• 한국지능시스템학회논문지
• /
• 제7권4호
• /
• pp.74-81
• /
• 1997

본 논문에서는 시그모이드 함수와 방사형 기저 함수 모두를 생성시킬 수 있는 특별한 은닉층 노드를 갖는 투영신경회로망에 대하여 알아롭고 그것을 훈련시키기 위한 진화 학습 기법을 제시한다. 제시된 기법은 신경회로망의 매개변수와 연결 가충치뿐만 아니라, 어떤 목적함수를 나타내기 위한 최적의 은닉층 노드개수 또한 구조 최적화를 위한 진화연산자를 통해 찾아낸다. 각각의 은닉층 노드의 역할은 진화를 거듭하면서 방사형 기저 함수를 나타낼지 시그모이드 함수를 나타낼지 결정된다. 알고리즘을 구현하기 위해서 투영신경회로망은 연결 고리 리스트 자료구조로 나타내었다. 모의 실험에서 기존으 오차역전파에 의한 학습과 구조 성장 방식보다 적은 노드로 투영신경회로망을 훈련시킬 수 있음을 볼수 있다.

• 지능정보연구
• /
• 제7권2호
• /
• pp.95-115
• /
• 2001

본 논문에서는 우리나라 코스닥시장에 상장된 벤처기업을 대상으로 하여 지식경영 유형을 세분화 하기 위한 방법론을 제시한다. 이 방법론은 우선, 해당 벤처기업에 대하여 설문조사를 통하여 이들 회사의 지식경영 요인을 도출한 다음, 이들 요인 값을 가지고 비감독학습 인공신경망 모형인 SOM을 가지고 4개의 의미 있는 군집을 유도하였다. 이들 군집은 벤처기업이 수행하는 다양한 지식경영 유형을 나타내는 것으로 판명되었으며, 이들 유형은 각각 하이테크형, 조직지식중심형, 정보기술 중심형, 단순형으로 분류된다.

• 한국정보통신학회논문지
• /
• 제14권5호
• /
• pp.1125-1132
• /
• 2010

와이브로는 OFDMA/TDD 기술을 기반으로하는 고속 이동 인터넷 표준이고, IEEE802.16e 무선 MAN 표준 통합 버전의 하나이다. 본 논문에서는 64QAM SOFM 전처리기를 이용한 와이브로 시스템의 성능 개선을 제안하였다. 제안한 방법은 Broadband 64 QAM 와이브로 시스템 수신단에 전처리 SOFM 신경망 자력등화를 사용한다. 전처리 SOFM 신경망은 송신 데이터 형태인 64QAM을 형상화 하고 자력등화는 ICI를 제거한다. 제안한 방법의 유용성을 확인하기 위하여 MSE와 BER에 대하여 시뮬레이션 하였으며, 시뮬레이션 결과 제안한 64QAM SOFM 전처리기를 이용한 와이브로 시스템은 기존의 와이브로 시스템보다 성능이 개선되었음을 확인하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2000년도 추계학술대회논문집
• /
• pp.796-801
• /
• 2000

The monitoring and diagnostics of the rotating machinery have been received considerable attention for many years. The objectives are to classify the machinery condition and to find out the cause of abnormal condition. This paper describes a signal classification method for diagnosing the rotating machinery using the artificial neural network and the wavelet transform. In order to extract salient features, the wavelet transform are used from primary noise signals. Since the wavelet transform decomposes raw time-waveform signals into two respective parts in the time space and frequency domain, more and better features can be obtained easier than time-waveform analysis. In the training phase for classification, self-organizing feature map(SOFM) and learning vector quantization(LVQ) are applied, and the accuracies of them are compared with each other. This paper is focused on the development of an advanced signal classifier to automatise the vibration signal pattern recognition. This method is verified by small reciprocating compressors, for refrigerator and normal and abnormal conditions are classified with high flexibility and reliability.

