• 대한전자공학회논문지
• /
• 제27권10호
• /
• pp.68-77
• /
• 1990

본 논문에서는 CAD 시스템의 신경망을 이용한 자동 입력기 구축을 위한 논리 심볼 인식방법을 제시한다. 손으로 작성한 도면을 인식하기 위해 특징 추출과 log mapping, 그리고 패턴 인식의 다단계 과정을 거친다. 각 논리 심볼의 현태 정보를 추출하기 위해 억제 가중치를 학습할 수 있는 경쟁 학습법을 제안하고 회전과 크기의 변화를 병진된 결과로 나타내는 log mapping을 하고 형태가 변한 심볼을 인식할 수 있도록 겹쳐지는 수용야(Receptive field)를 준비하여 error back propagation을 이용한 다층망으로 심볼을 인식한다.

• 대한전자공학회논문지
• /
• 제26권10호
• /
• pp.1591-1597
• /
• 1989

Through the matematical alaysis of EX-NOR logic relation between the input vector and the memory matrix, we propose a new method for optical implementation of the bipolar Hopfield neural network model based on the optical vector-matrix multiplier.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 G
• /
• pp.2265-2267
• /
• 1998

This paper deals with study of Fast Speaker Adaptation Type Speech Recognition, and to analyze speech signal efficiently in time domain and time-frequency domain, utilizes SCONN[1] with Speech Signal Process suffices for Fast Speaker Adaptation Type Speech Recognition, and examined Speech Recognition to investigate adaptation of system, which has speech data input after speaker dependent recognition test.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1993년도 하계학술대회 논문집 A
• /
• pp.211-213
• /
• 1993

In this paper, we proposed a design method of self-learning fuzzy logic controller using fuzzy neural network. The parameters of membership function in premise are modified by descent method and also consequent parameters by learning mechanism of animal conditioning theory. The proposed method is applied to pole balancing system in order to confirm the feasibility.

• 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.

• 한국지능시스템학회논문지
• /
• 제14권4호
• /
• pp.390-395
• /
• 2004

반도체 공정은 많은 단위 공정으로 이루어진 복잡하고 동적인 공정이다. 그 중 에칭공정은 반도체 생산에서 중요한 공정중 하나이다. 본 논문에서는 데이터 마이닝과 지식 획득을 통한 의사지원시스템으로 생산성과 수율을 높일 수 있는 시스템을 구성하고자 하였다. 제안된 방법은 퍼지 논리와 신경망으로 구성되는데, 신경망으로 에칭공정의 품질을 나타내는 품질에 대한 결과를 예측하고, 예측된 결과를 퍼지 추론 시스템으로 분류하는 과정으로 수행된다. 퍼지 논리에 사용된 규칙은 전문가의 지식에 기반 하여 도출되거나 데이터로부터 도출된다. 본 시스템을 통해 공정의 최적 조건을 찾아 효율을 높이는 것이 본 연구의 주요 목표이다.

• 한국멀티미디어학회논문지
• /
• 제2권4호
• /
• pp.490-495
• /
• 1999

본 논문에서는 인공 신경망과 퍼지 논리의 장점을 뉴런 구조에 적용하여 학습 속도가 마르며 수렴률을 향상시키는 방법을 제안한다. 인공신경망의 벤치 마크로 사용되는 XOR문제 n 비트 parity문제와 현실적인 이미지 응용을 위해 자동차 번호 판에서 숫자 이미지에 적용시켜 보았다. 실험결과, 모든 자료 값과 목표 값에 대해서 항상 수렴을 보장하는 것은 아니다. 그렇지만, 학습 속도가 빠르며 수렴률의 향상을 보였다. 제안된 방법은 임의의 충으로 확장이 가능하다. 여기서는 단층의 경우만을 고려하여 빠른 속도와 방대한 이미지에 대해서 빠른 처리를 가능하게 한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 합동 추계학술대회 논문집 정보 및 제어부문
• /
• pp.431-434
• /
• 2001

