• 한국전자통신학회논문지
• /
• 제8권8호
• /
• pp.1195-1200
• /
• 2013

본 논문에서는 퍼지 제어 기법을 적용하여 학습률을 자동으로 조정하는 개선된 Max-Min 신경망을 제안하였다. 개선된 Max-Min 신경망은 경쟁 단계에서 필요한 학습 시간을 줄이기 위하여, 정확성의 수와 부정확성의 수를 퍼지 제어 시스템의 입력으로 적용하여 학습률을 동적으로 조정하는 기법이다. 본 논문에서 제안된 방법을 실제 콘크리트 표면 균열 영상에서 추출한 균열의 방향성 패턴을 대상으로 인식 실험한 결과, 개선된 Max-Min 신경망이 효과적임을 확인할 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제5권1호
• /
• pp.33-44
• /
• 2012

이 논문에서는 얼개가 새로운 회귀 신경망을 제안하고, 그 신경망이 어떤 이산 시간 동적 시스템도 동정화 할 수 있음을 보인다. 또한, 제안한 신경망을 써서 유한 상태 자동기계를 부호화, 동정화, 그리고 추출하는 데에 적용하여 그 성능을 살펴본다. 제안한 신경망에 고친 비용함수를 쓰고 혼합 그리디 모의 담금질 방법으로 학습시키면 유한 상태 자동기계를 동정화하는 성능이 일반적으로 다른 기법보다 더 낫다는 것을 모의실험으로 보인다.

• 한국산학기술학회논문지
• /
• 제14권12호
• /
• pp.6484-6487
• /
• 2013

본 논문은 비선형 동적 신경망을 이용한 직접 제어에 관한 연구이다. 제어기는 근사화 제어와 신경망 보조제어 입력으로 구성되어 있다. 신경망 제어 입력은 출력 추적 오차를 더 줄이기 위해 보완 신호를 제공한다. 이 방법은 제어할 비선형 시스템의 종류에 많은 제한을 두지 않기 때문에 RBF 신경망을 이용하여 입력에 대해 안정적인 성능을 가지고 있다. 시뮬레이션 결과는 매우 효과적이며 비선형 시스템의 만족스러운 학습 성능을 증명하였다.

• 한국정보처리학회논문지
• /
• 제6권5호
• /
• pp.1393-1402
• /
• 1999

본 논문에서는 새로운 학습알고리즘의 3층 전향 신경망을 이용한 입력데이터의 주요 특징추출에 대해서 제안하였다. 제안된 학습알고리즘에서에서는 빠른 수렴속도의 최적화가 가능하도록 하기 위하여 기울기하강의 역전파 알고리즘을 이용하고, 국소최적해를 만났을 때 이를 벗어난 새로운 연결가중치의 설정을 위하여 동적터널링의 역전파 알고리즘을 이용함으로써 빠른 수렴속도로 전역최적해로에 수렴되도록 학습시킬 수 있다. 제안된 학습 알고리즘을 이용한 다층신경망을 $12{\times}12$ 픽셀의 영상 데이터들과 $128{\times}128$ 픽셀의 Lenna 영상데이터를 대상으로 시뮬레이션한 결과, 단층신경망을 이용하는 Sanger 방법이나 측면연결을 가지는 단충신경망을 이용하는 Foldiak 방법 및 기울기하강에 기초를 둔 기존의 역전파 알고리즘을 이용한 다층신경망에 의한 결과와 비교할 때 더욱 우수한 수렴성능과 추출성능이 있음을 확인할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (C)
• /
• pp.287-292
• /
• 2007

본 연구에서는 동적 수신호 패턴에 대한 효과적인 인식을 위하여, 특징추출 단계와 패턴 분류 단계의 두 모듈로 이루어지는 복합형 신경망 모델을 제안한다. 특징추출 모듈을 위하여 고유의 특징표현 기법과 3차원 수용영역 구조의 CNN 모델을 제안한다. 이는 3차원 형식의 데이터로 표현되는 수신호 패턴으로부터 특징점의 공간적 변이뿐만 아니라 시간적 변이에 강인한 특징추출 기능을 제공한다. 패턴 분류 모듈에서는 효율적인 학습과 인식 기능을 위하여 수정된 구조의 GFMM 모델을 제안한다. 또한 학습패턴의 빈도를 고려한 활성화 특성과 학습 방법을 정의함으로써 기존의 GFMM 모델이 갖는 단점인 학습결과가 학습순서에 종속되는 특성과 비정상적 패턴 및 노이즈 패턴에 민감한 현상을 개선한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (C)
• /
• pp.422-426
• /
• 2007

음성 질의에서 효율적으로 onset을 검출하기 위한 연구는 다양하게 이루어져 왔다. 특히 대부분의 연구는 확률론적 모델에서 큰 성과를 나타내고 있다. 그러나 이러한 모델들은 변화나 확장이 쉽지 않다는 단점을 가지고 있다. 본 논문에서는 동적 확장 가능한 다중 계층 신경망(Dynamic Expansible MLP)을 제안하여, 기존 방법론의 확장 가능성을 모색한다. 또한, 음성 질의의 onset을 검출하기 위해 MLP를 활용하기 위한 모델을 제시한다.

