• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 추계 학술발표회 논문집
• /
• pp.213-218
• /
• 2003

본 논문은 혁신수용에 대한 한국인들의 군집화에 관한 연구로서, 분류된 군집의 라이프스타일 등의 특성을 밝힐 것이다. 연구를 위해 2003년 6월 9일부터 27일까지 설문조사를 실시하였으며, Ward의 군집분석 방법을 이하여 분석하였다. Rogers가 혁신 수용에 관한 군집을 통계적 이론을 바탕으로 다섯 가지로 분류한 바 있으나 본 연구에서는 혁신층이 11%, 조기다수층이 24.4%, 후기다수층이 48.9%, 후발수용층이 15.7% 등 네 가지 군집으로 분류될 수 있음을 알 수 있었고, 이 군집들의 라이프스타일을 연구하였다. 또한 Rogers의 연구 결과와 비교해 볼 때, 조기수용층이 혁신층으로 흡수되었다. 이러한 결과는 두터운 혁신층을 바탕으로 신제품이나 새로운 서비스를 처음 받아들이는 계층이 넓다는 것을 의미하고, 우리나라에서는 신제품을 개발 시험할 수 있는 좋은 구조를 가지고 있음을 의미하고, 반면에 조기다수층이 혁신 수용에 신중함으로 보이고 있기 때문에 혁신의 확산에 높은 저항이 있음을 알 수 있다. 세계각국에서 적극적으로 추진하고 있는 초고속 인터넷 서비스 분야 성공은 다른 나라에 비해 서비스를 빠르게 수용하고 이 후 높은 품질의 서비스와 고객만족을 기업들에 요구하고, 기업들의 적절한 대응의 결과로 설명될 수 있다.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2011년도 추계학술대회 초록집
• /
• pp.75.2-75.2
• /
• 2011

고온고압에서 운전되는 IGCC용 분류층 석탄가스화기는 석탄에 포함된 회 성분을 대부분 용융 슬래그 형태로 가스화기 벽을 타고 흘러내리게 하여 가스화기 하부로 배출시킨다. 이러한 용융 슬래그를 원활하게 배출시키는 것은 가스화기의 안정적인 운전에 있어서 매우 중요하다. 본 연구에서는 슬래그 층 내의 물질수지, 운동량 및 에너지 보존을 고려하여 석탄가스화기내의 슬래그 거동을 해석할 수 있는 모델 식을 유도하였다. 유도된 슬래그 거동 모델 식들을 적용하고 가스화기의 형상을 고려하여 가스화기 내부에서의 슬래그 거동을 해석하였다. 또한 슬래그 물성치들인 슬래그 점도, 슬래그 비열, 슬래그 밀도, 슬래그 열전달 계수 등을 슬래그의 조성 변화에 따라 별도로 산정하여 슬래그 해석의 입력 데이터로 사용하였다. 슬래그에 첨가되는 석회석의 비율을 해석의 주요 변수로 사용하여 가스화기 하부에서 용융 슬래그 및 고체 슬래그 두께, 용융 슬래그 층 내부에서의 슬래그 점도분포 및 슬래그 속도분포 등 슬래그 거동의 주요 특성들을 예측하였다. 해석결과로 석탄에 석회석의 첨가량을 증가시키면 슬래그의 임계점도온도(temperature of critical viscosity)와 점도가 낮아지므로 가스화기 벽면에서의 용융 슬래그의 유동속도는 빨라지며, 고체 슬래그와 용융 슬래그의 두께가 감소하는 것을 정량적으로 확인할 수 있었다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2007년도 하계학술대회 논문집
• /
• pp.458-460
• /
• 2007

RBF 네트워크의 중간층은 클러스터링 하는 층으로 주어진 자료 집합을 유사한 클러스터들로 분류하는 것이다. 여기서 유사하다는 것은 입력 데이터들에 대한 특징 벡터 공간사이에서 한 클러스터내의 벡터들 간에 거리를 측정하여 정해진 반경 내에 존재하면 같은 클러스터로 분류하고 정해진 반경 내에 존재하지 않으면 다른 클러스터로 분류한다. 그러나 정해진 반경 내에서 클러스터링 하는 것은 잘못된 클러스터를 선택하는 단점을 가지게 된다. 그러므로 중간층을 결정하는 것은 RBF 네트워크의 전반적인 효율성에 큰 영향을 준다. 따라서 본 논문에서는 효율적으로 중간층을 결정하기 위한 방법으로 퍼지 C-Means 클러스터링 알고리즘을 이용하고자 하였다. 그리하여 본 논문에서는 고장 전류의 특성을 해석하여 그 원인을 판단, 분류하기 위하여 전력계통의 고장 기록 장치로부터 얻어지는 선로의 전류 데이터를 FCM을 이용 분류하여 다양한 고장 모드를 판별할 수 있었다.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2011년도 춘계학술대회 초록집
• /
• pp.77.2-77.2
• /
• 2011

