded differently according to the different stream types. Finally, the results showed that exergy is an effective ecological indicator, and patterning changes of exergy using SOM is an effective way to evaluate target ecosystems.

• 대한산업공학회지
• /
• 제31권3호
• /
• pp.257-264
• /
• 2005

This paper suggests a heuristic algorithm for the clustering problem. Clustering involves grouping similar objects into a cluster. Clustering is used in a wide variety of fields including data mining, marketing, and biology. Until now there are a lot of approaches using Self-Organizing Feature Maps(SOFMs). But they have problems with a small output-layer nodes and initial weight. For example, one of them is a one-dimension map of k output-layer nodes, if they want to make k clusters. This approach has problems to classify elaboratively. This paper suggests one-dimensional output-layer nodes in SOFMs. The number of output-layer nodes is more than those of clusters intended to find and the order of output-layer nodes is ascending in the sum of the output-layer node's weight. We can find input data in SOFMs output node and classify input data in output nodes using Euclidean distance. We use the well known IRIS data as an experimental data. Unsupervised clustering of IRIS data typically results in 15 - 17 clustering error. However, the proposed algorithm has only six clustering errors.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 지능정보 및 응용 학술대회
• /
• pp.142-145
• /
• 2008

본 논문에서는 self-organizing map(SOM)과 grassfire 기법을 이용한 계산 효율적인 컬러 영상 분할 방법을 제안한다. SOM에서 출력 뉴런 수를 축소하고 학습에 사용하는 입력 데이터를 줄임으로써 실행 시간을 단축 시켰다. 입력 영상을 CIE $L^*u^*v^*$ 컬러 공간으로 변환하고 3개의 입력 뉴런과 $4{\times}4$ 또는 $3{\times}3$ 출력 뉴런 구조의 SOM을 이용해 학습한다. 학습 완료 후 입력 영상의 픽셀에 대응하는 출력 값을 구하고 grassfire 기법을 이용해 지역적으로 인접하고 출력 값이 동일한 픽셀들을 하나의 영역으로 결합한다. 다양한 영상을 이용한 실험을 통해 제안한 방법이 컬러 영상 분할에서 기존의 방법에 비해 좋은 결과를 얻을 수 있음을 확인하였다.

• 산업경영시스템학회지
• /
• 제42권2호
• /
• pp.94-103
• /
• 2019

Self Organizing Map (SOM) is a neural network that is effective in classifying patterns that form the feature map by extracting characteristics of the input data. In this study, we propose an algorithm to determine the cell formation and the machine layout within the cell for the cell formation problem with operation sequence using the SOM. In the proposed algorithm, the output layer of the SOM is a one-dimensional structure, and the SOM is applied to the parts and the machine in two steps. The initial cell is formed when the formed clusters is grouped largely by the utilization of the machine within the cell. At this stage, machine cell are formed. The next step is to create a flow matrix of the all machine that calculates the frequency of consecutive forward movement for the machine. The machine layout order in each machine cell is determined based on this flow matrix so that the machine operation sequence is most reflected. The final step is to optimize the overall machine and parts to increase machine layout efficiency. As a result, the final cell is formed and the machine layout within the cell is determined. The proposed algorithm was tested on well-known cell formation problems with operation sequence shown in previous papers. The proposed algorithm has better performance than the other algorithms.

• 대한전기학회논문지
• /
• 제39권9호
• /
• pp.985-996
• /
• 1990

An inverse kinematic solution of a robot manipulator using multilayer perceptrons is proposed. Neural networks allow the solution of some complex nonlinear equations such as the inverse kinematics of a robot manipulator without the need for its model. However, the back-propagation (BP) learning rule for multilayer perceptrons has the major limitation of being too slow in learning to be practical. In this paper, a new algorithm named Dynamically Reconfiguring BP is proposed to improve its learning speed. It uses a modified version of Kohonen's Self-Organizing Feature Map (SOFM) to partition the input space and for each input point, select a subset of the hidden processing elements or neurons. A subset of the original network results from these selected neuron which learns the desired mapping for this small input region. It is this selective property that accelerates convergence as well as enhances resolution. This network was used to learn the parity function and further, to solve the inverse kinematic problem of a robot manipulator. The results demonstrate faster learning than the BP network.