• 제목/요약/키워드: 분류층

검색결과 1,010건 처리시간 0.036초

퍼지 동적 학습률 제어 기반 하이브리드 RBF 네트워크 (A Hybrid RBF Network based on Fuzzy Dynamic Learning Rate Control)

  • 김광백;박충식
    • 한국컴퓨터정보학회논문지
    • /
    • 제19권9호
    • /
    • pp.33-38
    • /
    • 2014
  • FCM 기반하이브리드 RBF 네트워크는 서로 다른 학습 구조가 결합된 혼합형 모델로서, 입력층과 중간층의 학습 구조는 FCM 알고리즘을 적용하고, 중간층과 출력층 사이의 학습 구조는 Max_Min 알고리즘을 적용한다. 입력층과 중간층의 학습시 입력 벡터와 중간층의 노드 중에서 중심과 입력 벡터간의 가장 가까운 노드를 승자 노드로 선택하여 출력층으로 전달한다. 그리고 중간층과 출력층 사이의 학습구조인 Max_Min 신경망은 중간층의 승자 뉴런이 입력벡터로 적용된다. 그러나 많은 패턴이 입력벡터로 제시될 경우에는 학습성능이 저하되는 단점이 있다. 따라서 본 논문에서는 중간층과 출력층의 학습 구조인 Max_Min 알고리즘의 학습 성능을 향상시키기 위해 퍼지 논리 시스템을 이용한 학습률 자동 조정 방법을 제안한다. 제안된 방법은 목표값과 출력값의 차이에 대한 절대값이 0.1보다 적거나 같으면 정확성으로 분류하고 크면 부정확성으로 분류한다. 정확성의 총 개수를 퍼지 제어 시스템에 적용하여 학습률을 동적으로 조정한다. 제안된 방법의 학습 및 인식 성능을 평가하기 위해 컨테이너에서 추출한 숫자, 영문 식별자를 인식 및 성능평가 실험에 적용한 결과, 제안된 방법이 문자 패턴 인식에 효과적임을 확인할 수 있었다.

오토인코더를 이용한 CNN 이미지 분류 네트워크의 feature 압축 방안 (Compression method of feature based on CNN image classification network using Autoencoder)

  • 고성영;권승욱;김규헌
    • 한국방송∙미디어공학회:학술대회논문집
    • /
    • 한국방송∙미디어공학회 2020년도 추계학술대회
    • /
    • pp.280-282
    • /
    • 2020
  • 최근 사물인터넷(IoT), 자율주행과 같이 기계 간의 통신이 요구되는 서비스가 늘어감에 따라, 기계 임무 수행에 최적화된 데이터의 생성 및 압축에 대한 필요성이 증가하고 있다. 또한, 사물인터넷과 인공지능(AI)이 접목된 기술이 주목을 받으면서 딥러닝 모델에서 추출되는 특징(feature)을 디바이스에서 클라우드로 전송하는 방안에 관한 연구가 진행되고 있으며, 국제 표준화 기구인 MPEG에서는 '기계를 위한 부호화(Video Coding for Machine: VCM)'에 대한 표준 기술 개발을 진행 중이다. 딥러닝으로 특징을 추출하는 가장 대표적인 방법으로는 합성곱 신경망(Convolutional Neural Network: CNN)이 있으며, 오토인코더는 입력층과 출력층의 구조를 동일하게 하여 출력을 가능한 한 입력에 근사시키고 은닉층을 입력층보다 작게 구성하여 차원을 축소함으로써 데이터를 압축하는 딥러닝 기반 이미지 압축 방식이다. 이에 본 논문에서는 이러한 오토인코더의 성질을 이용하여 CNN 기반의 이미지 분류 네트워크의 합성곱 신경망으로부터 추출된 feature에 오토인코더를 적용하여 압축하는 방안을 제안한다.

  • PDF

전이학습 기반 CNN을 통한 풀림 방지 코팅 볼트 이진 분류에 관한 연구 (Binary classification of bolts with anti-loosening coating using transfer learning-based CNN)

  • 노은솔;이사랑;홍석무
    • 한국산학기술학회논문지
    • /
    • 제22권2호
    • /
    • pp.651-658
    • /
    • 2021
  • 풀림 방지 코팅 볼트는 주로 자동차 안전 관련 부품을 결합하는 데 사용되므로 안전성 유지를 위해 코팅 결함을 사전에 감지해야 한다. 이를 위해 이전 연구 [CNN 및 모델 시각화 기법을 사용한 코팅 볼트 불량 판별]에서는 합성곱 신경망을 사용했다. 이때 합성곱 신경망은 데이터 수가 많을수록 이미지 패턴 및 특성 분석 정확도가 증가하지만 그에 따라 학습시간이 증가한다. 또한 확보 가능한 코팅 볼트 샘플이 한정적이다. 본 연구에서는 이전 연구에 전이학습을 추가적으로 적용해 데이터 개수가 적은 경우에도 코팅 결함에 대해 정확한 분류를 하고자 한다. 전이학습을 적용할 때 학습 데이터 수와 사전 학습 데이터 ImageNet 간의 유사성을 고려해 분류층만 학습했다. 데이터 학습에는 전역 평균 풀링, 선형 서포트 벡터 머신 및 완전 연결 계층과 같은 분류층을 적용했으며, 고려한 모델 중 완전 연결 계층 방법의 분류층이 가장 높은 95% 정확도를 가진다. 추가적으로 마지막 합성곱층과 분류층을 미세 조정하면 정확도는 97%까지 향상된다. 전이학습 및 미세 조정을 이용하면 선별 정확도를 향상시킴은 물론 이전보다 학습 소요시간을 절반으로 줄일 수 있음을 보였다.

