• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.555-558
• /
• 2001

본 논문에서는 인간 행동의 성별 인식문제를 해결하기 위해 여러 개의 전문가(expert) 신경망의 앙상블로 이루어진 결합 신경망 분류기를 제안한다. 하나는 여러 개의 modular 다층퍼셉트론을 계층형으로 결합한 모텔이고, 다른 하나는 modular 다층퍼셉트론들의 출력값을 의사결정트리로 결합하는 모델이다. 데이터 베이스는 남녀 각 13 명의 데이터로 이루어져 있고, 문 두드리기, 손 흔들기, 물건 들어올리기의 세 가지 동작을, 보통 상태 혹은 화난 상태하에서 10 회씩 반복 수행하여 저장하였다. 행위자의 움직임은 몸에 부착된 6 개의 적외선 센서를 사용하여 기록 되었으며, 2 차원 혹은 3 차원 속도 및 좌표가 그 특징값으로 사용되었다. 앙상블 분류기의 성능을 비교하기 위하여 단일 다층퍼셉트론, 의사결정트리, 자기구성지도 및 support vector machine 을 사용한 실험 결과를 보였다. 실험 결과, 신경망 앙상블 모델이 다른 전통적인 분류기 및 사람에 비하여 훨씬 우수한 성능을 보였음을 알 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.324-326
• /
• 1998

본 논문에서는 인공생명의 연구와 더불어 최근 행해지고 있는 진화의 발생에 기반을 둔 신경망의 설계방법에 대하여 알아보고, 이렇게 생성된 신경망의 특징 및 앞으로의 발전 가능성을 알아본다. 또한 기초적인 연구결과로서 셀룰라 오토마타와 진화연산을 결합한 신경망의 설계방법을 제안한다. 제안한 방법은 셀룰라 오토마타를 이용해 세포의 발생과정을 모델링 하였고 진화를 통하여 원하는 구조의 신경망을 얻어낸다. 신경망을 발생모델로 설계함으로 생기는 이점은 신경망의 크기가 커지더라도 복잡성이 증가하지 않는다는 것이다. 따라서 궁극적으로 인공 뇌와 같이 고도로 복잡한 시스템의 개발을 가능하게 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.267-273
• /
• 1998

셀룰라 오토마타 신경망은 저자에 의하여 개발된 신경망으로써 주변의 셀과 국소적인 연결을 가지며 셀룰라 오토마타의 발생규칙에 따라 생성되는 신경망이다. 셀룰라 오토마타 신경망을 간단히 줄여서 ECANS라고 한다. 본 신경망은 카오스 뉴런 모델을 사용하며 뉴런사이의 연결강도는 흥분성 또는 억제성 결합을 갖는다. 신호의 전달방식은 펄스의 형태로서 뉴런이 발화하면 '1' 발화하지 않으면 '0'이 된다. 본 논문에서는 셀룰라 오토마타를 구성하는 요소별 특징을 살펴보고 주어진 문제에 적합한 셀룰라 오토마타 신경망을 얻어내기 위한 진화방법으로서 DNA 코딩방법을 제안한다. 제안한 방법의 유효성을 시뮬레이션을 통하여 검증한다.

• Proceedings of the Korean Institute of Surface Engineering Conference
• /
• 2011.05a
• /
• pp.89-90
• /
• 2011

플라즈마 공정 중에 발생하는 플라즈마 누설은 챔버 압력의 변화를 초래하여 증착 또는 식각 중인 박막패턴을 손상시킨다. 따라서 플라즈마 누설을 실시간으로 탐지하는 것이 요구되며, 본 연구에서는 광방사분광기 (Optical emisison spectroscopy), 신경망, 그리고 제어차트를 결합한 플라즈마 누설의 인-시츄 탐지기술을 보고한다. 비교평가 결과 소수의 라디칼 정보를 감시하는 것보다 신경망 모델로부터의 예측정보를 이용할 때 보다 증진된 누설탐지 성능을 확인하였다.

• The Journal of the Acoustical Society of Korea
• /
• v.36 no.4
• /
• pp.261-266
• /
• 2017

In this paper, we propose a vocal and nonvocal separation method which uses a combination of kernel model and LSTM (Long-Short Term Memory) networks. Conventional vocal and nonvocal separation methods estimate the vocal component even in sections where only non-vocal components exist. This causes a problem of the source estimation error. Therefore we combine the existing kernel based separation method with the vocal/nonvocal classification based on LSTM networks in order to overcome the limitation of the existing separation methods. We propose a parallel combined separation algorithm and series combined separation algorithm as combination structures. The experimental results verify that the proposed method achieves better separation performance than the conventional approaches.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.359-361
• /
• 2003