고온고압에서 운전되는 분류층 석탄가스화기에서 석탄의 회성분을 용융슬래그로 원활하게 배출하는 것은 석탄가스화기의 안정적인 운전을 위하여 매우 중요하다. 본 연구에서는 분류층 석탄가스화기에서 원활한 슬래그의 배출조건을 파악하기 위해서 여러 슬래그 점도예측 모델들을 사용하여 가스화기의 운전온도 변화에 따른 슬래그의 점도변화를 해석하여 점도해석모델들의 적용성을 비교분석하였다. 본 연구에서 선정한 가스화기 설계탄의 회 성분을 토대로 슬래그의 점도를 계산한 결과 점도해석 모델별로 온도에 대한 점도 값이 매우 상이하게 예측되었다. 또한 설계탄에 대한 점도예측 모델들을 적용한 계산결과로부터 슬래그의 점도가 80 poise가 되는 온도인 $T_{80}$이 매우 높은 값으로 예측되었다. 따라서 가스화기의 운전온도에서 용융 슬래그를 원활하게 배출하기 위해서 설계탄에 Flux를 첨가하여 슬래그의 점도를 낮추어 줄 필요가 있음을 알았다. 기존의 점도예측 모델들 중에 점도 예측 값이 중간치 정도의 경향을 보이는 Hoy가 개발한 모델을 기준으로 가스화기의 적정 운전온도에서 Flux로 첨가할 석회석 양을 산출하였다. 본 슬래그 점도모델들의 적용 결과로부터 실제 가스화기의 운전이나 설계에 슬래그의 특성을 파악하여 운전조건 도출이나 해석에 활용하기 위해서는 운전예정인 탄종에 대한 점도측정 실험을 병행하여 적정한 점도 예측모델을 선정하는 것이 중요함을 알 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.360-362
• /
• 2016

본 논문에서는 실 승마 코칭을 수행하기 위해 Stacked 오토엔코더를 이용한 승마 보법을 분류하고자 한다. Staked Auto-encoder(SAE)에서 은닉층 수를 조절하여 승마데이터에 적합하게 쌓고, 성능을 비교하고 은닉층의 수를 수정한다. 데이터베이스 구축 환경은 16개의 관성센서로 이루어진 무선 네트워크로 구성된 슈트를 착용하고 국가대표급 승마 전문가로부터 데이터베이스를 취득한다. DB를 이용하여 보법별(평보, 속보, 경속보, 구보)로 각각 특징들(볼기 y축 포지션, 허리각도)을 이용하여 보법분류를 한다. 구축된 승마 모션데이터로 실험한 결과, 은닉층의 수가 1층일 때 성능은 95%를 보여주었고 은닉층의 수가 2층일 때 94%의 성능을 나타내었다.

• 한국컴퓨터정보학회논문지
• /
• 제9권4호
• /
• pp.33-39
• /
• 2004

본 논문에서는 LVQ 네트워크의 분류성능을 향상시키기 위하여 F.C.P. Net.을 이용하여 LVQ 학습알고리즘을 설계하였다. F.C.P. Net.의 입력층과 부류층 사이의 연결강도는 SOM과 LVQ 알고리즘을 이용하여 초기 참조벡터의 설정 및 학습이 가능하게 하였다. 마지막으로 패턴벡터를 부류층의 뉴런에 의해 종속부류로 분류하고, F.C.P. Net.의 부류층과 출력층 사이의 연결강도는 분류된 종속부류를 부류로 지정하는 학습을 하게 된다. 또한 부류의 수가 결정되기만 하면 입력층, 부류층, 출력층의 뉴런의 수를 결정 할 수 있도록 하였다. 제안된 학습알고리즘의 성능을 검증하기 위하여 Fisher의 Iris 데이터를 학습벡터 및 시험 벡터로 사용하여 시뮬레이션 하였고, 제안된 학습방식의 분류 성능은 기존의 LVQ와 비교되어 기존의 학습방식보다 우수한 분류성공률을 확인하였다.

