• 한국정보통신학회논문지
• /
• 제17권12호
• /
• pp.2937-2943
• /
• 2013

본 논문은 방사기저함수(Radial Basis Function)를 이용한 실시간 군집 시뮬레이션 프레임웍을 제안한다. 제안된 프레임웍에서는 군집이 존재하는 환경을 격자 구조로 모델링 한 후, 격자 구조 각 셀에 하나의 방향 벡터를 할당한 벡터필드를 선형 방사기저함수를 이용하여 실시간으로 합성한다. 방사기저함수를 통한 벡터필드 생성 시, 마우스를 통한 제어라인(Control line)을 이용하며, 이 벡터필드 위에서 군집들은 벡터 필드 흐름에 따라, 자신의 움직임을 결정한다. 방해물과의 충돌회피는 반발벡터필드로 모델링하여, 기존의 벡터필드에 오버레이 하여 이용하고, 다른 캐릭터와의 충돌회피는 lattice-bin 알고리즘에 빠른 충돌회피를 수행한다.

• 대한전자공학회논문지SP
• /
• 제44권2호
• /
• pp.82-92
• /
• 2007

본 논문에서는 3차원 얼굴인식을 위한 방사 기저 함수 신경망 기반의 새로운 전역적 형태 특징과 그 특징을 추출하는 방법을 제안한다. 방사 기저 함수 신경망은 방사 기저 함수들의 가중합으로써, 얼굴 형태 정보의 비선형성을 방사 기저 함수의 선형합으로 잘 표현한다. 이 논문에서는 얼굴의 가로 방향 프로파일을 학습된 방사 기저 함수 신경망에 적용시켰을 때 생성되는 가증치를 새로운 전역적 형태 특징으로 제안한다. 제안하는 전역적 형태 특징의 경우 국소적 특징의 특성을 가지며, 일반적인 전역적 특징의 특성인 특징의 복잡도도 감소시킨다. 100명의 데이터베이스 영상과 100명에 대한 서로 다른 3개의 포즈를 포함하는 300개의 테스트 영상을 이용한 실험에서 제안하는 전역적 형태 특징과 은닉 마르코프 모델을 이용한 특징 비교를 통해서 94.7%의 인식률을 얻었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1966-1967
• /
• 2011

본 연구에서는 방사형 기저 함수를 이용한 다항식 신경회로망(Polynomial Neural Network) 분류기를 제안한다. 제안된 모델은 PNN을 기본 구조로 하여 1층의 다항식 노드 대신에 다중 출력 형태의 방사형 기저 함수를 사용하여 각 노드가 방사형 기저 함수 신경회로망(RBFNN)을 형성한다. RBFNN의 은닉층에는 fuzzy 클러스터링을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. 제안된 분류기는 입력변수의 수와 다항식 차수가 모델의 성능을 결정함으로 최적화가 필요하며 본 논문에서는 Multiobjective Particle Swarm Optimization(MoPSO)을 사용하여 모델의 성능뿐만 아니라 모델의 복잡성 및 해석력을 고려하였다. 패턴 분류기로써의 제안된 모델을 평가하기 위해 Iris 데이터를 이용하였다.

• 조명전기설비학회논문지
• /
• 제22권4호
• /
• pp.46-53
• /
• 2008

본 연구에서는 고조파를 고려한 방사기저함수 네트워크 기반의 부하모델링 기법을 개발하였다. 개발된 부하모델은 입력정보로서 기본 주파수와 기본 전압 외에 고조파 성분도 고려하여 전압 및 주파수뿐만 아니라 고조파의 영향에 대해서도 효과적으로 부하를 추정할 수 있도록 구성하였다. 부하모델링을 위해 적용된 방사기저함수 네트워크는 기존에 널리 사용되는 다층 신경망에 비해 구조가 간단하고 수렴속도가 빠른 장점을 지니고 있다. 개발된 부하모델링 기법은 기존에 널리 사용되는 다항식과 다층 신경회로망 및 고조파 성분을 고려하지 않은 방사기저함수 네트워크를 이용한 부하모델 기법과 비교함으로써 제안방법의 타당성을 검증하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1964-1965
• /
• 2011

본 연구에서는 패턴분류를 위해 기존의 방사형 기저 함수 신경회로망(Radial Basis Funtion Neural Network)과 다항식 신경회로망(Polynomial Neural Network)을 결합한 다중 출력 방사형 기저 함수다항식 신경회로망 (Multi Output Radial Basis Funtion Polynomial Neural Network)의 분류기를 제안한다. 제안된 모델은 PNN을 기본 구조로 하여 1층에 기존의 다항식 노드 대신 다중 출력 형태의 RBFNN을 적용 한다. RBFNN의 은닉층에는 기존의 활성함수가 아닌 fuzzy 클러스터링을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. PNN은 입력변수의 수와 다항식 차수가 모델의 성능을 결정함으로 최적화가 필요하며 본 논문에서는 Differential Evolution(DE)을 사용하여 모델의 구조 및 파라미터를 최적화시켜 모델의 성능을 향상시켰다. 패턴분류기로써의 제안된 모델을 평가하기 위해 pima 데이터를 이용하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1365-1366
• /
• 2015

