• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2005년도 춘계학술대회
• /
• pp.186-189
• /
• 2005

본 논문에서는 LVQ를 퍼지화한 새로운 퍼지 학습 법칙들을 제안하였다. 퍼지 LVQ 학습법칙 1은 기존의 학습률 대신에 퍼지 학습률을 사용하였는데 이는 조건 확률의 퍼지화에 기반을 두고 있다. 퍼지 LVQ 학습법칙 2는 클래스들 사이에 존재하는 입력벡터가 결정 경계선에 대한 정보를 더 가지고 있는 것을 반영한 것이다. 이 새로운 퍼지 학습 법칙들을 improved IAFC(Integrted Adaptive Fuzzy Clustering)신경회로망에 적용하였다. improved IAFC신경회로망은 ART-1 (Adaptive Resonance Theory)신경회로망과 Kohonen의 Self-Organizing Feature Map의 장점을 취합한 퍼지 신경회로망이다. 제안한 supervised IAFC 신경회로망 1과 supervised IAFC neural 신경회로망 2의 성능을 오류 역전파 신경회로망의 성능과 비교하기 위하여 iris 데이터를 사용하였는데 Supervised IAFC neural network 2가 오류 역전파 신경회로망보다 성능이 우수함을 보여주었다.

• 대한기계학회논문집
• /
• 제18권8호
• /
• pp.1939-1951
• /
• 1994

This study introduces a new tool breakage detecting technology comprised of an unsupervised neural network combined with adaptive time series autoregressive(AR) model where parameters are estimated recursively at each sampling instant using a parameter adaptation algorithm based on an RLS(Recursive Least Square). Experiment indicates that AR parameters are good features for tool breakage, therefore it can be detected by tracking the evolution of the AR parameters during milling process. an ART 2(Adaptive Resonance Theory 2) neural network is used for clustering of tool states using these parameters and the network is capable of self organizing without supervised learning. This system operates successfully under the wide range of cutting conditions without a priori knowledge of the process, with fast monitoring time.

• 전자공학회논문지CI
• /
• 제42권3호
• /
• pp.29-38
• /
• 2005

직관력은 의사결정시 자주 의존되나, 효과적인 의사결정지원 시스템의 개발 목적으로는 거의 고려되고 있지 않다. 본 연구는 의사결정자의 인지특성 및 감성특성과 시계열 직관 예측 간의 상관성을 자기조직 인공신경망에 의해 확인하고 비교함으로써, 시계열 직관 예측에 영향을 주는 의사결정자의 인지적 특성과 감성적 특성을 도출하고 궁극적으로는 효과적인 의사결정 환경을 조성하는데 공헌하고자 한다. 이 실험에 사용하는 인공신경망은 자기감독적응 알고리듬을 이용하는데, 이의 특징은 학습 기간 중 자기조직 층의 뉴런 클러스터 간에 정보를 교류함으로써 본질적으로 입력 벡터간의 상관성을 이용할 수 있다는 것이다. 실험결과, 인지 특성과 감성 특성이 모두 시계열 예측과 상관성이 있는 것으로 나타났으며, 또한 인지 특성이 감성 특성보다 상관성이 높은 것으로 나타났다. 유형별로는, 개념적 인지유형이 분석적 또는 행동적 인지유형보다, 불쾌-이완 감성유형이 쾌활-각성 감성유형보다 시계열 직관 예측의 상관성이 높은 것으로 관찰되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권8호
• /
• pp.2787-2800
• /
• 2022

The aging society increases emergency situations of the elderly living alone and a variety of social crimes. In order to prevent them, techniques to detect emergency situations through voice are actively researched. This study proposes CutPaste-based anomaly detection model using multi-scale feature extraction in time series streaming data. In the proposed method, an audio file is converted into a spectrogram. In this way, it is possible to use an algorithm for image data, such as CNN. After that, mutli-scale feature extraction is applied. Three images drawn from Adaptive Pooling layer that has different-sized kernels are merged. In consideration of various types of anomaly, including point anomaly, contextual anomaly, and collective anomaly, the limitations of a conventional anomaly model are improved. Finally, CutPaste-based anomaly detection is conducted. Since the model is trained through self-supervised learning, it is possible to detect a diversity of emergency situations as anomaly without labeling. Therefore, the proposed model overcomes the limitations of a conventional model that classifies only labelled emergency situations. Also, the proposed model is evaluated to have better performance than a conventional anomaly detection model.

