• 한국지능시스템학회논문지
• /
• 제5권3호
• /
• pp.83-91
• /
• 1995

본 연구에서는 종래에 학습법으로 널리 이용되고 있는 역전파학습법의 문제점으로 지적되어 온 학습에 많은 시간이 걸리는 점과 국소적 최적해에 해가 수렴하여 오차가 충분히 작게 되지 않는 등의 문제점을 해결하기 위해, Hu에 의해 고안된 random tabu 탐색법을 이용하여 신경회로망의 연결강도를 최적화하는 학습알고리즘을 새로이 제안하였다. 그리고 이 방법을 배타적 논리합 문제에 적용하여 기존의 역전파학습법과 학습상수 $, $에 tabu탐색법을 이용한 결과와 비교 검토하여 본 방법이 국소적 최적해에 수렴하지 않고 수렴정도를 개선할 수 있음을 확인하였다.

• 한국통신학회논문지
• /
• 제27권6A호
• /
• pp.517-523
• /
• 2002

이 논문에서는 국소 최적 순위 검파기의 점수 함수의 합과 가중합의 완전한 골을 유도하였다. 순위통계량과 부호통계량에 바탕을 둔 검파기의 점근 성능 특성은 점수 함수의 합과 가 중합으로부터 얻어지기 때문에, 합과 가중합은 매우 중요하나, 이들을 구하기 위해서는 상당한 수학적 조작이 필요하다. 이 논문에서 다루어진 점수 함수는 순위통계량에 바탕을 둔 것들 뿐 아니라 절대값 순위통계량과 부호통계량에 바탕을 둔 것들을 포함한다. 따라서, 이 논문의 결과를 써서 여러 가지 잡음 모형에서 쓸모 있는 검 파기들의 점근 성능을 쉽게 구할 수 있다.

• 한국통신학회논문지
• /
• 제31권10C호
• /
• pp.973-980
• /
• 2006

이제까지 국소 최적 검파를 다룬 연구들에서는 대부분 관측을 독립이라 두었다. 독립 관측 모형에서 얻은 검파기는 의존성 잡음 성분이 있는 현대 고속 통신 시스템에서 성능이 쾌 떨어질 수 있다. 이 논문의 1부에서는 곱셈 꼴 잡음과 일차 마르코프 덧셈꼴 잡음이 일어나는 환경에서 알려진 약한 신호를 검파할 때 알맞은 검정 통계량을 자세히 살펴본다. 이어, 2부에서는 여러 검파기의 점근 성능과 유한 표본 크기 성능을 얻고 서로 견주어 보며, 성능을 가장 좋게 하려면 간섭끼리의 의존성을 생각하여 검파기를 꾸며야 함을 보인다.

• 한국통신학회논문지
• /
• 제30권6C호
• /
• pp.532-540
• /
• 2005

이 논문에서는 새로운 약신호 검파 기법을 얻어, 그 기법과 국소 최적 검파 기법을 바탕으로 순차 검파 방식을 이끌어낸다. 먼저, 1부에서는 새로운 약신호 검파 기법을 제안하고, 흥미로운 문턱값 성질을 몇가지 밝히며, 여러 가지 잡음 분포에서 문턱값 보기를 다룬다. 한편, 2부에서는 제안한 순차 검파 방식의 성능을 고정 표본 검파 방식, 순차 확률비 검파 방식, 끝을 자른 순차 확률비 검파 방식의 성능과 견주어 본다.

• 전자공학회논문지S
• /
• 제36S권12호
• /
• pp.51-57
• /
• 1999

본 논문에서는 불균등 대비 영상에서 국소 영역별 대비개선과 문턱치 평면의 쌍선형 보간을 이용한 효과적인 적응 이진화 방법을 제안하였다. 제안한 방법에서는 먼저 영상을 국소 영역으로 나누고, 영역별로 흐리거나 대비가 낮은 부분의 명도차를 증대시켜 전체적으로 대비를 개선한 후, 대비 개선된 국소 영역별 명도 분포로부터 해당 영역의 최적 문턱치를 구하였다. 국소 영역간에 이웃하는 문턱치들을 쌍선형 보간하여 전역적으로 영역별 문턱치들간의 불연속성을 없앰으로써 불균등 대비 영상에 대해서도 관심 영역이나 문자 부분에서의 불연속을 줄이도록 하였다. 불균등 대비를 갖는 일반문서 및 PCB나 웨이퍼상의 문자 영상을 제안한 방법과 기존 방법으로 이진화한 영상들로부터 문자들을 추출하고, 동일 조건하에서 같은 역전파 신경회로망으로 인식 실험하여 제안한 방법의 실효성을 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.263-266
• /
• 2002

