• 한국지진공학회논문집
• /
• 제8권4호
• /
• pp.63-69
• /
• 2004

본 논문에서는 납삽입 적층 고무베어링의 비선형 모델링에 대해 신경망 이론을 적용한 수학적 모델링 기법을 제안하였다. 신경망 모델의 수치검증을 위해 납삽입 적층 고무베어링이 설치된 프레임 축소모델의 진동대 실험 자료가 사용되었는데, 제안된 신경망의 학습 및 예측을 위한 하중 자료로써 백색잡음과 세 종류의 지진파를 선택하였다. 지진파의 경우 PGA의 세기를 달리하여 신경망 모델의 계산정도를 고찰하였다. 그 결과, 납삽입 적층 고무베어링의 전단변위가 신경망의 학습 영역을 벗어나지 않는 경우 실험결과의 복잡한 이력곡선을 잘 추종하였고 신경망 이론에 의한 비선형 모델링 기법이 유용하게 활용될 수 있다는 가능성을 확인할 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.561-566
• /
• 2018

최근 신경망 번역 모델에 주의 집중 네트워크가 제안되어 기존의 기계 번역 모델인 규칙 기반 번역 모델, 통계적 번역 모델에 비해 높은 번역 성능을 보이고 있다. 그러나 주의 집중 네트워크가 잘못 모델링되는 경우 과소 번역 현상이 나타난다. 신경망 번역 모델에 커버리지 메커니즘을 추가하여 과소 번역 현상을 완화하는 연구가 진행되었으나 이는 모델의 구조를 변경해야하는 불편함이 있다. 본 논문에서는 신경망 번역 모델의 구조를 변경하지 않고 새로운 손실 함수를 정의하여 과소 번역 현상을 완화하는 방법을 제안한다. 한-영 번역 실험을 통해 제안한 주의 집중 네트워크의 정규화 방법이 커버리지 메커니즘의 목적을 효율적으로 달성함을 보인다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1855-1856
• /
• 2008

본 연구에서는 공정 중에 민감하게 반응하는 플라즈마로부터 수집되는 이온에너지 분포(IED : Ion Energy Distribution)와 시계열 신경망 모델링을 결합한 플라즈마 감시 기술을 개발하였다. NIEA(Non-invasive ion analyzer)를 이용하여 IED를 측정하였으며, 모델링에 사용된 신경망은 자기 상관 시계열 신경망(A-NTS : Auto-Correlated Neural Time-Series)이다. 모델 개발을 위한 학습과 테스트 데이터로는 Duty ratio 100%에서 수집한 IED를 이용하였으며, 개발된 모델의 감시 성능은 60%에서 수집된 IED로 평가하였다. 학습인자 k와 m의 범위는 각각 1-3 으로 총 9종류의 (k, m) 조합에 대해서 모델 성능을 평가하였다. 신경망 은닉층 뉴런수는 2-9의 범위에서 최적화하였다. 최적화된 모델은 (2, 3)과 뉴런수 2에서 구해졌으며, 0.335의 예측 에러를 보였다. 60% IED 데이터로 평가한 결과 플라즈마 고장에의 민감도는 62% 이상이었다. 이는 IED의 A-NTS 모델이 플라즈마 고장의 감시에 효과적으로 적용될 수 있음을 의미한다.

• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2009년도 추계학술대회 초록집
• /
• pp.225-226
• /
• 2009

본 연구에서는 신경망과 웨이브릿을 결합하여 플라즈마 챔버의 누출을 감시하기 위한 시계열 모델을 개발하였다. 플라즈마 데이터는 광반사분광기 (Optical Emission Spectroscopy-OES)를 이용하여 측정하였으며, 이를 시계열 신경망을 이용하여 모델링하였다. 이산치 웨이브릿 (Discrete Wavelet Transformation)은 OES 센서정보의 전 처리를 위해 이용되었다. 개발된 웨이브릿 신경망 모델은 47개의 데이터 sets을 이용하여 평가하였으며, 누출상태를 효과적으로 탐지할 수 있었다.

