• 제목/요약/키워드: 분류층

검색결과 1,012건 처리시간 0.026초

가우스 전위함수를 가지는 신경회로망 모델

  • 오상훈;김명원
    • 전자통신동향분석
    • /
    • 제5권2호
    • /
    • pp.39-50
    • /
    • 1990
  • 다층 퍼셉트론 신경회로망 모델이 여러가지 복잡한 문제를 역전파 학습에 의하여 해결할 수 있다고 보고된 후로, 이 모델을 이용한 응용분야의 연구가 활발하다. 그렇지만, 이 다층 퍼셉트론 모델은 오랜 학습시간이 필요하며, 또 분류경계가 입력층과 숨겨진 층간의 연결가중치에 의해 결정되는 초기하 평면의 조합으로 이루어지기 때문에, 숨겨진 층의 뉴런 수가 부족하면 분류경계를 제대로 나타낼 수 없게 된다. 이러한 단점들을 극복하기 위하여 숨겨진 층의 활성화 함수는 시그모이드 형태가 아닌 가우스 함수가 되도록 하고 이 가우스 함수들의 선형적 합에 의하여 출력층 뉴런들의 값이 결정되는, 즉, 가우스 함수가 출력층의 전위함수(potential function)가 되는 신경회로망이 여러번 제안되었다. 본 논문에서는 가우스 함수를 전위함수로 가지는 신경회로망 모델들에 대하여 이 모델들의 실제 응용 예와 함께 알아보겠다.

AVO분석을 이용한 고래 I 지역 저류층 특성 연구 (The study of reservoirs in Gorae I area using AVO)

  • 황석연;장희란
    • 한국석유지질학회지
    • /
    • 제9권1_2호
    • /
    • pp.40-45
    • /
    • 2001
  • 국내 대륙붕 제 6-1광구 고래 I지역에 대한 AVO분석 (OFFSET에 따른 진폭변화 연구: 주로 유체성분분석)을 수행하였다. 특히, 관심을 끌었던 고래 I지역의 다층에 대한 AVO 분석결과, 물을 함유한 층인, 다층에서는 가스를 함유한 저류층인 가층에 비해 가스를 함유할 가능성이 더 높게 나타났다. 하지만, 시추결과에 따르면 다층은 물로 채워진 층으로 판명되었다. 본 연구에서는, 가스를 함유하지 않은 다층이 더 뚜렷한 AVO 현상을 나타나게 된 원인을 분석 및 고찰하였다. 그 방법으로 다양한 AVO 분석 방법 (PxG stack, psedo-Poisson's ratio stack, Scaled-S-Wave reflectivity stack 분석 법 및 Cross Plot등)을 통해 가스층과 물을 함유한 층의 분류 가능성에 대한 연구를 수행하였다. 그 결과, 일반적인 AVO 분석 방법에 의해서는 가스층과 물을 함유한층의 분류가 어려웠다. 따라서, AVO 분석시 나타나는 AVO 현상에 대한 심도있는 고찰을 위해서는 AVO 모델링 기법의 적용을 고려해 볼 수 있으며, 이를 통해 탐사 위험도를 낮출 수 있을 것으로 기대된다. 또한 새로운 유망구조에 대한 상기 AVO 분석방법을 적용하여 유망구조의 가스함유 가능성에 대한 연구가 가능할 것으로 판단된다. 그 실례로, 고래 I지역에 대한 새로운 유망구조에서의 가스 함유가능성에 대한 연구를 수행하였다. 연구 방법으로는 상기에서 언급한 다양한 AVO 분석 방법을 적용하였으며, 그 결과 유망구조에서의 가스 발견 가능성은 높은 것으로 사료된다. 따라서, 향후, 가스층 탐사시 (물론, 연구결과 얻어진 가능성에 대한 시추결과가 있어야 하겠지만)축적된 AVO 분석기법을 적용 시 석유탐사에서 위험률 제고에 기여할 수 있을 것으로 기대된다.