데이터의 군집화를 수행할 때 최적 군집수 결정은 군집 결과의 성능에 많은 영향을 미친다. 특히 K-means 방법에서는 초기 군집수 K에 따라 군집결과의 성능 차이가 많이 나타난다. 하지만 대다수의 군집분석에서 초기 군집수의 결정은 경험을 바탕으로 하여 주관적으로 결정된다. 이때 개체수와 속성수가 증가하면 이러한 결정은 더욱 어려워지며 이때 결정된 군집수가 최적이 된다는 보장도 없다. 본 논문에서는 군집의 수를 자동으로 결정하고 그 결과의 유효성을 보장하기 위해 유전자 알고리즘에 기반한 최적 군집수 결정 방안을 제안한다. 데이터의 속성에 근거한 초기 해 집단이 생성되고, 해 집단 내에서 최적화된 군집수를 찾기 위해 교차 연산이 이루어진다. 적합도 값은 전체 군집화의 비 유사성의 합의 역으로 결정되어 전체적인 군집화 성능이 향상되는 방향으로 수렴된다. 또한 지역 국소값을 해결하기 위해 돌연변이 연산이 사용된다. 그리고 유전자 알고리즘의 학습 시간의 비용을 줄이기 위해 붓스트랩 기법이 적용된다.

• 한국항공우주학회지
• /
• 제44권7호
• /
• pp.620-628
• /
• 2016

호모토피 알고리즘은 비선형성이 강하거나 다수의 최적해가 존재하는 비선형 최적제어 문제에서 점진적으로 비선형 항으로 고려하게 해줌으로써 강건하게 전역의 최적해를 구할 수 있는 방법이다. 본 논문에서는 초기 추정치에 둔감한 SBS 알고리즘과 호모토피 알고리즘을 결합한 비선형 최적제어 알고리즘을 제시하였다. 이러한 접근방식은 저추력 궤적최적화 문제와 같이 비선형성이 강한 문제의 최적해를 구하는데 효과적이다. 또한, 비선형성이 강한 문제들은 종종 다수 국소 해가 존재하게 되는데, 이러한 경우에 SBS-호모토피 방법은 점진적으로 전역해를 찾는 것을 가능하게 한다.

• 한국통신학회논문지
• /
• 제16권11호
• /
• pp.1125-1131
• /
• 1991

순가산성(純加算性) 잡음(雜音)과 적산성(積算性) 잡음(雜音)을 함께 나타낼 수 있는 일반화(一般化)된 잡음(雜音) 모성(模聖)에서, 알려진 신호성분(信號成分)과 확률신호성분(確率信號成分)을 모두 가지고 있는 복합(複合) 신호(信號)를 검파(檢波)하는 방법(方法)을 살펴보았다. 이 국소최적(局所最適) 검파기(檢波器)의 유한(有限) 표본(標本) 성능(性能)을 얻어 이를 다른 검파기(檢波器)의 유한(有限) 표본(標本) 성능(性能)과 견주어 보았다.

• 대한기계학회논문집
• /
• 제15권5호
• /
• pp.1706-1716
• /
• 1991

본 연구에서는 혼합대류하는 연직원통휜 열전달에 미치는 복사효과에 Rossel- and 근사해법을 도입한 층류 경계층방정식과 휜 전도방정식을 동시에 해석하여 복사 -전도매개변수(radiation-conduction parameter) M, 대류-전도 매개변수(convectionc- onduction parameter) N$_{c}$, 부력매개변수(buoyancy force parameter) R$_{i}$ 그 리고 횡곡률 매개변수(transverse curvature parameter) .lambda.를 계산 파라미터로 하여 휜 최적설계의 기본이 되는 총열전단률, 무차원 국소등가열전달계수, 무차원 국소열플 럭스 및 휜온도분포를 계산할 수 있는 일반성있는 algorithm을 개발하고 휜 성능에 관 한 결과들을 제공함으로써, 좀 더 완전한 복사 열플럭스를 도입한, 다음 연구를 위한 범용의 기초자료를 얻는데 본 연구의 목적이 있다.

• 정보처리학회논문지B
• /
• 제8B권4호
• /
• pp.327-334
• /
• 2001

본 논문에서는 기울기하강과 동적터널링이 조합된 학습알고리즘의 다층신경망을 이용한 고신회성의 회귀분석 모델을 제안하였다. 기울기하강은 빠른 수렴속도의 최적화가 가능하도록 하기 위함이고, 동적터널링은 국소최적해를 만났을 때 이를 벗어난 새로운 연결가중치를 설정하여 전역최적해로 수렴되도록 하기 위함이다. 또한 대용량의 입력 데이터를 통계적으로 독립인 특징들의 집합으로 변환시키는 주요성분분석 기법의 속성을 살려 학습데이터의 차원을 감소시킴으로서 고차원의 학습데이터에 따른 회귀분석 모델의 제약도 동시에 해결하였다. 제안된 기법의 신경망을 3개의 독립변수 패턴을 가진 암모니아 제조공정문제와 10개의 독립변수 패턴을 가진 자동차 연비문제에 각각 적용하여 시뮬레이션한 결과, 기존의 역전과 알고리즘의 신경망이나 주요성분분석에 의한 차원을 감소시키지 않은 학습패턴을 이용한 신경망보다 각각 더욱 우수한 학습성능과 회귀성능이 있음을 확인할 수 있었다. 또한 학습패턴의 영평균 정규화로 회귀용 신경망의 성능을 더욱 더 개선하였다.