• 전자공학회논문지B
• /
• 제31B권11호
• /
• pp.151-162
• /
• 1994

다차원 시스템(multidimensional system)에 대한 정확한 모델링을 위해 “자율 분산 신경망(Self-organized Distirbuted Networks, SODN)”을 제안하였다. 제안한 신경망은 자율 신경망(Self-organized Networks)과 다수의 소규모 다층 신경망(Multilayer Neural Networks)이 조합되어 지역적 병렬 학습을 수행하는 부분 학습망으로서 학습 속도가 빠르고 학습의 정밀도를 높일 수 있으며 타 부분망 학습에서 문제가 되는 과다한 학습 메모리 소요와 학습되니 않은 영역에 대한 낮은 일반화능력 등의 문제가 보완된 새로운 신경망이다. 학습 실험 결과, 제안한 신경망은 기존의 다층 신경망과 RBF(Radial Basis Function) 신경망에 비해서 우수한 성능을 보였다.

• 한국콘텐츠학회논문지
• /
• 제6권2호
• /
• pp.34-43
• /
• 2006

본 논문은 가변적 비디오 트랙을 위한 모델링 방법을 제시한다. 가변적인 비디오 트랙은 간헐적인 버스트 및 긴 구간 상관관계의 특성을 갖는다고 잘 알려져 있다. 이러한 데이터를 분석하기 위해서, 에러 임계값으로부터 구한 보조적인 선형 구조를 갖는 신경망 구조 모델 구축을 한다. 모델링 결과 테스트를 위해서, 흔돈 비선형 함수와 지수 랜덤 노이즈를 결합한 가변적 비디오 트랙을 발생하였다. 발생된 데이터를 모델링한 결과, 전통적인 신경망 모델에 비해서 제시된 모델이 보다 정확한 모델링 결과를 보여 주었다. 그러나 또한 제시된 모델에 ARは을 결합한 결과가 제시된 모델 단독인 경우에 비해서 더욱 발생된 데이터의 통계적 특성에 근접함을 발견했다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 추계학술대회 학술발표 논문집
• /
• pp.127-130
• /
• 1997

신경망은 입출력 관계가 명시적으로 표현되기 어려운 경우에 수집된 데이터를 이용하여 원래의 함수를 근사할 수 있느 특성이 있다. 최근에는 신경망의 모델링 성능을 향상시키기 위하여 여러개의 모듈을 기반으로 신경망을 구성하는 모듈형 신경망이 활발히 연구되고 있다. 본 논문에서는 린덴마이어 시스템(L-시스템)의 문법적 적용을 통하여 이러한 모듈형 신경망의 구조를 결정하는 방법을 제시하고자 한다. L-시스템은 본래 식물의 성장과정을 기술하기 위하여 제안된 방법인데, 본 논문에서는 신경망의 모듈형 구조가 L-시스템의 문법을 통하여 적절히 결정됨을 보인다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• 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.

• 제어로봇시스템학회지
• /
• 제2권1호
• /
• pp.48-58
• /
• 1996

본 논문에서는 화학공정 제어분야에서 수행된 인공신경망을 이용한 연구에 대하여 정리하였다. 본 논문의 구성은 먼저 인공신경망의 일반적인 특성에 대하여 개괄적으로 알아보았고, 인공신경망을 모델링과 제어에 사용한 연구들을 체계적으로 정리하였다. 또한 마지마긍로 화학공정에 적용된 사례를 소개하고, 화학공정에 인공신경망을 사용하는 경우에 댜하여 문제점과 특성을 논의하였다.

• 정보보호학회지
• /
• 제29권3호
• /
• pp.29-36
• /
• 2019

폭발적으로 성장하는 소셜 미디어 서비스로 인해 개인간의 연결이 강화된 환경에서는 URL로써 전파되는 피싱 공격의 위험성이 크게 강조된다. 최근 텍스트 분류 및 모델링 분야에서 그 성능을 입증받은 딥러닝 알고리즘은 피싱 URL의 구문적, 의미적 특징을 각각 모델링하기에 적절하지만, 기존에 사용하는 규칙 기반 앙상블 방법으로는 문자와 단어로부터 추출되는 특징간의 비선형적인 관계를 효과적으로 융합하는데 한계가 있다. 본 논문에서는 피싱 URL의 구문적, 의미적 특징을 체계적으로 융합하기 위한 컨볼루션 신경망 기반의 퓨전 신경망을 제안하고 기계학습 방법 중 최고의 분류정확도 (0.9804)를 달성하였다. 학습 및 테스트 데이터셋으로 45,000건의 정상 URL과 15,000건의 피싱 URL을 수집하였고, 정량적 검증으로 10겹 교차검증과 ROC커브, 정성적 검증으로 오분류 케이스와 딥러닝 내부 파라미터를 시각화하여 분석하였다.