• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.118-121
• /
• 2000

본 논문에서는 FNNs(feedforwad neural networks)구현을 위한 새로운 학습 방안을 제안하였다. 제안된 방식은 온 칩 학습이 가능하도록 FNNs와 학습회로 사이에 스위칭 회로를 추가하여 단일패턴과 다중패턴 학습이 가능하도록 구현하였다. 학습 회로는 MEBP(modified error back-propagation) 학습 규칙을 적용하였고 간단한 비선형 시냅스 회로를 이용하여 구현하였다. 제안된 방식은 표준 CMOS 공정으로 구현되었고, MOSIS AMI $1.5\mu\textrm{m}$공정 HSPICE 파라메터를 이용하여 그 동작을 검증하였다. 제안된 학습방안 및 비선형 회로는 향후 학습 기능을 가진 대규모의 FNNs 구현에 매우 적합하리라 예상된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.2061-2065
• /
• 2008

본 연구는 강우-유출 및 TOC의 패턴 분류를 위하여 광주 광산 강우관측소의 강우량자료와 나주지점의 유출량 그리고 기존의 BOD 및 COD 수질농도 측정값에 비하여 적은 오차요인과 빠른 시간에 결과 값을 얻을 수 있으며 유출량과 난분해성 물질에 대한 해석이 가능하고 재현성이 탁월한 TOC자료를 사용하였다. SOM을 적용하기 위해 먼저 Map의 크기는 Garcia가 제시한 $M=5{\sqrt{N}}$을 이용하여 결정한다. 이러한 비선형적인 다변량 자료를 분석하기 위해서 Map에 의해 구분된 자료 위치를 추출하여 원자료를 재구축하고 이를 통해 원자료를 패턴별로 분류 할 수 있었다. 이러한 패턴별 분류를 통해 유출량에 따른 TOC자료를 2차원의 Map 상에 시각적으로 가시화하여 비선형적인 경향이 강한자료의 분포적 양상을 이해하는데 큰 도움이 되며, 향후 이를 통해 예측을 위한 모형화 과정에도 크게 도움을 줄 것으로 기대된다. 또한, 강우자료 또는 유출량 자료만을 이용한 단일변량의 패턴분류를 위해 SOM의 적용이 가능할 것으로 판단되며, 이는 각 변량의 본질적인 특성을 파악할 수 있을 것으로 기대된다.

• 한국지능시스템학회논문지
• /
• 제9권4호
• /
• pp.396-403
• /
• 1999

본 논문에서는 새로운 블록기반 신경망을 제안하고 블록기반 신경망의 패턴류 성능을 확인하였다. 블록기반 신경망은 4개의 가변 입출력을 가지는 블록을 기본 구성요소로하고 있으며 블록들의 2차원배열 형태로 이루어진다. 블록기반 신경망은 재구성가능 하드웨어에 의하여 구현이 용이하고 구조 및 가중치의 최적화에 진화 알고리즘을 적용시킬수 있는 새로운 신경망 모델이다. 블록 기반 신경망의 구조와 가중치를 재고성 가능 하드웨어(FPGA)의 비트열에 대응시키고 유전자 알고리즘에 의하여 전역최적화를 하여 구조와 가중치를 최적화한다. 유전 알고리즘에 의하여 설계된 블록기반 신경망을 비선형 결정평면을 가지는 여러 학습패턴에 적용하여 패턴분류 성능을 확인하였다.