  • PDF

분류층 연소기내의 유동해석 (Flow Analysis in an Entrained Flow Combustor)

  • 양희천;박상규;정동화
    • Journal of Advanced Marine Engineering and Technology
    • /
    • 제25권6호
    • /
    • pp.1308-1316
    • /
    • 2001
  • This paper described a numerical investigation performed to understand better the effects of flow parameters in an entrained flow combustor on the flow characteristics. The computational model was based on the gas phase Eulerian equations of mass, momentum and energy. The code was formulated with RNG $k-\varepsilon$ model for turbulent flow. The calculation parameters were the ratio of primary and secondary jet velocity and the height difference between primary and secondary jet As the secondary jet velocity increased, the upper recirculation 3one of the primary jet was strengthened. It was found that as the primary jet velocity increased, there was a critical jet Velocity at which the size of upper and lower recirculation zone was reversed.

  • PDF

깊이에 따른 중간 단계 분류기 내부 학습 경향 분석 및 고찰 (Analysis and Study of Internal Learning Trend of Deep Classifier according to Depth)

  • 성수진;차정원
    • 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
    • /
    • 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
    • /
    • pp.115-119
    • /
    • 2019
  • 딥러닝 모델은 자동으로 자질을 추출하고 추상화 하기 위해 깊은 은닉층을 가지며, 이전 연구들은 이러한 은닉층을 깊게 쌓는 것이 성능 향상에 기여한다는 것을 증명해왔다. 하지만 데이터나 태스크에 따라 높은 성능을 내는 깊이가 다르고, 모델 깊이 설정에 대한 명확한 근거가 부족하다. 본 논문은 데이터 셋에 따라 적합한 깊이가 다르다고 가정하고, 이를 확인하기 위해 모델 내부에 분류기를 추가하여 모델 내부의 학습 경향을 확인하였다. 그 결과 태스크나 입력의 특성에 따라 필요로 하는 깊이에 차이가 있음을 발견하였고, 이를 근거로 가변적으로 깊이를 선택하여 모델의 출력을 조절하여 그 결과 성능이 향상됨을 확인하였다.

  • PDF

제주도 토양인 용흥통의 분류 및 생성 (Taxonomical Classification and Genesis of Yongheung Series in Jeju Island)

