• 정보처리학회논문지B
• /
• 제14B권3호
• /
• pp.215-222
• /
• 2007

최근 정보기술의 발달과 함께 문자 인식의 중요성이 높아지고 있다. 특히, 유비쿼터스 시대가 도래하면서 개인휴대용 정보 단말기, 태블릿 PC 등 유비쿼터스 컴퓨팅 장비가 급속도로 대중화 되고 있다. 이에 사람마다 다양한 필체로 인한 문제가 발생하고 있으며, 인식률을 높일 수 있는 문자 인식에 대한 연구가 필요한 실정이다. 본 연구에서는 다중 해상도 병합을 이용한 수정된 적응 공명 이론 신경망을 제안한다. 이는 자율 학습 신경망과 다중 해상도의 관점에서 접근하여 문자 인식 문제에 적용시켜 본 것이다. 노이즈와 문자 특성 정보를 구별하고 인식률을 높이기 위해 고해상도와 저해상도 정보를 같이 이용하는 다중 해상도 병합 방법을 제안한다. 또한, 다중 해상도 병합 방법의 효과를 극대화할 수 있는 적응 공명 이론 신경망의 유사도 측정 방법을 제안하여 기존의 방법보다 우수한 실험 결과를 제시하였다.

• 한국통신학회논문지
• /
• 제26권7A호
• /
• pp.1227-1233
• /
• 2001

본 논문에서는 유전자 알고리즘을 기반으로 한 새로운 다중사용자 복조기를 제안하고, 최적(optimum) 다중사용자 복조기의 Hopfield 신경망 다중사용자 복조기를 비교 대상으로 하여 원근문제가 존재하는 환경에서 컴퓨터 시뮬레이션을 통해서 비트오율 성능을 비교하였다. 시뮬레이션 결과, 원근문제에 존재하는 채널환경에서는 본 논문에서 제안한 구조는 상당히 적은 계산량으로 최적의 다중사용자 복조기와 Hopfield 다중사용자 복조기와 근접한 성능을 기대할 수 있었고, 원근문제가 존재하지 않는 경우에서는 Hopfield 신경망구조보다 우월한 성능향상을 얻을 수 있었다.

• 한국음향학회지
• /
• 제39권6호
• /
• pp.615-621
• /
• 2020

본 논문은 다중 관측소에서 측정된 지진 신호를 이용한 그래프 합성곱 신경망 기반 지진 이벤트 분류 방법을 제안한다. 기존의 딥러닝 기반 지진 이벤트 분류 방법은 대부분 단일 관측소에서 측정된 신호로부터 지진 이벤트를 분류한다. 지진 관측망에는 수많은 지진 관측소가 존재하며 하나의 관측소만 사용하는 방법보다 여러 관측소의 정보를 동시에 활용하는 방법이 지진 이벤트 분류 성능 향상을 이끌 수 있다. 본 논문에서는 단일 관측소에서 측정된 지진 신호들에 합성곱 신경망을 적용해 임베딩 특징을 추출한 후 그래프 합성곱 신경망을 이용해 단일 관측소들 사이의 정보를 융합하는 다중 관측소 기반 지진 이벤트 분류 구조를 제안한다. 관측소의 개수 변화 등 다양한 실험을 통해 제안한 모델의 성능 검증을 수행하였으며 실험 결과 제안하는 모델이 단일 관측소 기반 분류 모델보다 약 10 % 이상의 정확도와 이벤트 재현율 성능 향상을 보여주었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.70-73
• /
• 2021

최근 영상 및 비디오 분야에 심층 신경망(DNN, Deep Neural Network)을 사용한 연구가 다양하게 진행됨에 따라 High Dynamic Range (HDR) 이미징 기술에서도 기존의 방법들 보다 우수한 성능을 보이는 심층 신경망 모델들이 등장하였다. 하지만, 심층 신경망을 사용한 방법은 큰 연산량과 많은 GPU 메모리를 사용한다는 문제점이 존재하며, 이는 심층 신경망 기반 기술들의 현실 적용 가능성에 제한이 되고 있다. 이에 본 논문에서는 제한된 연산량과 GPU 메모리 조건에서도 사용 가능한 다중 노출 HDR 경량화 심층 신경망을 제안한다. Kalantari Dataset에 대해 기존 HDR 모델들과의 성능 평가를 진행해 본 결과, PSNR-µ와 PSNR-l 수치에서 GPU 메모리 사용량 대비 우수한 성능을 보임을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권8호
• /
• pp.319-330
• /
• 2021

최근 오픈 도메인 자연어 질문 응답 분야에서는 다중 작업, 다중 홉 질문 응답에 관한 연구들이 활발히 진행되어 오고 있다. 본 논문에서는 이러한 다중 작업, 다중 홉 질문들에 효과적으로 응답하기 위해, 계층적 그래프 기반의 새로운 심층 신경망 모델을 제안한다. 제안 모델에서는 계층적 그래프와 그래프 신경망을 이용해 여러 문단들로부터 서로 다른 수준의 맥락 정보를 얻어낸 후, 이들을 활용하여 답변 유형, 뒷받침 문장들과 답변 영역 등을 동시에 예측해낸다. 본 논문에서는 오픈 도메인 자연어 질문 응답 데이터 집합인 HotpotQA를 이용한 실험들을 통해, 제안 모델의 높은 성능과 긍정적 효과를 입증한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2008년도 춘계학술대회 학술발표회 논문집
• /
• pp.60-63
• /
• 2008