• 한국지구과학회지
• /
• 제42권5호
• /
• pp.504-513
• /
• 2021

대한민국 기상청에서 사용하고 있는 UM (Unified Model, UM) 모델의 국지예측시스템(Local Data Assimilation and Prediction System, LDAPS)은 수치모델 모의 시 대기경계층 유형에 따라 물리과정을 다르게 계산하기 때문에 이 과정을 검증하는 것은 모델의 정확도 향상에 중요하다. 따라서, 본 연구에서는 수치모델의 대기경계층 유형을 관측자료를 기반으로 검증하였다. 관측자료를 기반으로 대기경계층 유형을 분류하기 위해서 보성 표준기상관측소에서 수행한 여름철 집중관측자료(라디오존데, 플럭스관측장비, 도플러 라이다, 운고계)를 활용하였으며, 2019년 6월 18일 부터 8월 17일 까지 61일 동안에 총 201회의 관측자료를 분석하였다. 또한 관측자료와 수치모델 결과가 다른 경우를 보면, 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 2유형으로 분류되는 사례가 수치모델에서는 1유형으로 분류된 사례가 53회로 가장 많이 나타났다. 그 다음으로는 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 5유형과 6유형으로 분류되는 사례가 수치모델에서는 3유형으로 분류된 사례가 많이 나타났다(각각 24회, 15회). 관측결과와 수치모델 모의 결과가 일치하지 않은 사례는 모두 층적운 접합 여부 및 적운 모의 등 수치모델의 구름물리 부분의 모의 성능에 기인하여 발생한 것이라고 분석된다. 따라서, 대기경계층 유형 분류의 구름물리과정의 모의 정확도를 개선하면 수치모델 성능이 향상 될 것으로 판단된다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.387-389
• /
• 2009

본 논문에서는 다항식 기반 Radial Basis Function(RBF)신경 회로망을 설계하고 이를 패턴분류 문제에 적용하여 그 성능을 분석한다. 제안된 RBF 신경회로망은 입력층, 은닉층, 출력층으로 이루어진다. 입력층의 연결가중치는 1로서 입력층의 입력벡터는 그대로 은닉층으로 전달되고 은닉층은 FCM(Fuzzy C-means Clustering)방법을 통하여 뉴런의 출력 값으로 내보낸다. 은닉층과 출력층사이의 연결가중치는 상수, 선형식 또는 이차식으로 이루어지며 경사 하강법에 의해 학습되어진다. 네트워크의 최종 출력은 연결가중치와 은닉층 출력의 곱에 의한 퍼지추론의 결과로 얻어진다. 제안된 RBF 신경회로망은 여러 종류의 machine learning 데이터에 적용하여 패턴분류기로서의 성능을 평가받는다.

• 대한공간정보학회지
• /
• 제4권2호
• /
• pp.137-147
• /
• 1996

본 논문에서는 통계적 분류방법인 최대유사 분류법(MLC: maximum likelihood classifier)과 신경회로망을 이용한 분류법인 다층퍼셉트론(MLP: multiayer perceptron) 분류법간의 분류성능을 비교 평가하였으며, 또한 MLP 분류법에서 문제가 되고 있는 학습률(learning rate), 운동량 상수(,momentum constant), 은닉층의 노드수에 따른 MLP 분류법의 분류성능을 평가하였다. 부산지역에 대한 실제 인공위성 화상데이타인 Landsat TM 화상데이타를 사용하여 MLP 분류법과 MLC 분류법의 성능을 비교한 결과 MLP 분류법의 성능이 더 우사함을 확인할 수 있었으며, 학습률, 운동량 상수 및 은닉층의 노드수에 따른 분류성능도 평가하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 추계 학술대회 학술발표 논문집
• /
• pp.71-75
• /
• 2003

오류 역전파 학습 알고리즘을 이용하여 영상 인식에 적용 할 경우에는 은닉층의 노드 수를 경험적으로 설정하므로, 학습시간과 지역최소화 및 정체현상이 발생한다. 그리고 ARTI 알고리즘은 입력 패턴과 저장 패턴간의 측정 방법인 유사성 검증 방법과 경계 변수의 설정에 따라 인식률이 좌우된다. 경계 변수의 값이 크면 입력 패턴과 저장 패턴사이에 약간의 차이만 있어도 새로운 카테고리(Category)로 분류하고, 반대로 경계 변수의 값이 적으면 입력 패턴과 저장 패턴 사이에 많은 차이가 있더라도 유사성이 인정되어 입력 패턴들을 대략적으로 분류한다. 따라서 ART1 알고리즘을 영상 인식에 적용하기 위해서는 경계 변수를 경험적으로 설정하므로 인식률에 부정적인 영향을 갖는 문제점이 있다. 따라서 본 논문에서는 개선된 ART1 알고리즘과 지도 학습 방법을 결합하여 신경망의 은닉층 노드를 동적으로 변화시키는 자가 생성지도 학습 알고리즘을 제안한다. 제안된 신경망에서 입력층과 은닉층의 학습 구조에는 ART1 알고리즘을 개선하여 적용하고, 은닉층과 출력층의 학습 구조에는 은닉층에서 승자로 선택된 노드와 출력층 노드와 연결된 가중치만을 조정하고 Delta-Bar-Delta 알고리즘을 적용한다. 제안된 방법의 학습 성능을 분석하기 위하여 학생증 영상에서 추출한 학번 패턴 분류에 적용한 결과, 기존의 신경망 학습 알고리즘보다 학습 성능이 개선됨을 확인하였다.