• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.595-597
• /
• 2003

오프라인 필기체 숫자 인식에서 다양한 변형을 잘 흡수 할 수 있는 효율적인 특징을 찾는 것은 중요한 일이며, 본 논문에서는 이를 위해 다양한 단일특징들을 구현 하였으며, 단일 특징만으로는 만족 할 만한 성능을 기대하기 어렵기 때문에 다양한 단일 특징을 복합특징으로 구성하였다. 또한 오프라인 필기체 숫자인식에서 좋은 성능을 발휘하는 것으로 알려진 신경회로망으로 학습을 하였으며, 인식의 성능을 개선시키기 위해 효과적인 특징을 조합하여 하나의 단일 신경회로망들을 구성하고 그것을 다시 복합신경회로망으로 구성하여 성능을 실험 함으로서 성능의 향상을 볼 수 있었고, 신경회로망에 더하여 성능을 개선시키기 위해 신경회로망을 보완 할 수 있는 다수결 투표 방법을 사용하였다. 본 논문에서는 신경회로망의 인식 결과를 비교 분석하여 최적의 특징을 찾아 낸 결과를 2차 다수결 투표를 사용하여 인식하는 방법을 제안한다. 제안된 방식의 성능을 검증하기 위해서 Concorida 대학교의 CENPARIMI 숫자 데이터 베이스를 가지고 인식을 수행 하였으며. 그 결과 97.40%의 정인식률과 0.75%의 오인식률 그리고 1.85%의 거부률을 보였다.

• 한국음향학회지
• /
• 제25권6호
• /
• pp.277-281
• /
• 2006

본 논문에서는 시간지연 회귀신경회로망을 이용한 음절 레벨에서의 피치 악센트 자동 인식 방법을 제안한다. 시간지연 회귀 신경회로망은 두 종류의 동적 문맥정보를 표현한다. 시간지연 회귀신경회로망의 시간지연 입력 노드는 시간 축 상의 피치 및 에너지 궤도를 표현하고, 회귀 노드는 피치 악센트의 특성을 반영하는 문맥 정보를 표현한다. 본 논문에서는 이러한 시간지연 회귀신경회로망을 두 가지 형태로 구성하여 피치 악센트 자동 인식에 적용한다. 하나의 형태는 단일 시간지연 회귀 신경회로망에서 복수 개의 운율 특정파라미터 (피치, 에너지, 지속시간)를 입력 노드에 함께 공급하여 피치 악센트 인식을 수행하고, 다른 하나는 분산 시간지연 회귀 신경회로망을 이용하여 피치 악센트 인식을 수행한다. 분산 시간지연 회귀 신경회로망은 여러 개의 시간지연 회귀 신경회로망으로 구성되고, 각 시간지연 회귀 신경회로망은 단일 운율 특징 파라미터만으로 학습된다. 분산 시간지연 회귀 신경회로망의 인식결과는 개별 시간지연 회귀 신경회로망의 출력 값의 가중치 합으로 결정된다. 화자 독립 피치 악센트 인식 실험을 위해 보스톤 라디오 뉴스 코퍼스 (BRNC)를 사용하였다. 실험결과, 분산 시간지연 회귀 신경회로망은 83.64%의 피치 악센트 인식률을 보였다.

• 한국콘텐츠학회논문지
• /
• 제1권1호
• /
• pp.8-14
• /
• 2001

본 논문에서는 의료영상에서 특정 장기를 추출하여 질환 부위를 인식하는 알고리즘을 제안한다. 의료영상이 추출되어진 장기 부위에서 질환을 인식하기 위하여 단일 신경회로망을 이용하면 신경회로망의 학습 능력과 일반화 능력이 한정적이므로 성능개선에 많은 문제가 있다. 따라서 추출된 장기로부터 질환부위를 인식하는 것은 신경회로망을 복합적인 방법, 즉 RBF (Radial Basis Function), BP (Back Propagation)로 구성하여 단일 신경회로망의 단점을 극복하였다. 본 논문에서 제안하는 알고리즘은 입력 의료영상의 다양한 형태 변화에 적응력이 뛰어남을 실험결과로 알 수 있었다. 그리고, 전체 알고리즘의 수행시간이 장기추출 알고리즘을 포함하여 일반적으로 10초 이내에 수행됨을 실험 결과 알 수 있었다. 제안된 알고리즘은 실시간으로 의료영상의 질환부위를 인식하여 판별 자동화를 통해 원격의료에 사용 되어 질 수 있다.

• 대한전자공학회논문지SD
• /
• 제45권6호
• /
• pp.16-21
• /
• 2008

본 논문은 새롭게 제안된 단일전자 소자(single-electron device) 및 회로를 이용한 새로운 형태의 홉필드 신경회로망(Hopfield neural network)을 소개한다. 홉필드 신경회로망의 전기적 모델 내부에서 가변저항으로 사용되는 단일전자 시냅스(single-electron synapse)와 비선형 활성함수(nonlinear activation function)로 사용되는 두 단의 단일전자 인버터(single-electron inverter)를 몬테-칼로(Monte-Carlo) 방식의 단일전자 회로 시뮬레이터로 동작을 검증한다.