• 대한교통학회지
• /
• 제21권2호
• /
• pp.63-70
• /
• 2003

실시간 교차로의 대기행렬길이 검지는 지능형교통체계의 중요부분인 교통관제를 위해서 매우 중요하다. 특히 교통정보수집을 위한 영상기반 기술은 전통적인 루프검지기 또는 기타 타 검지기에 비하여 내재된 여러 이점 때문에 많은 연구가 진행되어 왔다. 그러나 현장 적용시 흔히 발생하는 영상에서의 잡음 및 주변 물체로부터 투영되는 음영 등에 의해 나타나는 차량의 오검지율을 줄이고 수집되는 교통정보의 신뢰도를 높이기 위해서는 보다 효과적인 알고리즘개발이 요구된다. 본 연구에서는 영상처리를 이용한 대기행렬길이 검지를 위한 알고리즘을 제시하였다. 실시간 데이터 수집 및 분석 그리고 패턴분석에 우수한 것으로 알려진 신경망 모형을 이용하였으며, 특히 시스템 신뢰성을 높이기 위하여 퍼지이론이 접목된 퍼지 뉴런모델인 Fuzzy ARTMAP을 모형에 도입하였다. 실험결과 본 연구에서 제시한 대기행렬 측정 방법은 매우 우수한 검지 능력을 보였으며, 대기행렬 검지뿐만 아니라 신뢰성 높은 차량검지 및 차종분류를 위해서도 활용할 수 있을 것으로 기대된다.

• KSBB Journal
• /
• 제20권4호
• /
• pp.299-304
• /
• 2005

본 연구에서는 인공신경망 알고리즘을 이용하여 생물공정에서 수집된 형광스펙트럼 데이터를 분류, 분석하고 공정변수들을 예측하기 위한 공정의 모델링에 대해서 논의하였다. SOM에 의해 분류된 전파장 스펙트럼 데이터들은 발효공정의 변수와 형광데이터 사이에 비선형관계를 설명하기 위하여 사용되었다. BPNN알고리즘은 SOM에서 분류된 데이터들을 입력자료로 이용하여 공정에 대한 모델식을 세우고, 이를 이용하여 배출가스 내 $CO_2$ 농도 및 발효액 중 세포농도와 같은 공정변수들을 예측하는데 사용되었다. 또한 BPNN 모델은 강력하면서도 훈련데이터의 범위를 넘어서는 공정의 데이터들을 예측할 수 있기 때문에 폭넓은 활용가능성을 가지고 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권9호
• /
• pp.572-587
• /
• 2008

SOFM(Self-organizing Feature Map)은 고차원의 데이타를 군집화(clustering)하거나 시각화(visualization)하기 위해 많이 사용되고 있는 비교사 학습 신경망(unsupervised neural network)의 한 종류이며, 컴퓨터비전이나 패턴인식 분야에서 다양하게 활용되고 있다. 최근 SOFM이 실제 응용분야에 다양하게 활용되고 좋은 결과를 보이고 있지만, 학습된 SOFM의 뉴론(neuron)을 다시 군집화해야 하는 후처리가 필요하며, 대부분의 경우 수동으로 이루어지고 있다. 후처리를 자동으로 하기 위해 k-means와 같은 기존의 군집화 알고리즘을 많이 이용하지만, 이 방법은 특히 다양한 모양의 클래스를 가진 고차원의 데이타에서 만족스럽지 못한 결과를 보인다. 다양한 모양의 클래스에서 좋은 성능을 보이기 위해, 본 논문에서는 그래프 컷(graph cut)을 이용하여 학습된 SOFM을 자동으로 군집화하는 방법을 제안한다. 그래프 컷을 이용할 때 터미널(terminal)이라는 두 개의 추가적인 정점(vertex)이 필요하며, 터미널과 각 정점 사이의 가중치는 대부분 사용자에 의해 입력받은 사전정보를 기반으로 설정된다. 제안된 방법은 SOFM의 거리 매트릭스(distance matrix)를 기반으로 한 모드 탐색(mode-seeking)과 모드의 군집화를 통하여 자동으로 사전정보를 설정하며, 학습된 SOFM의 군집화를 자동으로 수행한다. 실험에서 효율성을 검증하기 위해 제안된 방법을 텍스처 분할(texture segmentation)에 적용하였다. 실험 결과에서 제안된 방법은 기존의 군집화 알고리즘을 이용한 방법보다 높은 정확도를 보였으며, 이는 그래프기반의 군집화를 통해 다양한 모양의 클러스터를 처리할 수 있기 때문이다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 추계학술대회 논문집 전기물성,응용부문
• /
• pp.145-146
• /
• 2006

