• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.1
• /
• pp.447-452
• /
• 2005

기존의 단층 퍼셉트론은 출력 노드가 선형 분리 가능한 패턴들만을 분류할 수 있고 Exclusive OR와 같은 비선형 문제에 대해서는 분류할 수 없는 단점이 있다. 그러나 퍼지 단층 퍼셉트론은 퍼지소속 함수(fuzzy membership function)를 적용하여 단층 구조로 Exclusive OR 문제와 같은 고전적인 문제를 개선하였다. 그러나 퍼지 단층 퍼셉트론은 기존의 단층 퍼셉트론과 마찬가지로 결정 경계선이 진동하는 경우가 생기며 초기 가중치의 범위와 학습률에 따라 수렴성이 매우 낮아지는 단점이 있다. 따라서 본 논문에서는 바이어스항을 도입하여 결정 경계선이 진동하는 것을 방지하여 수렴성을 개선시키고 선형 활성화 함수를 제안하고 학습률과 모멘텀 개념을 도입하여 학습 시간을 단축시키는 개선된 퍼지 단층 퍼셉트론 알고리즘을 제안한다. 제안된 방법과 퍼지 단층 퍼셉트론간의 학습 성능을 분석하기 위하여 인공 신경망에서 벤치마크로 사용되는 exclusive OR 문제와 문자 패턴 분류에 적용하여 epoch 수와 수렴성을 비교한 결과, 제안된 방법이 기존의 퍼지 단층 퍼셉트론보다 학습 시간이 적게 소요되고 수렴성이 개선된 것을 확인하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.11 no.7
• /
• pp.1387-1393
• /
• 2007

Even if the linearly separable patterns can be classified by the conventional single layer perceptron, the non-linear problems such as XOR can not be classified by it. A fuzzy single layer perceptron can solve the conventional XOR problems by applying fuzzy membership functions. However, in the fuzzy single layer perception, there are a couple disadvantages which are a decision boundary is sometimes vibrating and a convergence may be extremely lowered according to the scopes of the initial values and learning rates. In this paper, for these reasons, we proposed an enhanced fuzzy single layer perceptron algorithm that can prevent from vibration the decision boundary by introducing a bias term and can also reduce the learn time by applying the modified delta rule which include the learning rates and the momentum concept and applying the new linear activation function. Consequently, the simulation results of the XOR and pattern classification problems presented that the proposed method provided the shorter learning time and better convergence than the conventional fuzzy single layer perceptron.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.859-862
• /
• 2004

유역평균강우량은 강우-유출모형을 통하여 유출량을 산정할 경우에 사용되며, 산정 방법에는 산술평균법, Thiessen 가중법, 등우선법 등이 있으나 일반적으로 Thiessen 가중법을 많이 적용하고 있다. Thiessen 가중법의 유역평균 강우량 산정방법은 각 관측소가 지배하는 면적(지배면적)을 전체면적으로 나누어 가중치(Thiessen계수)를 구한 후 여기에 각 관측소의 강우량을 곱하고 이를 합산함으로써 유역평균 강우량을 산정하는 방법이다. 본 연구에서는 면적비로 구해지는 Thiessen 계수의 대안을 찾기 위해 대상 유역으로는 영산강 1지류인 지석천 유역을 선정하였고, 단층퍼셉트론을 이용하여 동면, 청풍, 능주의 강우자료를 Input, 능주지점의 유출자료를 Output으로 상호 상관분석으로부터 한 개의 유출 사상에 대해 가장 높은 상관계수를 선택하여 Input 자료를 재구성하였다. 재구성 한 자료를 이용하여 훈련시키고 여기서 발생한 가중치를 Thiessen 계수의 대안의 값으로 추천한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.5
• /
• pp.406-412
• /
• 2001