• 설비공학논문집
• /
• 제16권9호
• /
• pp.838-844
• /
• 2004

In a long road tunnel, a tunnel ventilation system may be used in order to reduce the pollution below the required level. To develop control algorithms for a tunnel ventilation system, a dynamic simulation program may be used to predict the pollution level in a tunnel. Research was carried out to develop better pollution models for a tunnel ventilation control system. A neural network structure was adopted and compared by using actual poilution data. Simulation results showed that the dynamic model developed by a neural network may be effective for the development of tunnel ventilation control algorithms.

• 한국지반공학회논문집
• /
• 제39권12호
• /
• pp.37-46
• /
• 2023

동적 물성치는 지반의 상세한 거동을 예측하기 위한 필수인자이나, 샘플 채취와 추가적인 실험이 동반되는 한계가 있다. 본 연구의 목적은 정적 지반 물성치를 기반으로 동적 지반 물성치를 예측하는 것으로 인공신경망을 활용하고자 하였다. 정적 물성치는 점착력, 내부마찰각, 함수비, 비중 그리고 일축압축강도로 선정하였으며 출력 값인 동적물성치는 압축파 속도와 전단파 속도로 결정하였다. 인공신경망 적용시 결과값의 신뢰성을 높이기 위해 Levenberg-Marquardt와 Bayesian regularization 방법을 적용하였으며, 각 최적화 방법에 따른 신뢰성을 비교하였다. 인공신경망 모델의 정확도는 결정계수로 나타냈으며, train과 test 과정 모두 0.9 이상의 값을 보여 해당 연구에서 구축한 인공신경망의 신뢰성이 높은 것으로 나타났다. 또한, 구축된 인공신경망 모델의 검증을 위해 새로운 입력 데이터에 대해서도 출력값의 신뢰성을 검증하였으며, 그 결과 높은 정확도를 보였다.

• 한국통신학회논문지
• /
• 제19권11호
• /
• pp.2133-2146
• /
• 1994

본 논문에서는 한글의 동적자소분할 방법과 자소분할 결과 얻어진 가변분할 망눈으로부터 특징벡터를 추출해 신경망에 입력함으로써 문자를 인식하는 방법을 제안한다. 먼저, 각 문자에서 4방향 기여도와 $8\pm8$망눈을 사용하여 256차원의 특징벡터를 구한 후, 신경망에 의해 한글을 6형식으로 분류한다. 분류된 결과를 바탕으로 모음의 통계적인 위치정보와 문자의 구조적인 정보를 이용하여 각 문자를 자소 단위로 분할한다. 분할된 자소의 크기에 따라 가변적인 크기를 갖는 망눈을 구성하고 특징벡터를 추출해 자소인식 신경망에 입력함으로써 문자인식을 행한다. 4개의 서체(3개의 서체는 학습, 1개는 인식실험), KS C 5601내의 2350자의 문자를 대상으로 실험한 결과 학습에 사용된 서체에 대해서는 97%이상, 나머지 한 서체에 대해서는 94% 이상의 인식률을 나타내 제안된 방법의 유효성을 보였다.

• 한국차세대컴퓨팅학회논문지
• /
• 제14권6호
• /
• pp.66-74
• /
• 2018

최근 가상환경에서 몰입감을 늘리고 자유로운 상호작용을 제공하기 위한 손 제스처 인식에 대한 연구가 활발히 진행되고 있다. 그러나 기존의 연구는 특화된 센서나 장비를 요구하거나, 낮은 인식률을 보이고 있다. 본 논문은 정적 손 제스처와 동적 손 제스처 인식을 위해 카메라 이외의 별도의 센서나 장비 없이 딥러닝 기술을 사용한 손 제스처 인식 방법을 제안한다. 일련의 손 제스처 영상을 고주파 영상으로 변환한 후 손 제스처 RGB 영상들과 이에 대한 고주파 영상들 각각에 대해 덴스넷 3차원 합성곱 신경망을 통해 학습한다. 6개의 정적 손 제스처와 9개의 동적 손 제스처 인터페이스에 대해 실험한 결과 기존 덴스넷에 비해 4.6%의 성능이 향상된 평균 92.6%의 인식률을 보였다. 본 연구결과를 검증하기 위하여 3D 디펜스 게임을 구현한 결과 평균 34ms로 제스처 인식이 가능하여 가상현실 응용의 실시간 사용자 인터페이스로 사용가능함을 알 수 있었다.