본 논문에서는 신경망 모델(neural network model)과 유전자 알고리즘(genetic algorithm)을 이용한 실시간 경로 계획(real-time path-planning)과 퍼지 룰(fuzzy rule)을 이용한 효율적인 다중경로계획(multiple path-planning)을 제안한다. 실시간 경로 계획은 빠른 시간 내에 최적 경로의 생성이 반드시 수행되어야 하므로, 본 논문에서는 경로 계획 중 장애물 지역과 비장애물 지역을 빠르게 확인하기 위해 신경망 모델을 이용하여, 이동 방향 및 최적경로 탐색을 위하여 유전자 알고리즘을 이용하였다. 또한 충돌 구역에서의 효율적인 다중 경로 계획을 위해, 퍼지를 이용하여 경로를 재계획 하였다. 퍼지의 경우, 현재 위치에서 목표 지점으로의 방향을 계산하기 위한 퍼지 소속 함수와 현재 위치와 충돌 구역까지의 거리 값을 가중치로 세우고 퍼지 룰을 결정하여 경로계획을 수행하였다. 시뮬레이션을 통해 실험해본 결과, 퍼지 룰을 사용했을 때 사용하지 않았을 때 보다 좋은 성능을 나타남을 확인할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 춘계학술발표논문집 (상)
• /
• pp.565-568
• /
• 2002

본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 독립적이면서 대표적인 강화학습법인 Q-학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 the Prey and Hunters Problem를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM 을 이용한 일반화 방법을 제안한다. 이 방법은 다층 퍼셉트론 신경망과 역전파 알고리즘을 이용한 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM 을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 채 경험하지 못한 상태-행동들에 대한 Q 값을 예측하고 이용할 수 있다는 장점이 있다.

• 한국음향학회지
• /
• 제39권6호
• /
• pp.600-605
• /
• 2020

본 논문에서는 청각 장애인을 위한 소리 감지 홈 모니터링을 위해 다채널 다중 스케일 신경망을 사용한 사운드 이벤트 검출 방식을 제안한다. 제안하는 시스템에서는 홈 내의 여러 무선 마이크 센서들로부터 높은 신호 품질을 갖는 두 개의 채널을 선택하고, 그 신호들로부터 도착신호 지연시간, 피치 범위, 그리고 다중 스케일 합성 곱 신경망을 로그멜 스펙트로그램에 적용하여 추출한 특징들을 양방향 게이트 순환 신경망 기반의 분류기에 적용함으로써 사운드 이벤트 검출의 성능을 더욱 향상시킨다. 검출된 사운드 이벤트 결과는 선택된 채널의 센서 위치와 함께 텍스트로 변환되어 청각 장애인에게 제공된다. 실험결과는 제안한 시스템의 사운드 이벤트 검출 방식이 기존 방식보다 우수하며 청각 장애인에게 효과적으로 사운드 정보를 전달할 수 있음을 보인다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권1_2호
• /
• pp.1-9
• /
• 2002

진화 신경망은 기존의 경험적 지식 대신에 진화 알고리즘의 전역 탐색 능력을 사용해서 최적의 신경망을 찾는다. 하지만 실세계의 복잡한 문제는 하나의 신경망으로 해결하기 어려운 경우가 많기 때문에 최근에 하나 이상의 신경망을 결합한 다중 신경망에 관한 연구가 활발히 진행되고 있다. 본 논문에서는 진화과정 중 상호보완 가능한 다양한 신경망을 얻기 위한 종분화 방식을 제안한다. 또한 적합도 공유를 통해 종분화된 진화 신경망의 결과를 효과적으로 결합하기 위해 추상 레벨, 순위 레벨, 측정치 레벨의 여러 결합 방법을 이용한 다중 신경망 시스템을 개발한다. UCI 데이터베이스의 벤치마크 문제 중 호주 신용카드 승인 데이터에 대하여 실험한 결과, 종분화를 사용해 탐색한 신경망을 결합한 경우는 더 높은 인식률을 보였으며 Borda 결합의 경우 0.105의 오류율을 보여 제안한 방법이 효과적임을 알 수 있었다.

• 전자공학회논문지B
• /
• 제33B권1호
• /
• pp.187-194
• /
• 1996

본 논문은 회귀트리에 기반을 둔 회귀 신경망을 제안한다. 회귀트리를 세 개의 계층을 갖는 전향 신경망에 사상하고, 첫 번째 계층에 다중특징 분할함수를 형성시켜 신경망이 보다 더 최적인 입력 공간의 분할을 갖도록 한다. 본 연구에서는 신경망 트레이닝을 위한 두 가지 지도 학습 알고리즘을 제안하여 단일특징 분할함수와 다중특징 분할함수에 실험한다. 실험결과, 제안된 회귀 신경망은 기존의 단일특징 분할 회귀트리 및 단일특징 분할 회귀신경망보다 학습능력이 우수함을 입증한다. 또한 본 논문에서 제안한 알고리즘이 학습 능력을 저하시키지 않으면서도 효과적으로 과성장한 회귀트리를 가지치기 할 수 있음을 보인다.