Cepstrum 방법과 신경회로망을 이용한 정상, 양성종양, 악성종양 상태의 식별에 관한 연구 (On the Classification of Normal, Benign, Malignant Speech Using Neural Network and Cepstral Method)

  • 조철우
    • 한국음향학회:학술대회논문집
    • /
    • 한국음향학회 1998년도 학술발표대회 논문집 제17권 2호
    • /
    • pp.399-402
    • /
    • 1998
  • 본 논문에서는 환자의 음성을 정상, 양성종양, 악성종양으로 분류하는 실험을 켑스트럼 파라미터를 통한 음원분리와 신경회로망을 이용하여 수행하고 그 결과를 보고한다. 기존의 장애음성 데이터베이스에는 정상음성과 양성종양의 경우만 수록되어 있었고 외국의 환자들을 대상으로 한 경우만 있었기 때문에 국내의 환자들에게 직접 적용할 경우 어떠한 결과가 나올지 예측하기가 어려웠다. 최근 부산대학교 이비인후과팀에서 수집한 국내의 정상, 양성, 악성종양의 경우에 대한 데이터베이스를 분석하고 신경회로망에 의해 분류함으로써 사람의 음성신호만에 의한 후두질환이 식별이 가능하였다. 본 실험에서는 식별 파라미터로 음성신호의 선형예측오차신호에 관한 켑스트럼으로부터 음원비인 HNRR을 구하여 Jitter, Shimmer와 함께 사용하였다. 신경회로망은 입, 출력 층과 한 개의 은닉층을 갖는 다층신경망을 이용하였으며, 식별은 두단계로 나누어 정상과 비정상을 분류한 후 다시 비정상을 양성과 악성으로 분류하였다[1].

  • PDF

4-Layer Slagging Model을 적용한 300 MW급 Shell형 1단 분류층 석탄 가스화기 전산수치해석 (Numerical Study on the 300 MW Shell-type One-stage Entrained Flow Coal Gasifier Apllied with 4-Layer Slagging Model)

  • 홍정우;정효재;송지훈;황정호
    • 한국연소학회지
    • /
    • 제17권1호
    • /
    • pp.1-11
    • /
    • 2012
  • A slag building simplified model was developed to determine wall heat flux of a Shell 300 MW coal gasifier. In the model 4 layers(particulate, sintered, molten slag, solidified slag) were considered and mass conservation and energy balance were used to obtain each slag layer's thickness and surface temperature. Thermo-chemical and fluid charateristics of the gasifier were studied with and without considering the slag model using commercial CFD code FLUENT. Consideration of the slag layer did not affect syn-gas mole fractions. However, the slag layer caused to increase the exit gas temperature by about 50 K.

1T/D 분류층 가스화기에서의 석탄, 석유코크스 혼합연료 가스화 특성 연구 (Co-gasification Characteristics of Coal Mixed with Pet-coke in a 1T/D Entrained-Flow Gasifier)

  • 이재구;윤상준;최영찬;라호원;손영일
    • 한국신재생에너지학회:학술대회논문집
    • /
    • 한국신재생에너지학회 2007년도 추계학술대회 논문집
    • /
    • pp.453-456
    • /
    • 2007
  • 감압 증류 후 생성되는 중질유의 고도화를 위하여 코킹 공정을 거친 후 정유 부산물로 생성되는 열적으로 매우 안정하고, 높은 발열량을 갖는 반면 황, 바나듐 함량이 높은 석유코크스의 효과적인 이용을 위하여 본 연구에서는 가스화 공정을 적용하였다. 1T/D 용량의 분류층 가스화기를 이용하여 유연탄(drayton coal), 석유코크스, 또는 혼합한 경우의 가스화 성능을 알아보았으며, 각각의 경우에 대하여 비교하여 보았다. 높은 열 안정성을 갖는 석유코크스의 효과적인 가스화를 위하여 반응기 내 체류시간 및 버너 노즐 변경에 따른 가스화 성능 개선을 시도하였으며, 이때의 온도, 산소/원료 공급량 조건에 따른 생성가스 성분 및 탄소전환율, 냉가스효율 변화 특성을 알아보았다. 버너 노즐 구경 변경으로 인한 슬러리의 미립화를 통하여 향상된 탄소전환율 및 냉가스효율을 얻을 수 있었다.

