• 인터넷정보학회논문지
• /
• 제14권1호
• /
• pp.9-14
• /
• 2013

영-오차확률 성능 기준은 오차 샘플들이 직류 바이어스 잡음의 영향을 받을 때 적응 시스템에 사용되기에는 제약이 따른다. 이 논문에서는 바이어스 변수를 오차 분포에 도입하고 바이어스된 오차확률에서 오차를 0 으로 하여 새로운 성능 기준인 바이어스된 영-오차확률을 제안하였다. 또한, 확장 필터 구조를 기반으로 제안된 성능 기준을 최대화 함으로써 적응 알고리듬을 도출하였다. 통신 채널 등화에 대한 시뮬레이션 결과로부터 제안된 성능기준에 기반한 이 알고리듬이 강한 충격성 잡음과 직류-바이어스 잡음의 환경에서 동요 없이 오차 샘플들을 0 으로 집중시키는 성능을 보였다.

• 인터넷정보학회논문지
• /
• 제17권1호
• /
• pp.1-6
• /
• 2016

바이어스된 영-오차확률 (biased zero-error probability)과 이에 관련된 알고리듬은 매 반복시간마다 합산과정을 지니고 있어 많은 계산상의 부담을 요구한다. 이 논문에서는 바이어스된 영-오차확률에 반복적 접근법을 적용한 알고리듬을 제안하였고 천해역 통신채널과 충격성 잡음 및 바이어스된 가우시안 잡음이 혼재한 실험 환경에서 성능을 비교하였다. 샘플 사이즈에 비례하는 계산 복잡도를 지닌 기존 알고리듬과 달리 제안한 반복적 방식은 샘플 사이즈와 무관하여 계산량의 부담을 크게 줄였다. 이러한 계산효율 특성을 지닌 제안한 알고리듬은 블록 처리방식의 기존 알고리듬과 비교하여 다중경로 페이딩, 바이어스된 잡음 및 충격성 잡음에 대한 강인성에서 동일한 성능을 나타냈다.

• 한국전자파학회논문지
• /
• 제21권4호
• /
• pp.433-442
• /
• 2010

본 논문에서는 멀티베이스라인 인터페로미터 방향 탐지 시스템에서 진폭 및 위상 부정합 오차를 보정할 수 있는 공분산행렬 기반 자체 교정 알고리즘을 제안한다. 제안된 기법은 비용함수를 정의한 후 제한 조건을 갖는 비선형 최소화 방법으로서, 공간 섹터를 이용하여 부정합 오차를 획기적으로 교정하는 알고리즘이다. 다만 공간 섹터를 선정하기 위하여 초기 추정각을 요구하는 단점이 있으나, 이는 일반적인 비선형 최소화 문제의 공통적인 단점이다. 적절한 공간 섹터 간격을 선정하여 시뮬레이션한 결과, 제안된 방법이 기존 인터페로미터 방식보다 표본바이어스, 표본표준편차, 평균제곱오차면에서 획기적으로 우수한 통계적 성능을 보여주었다. 더구나 섹터 간격이 도래각과 $5^{\circ}$ 이내일 경우에, 30 dB의 진폭 부정합 및 $50^{\circ}$ 이상 큰 값의 위상 부정합이 발생하는 경우에도 획기적인 보정 능력을 보여주었으며, 신호대 잡음비에도 덜 민감한 특징을 나타내었다.

• 대한의용생체공학회:의공학회지
• /
• 제19권5호
• /
• pp.455-468
• /
• 1998

이 연구에서는 간질 환자의 F-18-FDG 뇌 PET 영상을 공간정규화 기법으로 표준지도 위에 정규화한 후 표준지도의 해부학적 위치 정보를 이용하여 뇌기능영상의 영역을 자동적으로 분할하고 각 해부학적 위치의 F-18-FDG 섭취율을 추출하였다. 뇌 각 영역의 F-18-FDG 섭취율을 데이터베이스화한 것을 입력으로 하는 인공신경회로망을 구성하고 학습시켜 핵의학 전문의가 판독한 결과와 얼마나 일치되는지를 분석하였다. 핵의학 전문의 2명이 좌측측두엽간질(112명), 우측측두엽간질(81명) 혹은 정상(64명)으로 판독한 F-18-FDG 뇌 PET 영상을 대상으로, 학습의 치우침을 줄이기 위해 각 질환 군에서 동일한 수(40명)를 선택하여 학습군을 구성하고 학습군을 제외한 정상 24명, 좌측측두엽간질 72명, 우측 측두엽간질 41명의 F-18-FDG PET을 시험군으로 하였다. 모든 영상을 SPM76을 이용하여 MNI 표준지도 위에 공간정규화하고 전체 뇌영역의 평균 계수를 100으로 정규화하였다. 영역 분할 프로그램을 개발하여 표준지도를 34개 영역으로 분할하고 모든 영상에서 각 뇌영역엔 대한 평균 계수를 추출하였다. 비선형 패턴분류에 효과적인 다층퍼셉트론 신경회로망 모델을 써서 오류역전파 알고리즘으로 학습시켰다. 한 층의 은닉층을 부여하고 은닉층의 뉴런 수를 5개부터 차츰 늘려가며 최적의 개수를 선택하였다. 초기 가중치와 바이어스 값은 무작위 값을 갖게 하였다. 출력단은 세 개의 뉴런을 갖고 각 뉴런은 입력이 정상이면 [1 0 0], 좌측측두엽간질이면 [0 1 0], 우측측두엽간질이면 [0 1 0]의 값을 탐 값으로 하였다. 뉴런의 활성화 함수는 시그모이드 함수를 사용하였다. 입력단은 17개의 뉴런으로 구성하고 서로 마주보는 뇌영역의 계수 타이(오른쪽-왼쪽)를 입력으로 하였다 회로망의 학습 횟수를 10,000번으로 제한하여 오타의 허용치를 1로 설정하고 학습 횟수가 넘거나 오차가 허용치보다 작을 때 학습을 중단하게 하였다. 모멘텀과 적응형 학습율을 사용하여 신경회로망의 성능을 향상시키고 학습 속도를 빠르게 하였다. 모든 PET 영상에서 성공적으로 공간정규화 파라메터를 추출하여 표준지도에 정규화할 수 있었다 다층퍼셉트론 모델을 기반으로 한 인공신경회로망으로 27개의 은닉층 뉴런을 사용했을 때 최적의 결과를 얻을 수 있었다. 학습군에 대해서 1508번의 반복 학습을 시킨 결과 오차율 0%인 신경 회로망을 얻었으며 시험군에 대해 적용한 결과 전문가의 판독결과와 80.3%의 일치율을 보였다. 은닉층의 뉴런 수가 10개나 30개인 경우에도 학습군에 대해 오타율 0%인 신경회로망을 얻을 수 있었으며 이때의 시험군에 대한 일치율 역시 75∼80%의 값을 보였다.