In this paper, a new fuzzy single layer learning algorithm is proposed, which shows improved learning time and convergence property than that of the conventional fuzzy single layer perceptron algorithms. First, we investigate the structure of physiological neurons of the nervous system and propose new neuron structures based on fuzzy logic. And by using the proposed fuzzy neuron structures, the model and learning algorithm of Physiological Fuzzy Single Layer Perceptron(P-FSLP) are proposed. For the evaluation of performance of the P-FSLP algorithm, we applied the conventional fuzzy single layer perceptron algorithms and the P-FSLP algorithm to three experiments including Exclusive OR problem, the 3-bit parity bit problem and the recognition of car licence plates, which is an application of image recognition, and evaluated the performance of the algorithms. The experimentation results showed that the proposed P-FSLP algorithm reduces the possibility of local minima more than the conventional fuzzy single layer perceptrons do, and enhances the time and convergence for learning. Furthermore, we found that the P-FSLP algorithm has the great capability for image recognition applications.

• Journal of the Korea Society of Computer and Information
• /
• v.10 no.5 s.37
• /
• pp.11-16
• /
• 2005

Recently, there are a lot of endeavor to implement a fuzzy theory to artificial neural network. Goh proposed the fuzzy single layer perceptron algorithm and advanced fuzzy perceptron based on the generalized delta rule to solve the XOR Problem and the classical Problem. However, it causes an increased amount of computation and some difficulties in application of the complicated image recognition. In this paper, we propose an enhanced fuzzy single layer Perceptron using the dynamic adjustment of threshold. This method is applied to the XOR problem, which used as the benchmark in the field of pattern recognition. The method is also applied to the recognition of digital image for image application. In a result of experiment, it does not always guarantee the convergence. However, the network show improved the learning time and has the high convergence rate.

• The Journal of the Acoustical Society of Korea
• /
• v.17 no.3
• /
• pp.72-77
• /
• 1998

이동통신에서는 송수신이 이루어지는 전파환경에 따라 직접파와 다중경로에 기인한 간접파에 의한 페이딩, 잡음, 간섭 등의 영향을 받게 된다. 이 논문에서는 복잡하고 다양한 유형의 수신신호 중 원하는 신호정보를 정확히 추출하기 위해 인공신경회로망 (ANN:Artivicial Neural Network)을 이용한다. 인공 신경회로망의 하나인 단층 퍼셉트론을 이용한 검파기를 제안하고, QPSK 변조방식을 이용하여 시뮬레이션을 행하고, 결과 분석을 통해 제안 시스템의 활용 가능성을 확인하다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.10a
• /
• pp.580-582
• /
• 2022

본 논문에서는 데이터를 정량화하여 특징을 분류하기 위한 방법으로 퍼지 클러스터링 기반 지도 학습 방법을 제안한다. 제안된 방법은 FCM 클러스터링을 기법을 적용하여 군집화를 수행한다. 그리고 군집화 된 데이터들 중에서는 정확히 분류되지 않은 데이터가 존재하므로 분류되지 않은 데이터에 대해 지도 학습 방법을 적용한다. 본 논문에서는 당뇨병의 유무를 타겟 데이터로 설정하고 나머지 8개의 속성의 데이터를 FCM 기반 지도 학습 방법을 적용하여 당뇨병의 유무를 예측한다. 당뇨병 예측에 대한 성능을 30회의 K-겹 교차검증 (K-Fold Corss Validation)을 이용하여 평가하였으며, 다층 퍼셉트론의 경우에는 훈련 데이터가 77.88%, 테스트 데이터가 62.78%로 나타났고 제안된 방법의 경우에는 훈련 데이터가 79.96%, 테스트 데이터 74.16%로 나타났다.