  • 송관철;현병근;문경환;전승종;임한철
    • 한국토양비료학회지
    • /
    • 제42권6호
    • /
    • pp.478-485
    • /
    • 2009
  • 제주도 남부 해안지대의 용암류대지에 Andisols로 분류되는 토양들과 인접하여 주로 분포하며, Alfisols로 분류되고 있는 용흥통을 재분류하고, 그 생성에 대하여 고찰하고자 용흥통 대표단면의 형태적 특성을 조사하고, Soil Taxonomy의 표준 분석방법인 Soil Survey Laboratory Methods Manual에 따라서 토양을 분석하여 Laboratory data sheets를 작성하였다. oxalate 침출성 (Al + 1/2 Fe) 함량은 3.2$\sim$3.4%로 andic 토양 특성의 분류기준을 충족시키고 있으나, 인산보유능이 72.7$\sim$84.5%로 85% 미만이며, 용적밀도가 $1.21{\sim}1.42Mg\;m^{-3}$으로 $0.90Mg\;m^{-3}$ 이상이다. 따라서 용흥통은 Andic 토양 특성을 보유하고 있지 않으므로 Andisols로 분류할 수 없다. 반면에 BAt층에서 Bt4층 (15~150 cm)까지 점토집적층인 argillic층을 보유하고 있으며, 기준깊이에서의 염기포화도 (양이온합)가 35% 미만이므로 Andisols, 또는 Alfisols이 아니라 Ultisols로 분류되어야 한다. Argillic 층위의 상부 15 cm 깊이에서 유기탄소 함량이 $9g\;kg^{-1}$ 이상이므로 아목은 Humults로 분류된다. 무기질 토양표면에서 150 cm 이내 깊이에 암석질이나 준암석질 접촉면 등이 없으며, 무기질 토양표면에서 150 cm까지 깊이의 argillic 층위에서 점토함량이 최대치와 비교하여 20% 이상 감소되는 층위가 없으므로 대군은 Palehumults로 분류된다. Andisols로 분류되는 토양들과 인접하여 분포하나 Ap층의 용적밀도가 $1.21Mg\;m^{-3}$으로 andic 아군의 분류조건을 충족시키지 못하므로 아군은 Typic Palehumults로 분류된다. 토성속 제어부위에서의 점토 함량이 35% 이상이고, thermic 토양온도상을 보유하므로 용흥통은 fine, mixed, themic family of Typic Hapludalfs가 아니라 fine, mixed, thermic family of Typic Palehumults로 분류되어야 한다. 비교적 건조한 제주도 서부 및 북부 해안지방에는 층형 규산염 점토광물을 주광물로 하고 있는 non-Andisols 토양이 주로 생성 발달되고, 보다 습윤한 그 외의 지역에서는 알로판 또는 Al-유기복합체가 주가 되는 Andisols 토양이 주로 생성 발달하고 있다. 그러나 용흥통의 경우 강우량이 1,800 mm 내외로 비교적 많은 제주도 남부 해안지역에 분포하고 있으면서도 조면암, 조면암질 안산암 및 이들 암석에서 유래된 화산회를 모재로 하고 있기 때문에 non-Andisols 토양으로 생성 발달한 것이라고 생각된다. Andisols로 생성 발달되지 않은 용흥통은 안정한 지형인 용암류 대지에 분포하고 있으므로 토양이 거의 침식되지 않고 충적물이 별로 퇴적되지 않기 때문에 오랫동안 토양수의 하향이동에 따른 점토 집적작용과 염기 용탈작용을 받게 된다. 그 결과 점토집적층인 argillic층이 생성되고, 기준 깊이에서의 염기포화도 (양이온 합)가 35% 미만으로 강산성 토양인 Ultisols로 생성발달한 것이다. 그러나 Andisols로 분류되는 토양들과 인접하여 분포하고 있어서 Andisols 특성을 상당 부분 보유하고 있기 때문에 Ultisols 중에서도 Humults로 생성발달한 것으로 생각된다.

근전도 패턴인식을 위한 혼합형 LVQ 학습 알고리즘 (The Hybrid LVQ Learning Algorithm for EMG Pattern Recognition)

  • 이용구;최우승
    • 한국컴퓨터정보학회논문지
    • /
    • 제10권2호
    • /
    • pp.113-121
    • /
    • 2005
  • 본 논문에서는 근전도 패턴인식을 수행하기 위한 혼합 LVQ 학습 알고리즘을 설계하였다. 제안된 혼합 LVQ 학습 알고리즘은 초기 참조벡터의 학습을 위해 SOM을 이용하고, LVQ 출력뉴런의 부류지정을 위하여 out-star학습법을 사용하는 변형된 C.p Net.이다. 제안된 C.p. Net.의 입력 층과 종속 클래스 층 사이의 연결강도는 SOM과 LVQ 알고리즘을 이용하여 초기 참조벡터의 설정 및 학습이 가능하게 하였고, 패턴벡터를 종속 클래스 층의 뉴런에 의해 종속 클래스로 분류하고, C.p. Net.의 종속 클래스 층과 클래스 층 사이의 연결강도는 분류된 종속 글래스를 클래스로 지정하는 학습을 하게 된다 근전도 패턴 분류를 위하여 제안된 학습알고리즘을 이용하여 시뮬레이션 되었고 기존의 LVQ 학습방식 보다 우수한 분류성공률을 확인하였다.

  • PDF

다층구조 퍼셉트론을 이용한 분류 영상압축 및 코딩 (Classified Image Compression and Coding using Multi-Layer Percetpron)

  • 조광보;박철훈;이수영
    • 한국통신학회논문지
    • /
    • 제19권11호
    • /
    • pp.2264-2275
    • /
    • 1994
  • 본 논문에서는 블록 분류와 코딩과 함께 신경회로망을 이용한 영상압축을 보였다. 오차 역전파 알고리즘으로 학습되는 다층구조 신경회로망은 정규화된 영상데이타를 감소된 공간 중복성을 가지는 은닉층의 값으로 변환하는데 사용된다. 기본적으로 영상압축은 입력층과 출력층의 뉴런보다 적은 수의 은닉층 뉴런에 의해 얻어진다. 여기에 시각체계의 민감도에 따른 영상블럭 복잡성에 따라 적응적으로 압축되므로 블록을 분류한다. 또한 은닉뉴런의 양자화된 값은 효과적인 전송을 위해 entropy coding을 이용한 경우 화질의 큰 저하없이 약 25:1의 압축률을 얻었다.