• 한국지능시스템학회논문지
• /
• 제11권4호
• /
• pp.325-330
• /
• 2001

최적화문제에 사용되는 신경회로망을 회로레벨에서 시뮬레이션을 해보면, 알고리즘레벨에서 시뮬레이션한 결과와 많이 다름을 체험한다. 즉, 이런 신경회로망의 출력값들은 시간이 흐름에 따라 점근적으로 수렴하나, 입력단의 값들은 입력단에 부수적으로 연결되어 있는 컨덕턴스의 값에 따라 수렴여부도 달라지고, 또한 시스템의 성능도 변함을 안다. 이 논문에서는 입력단에 시스템의 안정도를 위해 부수적으로 연결된 컨덕턴스의 값에 따라 시스템의 수렴여부를 입력단과 출력단에서 분석하였으며, 에너지함수의 수렴점들이 이들 컨덕턴스의 값에 따라 성분이 변함을 분석하였다.

• 한국융합학회논문지
• /
• 제9권6호
• /
• pp.39-44
• /
• 2018

심층 신경회로망은 적합한 수학적 모델에 대한 어떠한 가정 없이 데이터로부터 유용한 정보를 추출해서 예측에 필요한 입출력 관계를 정의할 수 있기 때문에 최근 시계열 예측 분야에서 주목 받고 있다. 본 논문에서는 주가의 일별 종가를 예측하기 위한 심층 신경회로망 모델을 제안한다. 제안된 심층 신경회로망은 예측 정밀도를 높이기 위해 단일 층의 오토인코더와 4층의 신경회로망이 결합된 구조를 갖는다. 오토인코더 층은 주가 예측에 필요한 최적의 입력 특징을 추출하고 4층의 신경회로망은 추출된 특징을 사용해 주가 예측에 필요한 동특성을 반영하여 주가를 출력한다. 제안된 심층 신경회로망의 학습은 층별로 단계적으로 이뤄지며 최종 단계에서 전체 심층 신경회로망에 대해 한 번 더 학습이 실행된다. 본 논문에 제안된 방법으로 KOrea composite Stock Price Index (KOSPI) 일별 종가를 예측하는 심층 신경회로망을 구현하고 기존 방법과 예측 정확도를 비교, 평가한다.

• 한국산업정보학회논문지
• /
• 제25권4호
• /
• pp.29-38
• /
• 2020

본 논문에서는 다중 레이블 콘볼루션 신경회로망(Multi-label Convolution Neural Networks)을 이용하는 능동펄스 식별 알고리즘을 제안한다. 제안하는 기법은 기존의 단일 레이블 기반 알고리즘이 여러 개의 신경회로망 구조로 되어 있던 것과 달리 하나의 신경회로망 구조로 능동펄스의 정보를 한번에 획득할 수 있으며, 학습과정 역시 간편해지는 장점이 있다. 제안한 능동펄스 식별 알고리즘을 검증하기 위해서 해상실험 데이터를 이용하여 신경회로망을 학습시키고 성능을 분석하였다. 분석결과 제안한 능동펄스 식별 알고리즘이 수렴하는 것을 확인하였으며, 오차행렬(Confusion Matrix) 분석을 통하여 우수한 능동펄스 식별성능을 가지는 것을 확인하였다.

• 비파괴검사학회지
• /
• 제30권4호
• /
• pp.302-310
• /
• 2010

본 논문에서는 원자력 발전소 증기발생기 세관에 발생할 수 있는 결함의 크기측정에 사용되는 Bagging 신경회로망에 대한 연구를 수행하였다. Bagging은 부트스트랩(bootstrap) 샘플링에 기반을 둔 추정기 앙상블을 생성하는 방법이다. 증기발생기 세관의 결함 크기측정을 위하여 다양한 폭과 깊이를 갖는 4가지 결함패턴의 eddy current testing 신호를 생성하였다. 그 다음, 단일 신경회로망(single neural network; SNN)과 Bagging 신경회로망(Bagging neural network; BNN)을 구성하여 각 결함의 폭과 깊이를 추정하였다. SNN과 BNN 추정성능은 최대오차를 이용해서 측정하였다. 실험결과, 결함 깊이 추정시의 SNN과 BNN 최대오차는 0.117mm와 0.089mm 이었다. 또한, 결함 폭 추정 시에는 SNN과 BNN 최대오차는 0.494mm와 0.306mm 이었다. 이러한 실험결과는 BNN 추정성능이 SNN 추정성능보다 우수하다는 것을 보여준다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2001년도 춘계종합학술대회
• /
• pp.456-459
• /
• 2001

본 논문에서는 웨이브렛 신경회로망을 이용한 적응 제어 방식을 제안한다. 웨이브렛 신경망의 구조는 은닉층의 시그모이드 함수를 mother 웨이브렛 함수로 대치한 것을 제외하고는 다층 신경회로망 구조와 비슷하다. 단일 관절 매니률레이터를 대상으로 적응 제어 시뮬레이션을 수행한 결과 웨이브렛 신경회로망의 우수성을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 G
• /
• pp.2812-2814
• /
• 1999

그레이 영상 입출력이 가능하고, 다양한 영상 크기에 적용 가능한 아날로그 셀룰라 신경회로망을 설계하였다. 아날로그 셀룰라 신경회로망은 실시간 병렬처리가 가능하므로, 영상처리 패턴인식과 같은 분야에 유용하게 사용될 수 있다. 기존의 하드웨어로 구현된 셀를라 신경회로망은 이진 영상를 출력하고, 단일 칩에 구현할 수 있는 셀의 수에 제한이 있기 때문에 범용의 영상처리에 응용하기에 적합지 않다. 본 연구에서 설계된 셀룰라 신경회로망은 영상 입력 크기의 분해능을 향상시켜 그레이 영상 처리가 가능한 칩을 설계하였다. 설계된 셀룰라 신경회로망를 이용한 그레이 영상의 에지추출 시뮬레이션 결과, 선명한 에지 영상을 얻을 수 있었다