• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1056-1059
• /
• 2003

Self-Oranizing Map(SOM) is an unsupervised neural network providing cluster analysis of high dimensional input data. The output from the SOM is represented in map that help us to explore data. The weak point of conventional SOM is when the map is large, it take a long time to train the data. The computing time is known to be O(MN) for trainning to find the winning node (M,N are the number of nodes in width and height of the map). This paper presents a new method to reduce the computing time by creating new map. Each node in a new map is the centroid of nodes' group that are in the original map. After create a new map, we find the winning node of this map, then find the winning node in original map only in nodes that are represented by the winning node from the new map. This new method is called "High Speed Self-Oranizing Map"(HS-SOM). Our experiment use HS-SOM to cluster documents and compare with SOM. The results from the experiment shows that HS-SOM can reduce computing time by 30%-50% over conventional SOM.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1992년도 한국자동제어학술회의논문집(국내학술편); KOEX, Seoul; 19-21 Oct. 1992
• /
• pp.129-134
• /
• 1992

Fuzzy theory has shown good control performance for non-linear system that is difficult to be controlled by the conventional controller. Backpropagation neural network can interpolate output without the priori knowledge of its dynamics. In this paper, we proposes a Fuzzy-Neural Controller. The Fuzzy Control by deterministic rule may not be sensitive for uncertain conditions and has a disadvantage of setting the rule by repeatedly experience. To solve such problems, we construct Self organizing Fuzzy-Neural Controller which can reorganize the fuzzy rule according to the state of system. Experimental results show that proposed Fuzzy-Neural Controller has better performance than conventional controller(PID) has especially rising time and overshoot characteristics.

• 한국지능시스템학회논문지
• /
• 제7권5호
• /
• pp.34-45
• /
• 1997

본 논문에서는 경쟁학습 신경회로망의 디지탈 칩 구현에서 뉴런의 집적도를 향상시키기 위해 하드웨어 구현이 용이한 새로운 신경회로망 모델로서 일정 적응이득과 이진 강화함수를 가진 여러 가지 경쟁학습 신경회로망 모델들을 제안하고, 그 중 안정성과 분류성능이 가장 우수한 일정 적응이득과 이진 강화함수를 지닌 자기조직화 형상지도(Self-Organizing Feature Map)신경회로망의 FPGA위에서의 하드웨어 구현에 대해서 논한다. 원래의 SOFM 알고리즘에서 적응이득이 시간 종속형인데 반하여, 본 논문에서 하드웨어로 구현한 알고리즘에서는 적응이득이 일정인 값으로 고정되며 이로 인한 성능저하를 보상하기 위하여 이진 강화함수를 부가한다. 제안한 알고리즘은 복잡한 곱셈 연산을 필요로 하지 않으므로 하드웨어 구현이 용이하다는 특징이있다. 1개의 덧셈/뺄셈기와 2개의 덧셈기로 구성된 단위 뉴런은 형태가 단순하면서 반복적이므로 하나의 FPGA 위에서도 다수의 뉴런을 구현 할수 있으며 비교적 소수의 제어신호로서 이들을 모두 제어 가능할 수 있도록 설계하였다.실험 결과 각 구서부분은 모두 이상 없이 올바로동작하였으며 각 부분이 모두 종합된 전체 시스템도 이상 없이 동작함을 알 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제10권3호
• /
• pp.72-79
• /
• 2010

전자 출결 시스템(Electronic attendance-absence recording system)은 오프라인의 교실 수업 방식에 있어서 혼합 학습(Blended learning)을 위한 중요한 강의 지원 시스템 가운데 하나이다. 그러나 기존의 스마트카드 기반의 전자 출결 시스템은 카드 소유자의 실제 본인 유무를 파악하는 것은 불가능하다. 따라서 본 논문에서는 개인의 얼굴 정보를 자기조직화 신경회로망으로 인식하여 자동으로 해당 교과목의 출석상황을 관리하는 클라이언트-서버 시스템을 개발한다. 클라이언트 시스템은 얼굴 특징추출에 의한 식별파일을 생성하고, 서버 시스템에서는 클라이언트 시스템에서 전송된 식별 파일(ID file)을 분석하여 데이터베이스에 저장된 해당 교과목의 인식 가중치 파일(Recognized weight file)를 이용하여 학생 식별을 수행한다. 본 논문에서 제안하는 얼굴 인식 기반의 출결 관리 시스템은 실제 학급의 다양한 얼굴 영상을 이용하여 CS 환경에서 실험한 결과 92% 이상의 유효성을 보였다.

• 환경생물
• /
• 제25권2호
• /
• pp.149-157
• /
• 2007

본 연구는 우리나라 서해안에서 월동하는 수조류 군집의 특성 및 환경요인에 따른 분포 특성을 밝히고자 수행되었다. 수조류 군집조사는 10개 지역에서 실시되었으며, 환경요인으로 토지피복도 비율을 측정하였다. 전체 조사지역에서 종 구성은 수면성 오리류가 84%로 가장 높은 비율을 나타냈고, 그 외 잠수성 오리류, 섭금류, 기러기류, 갈매기류 등이 많이 관찰되었다. 가장 높은 우점도를 나타낸 종은 청둥오리(Anas platyrhynchos)였으며 다음으로 가창오리(Anas formosa)가 차지하였다. 비지도 학습법 인공신경회로망인 self-organizing map(SOM)을 이용한 월동 수조류 군집을 유형화 한 결과 수조류 군집은 6개의 그룹으로 구분되었다. 각 그룹은 서식지의 특성에 따라 명확히 구분되어 서식지의 공간특성을 잘 반영해 주었으며, 또한 조사 시기에 따른 군집의 차이도 잘 나타내 주었다.

