• 한국지능시스템학회논문지
• /
• 제5권3호
• /
• pp.83-91
• /
• 1995

본 연구에서는 종래에 학습법으로 널리 이용되고 있는 역전파학습법의 문제점으로 지적되어 온 학습에 많은 시간이 걸리는 점과 국소적 최적해에 해가 수렴하여 오차가 충분히 작게 되지 않는 등의 문제점을 해결하기 위해, Hu에 의해 고안된 random tabu 탐색법을 이용하여 신경회로망의 연결강도를 최적화하는 학습알고리즘을 새로이 제안하였다. 그리고 이 방법을 배타적 논리합 문제에 적용하여 기존의 역전파학습법과 학습상수 $, $에 tabu탐색법을 이용한 결과와 비교 검토하여 본 방법이 국소적 최적해에 수렴하지 않고 수렴정도를 개선할 수 있음을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 추계학술대회 논문집 전기물성,응용부문
• /
• pp.18-20
• /
• 2005

일반적으로 저압계통의 고장전류를 차단하기 위해 설치된 차단기의 차단원리는 주로 역전압발생법올 이용하고 있다. 역전압발생법은 효과적으로 저압계통의 고장전류를 차단할 수 있으나, 제한된 한류성능과 긴 아킹 시간은 차단기는 물론 주변 전력기기에 전기적/열적/기계적 스트레스를 주게 된다. 국내외 업체는 고장전류를 보다 빠르고 효과적으로 제한 및 차단을 할 수 있는 한류형 차단기를 제안하고 있는 실정이다. 저압계통의 경우, 정온도계수 (Positive Temperature Coefficient, PTC) 특성을 가지는 한류소자를 기존 차단기에 직렬 혹은 병렬로 연결하여 저압계통의 고장전류를 매우 빠르고 효과적으로 제한 및 차단하는 추세에 있으며, 또한 PTC 한류소자를 이용함으로써 저압계통의 차단보호협조를 효과적으로 구현하고자 하고 있다. PTC 한류소자는 소자는 열팽창이 큰 비전도성 성분과 열팽창이 작은 전도성 성분이 혼합되어 구성되며, 소자의 온도가 증가함에 따라 비전도성 성분이 상대적으로 큰 부피 팽창을 하여 저항이 증가하게 된다. 이러한 PTC 소자를 전력계통에 적용함으로써 고장전류에 따른 줄열에 의한 저항증가로 고장전류를 제한하게 된다. 본 연구에서는 일반적으로 배터리 보호용으로 사용되는 폴리에틸렌 수지 및 카본블랙으로 구성된 폴리머 PTC 한류소자를 이용하여, 기존의 저전력 배터리 보호 폴리머 PTC 소자로부터, 저압계통의 단락사고시 발생하는 단락전류를 효과적으로 제한할 수 있는 대전력 폴리머 PTC 소자를 개발하였다.

• 멤브레인
• /
• 제27권5호
• /
• pp.434-440
• /
• 2017

본 연구에서는 역전기투석 공정에서 발생 가능한 막오염 현상을 in-situ로 측정하기 위하여 임피던스 스펙트로스코피 방법을 도입하여 실제 발생한 막오염 현상 측정 방법을 제시하였다. 얻어진 임피던스 데이터를 활용하여 Nyquist 도시법과 어드미턴스 도시법으로 스펙트럼을 도시하였으며 두 도시법 모두 유의미한 막오염 현상을 감지할 수 있었다. 또한 초기 막오염 현상에서 음이온 교환막 표면에 막오염물의 불안정한 축적 현상 및 역전기투석 공정의 운전 시간에 따른 막오염층의 구조적 변화를 감지할 수 있었다.

• 한국통신학회논문지
• /
• 제34권11B호
• /
• pp.1225-1233
• /
• 2009

기업이나 대학 등 대규모 기관들은 고속 네트워크를 구축하여 운영하고 있다. 이와 같은 고속 엔터프라이즈 네트워크 내에서 네트워크 이용률(utilization)이 저조함에도 불구하고 종단간 성능은 네트워크 속도에 비하여 상당히 저조하다. 이러한 원인은 특정 장비에서 아주 작은 시간에 트래픽이 폭주하는 미세폭주(micro-congestion)가 발생하기 때문이다. 미세폭주는 패킷손실(Packet Loss)나 지연(Delay), 패킷역전(Packet Reordering)을 발생시키고 이것이 성능 저하의 원인이 된다. 본 논문에서는 미세폭주를 발생하는 시점을 검출하는 방법과 미세폭주를 검출한 시점에 트래픽을 수집하여 패킷손실, 지연, 패킷역전과 트래픽의 특성과의 상관관계 분석하여 성능저하를 발생시키는 미세폭주의 특성을 규명한다.