  • PDF

효과적인 패턴분류를 위한 개선된 FCM 기반 하이브리드 네트워크 (Enhanced FCM Based Hybrid Network for Effective Pattern Classification)

  • 김태형;차의영;김광백
    • 한국컴퓨터정보학회:학술대회논문집
    • /
    • 한국컴퓨터정보학회 2008년도 제39차 동계학술발표논문집 16권2호
    • /
    • pp.35-40
    • /
    • 2009
  • FCM 알고리즘은 입력 벡터와 각 클러스터의 유클리드 거리를 이용하여 구해진 소속도만를 비교하여 데이터를 분류하기 때문에 클러스터링 된 공간에서의 데이터들의 분포에 따라 바람직하지 못한 클러스터링 결과를 보일 수 있다. 이러한 문제점을 개선하기 위해 대칭적 성질을 이용하는 대칭성 측도에 퍼지 이론을 적용하여 군집간의 거리에 따른 변화와 군집 중심의 위치, 그리고 군집 형태에 따라 영향을 덜 받는 개선된 FCM이 제안되었다. 본 논문에서는 효과적으로 패턴을 분류하기 위해 개선된 FCM 알고리즘을 적용한 개선된 하이브리드 네트워크를 제안한다. 제안된 하이브리드 네트워크는 개선된 FCM 알고리즘을 입력층과 중간층의 학습구조 적용하고 중간층과 출력층의 학습구조는 일반화된 델타학습법을 적용한다. 제안된 방법의 인식성능을 평가하기 위해 2차원 좌표평면 상의 데이터를 기존의 Max_Min 신경망을 이용한 FCM 기반 RBF 네트워크와 FCM 기반 RBF 네트워크, HCM 기반 네트워크와 제안된 방법 간의 학습 및 인식 성능을 비교 및 분석하였다.

  • PDF

한국산 통구멍과(농어목) 어류의 분류 (Synopsis of the Stargazer Fish, Family Uranoscopidae (Perciformes) from Korea)

  • 이충렬;주동수
    • 한국동물학회지
    • /
    • 제38권3호
    • /
    • pp.364-374
    • /
    • 1995
  • 1986년부터 1994년까지 주로 우리나라의 서해와 남해 연안에서 채집된 한국산 통구멍과 어류에 대하여 분류학적 위치와 이들의 형태적 특징에 대하여 재검사하였다. 그 결과 한국산 통구멍과 어류로는 3층 6종으로 확인되었는데 통구멍층 Uranoscopus에는 얼룩통구멍 U. japonicus, 통구멍이 U. bicinctus, 민통구멍 U. chinensis, 비늘통구멍 U. tosae 등의 4종이고, 푸렁통구멍층 Gnathagnus에는 푸렁통구멍 G. elongatus 1종, 큰무늬통구멍층 Ichthyscopus에는 큰무늬통구멍 I. lebeck sannio 1종 등 모두 6종이다. 이들 어류의 분류학적 중요 형태 형질로는 체표의 구점, 전새개골 하부의 가시 수, 호흡판의 형태, 비공판의 형태, 입술돌기의 발달 상태 등이었다. 한편 지금까지 기재되어 온 U. flavipinnis는 U. chinensis의 synonym으로 정리되었다. 우리나라의 서해와 남해에 주로 많이 분포하고 있는 종은 Uranoscopus japonicus와 Gnathagnus elongatus이고, 남해에는 U. bicinctus, U. chinensis, U. tosae 등이며 특히 Ichthyscopus lebeck sannio는 주로 제주도 부근 해역에서 출현하고 있다.

  • PDF