• Journal of the Korea Society of Computer and Information
• /
• v.19 no.9
• /
• pp.33-38
• /
• 2014

The FCM based hybrid RBF network is a heterogeneous learning network model that applies FCM algorithm between input and middle layer and applies Max_Min algorithm between middle layer and output. The Max-Min neural network uses winner nodes of the middle layer as input but shows inefficient learning in performance when the input vector consists of too many patterns. To overcome this problem, we propose a dynamic learning rate control based on fuzzy logic. The proposed method first classifies accurate/inaccurate class with respect to the difference between target value and output value with threshold and then fuzzy membership function and fuzzy decision logic is designed to control the learning rate dynamically. We apply this proposed RBF network to the character recognition problem and the efficacy of the proposed method is verified in the experiment.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• 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.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.22 no.2
• /
• pp.651-658
• /
• 2021

Because bolts with anti-loosening coatings are used mainly for joining safety-related components in automobiles, accurate automatic screening of these coatings is essential to detect defects efficiently. The performance of the convolutional neural network (CNN) used in a previous study [Identification of bolt coating defects using CNN and Grad-CAM] increased with increasing number of data for the analysis of image patterns and characteristics. On the other hand, obtaining the necessary amount of data for coated bolts is difficult, making training time-consuming. In this paper, resorting to the same VGG16 model as in a previous study, transfer learning was applied to decrease the training time and achieve the same or better accuracy with fewer data. The classifier was trained, considering the number of training data for this study and its similarity with ImageNet data. In conjunction with the fully connected layer, the highest accuracy was achieved (95%). To enhance the performance further, the last convolution layer and the classifier were fine-tuned, which resulted in a 2% increase in accuracy (97%). This shows that the learning time can be reduced by transfer learning and fine-tuning while maintaining a high screening accuracy.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.06e
• /
• 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].

• Journal of the Korean Society of Combustion
• /
• v.17 no.1
• /
• 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.

• 한국신재생에너지학회:학술대회논문집
• /
• 2007.11a
• /
• 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.

• Proceedings of the Korea Society for Energy Engineering kosee Conference
• /
• 1994.05a
• /
• 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.

• Journal of Energy Engineering
• /
• v.4 no.1
• /
• 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.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.12 no.9
• /
• pp.1682-1688
• /
• 2008

The Counterpropagation algorithm(CP) is a combination of Kohonen competition network as a hidden layer and the outstar structure of Grossberg as an output layer. CP has been used in many real applications for pattern matching, classification, data compression and statistical analysis since its learning speed is faster than other network models. However, due to the Kohonen layer's winner-takes-all strategy, it often causes instable learning and/or incorrect pattern classification when patterns are relatively diverse. Also, it is often criticized by the sensitivity of performance on the learning rate. In this paper, we propose an enhanced CP that has multiple Kohonen layers and dynamic controlling facility of learning rate using the frequency of winner neurons and the difference between input vector and the representative of winner neurons for stable learning and momentum learning for controlling weights of output links. A real world application experiment - pattern recognition from passport information - is designed for the performance evaluation of this enhanced CP and it shows that our proposed algorithm improves the conventional CP in learning and recognition performance.

• Proceedings of the Korea Society for Energy Engineering kosee Conference
• /
• 2003.11a
• /
• pp.13-16
• /
• 2003