• 융합신호처리학회논문지
• /
• 제3권1호
• /
• pp.74-79
• /
• 2002

많은 제어기법들이 이산시간영역제어계에서 제어성능을 개선하기 위해서 제안되고 있다. 이 제어기법들을 이용한 제어계에서 계의 응답특성은 제어기의 이득에 관계한다. 특히 외란이나 부하변동에 의해서 계의 응답이 변할 때 제어기의 이득을 재조정할 필요가 있다. 본 논문에서는 다층 신경망으로 I-PD제어기와 전치보상기를 설계하였다. I-PD제어기와 전치보상기의 이득이 자동적으로 역전파 알고리즘에 의해서 조정되도록 하였다. 제어계의 응답이 어떤 조건에 의해서 변할 때 I-PD제어기와 전치보상기의 이득들이 역전파 알고리즘에 의해서 자동적으로 조정되게 하였다. 이 I-PD제어기법을 직류 서보 전동기를 구동원으로 하는 위치제어계에 적용하여 제어기의 제어성능을 실험 결과로 타당성을 확인하였다.

• 정보보호학회논문지
• /
• 제15권2호
• /
• pp.13-22
• /
• 2005

본 논문에서는 시스템 호출을 이용하여 이상 침입 탐지 시스템의 성능을 향상시키기 위해, 특징 선택과 가변 길이 데이터를 고정 길이 학습 패턴으로 변환 생성하는 문제를 해결하기 위한 사운덱스 알고리즘을 적용한 신경망 학습을 통하여 이상 침입 탐지의 연구를 하고자 한다. 즉, 가변 길이의 순차적인 시스템 호출 데이터를 사운덱스 알고리즘에 의한 고정 길이의 행위 패턴을 생성하여 역전파 알고리즘과 퍼지 멤버쉽 함수에 의해 신경망 학습을 수행하였다. 역전파 신경망과 뉴로-퍼지 기법을 UNM의 Sendmail Data Set을 이용하여 시스템 호출의 이상침입 탐지에 적용하여 시간과 공간 복잡도 그리고 MDL 측면에서 성능을 검증하였다.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1749-1758
• /
• 1997

전력수요의 예측은 예측기간에 따라 중장기 전력수요 예측과 단기 부하 예측으로 구분할 수 있다. 기존의 단기 부하예측은 주로 역전파 알고리즘(back propagation algorithm)다층퍼셉트론을 이용하여 예측을 하였으나 이는 학습시간이 많이 걸릴 뿐만 아니라 학습도중에 지역최소점(local minima)에 빠져 학습이 계속되지 못한다는 문제가 있다. 본 논문은 이러한 역전파 알고리즘의 문제점을 해결할 수 있는 방법으로 Radial Basis 함수(Radial Basis Function)를 이용하여 동적 단기부하 예측 모형을 제안한다. Radial Basis 함수는 하나의 은닉층(hidden layer)을 갖고 있으며, 전방향(feed-forward)학습을 한다는 특징이 있다. 본 논문에서 제안한 단기 부하 예측모형은 학습을 하기 위하여 시간대별 부하량을 클러스터링 하고, 이 클러스터의 중심값을 Radial Basis 함수의 은닉층으로 하여 학습을 한 다음 예측하고자 하는 패턴을 한 단위로 하여 시단대별로 예측하였다. 기존의 연구에서의 클러스터링 방법으로는 통계학의 K-Means 방법이나 Kohonen의 LVQ(Learning Vector Quantization)을 주로 이용하였으나 본 논문에서는 패턴의 분류에 있어서 다른 알고리즘보다 편차가 작은 Pal, et. al.의 GLVQ(Generalized LVQ) 알고리즘을 이용하였다. 본 논문에서 이용한 데이타는 1995년 3월 1일-3일, 6월 1일-3일, 7월 1일-3일, 9월 1일-3일, 11월 1일-3일의 72시간 데이타를 입력하여 월별 4일의 24시간의 예측시간으로 예측하였다. 실험결과 월별 1일과 3일까지의 학습데이타로 1시간 후의 부하량을 24시간동안 예측한 결과 1.3795%의 평균 오차율로 예측하였다.