• 한국정보통신학회논문지
• /
• 제7권4호
• /
• pp.839-844
• /
• 2003

본 연구에서는 염색체의 영상패턴을 인식하고 분류하는 방법을 개선하기 위해 패턴인식의 특징정보로 사용되는 비선형적인 염색체 영상을 선형적으로 재구성하는 영상 재구성 알고리즘을 사용하여 선형화된 특징정보를 추출하여 패턴분류기인 신경회로망의 입력정보로 사용한다. 중앙축 변환방법과, 영상 재구성방법을 사용하여 임상적으로 정상인으로 판명된 20명의 염색체 영상의 특징정보를 추출하였다. 중앙축 변환방법에 의하여 추출된 특징정보의 패턴조합과 영상 재구성방법에 의하여 추출된 특징정보의 패턴조합을 구성하였으며, 10명에 대하여 추출한 특징정보를 계층적인 신경회로망(Hierarchical Multilayer Neural Network : HMNN)의 학습입력으로 사용하여 염색체를 분류하기 위한 패턴인식기를 구현하였다. 그리고 나머지 10명에 대하여 학습입력과 동일하게 조합된 패턴조합을 HMNN의 분류입력으로 사용하여 수행한 결과 약 98.26%의 우수한 인식률을 나타내는 최적화된 패턴인식기를 구현할 수 있었다.

• 전자공학회논문지SC
• /
• 제42권2호
• /
• pp.39-48
• /
• 2005

본 논문에서는 다기능 근전의수를 제어하기 위해 전완에서 취득한 4 채널의 근전도로부터 9 가지 동작을 인식하는 새로운 방법을 제안한다. 비정상 신호특성을 가진 근전도를 해석하기 위해서 시간-주파수 영역에서 표현되는 특징벡터를 웨이블렛 패킷변환을 통해 추출한다. 높은 차원을 가지는 시간-주파수 특징벡터에 대하여 차원축소와 비선형변환을 수행하기 위해 PCA와 SOFM으로 구성된 특징투영 방법을 제안한다. PCA를 이용한 차원축소는 패턴분류기의 구조를 단순화하고 패턴인식을 위한 계산시간을 단축할 수 있다. SOFM을 이용한 비선형변환은 PCA에 의해 차원이 축소된 특징벡터를 새로운 공간으로 투영함으로써 클래스 분리도를 향상시킨다. 마지막으로 각 동작은 패턴분류기인 다층 신경회로망에 의해 인식된다. 실험 결과로부터 제안한 방법이 높은 인식률을 보임과 동시에 연속적인 패턴인식을 위한 실시간 구현이 가능함을 보인다.

• 한국경제지리학회지
• /
• 제25권1호
• /
• pp.183-201
• /
• 2022

주택가격을 정확히 추정하기 위한 많은 연구가 진행되어 왔다. 선행연구들은 주택의 고유 특성과 인근 지역 특성을 통제하는 계량경제모형을 활용한 분석이 많았다. 본 연구에서는 인공신경망 모형(ANN)을 활용하여 주택가격을 추정하였다. 딥러닝 기술의 장점은 변수 간의 복잡하고 비선형적인 특성을 모델링하고 데이터의 패턴을 인식할 수 있다는 것이다. 본 연구에서는 부동산 시장에서 공간적 분포도 패턴으로 인식할 수 있다는 가정하에 지리좌표를 설명변수로 ANN에 투입하였다. 선형회귀분석과 ANN 모형 간 비교 결과, 선형 모형 대비 ANN 모형의 설명력이 높았으며, 특히 ANN 모형은 지리좌표를 투입하였을 때 더 높은 정확도를 보여주었다. 또한 ANN 모형의 경우 지리좌표를 통해 모형 잔차의 공간적 자기 상관성이 크게 감소하였다는 점을 확인하였다. 이를 통해 ANN 모형의 패턴인식 능력을 활용하면 공간적 패턴을 학습시킴으로써 주택가격을 정확히 추정할 수 있음을 밝혔다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 춘계학술대회 및 임시총회
• /
• pp.231-234
• /
• 2002