단층 퍼셉트론이 처음 개발되었을 때, 간단한 패턴을 인식하는 학습 기능을 가지고 있기 장점 때문에 학자들의 관심을 끌었다. 단층 퍼셉트론은 한 개의 소자를 이용해서 이진 논리를 가중치(weight)의 변경만으로 모두 표현할 수 있는 장점 때문에 영상처리, 패턴인식, 장면인식 등에 이용되어 왔다. 최근에, 역전파학습(Back-Propagation Learning)알고리즘이 이진 공간내의 매핑 문제에 적용되고 있다. 그러나, 역전파 학습알고리즘은 연속공간 내에서 긴 학습시간과 비효율적인 수행의 문제를 가지고 있다. 일반적으로 역전파 학습 알고리즘은 간단한 이진 공간에서 매핑하기 위해서 많은 반복과정을 요구한다. 역전파 학습 알고리즘에서는 은닉층의 뉴런의 수는 주어진 문제를 해결하기 위해서 우선순위(prior)를 알지 못하기 때문에 입력층과 출력층내의 뉴런의 수에 의존한다. 따라서, 3층 신경회로망의 적용에 있어 가장 중요한 문제중의 하나는 은닉층내의 필요한 뉴런수를 결정하는 것이고, 회로망 합성과 가중치 결정에 대한 적절한 방법을 찾지 못해 실제로 그 사용 영역이 한정되어 있었다. 본 논문에서는 패턴 분류를 위한 새로운 학습방법을 제시한다. 훈련입력의 기하학적인 분석에 기반을 둔 이진 신경회로망내의 은닉층내의 뉴런의 수를 자동적으로 결정할 수 있는 NETLA(Newly Expand and Truncate Learning Algorithm)라 불리우는 기하학적 학습알고리즘을 제시하고, 시뮬레이션을 통하여, 제안한 알고리즘의 우수성을 증명한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.672-674
• /
• 2023

본 논문은 뉴로-심볼릭 구조를 바탕으로 일반 텍스트로부터 온톨로지 생성이 가능한 심층 신경망 기반 온톨로지 추출기를 제안한다. 온톨로지 추출 단계를 (i) 온톨로지 학습 및 (ii) 온톨로지 생성의 2 단계로 상정, (i) 일반 텍스트로부터 문장 구조 및 논리적 관계를 학습하는 트랜스포머 기반 심층 생성 신경망 출력을 이용하여 (ii) 계층적으로 결합한 심볼릭 추론기로 온톨로지를 생성하는 뉴로-심볼릭 구조 온톨로지 추출기를 구현하였다. 1800 개 훈련 집합으로 학습 후 200 개 테스트 집합으로 평가한 결과, 정확도 91.9%, Precision 100%, Recall 99.1%로 비교 모델 OpenIE 의 성능에 비해서 각각 83.8%, 1.8%, 3.5% 개선된 것을 확인하였다. 정성적 품질에 있어서, 복잡한 문장 (예: 관계대명사, 접속사, 중첩 구조)에서도 비교 모델에 비해 더 정밀한 온톨로지 생성 결과를 보였다.

• 전자공학회논문지S
• /
• 제36S권9호
• /
• pp.49-57
• /
• 1999

퍼지 집합 이론과 신경망 이론의 융합은 퍼지논리 시스템의 최적 규칙 베이스를 얻기 위해 신경망을 적용하는 방향으로 주된 연구가 진행되고 있다. 그러나 이러한 접근 방법은 신경망의 제한된 학습능력으로 인해 최적성의 한계는 여전히 극복되지 못하고 있는 실정이다. 따라서 본 논문에서는 이러한 어려움을 극복하기 위해 입출력 데이터로부터 최적의 규칙을 얻을 수 있는 Rough Set 이론과 뉴로-퍼지의 새로운 융합기법을 제안한 알고리즘을 생성된 규칙 베이스가 중첩되지 않기 때문에 기존의 FNN과 비교하여 더욱더 우수함을 냉장고의 온도추론 시스템에 적요하여 검증하였다.