• Proceedings of the KIEE Conference
• /
• 2001.11c
• /
• pp.431-434
• /
• 2001

단층 퍼셉트론이 처음 개발되었을 때, 간단한 패턴을 인식하는 학습 기능을 가지고 있기 장점 때문에 학자들의 관심을 끌었다. 단층 퍼셉트론은 한 개의 소자를 이용해서 이진 논리를 가중치(weight)의 변경만으로 모두 표현할 수 있는 장점 때문에 영상처리, 패턴인식, 장면인식 등에 이용되어 왔다. 최근에, 역전파학습(Back-Propagation Learning)알고리즘이 이진 공간내의 매핑 문제에 적용되고 있다. 그러나, 역전파 학습알고리즘은 연속공간 내에서 긴 학습시간과 비효율적인 수행의 문제를 가지고 있다. 일반적으로 역전파 학습 알고리즘은 간단한 이진 공간에서 매핑하기 위해서 많은 반복과정을 요구한다. 역전파 학습 알고리즘에서는 은닉층의 뉴런의 수는 주어진 문제를 해결하기 위해서 우선순위(prior)를 알지 못하기 때문에 입력층과 출력층내의 뉴런의 수에 의존한다. 따라서, 3층 신경회로망의 적용에 있어 가장 중요한 문제중의 하나는 은닉층내의 필요한 뉴런수를 결정하는 것이고, 회로망 합성과 가중치 결정에 대한 적절한 방법을 찾지 못해 실제로 그 사용 영역이 한정되어 있었다. 본 논문에서는 패턴 분류를 위한 새로운 학습방법을 제시한다. 훈련입력의 기하학적인 분석에 기반을 둔 이진 신경회로망내의 은닉층내의 뉴런의 수를 자동적으로 결정할 수 있는 NETLA(Newly Expand and Truncate Learning Algorithm)라 불리우는 기하학적 학습알고리즘을 제시하고, 시뮬레이션을 통하여, 제안한 알고리즘의 우수성을 증명한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.259-261
• /
• 2000

주어진 환경에 대한 특별한 사전 지식 없이 그 환경에 적응할 수 있는 자율이동로봇을 설계할 때는 우선 특정한 상황에서만 유효한 가정들을 될 수 있는 대로 배제하여야 한다. 본 논문에서는 이러한 적응 능력을 갖춘 자율이동로봇을 설계하기 위한 일환으로 유전자 프로그램을 이용하여 로봇의 제어기를 표현하고, 이를 진화하여 로봇이 현재 자신의 주변에서 얻을 수 있는 정보에만 기초하여 목표물을 찾아가는 행동 규칙을 학습하도록 하였다. 로봇은 현재 자신이 놓여있는 환경에 대한 지도를 작성하지 않은 채 현재 자신의 주변에서 얻을 수 있는 지역적인 정보만으로 특정 목표물을 찾아가도록 학습된다. 로봇은 먼저 단층 퍼셉트론을 사용하여 주어진 공간내의 장애물과 목표물을 인지하도록 학습된다. 그 이후 학습된 퍼셉트론을 유전자 프로그램의 함수 노드로 사용하여 트리를 진화시켰다. Khepera 시뮬레이터를 이용한 실험 결과, 로봇은 제한된 지역 정보만을 사용하여 목표물을 찾아가는 행동 규칙을 매우 안정적으로 학습할 수 있었다.

• Economic and Environmental Geology
• /
• v.53 no.4
• /
• pp.479-489
• /
• 2020

A fault is a geological structure that can be a migration path or a cap rock of hydrocarbon such as oil and gas, formed from source rock. The fault is one of the main targets of seismic exploration to find reservoirs in which hydrocarbon have accumulated. However, conventional fault detection methods using lateral discontinuity in seismic data such as semblance, coherence, variance, gradient magnitude and fault likelihood, have problem that professional interpreters have to invest lots of time and computational costs. Therefore, many researchers are conducting various studies to save computational costs and time for fault interpretation, and machine learning technologies attracted attention recently. Among various machine learning technologies, many researchers are conducting fault interpretation studies using the support vector machine, multi-layer perceptron, deep neural networks and convolutional neural networks algorithms. Especially, researchers use not only their own convolution networks but also proven networks in image processing to predict fault locations and fault information such as strike and dip. In this paper, by investigating and analyzing these studies, we found that the convolutional neural networks based on the U-Net from image processing is the most effective one for fault detection and interpretation. Further studies can expect better results from fault detection and interpretation using the convolutional neural networks along with transfer learning and data augmentation.