정확한 암의 분류는 암의 진단 및 치료에 있어 매우 중요하지만, 암을 진단하기 위한 기존의 여러 방법들은 종종 불완전한 결과를 도출한다. 최근의 마이크로어레이 기술에 기반한 분자 수준의 진단은 정확하고 객관적이며 체계적인 암의 분류를 위한 방법론을 제시해준다. 유전자 발현 데이터는 일반적으로 수천개 이상의 유전자를 포함하는데, 유전자 발현 데이터의 모든 유전자가 암과 관련이 있는 것이 아니므로 정확한 암을 분류하기 위하여 중요한 유전자만을 추출하는 것이 바람직하다. 본 논문에서 음의 상관관계를 갖는 두 개의 이상적인 유전자 벡터를 정의한 후 이와 유사한 정도를 기준으로 중요한 유전자 집단을 추출하고, 각각을 신경망으로 학습하여 결합하는 신경망 쌍을 제안한다. 실험 결과는 음의 상관관계를 갖는 두 개의 유전자 집단이 암의 클래스를 잘 구분할 수 있음을 보여주었다. 이 유전자 집단을 특징으로 하여 각각 학습한 신경망을 베이시안 방법으로 결합한 결과, 벤치마크 데이터에 대하여 신경망 쌍이 개별 분류기에 비해 우수한 성능을 보임을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.265-267
• /
• 2002

본 논문에서는 적응적 정규화 자연기울기 학습법과 자연 프루닝(pruning) 방법의 결합을 통하여 일반화 성능이 우수만 신경망을 구성하고자 한다. 먼저 적응적 정규화 자연기울기 학습을 통하여 신경망의 가중치를 최적화 시키고, 자연 프루닝에 의하여 신경망의 구조를 단순화 시킨다. 이러한 모델들 중 최적의 모델은 베이시안 정보 기준에 의해 선택함으로써 일반화 성능이 우수만 신경망을 구성하는 방법을 제안한다 벤치마크 (benchmark) 데이터로 제안하는 방법과 유클리디안(Euclidean) 거리에 기반한 결합 방법과 자연 프루닝만을 적용한 방법을 비교함으로써 우수성을 검증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.493-496
• /
• 2004

본 연구에서는 신경망 학습의 중요한 평가 척도로써 고려될 수 있는 일반화 성능과 학습속도를 개선시키기 위한 방안으로써 초기 가중값과 학습률과 같은 주요 인자들을 이용한 신경망 학습 영향을 살펴본다. 특히 초기 가중값과 학습률을 고정시킨 후 새롭게 조정된 계수들을 점차적으로 변화시키는 새로운 인자 결합방법을 이용하여 신경망 학습량과 학습속도를 비교해 보고 계수조정을 통한 개선된 학습 영향을 살펴본다. 그리고 단순한 예제를 이용한 실증분석을 통하여 신경망 모형의 일반화 성능과 학습 속도 개선을 위한 각 인자들의 개별 효과와 결합 효과를 살펴보고 그 개선 방안을 제시한다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.37 no.5
• /
• pp.46-55
• /
• 2000

This paper presents a direct adaptive control of robot system using chaotic neural networks and PD controller. The chaotic neural networks have robust nonlinear dynamic characteristics because of the sufficient nonlinearity in neuron itself, and the additional self-feedback and inter-connecting weights between neurons in same layer. Since the structure and the learning method are not appropriate for applying in control system, this neural networks have not been applied. In this paper, a modified chaotic neural networks is presented for dynamic control system. To evaluate the performance of the proposed neural networks, these networks are applied to the trajectory control of the three-axis PUMA robot. The structure of controller consists of PD controller and chaotic neural networks in parallel for conforming the stability in initial learning phase. Therefore, the chaotic neural network controller acts as a compensating controller of PD controller.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.301-303
• /
• 2004

microRNA(miRNA)는 -22 nucleotide(nt)의 단일가닥 (single-stranded) RNA 분자로서 mRNA의 3'-untranslated region (3' UTR)에 상보적으로 결합하여 유전자 발현을 제어하는 새로운 조절물질이다. 지금까지 실험을 통해 1184개의 miRNA가 알려져 있으나, miRNA에 의해 조절되는 target유전자는 실험상의 어려움으로 아직까지 거의 알려지지 않았다. miRNA는 서열의 길이가 짧고 target과 느슨한 상보적 결합을 하기 때문에 기존의 서열 비교 방법으로 miRNA의 target을 찾는 것은 쉬운 일이 아니다. 본 논문은 신경망을 이용하여 mRNA의 3' UTR에서 miRNA가 결합하는 영역을 예측하였다. 신경망은 비선형의 데이터를 학습할 수 있어 miRNA target예측에 적합하다. miRNA와 mRhA의 결합 영역을 다양하게 분석하였고 기존 예측방법에 의한 결과와 비교하여 성능을 평가하였다.