• 한국통신학회논문지
• /
• 제18권2호
• /
• pp.157-168
• /
• 1993

본 논문에서는 역전파 알고리듬으로 학습된 신경회로망과 사전을 이용하여 필기체 영문자 인식을 수행하였다. 스캐너를 이용하여 입력된 영상화일로부터 불필요한 데이터 부분을 제거하고 문자의 다양성을 최소화하기 위해서 여러가지 전처리과정, 즉 문자분리, 중심변환, 잡음제거, 배율조정과 세선화과정을 거쳤다. 다음으로 세선화된 문체 패턴으로부터 문자의 특징이 추출되고, 신경회로망에 시험데이터에 대한 특징들을 학습시켰다. 그리고 테스트할 영문자에 대해서도 특징들을 추출하여 이미 학습된 신경회로망에 의해 분류하였다. 마지막으로 학습시간을 줄이고 인식율을 향상시키기 위한 방법과 학습시간과 은닉층의 노드수에 대해 고찰하였다. 실험 결과로서 이와 같은 시스템으로 필기체 영문제에 대하여 학습후에 약 93%의 높은 인식율을 얻을 수 있었을 사전을 이용했을 경우 인식율이 약 97%였다.

• 한국정보처리학회논문지
• /
• 제2권5호
• /
• pp.619-625
• /
• 1995

본 연구에서는 역전파(backpropagationlk)학습 알고리즘에 대체될 수 있는 전방향 학습 알고리즘에 준하는 혼합 인식모형을 구성한다. 본 알고리즘은 Nikhil R. Pal (1993)이 제안한 GLVQ(Generalized Learning Vector Quantization)를 이용하여 패턴을 클러스터링 한 다음 비유사성(dissimilarity)을 가진 패턴끼리 재구성(regrouping) 하여 단순 퍼셉트론(simple perceptron)을 이용하여 group별 학습을 한다. 일반적으로 역전파학습인 학습시간이 많이 소요된다는 단점이 있다［1］. 본 알고리즘의 특징으로 는 feed-forward학습이기 때문에 학습시간이 단축될 뿐만 아니라 전체 패턴을 그룹별 로 나누어 학습을 하기 때문에 인식률도 향상 시킬 수 있다. 본 알고리즘에 적용한 데 이타는 250개의 ASCII코드를 16$\times$8격자에 정규화시킨 비트 패턴(bit pattern)을 이용 하였다. 실험결과 250개의 패턴을 10개의 클러스터로 나누어 학습을 시켰을 때 각 클 러스터별 평균반복횟수 94.7회만에 250개의 ASCII코드를 100% 인식할 수 있었다.

• 수산해양기술연구
• /
• 제31권2호
• /
• pp.190-198
• /
• 1995

전원을 단락시킴이 없는 SCR이중 브리지 트리거 방식을 고안하여, 정역전이 가능한 SCR 서보증폭기로 구성하여 본 결과 다음과 같은 결론을 내릴 수 있었다. I. 출력전압의 부호를 변경시킬 때 현재의 전언부호가 반전될 때까지 도통 상태를 유지시키다가, 전원부호가 반전된 이후 적절한 SCR을 도통 시킴으로서 크리거 실패가 없게 되어, 전원을 단락시키지 않게 되고 SCR의 소손을 막을 수 있었다. II. -에서 약 30Hz 부근까지는 60Hz의 전원으로서 원하는 출력을 표현할 수 있었는데, 이는 대형 직류 전동기의 동특성을 충분히 확보할 수 있는 값이다. III. 유도성 부하의 경우라도 이미 도통된 SCR을 통하여 유동성부하L에 저장될 수 있는 에너지의 총량은 전원의 반주기 시간과 전원이 파고치값 한계내이므로, 다음 반주기동안 부호만 반전된 전원 전압과 동일한 반주기의 시간이 존재하므로, 에너지 보존의 법칙에 의해 반드시 다음 반주기 안에 현재도통된 SCR은 소호되게 되므로 트리거실패는 존재하지 않는다.