본 논문에서는 HOG 특징을 이용한 다항식 방사형 기저함수 신경회로망 기반 숫자 인식 시스템의 설계를 제안한다. 제안한 숫자 인식 시스템은 HOG 특징을 이용하여 숫자를 입력 데이터로 사용하기 위해 특징을 계산한다. 다항식 방사형 기저 함수 신경회로망은 고차원 데이터의 입-출력 형태를 갖는 클래스를 분류하는데 용이하며, 활성함수의 중심점 및 분포상수는 Fuzzy C-Means(FCM) 알고리즘에 의해 초기 값을 설정한다. 또한 제안한 분류기의 최적화를 위해 Particle Swarm Optimization(PSO)를 사용하여 최적화된 분류기의 성능을 비교한다. 숫자 인식을 위하여 공인 데이터베이스인 MNIST handwritten digit database를 사용하여 분류기의 성능을 평가하고 분석한다.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.735-740
• /
• 2012

본 연구에서는 주성분 분석법 및 선형 판별 분석법을 이용한 다항식 방사형 기저 함수 신경회로망 분류기의 설계 방법론을 소개한다. 주성분 분석법과 선형판별 분석법을 사용하여 주어진 데이터의 정보 손실을 최소화한 특징데이터를 생성하고 이를 다항식 방사형 기저함수 신경회로망의 입력데이터로 사용한다. 방사형 기저 함수 신경회로망의 은닉층은 FCM 클러스터링 알고리즘으로 구성되며 연결가중치는 1차 선형식을 사용하였다. 최적의 분류기 설계를 위해서 최근에 제안된 Artificial Bee Colony(ABC) 최적화 알고리즘을 사용하여 구조 및 파라미터를 동조하였다. ABC 알고리즘을 통해 주성분 분석법과 선형판별 분석법의 고유벡터의 수 및 FCM 클러스터링 알고리즘의 퍼지화 계수등의 파라미터를 동조한다. 제안된 분류기는 대표적인 Machine Learning(ML) 데이터를 사용하여 성능을 평가하며 기존 분류기와 성능을 비교한다.

• 한국전산구조공학회논문집
• /
• 제20권3호
• /
• pp.311-319
• /
• 2007

본 연구에서는 구조 요소의 응력해석을 위한 무요소 RPIM(Meshfree Radial Point Interpolation Methods)법을 제시한다. 이를 위하여 먼저 무요소법의 형상함수와 무요소 RPIM법의 정식화 과정 및 프로그래밍을 간략히 한다. 절점보간법은 방사기저함수와 다항기저함수를 포함하고 있고 이 중 다항기저함수는 특이성문제를 극복할 수 있다. 게다가 무요소 RPIM법의 보간함수는 영향영역의 절점을 통과하고 형상함수는 크로네커 델타 성질을 갖고 있으므로 최소자승법에 기반을 둔 무요소법보다 쉽게 필수경계조건을 만족시킨다. 본 연구의 정확성을 확인하기 위하여, 캔틸레버형 평판, 유공평판, 속이 빈 원통 문제의 수치예제를 수행하고 이론 해와 유한요소법 결과를 비교, 분석한다.

• 정보처리학회논문지B
• /
• 제14B권5호
• /
• pp.377-382
• /
• 2007

본 논문에서는 방사 기저함수 네트워크의 파라미터를 전 영역에서 최적화하는 학습 알고리즘을 제안한다. 기존의 학습 알고리즘들은 지역 최적화만을 수행하기 때문에 성능의 한계가 있고 최종 결과가 초기 네트워크 파라미터 값에 크게 의존하는 단점이 있다. 본 논문에서 제안하는 하이브리드 모의 담금질 기법은 모의 담금질 기법의 전 영역 탐색 능력과 경사 기반 학습 알고리즘의 지역 최적화 능력을 조합하여 전 파라미터 영역에서 해를 찾을 수 있도록 한다. 제안하는 기법을 함수 근사화 문제에 적용하여 기존의 학습 알고리즘에 비해 더 좋은 학습 및 일반화 성능을 보이는 네트워크 파라미터를 찾을 수 있으며, 초기 파라미터 값의 영향을 크게 줄일 수 있음을 보인다.

• 한국위성정보통신학회논문지
• /
• 제12권1호
• /
• pp.1-5
• /
• 2017

본 논문에서는 멀티코드를 사용하는 직접 시퀀스-코드 분할 다중 접속 (DS/CDMA: direct sequence/code division multiple access) 전력선 통신 시스템에서 사용자 검출을 위해 방사형 기저 함수를 응용하는 모델을 제안하였다. 방사형 기저 함수 기반의 사용자 검출기의 성능은 기존의 부 최적화된 다중 사용자 검출기의 성능과 비트 에러율 면에서 비교 분석되었다. 컴퓨터 시뮬레이션 결과를 통해 제안한 모델인 역 상관기 기반 검출기보다 우수한 성능을 나타내는 것을 확인하였고, 다양한 환경에서 near-optimum 성능을 보이는 것을 확인하였다. 본 논문에서 이러한 결과들은 다중코드 DS/CDMA 전력선 통신 시스템에서 다중 사용자 검출기 디자인에 적용 될 수 있다.