• 한국지능시스템학회논문지
• /
• 제11권4호
• /
• pp.354-358
• /
• 2001

본 논문에서는 underutilization 문제를 해결한 퍼지 신경회로망 모델을 제시한다. 이 퍼지 신경 회로망은 ART-1 신경회로망과 유사한 제어 구조를 가지고 있어 유연성이 있으면서도 안정성이 있다. 또한 연결강도의 초기화가 필요 없고 ART-1 신경회로망에 비하여 잡음에 민감하지 않다. 이 퍼지 신경회로망의 학습법칙은 코호넨의 학습법칙을 변형하고 퍼지화 하였으며 누설 경쟁학습의 퍼지화와 조건 확률의 퍼지화에 기반을 두고 있다. 출력 뉴런 중에서 승자를 정한 후에 행해지는 점검 테스트에서는 유사척도로 상대적 거리를 사용하였다. 이 상대적 거리는 유클리디안 거리와 함께 데이터와 클러스터들의 대푯값들 간의 상대적인 위치를 고려한 것이다. 본 논문에서 제안한 퍼지 신경회로망과 코호넨 자기 조직화 특징 지도의 성능을 비교하기 위하여 널리 사용되어온 IRIS 데이터와 가우시안 분포 데이터를 사용하였다.

• 한국소음진동공학회논문집
• /
• 제12권10호
• /
• pp.799-807
• /
• 2002

The vibration signal can give an indication of the condition of rotating machinery, highlighting potential faults such as unbalance, misalignment and bearing defects. The features in the vibration signal provide an important source of information for the faults diagnosis of rotating machinery. When additional training data become available after the initial training is completed, the conventional neural networks (NNs) must be retrained by applying total data including additional training data. This paper proposes the fault diagnostics algorithm using the ART-Kohonen network which does not destroy the initial training and can adapt additional training data that is suitable for the classification of machine condition. The results of the experiments confirm that the proposed algorithm performs better than other NNs as the self-organizing feature maps (SOFM) , learning vector quantization (LYQ) and radial basis function (RBF) NNs with respect to classification quality. The classification success rate for the ART-Kohonen network was 94 o/o and for the SOFM, LYQ and RBF network were 93 %, 93 % and 89 % respectively.

• 한국정보통신학회논문지
• /
• 제21권2호
• /
• pp.395-400
• /
• 2017

본 논문에서는 산소 센서를 이용하여 CMAC 신경회로망 학습제어에 의한 차량의 연료분사 제어방법에 대해 논한다. 기본 차량 내연기관과 연료 분사 제어시스템의 동역학적인 비선형성으로 인하여 불연속적인 연로를 분사한다. 정밀 연료 분사량 제어에 어려움을 발생시키기 때문에 엔진성능은 저하된다. 본 연구에서는 CMAC 신경회로망을 이용한 연료 분사시스템을 제안한다. CMAC 신경회로망은 매우 넓은 범위의 함수로부터 비선형 관계를 학습 할 수 있고, 학습이 빠르며, 수렴 특성을 가지고 있다. 그리고 산소 센서의 출력특성을 파악하여 연료분사 속도를 계산해서 설정된 공연비 값을 유지시켜준다. 게다가 기존 가솔린 엔진의 구조변경이 없이 어떤 상황에서도 공연비를 정밀하게 제어할 수 있으며, 배기가스 배출량을 절감시킬 수 있다. 시뮬레이션을 통해 일반적인 차량의 제어 방법과 비교 분석하였고, 제안된 방법이 차량의 연비 향상과 친환경 성능 등에 더 효과적임을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1994년도 추계학술대회 논문집 학회본부
• /
• pp.349-352
• /
• 1994

An object recognition and restoration using ultrasound sensors and neural networks are presented. The planar arrangement of the sensor is used to reduce the interference effects between sensors. The SOFM(Self-Organizing Feature Map) Neural Network and SCL(Simple Competitive Learning) method are learned with the acquired data. Lab experiments were performed that the object can be recognized ed the resolutions of the object can be enhanced by using the small number of the ultrasound array and neural networks.

• 응용통계연구
• /
• 제22권2호
• /
• pp.415-424
• /
• 2009

비지도 학습 신경망모형의 한 종류인 자기조직도(self-organizing map: SOM)는 고차원 자료를 차원축소하고 저차원지도를 통해 유사한 개체를 군집화하는 방법이며 다양한 분야의 데이터에 적용되고 있다. 한편 최소생성나무(minimal spanning tree: MST)는 개체점들을 닫힌 루프 없이 가장 짧게 선분으로 연결하는 그래프 방법이다. 본 연구에서는 부노드 자기조직도에 최소생성나무를 적용하여 부노드 간 거리를 근사적으로 나타내는 자료 시각화 방법과 자기조직도의 최적 형태와 크기를 결정하기 위한 거리 측도를 제안하였다. 또한 피서의 붓꽃자료와 실제 유전자발현자료 및 모의생성 자료에 적용하여 이 방법의 유용성을 살펴보았다.