  • PDF

분류층 석탄가스화기 비반응 난류 유동장 수치해석

  • 이선경;정진도;김종진;지평삼;장동순
    • 한국에너지공학회:학술대회논문집
    • /
    • 한국에너지공학회 1994년도 춘계학술발표회 초록집
    • /
    • pp.28-38
    • /
    • 1994
  • 분류층 가스화기 설계를 위한 일차연구로서 가스화기 이차공기 주입방법에 따른 비반응 난류장에 대한 수치해석을 검사체적에 기초한 유한차분방법을 이용하여 수행하였다. 압력과 속도의 연계문제는 SIMPLEC 알고리즘을, 레이놀즈 전단력은 k-$\varepsilon$ 난류모델을 사용하였다. 입자궤적 계산은 공기역학적 항력만을 고려하였으며 비선형적인 공기저항력에 의한 난류변동상관모델은 고려치 않았다. 이차공기 주입방법(parallel injection과 nonparallel 3$0^{\circ}C$ injection)에 따른 수치해석을 수행하여 Ar tracer의 질량분율에 대한 실험자료와 비교하여 만족할 만한 결과를 얻었으며 이차공기의 주입각 및 기타 제반변수에 따른 유동장 변화를 분석하였다.

  • PDF

전산유체역학을 이용한 분류층 석탄가스화기 설계연구 (A Study on the Design of Coal Gasification Unit using Computational Fluid Dynamics)

  • 이선경;나혜령;장동순;정진도;지평심
    • 에너지공학
    • /
    • 제4권1호
    • /
    • pp.23-30
    • /
    • 1995
  • 분류층 가스화기 설계를 위한 일차연구로서 가스화기 종횡비, 주입方法, 선회강도 및 주입속도 등에 따른 비반응 난류장 특성을 수치해석적 방법에 의해 파악하였다. 수치해석은 검사체적에 기초한 Patankar의 유한차분방법을 이용하였으며 압력과 속도의 연계문제는 SIMPLEC 알고리즘을, 레이놀즈 전단력은 K- 난류모델을 사용하였다. 입자궤적 계산은 공기역학적 향력만을 고려하였으며 비선형적인 공기저항력에 의한 난류변동상관모델은 고려치 않았다. 이차공기 주입방법(parallell injection과 nonparallel 3$0^{\circ}C$ imjection)에 따른 수치해석을 수행하여 Ar tracer의 질량분율 및 기타 속도에 대한 實驗資料와 비교하여 만족할 만한 結果를 얻었다. 나아가서 假想的인 가스화기 모델을 대상으로 가스화기의 종횡비, 선회강도, 주입속도 및 주입각 등에 따른 와류 形成 위치 등을 포함한 유동장 특성 및 입도에 따른 궤적분석을 시도하였다.

  • PDF

효과적인 패턴 인식을 위한 개선된 Counterpropagation 알고리즘 (An Enhanced Counterpropagation Algorithm for Effective Pattern Recognition)

  • 김광백
    • 한국정보통신학회논문지
    • /
    • 제12권9호
    • /
    • pp.1682-1688
    • /
    • 2008
  • CP(Counterpropagation) 알고리즘은 Kohonen의 경쟁 네트워크와 Grossberg의 아웃스타(Outstar) 구조의 결합으로 이루어진 것으로 패턴 매칭, 패턴 분류, 통계적인 분석 및 데이터 압축 등 활용분야가 다양하고, 다른 신경망 모델에 비해 학습이 매우 빠르다는 장점이 있다. 그러나 CP 알고리즘은 충분한 경쟁층의 수가 설정되지 않아 경쟁층에서 학습이 불안정하고, 다양한 패턴으로 구성된 경우에는 패턴들을 정확히 분류할 수 없는 경우가 발생한다. 그리고 CP 알고리즘은 출력층에서 연결 강도를 조정할 때, 학습률에 따라 학습 및 인식 성능이 좌우된다. 본 논문에서는 효과적인 패턴인식을 위해 다수 경쟁층을 설정하고, 입력 벡터와 승자 뉴런의 대표 벡터간의 차이와 승자 뉴런의 빈도수를 학습률 조정에 반영하고 학습률을 동적으로 조정하여 경쟁층에서 안정적으로 학습되도록 하고, 출력층의 연결강도를 조정할 때 모멘텀(Momentum) 방법을 적용한다. 제안된 CP 학습 성능을 확인하기 위해서 실제 여권에서 추출된 개별 코드를 대상으로 실험한 결과, 개선된 CP 알고리즘이 기존의 CP 알고리즘보다 학습 성능, 분류의 정확성 및 인식 성능이 개선된 것을 확인하였다.