셀룰라 신경회로망의 연상 메모리를 이용하여 시각적인 입력 데이터의 연산을 통하여 영상 패턴의 분류와 인식을 수행한다. 셀룰라 신경회로망은 일반적인 신경회로망과 같이 비선형 데이터의 실시간 처리가 가능하고, 세 포자동자와 같이 격자구조의 셀로 이루어져 인접한 셀과 직접 정보를 주고받는다. 응용 분야로는 최적화, 선형/비선형화, 연상 메모리, 패턴인식, 컴퓨터 비젼 등에 적용할 수 있다. 영상의 이미지 픽셀을 셀룰라 신경회로망의 셀에 대응하여 전체 이미지 영상을 모든 셀룰라 신경회로망의 셀에서 동시에 병렬로 처리할 수 있어 2-D 이미지 처리에 적합하다 본 논문은 셀룰라 신경회로망에 의한 연상 메모리 구조를 설계하고, 학습된 하중값 메모리에서 가장 적당한 하중값을 선택하여 학습된 영상과 정확히 일치하는 출력을 얻는 방법을 제시한다. 학습을 통한 연상 메모리 구현에는 각각의 뉴런에서 일정하지 않은 다른 템플릿을 사용한다. 각각의 템플릿은 뉴런들 간의 연결 하중값을 나타내고 학습011 따라 갱신된다. 학습방법으로는 템플릿 하중값 학습에 뉴런들 간의 연결 하중값을 조정하는 가장 단순한 규칙인 Hebb의 학습방법이 사용되었고 분류값 학습에 LMS 알고리즘이 사용되었다

• 정보학연구
• /
• 제7권2호
• /
• pp.43-54
• /
• 2004

홉필드 네트웍(Hopfield Network)은 존 홉필드(John J. Hopfield) 박사에 의해 제안된 이래 패턴인식과 최적화 문제에 활용되어 왔다. 특히 리(Jian-Hua Li)에 의해 제안된 방식은 SVD(singular value decomposition) 기법을 사용하여 입력패턴을 재구성함으로써 효율향상에 기여하였다. 본 논문은 리(Li)가 제안한 홉필드 네트웍에 사용할 패턴 집합의 선형 선처리 방식에 따른 성능 향상을 실험하였다. 선형 선처리 방식에 하다마드 방식과 랜덤 방식이 최대 30%, 하다마드 방식이 최대 15%의 성능이 향상되었다. 수렴시간 측면에서 보면 랜덤 방식이 최대 5 이터레이션, 하다마드 방식이 최대 2.5 이터레이션의 성능 향상을 확인하였다.

• 대한전자공학회논문지SD
• /
• 제45권1호
• /
• pp.20-27
• /
• 2008

본 논문에서는 비선형 패턴 분류를 위해 FPGA 칩에 신경회로망을 구현하였다. 병렬처리 연산을 위해 순방향 신경회로망이 구현 되었다. 신경망의 학습을 off-line으로 한 다음에 가중치 값들을 저장하여 사용한다. 예로서, AND와 XOR 논리의 패턴 구분이 수행된다. 실험결과를 통해 FPGA에 구현된 신경회로망이 잘 작동하는 것을 검증하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 추계학술대회
• /
• pp.208-209
• /
• 2019

본 논문에서는 ESS를 이용한 전력 계통의 Peak-Shaving 제어 알고리즘 수립에 대한 연구 결과를 제시한다. 과거의 요일별 전력수요 데이터를 이용하는 경우 ESS가 포함된 전력 시스템의 연결점(PCC)에서 전력 및 에너지 평형 방정식을 수립할 수 있고, ESS의 전력 및 에너지 용량에 따른 전기요금 최소화를 목적 함수로 한 선형 계획법 문제를 정식화할 수 있다. 선형 계획법 문제 해결을 통해 ESS가 추가되는 경우에 대한 경제성을 분석할 수 있고, 이로부터 ESS의 적합한 용량도 선정할 수 있다. 또한 부하 크기 및 시간대별 ESS 최적 전력 이용 패턴을 확인할 수 있기 때문에 실 운용 로직 설계를 위한 가이드로 결과를 활용할 수 있다. 본 논문에서는 제안된 방법을 설명하기 위한 일 예시로서, 시간대별 전력 부하 패턴의 기존 연구 결과로부터 도출한 부하 전력 곡선을 이용하여 선형 계획법을 이용한 Peak-Shaving 최적 제어 결과를 제시하고, 이를 기반으로 실시간 운전 가능한 규칙 기반 알고리즘을 설계하여 ESS의 적용에 따른 요금 절감 효과를 제시한다.