• Proceedings of the Korean Statistical Society Conference
• /
• 2003.10a
• /
• 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
• /
• 2011.11a
• /
• 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.

• Proceedings of the KIPE Conference
• /
• 2007.07a
• /
• 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
• /
• 2011.05a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• 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.

• Journal of the Korea Society of Computer and Information
• /
• v.9 no.4 s.32
• /
• pp.33-39
• /
• 2004

In this paper. we design the learning algorithm of LVQ which is used Forward Counter Propagation Networks to improve classification performance of LVQ networks. The weights of Forward Counter Propagation Networks which is between input layer and cluster layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ algorithm. Finally. pattern vectors is classified into subclasses by neurons which is being in the cluster layer, and the weights of Forward Counter Propagation Networks which is between cluster layer and output layer is learned to classify the classified subclass, which is enclosed a class. Also. kr the number of classes is determined, the number of neurons which is being in the input layer, cluster layer and output layer can be determined. To prove the performance of the proposed learning algorithm. the simulation is performed by using training vectors and test vectors that ate Fisher's Iris data, and classification performance of the proposed learning method is compared with ones of the conventional LVQ, and it was a confirmation that the proposed learning method is more successful classification than the conventional classification.

• Journal of the Korean earth science society
• /
• v.42 no.5
• /
• pp.504-513
• /
• 2021

Different physical processes, according to the atmospheric boundary layer types, were used in the Local Data Assimilation and Prediction System (LDAPS) of the Unified Model (UM) used by the Korea Meteorological Administration (KMA). Therefore, it is important to verify the atmospheric boundary layer types in the numerical model to improve the accuracy of the models performance. In this study, the atmospheric boundary layer types were verified using observational data. To classify the atmospheric boundary layer types, summer intensive observation data from radiosonde, flux observation instruments, Doppler wind Light Detection and Ranging(LIDAR) and ceilometer were used. A total number of 201 observation data points were analyzed over the course 61 days from June 18 to August 17, 2019. The most frequent types of differences between LDAPS and observed data were type 1 in LDAPS and type 2 in observed(each 53 times). And type 3 difference was observed in LDAPS and type 5 and 6 were observed 24 and 15 times, respectively. It was because of the simulation performance of the Cloud Physics such as that associated with the simulation of decoupled stratocumulus and cumulus cloud. Therefore, to improve the numerical model, cloud physics aspects should be considered in the atmospheric boundary layer type classification.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• 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.

• Journal of Korean Society for Geospatial Information Science
• /
• v.4 no.2 s.8
• /
• pp.137-147
• /
• 1996

In this paper, the performances between maximum likelihood classifier based on statistical classification and multilayer perceptrons based on neural network approaches were compared and evaluated Experimental results from both neural network method and statistical method are presented. In addition, the nature of two different approches are analyzed based on the experiments.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.09b
• /
• 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.