본 논문은 부분방전(PD: Partial Discharge)의 패턴인식 확률 극대화를 목적으로 신경망(NN: Neural Network) 파라미터 중에서 은닉층 뉴런의 수, 모멘텀(momentum)의 Step size와 Decay rate 를 최적화하기 위하여 유전 알고리즘(GA: Genetic Algonthm)을 적응하였다. 실험적 연구의 대상으로서, GIS(Gas Insulated Switchgear)사고의 주요 원인으로 보고되어있는 결함들을 인위적으로 모의한 16개 Test cell을 이용하여 부분방전을 발생시켰다. 부분방전 신호는 본 연구팀이 개발한 센서를 이용하여 검출되어 데이터베이스가 구축되어 그로부터 추출된 학습 데이터들의 학습에 다음과 같은 5가지 신경망 모델이 적응되었다: Multilayer Perception (MLP), Jordan-Elman Network (JEN), Recurrent Network (RN), Self-Organizing Feature Map (SOFM), Time-Lag Recurrent Network (TLRN). 유전 알고리즘 적용 효율성을 분석하기 위하여 동일한 데이터를 이용하여 다음과 같은 두 가지 방법을 적용한 결과를 상호 비교하였다. 우선 상기 선택된 모델만 적용하였고 다근 하나는 상기 모델과 Genetic Algorithm이 동시에 적용되었다. 모든 모델에 대하여 학습오차와 패턴 분류 확률을 비교한 결과, 유전 알고리즘 적응 시 부분방전 패턴인식 확률이 향상되었음이 확인되어 향후 신뢰성 있는 GIS 부분방전 진단기술에 활용될 수 있을 것으로 사료된다.

• Ocean and Polar Research
• /
• 제25권3호
• /
• pp.237-247
• /
• 2003

The temporal dynamics of the meiofauna community in Marian Cove, King George Island were observed from January 22 to October 29 1996. Generally, 14 taxa of metazoan meiofauna were found. Nematodes were dominant comprising 90.12% of the community, harpacticoid 6.55%, and Kinorhynchs 1.54%. Meiofauna abundance increased monthly from January to May 1996, while varying in abundance after August 1996. Overall mean abundance of metazoan meiofauna was $2634ind./10cm^2$ during the study periods, which is about as high as that found in temperate regions. Nematodes were most abundant representing $2399ind./10cm^2$. Mean abundance of harpacticoids, including copepodite and nauplius was $131ind./10cm^2$ by kinorhynchs $(26ind./10cm^2)$. The overall abundance of other identified organisms was $31ind./10cm^2$ Other organisms consisted of a total of 11 taxa including Ostracoda $(6ind./10cm^2)$, Polycheata $(7ind./10cm^2)$, Oligochaeta $(8ind./10cm^2)$, and Bivalvia $(6ind./10cm^2)$. Additionally, protozoan Foraminifera occurred at the study area with a mean abundance of $263ind./10cm^2$. Foraminiferans were second in dominance to nematodes. The dominant taxa such as nematodes, harpacticoids, kinorhynchs and the other tua were trained and extensively scattered in the map through the Kohonen network. The temporal pattern of the community composition was most affected by the abundance dynamics of kinorhynchs and harpacticoids. The neural network model also allowed for simulation of data that was missing during two months of inclement weather. The lowest meiofauna abundance was found in August 1996 during winter. The seasonal changes were likely caused by temperature and salinity changes as a result of meltwater runoff, and the physical impact by passing icebergs.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제49권7호
• /
• pp.378-388
• /
• 2000

In this paper, we propose Fuzzy Polynomial Neural Networks(FPNN) based on Polynomial Neural Networks(PNN) and Fuzzy Neural Networks(FNN) for model identification of complex and nonlinear systems. The proposed FPNN is generated from the mutually combined structure of both FNN and PNN. The one and the other are considered as the premise part and consequence part of FPNN structure respectively. As the consequence part of FPNN, PNN is based on Group Method of Data Handling(GMDH) method and its structure is similar to Neural Networks. But the structure of PNN is not fixed like in conventional Neural Networks and self-organizing networks that can be generated. FPNN is available effectively for multi-input variables and high-order polynomial according to the combination of FNN with PNN. Accordingly it is possible to consider the nonlinearity characteristics of process and to get better output performance with superb predictive ability. As the premise part of FPNN, FNN uses both the simplified fuzzy inference as fuzzy inference method and error back-propagation algorithm as learning rule. The parameters such as parameters of membership functions, learning rates and momentum coefficients are adjusted using genetic algorithms. And we use two kinds of FNN structure according to the division method of fuzzy space of input variables. One is basic FNN structure and uses fuzzy input space divided by each separated input variable, the other is modified FNN structure and uses fuzzy input space divided by mutually combined input variables. In order to evaluate the performance of proposed models, we use the nonlinear function and traffic route choice process. The results show that the proposed FPNN can produce the model with higher accuracy and more robustness than any other method presented previously. And also performance index related to the approximation and prediction capabilities of model is evaluated and discussed.