• 대한가정학회지
• /
• 제46권2호
• /
• pp.85-96
• /
• 2008

Given the evolving nature of the family unit, a large number of children are being left unsupervised after school. The purpose of this study is to understand the adaptation ability and emotional capacity of these children. To achieve this objective, we investigated the different characteristics of 708 middle-school students in Seoul, dividing them into two categories adult-care children, for whom adults provide care after school, and self-care children for whom no adult supervision was present. In particular, we examined children's adaptation to the school environment and possible self-consciousness difference between self-care and adult-care children, in consideration of their family characteristic; divorced, separated, widowed parent, remarried parents, ordinary families. The results showed that self-care children tend to have a higher rate of shame-proneness and guilt-proneness compared to adult-care children. Furthermore, self-care children exhibited lower school adaptation rate than adult-care children. There was no significant difference in schoolmate relationships between the two groups. In relation to specific family structures, children from reorganized families showed no significant differences in school adaptation and self-conscious, while self-care children from ordinary families revealed low school adaptation and high self-conscious characteristics. The results of this study are critical in the effective analysis and understanding of children's adaptive and emotional behaviors arising from changes in their family structure.

• 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.

• 한국지능시스템학회논문지
• /
• 제11권3호
• /
• pp.223-230
• /
• 2001

자기구성 지도는 주어진 입력에 대해 올바른 출력 값이 제공되지 않는 비교사 방식으로 학습된다. 또한, 반응하는 순서나 위치를 통해 위상이 보존(topology preserving)되는 특성을 가지고 있어 많은 분야에 응용되고 있다. 그러나, 자기 구성지도는 학습이 되기 전에 위상을 미리 고정시켜야 하기 때문에 실제 문제에 적용하기 어렵다는 단점을 가지고 있다. 구조 적응형 자기구성 지도는 자기구성 지도의 고정된 구조 때문에 발생하는 문제를 해결하기 위해 지도의 구조를 학습 중에 적절하게 변경시킨다. 이때, 변화된 구조의 가중치를 어떻게 초기화시킬 것인가 하는 것이 또한 중요한 문제이다. 이 논문에서는 구조 적응형 자기구성 지도 모델에서 유전자 알고리즘을 이용하여 분화된 노드의 가중치를 결정하는 방법을 제안한다. 이 방법은 기존의 구조 적응형 자기구성 지도보다 다소 높은 인식률을 보였고, 숫자 별 인식률 편차를 줄일 수 있었다. 오프라인 필기 숫자 데이터로 실험한 결과, 제안한 방법이 유용함을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.333-335
• /
• 1999

일반적으로 자기구성 지도에서는 구조가 초기에 결정되어 학습이 끝날때까지 변하기 않기 때문에 각 문제에 대한 구조를 반복된 실험을 통해서 최적화시켜야 한다. 그러나, 지도의 구조가 학습중에 적절하게 변경된다면, 해당 문제에 가장 알맞은 구조의 지도를 생성할 수 있을 것이다. 이 논문에서는 기존의 적응형 자기 구성 지도의 비교사 학습방법에 LVQ 알고리즘을 이용한 교사 학습방법을 결합한 구조 적응형 자기 구성 지도 모델을 제안한다. 이 방법은 일반적인 자기구성 지도 알고리즘보다 작은 수의 노드를 가지고 높은 성능을 보일 뿐만 아니라, 자기 구성 지도의 특성인 위상 보존도 잘 이루어진다. 오프라인 필기 숫자 데이터로 실험한 결과, 제안한 방법이 유용함을 알 수 있었다.