• 한국정보시스템학회:학술대회논문집
• /
• 한국정보시스템학회 2000년도 춘계학술대회
• /
• pp.115-121
• /
• 2000

본 연구는 인공신경망 모형에서 최적 입력 변수를 선정하기 위하여 새로운 선처리 기법인 약체연결뉴런 제거법을 제안하고 그 예측력의 우월성을 순수 인공신경망과 의사결정트리로 선처리한 인공신경망 모델과 각각 비교했으며, 그 결과를 보면 본 연구에서 제안하고 있는 약체연결뉴런 제거법에 의해 입력변수 선정과정을 거친 모델의 성과가 순수 인공신경망이나 의사결정트리로 선처리한 인공신경망 모델에 비해 예측적중율이 우수한 것으로 나타났다.

• 한국건설관리학회:학술대회논문집
• /
• 한국건설관리학회 2004년도 제5회 정기학술발표대회 논문집
• /
• pp.317-322
• /
• 2004

도심지 건축 프로젝트가 초고층화, 대형화됨에 따라, 공사비와 공기의 관점에서 지하공사의 중요성은 점차 증가하고 있다. 지하공사 단계에서 대단히 중요한 것은 적정 말뚝공법을 선정하는 것이다. 그런데 말뚝공사의 경우, 공법 선정 시 고려해야 할 지반조건들이 많고, 불확실한 정보에 기반한 경험적인 공법선정이 이루어지기 때문에, 말뚝공법의 변경이 적지 않게 발생하며, 이것은 프로젝트의 공사비와 공기에 영향을 미친다 본 연구에서는 프로젝트의 설계단계에서 적정 말뚝공법을 선정하는데 활용하고, 시공전 단계에서 기 선정된 말뚝공법의 적정여부를 검증할 수 있는 말뚝공법 선정모델을 제안하였다. 실적데이터에 근간한 신경망 모델은 이미 그 효율성이 입증된 바 있다. 2000년부터 2004년까지 국내에서 시행된 150개의 데이터를 기초로 하여 말뚝공법 선정을 위한 신경망 모델을 개발하였다. 개발한 신경망 모델을 대상으로 학습용 자료에 의해 최적화를 실행하였으며, 그 유효성을 검증하였다.

• Journal of Biosystems Engineering
• /
• 제15권3호
• /
• pp.199-206
• /
• 1990

연구 I에서 수행한 소뇌모델 선형조합 신경망(CMLAN)의 분석 결과와 제안된 능률적 학습 알고리즘들에 의거하여 이차원 비선형 함수치의 출력 모의시험과 팔의 형태에 따라 두개의 목적치를 갖는 2 자유도 머니퓨레이터의 동작지령 산출 모의시험을 행하였다. 특히 2 자유도 머니퓨레이터의 경우, 작업공간에 적절한 입력네트의 변수를 선정하고 하나의 입력공간을 공유하는 두개의 세부 소뇌모델 선형조합 신경망을 서로 연결하는 구조로써 팔의 형태와 목적 지점에 따라 네트를 선정하는 구조를 갖도록 하였다. 제안한 학습 알고리즘의 성능 및 CMLAN의 학습에 따른 효과를 학습이득에 따라 컴퓨터로 모의시험하였으며 그 결과를 분석하였다. 잘 알려진 신경망인 BACK-PROPAGATION 다층(Multi-Layer) 신경망과 함수연결 신경망(Functional Link Net)을 이용한 모의시험 결과를 비교 분석하였다. CMLAN의 학습 능률성은 학습에 소요되는 컴퓨터의 cpu시간과 학습 중의시스템의 최대 편차와 RMS 편차의 변이도 및 최종 시스템 수렴치로서 나타내었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.706-708
• /
• 2005

본 연구에서는 다단계 필터와 복합형 신경망을 사용하는 얼굴 검출 시스템에서 FMM 모델을 이용한 특징선정 기법을 소개한다. 색상, 모션 및 명암을 이용한 다단계 필터는 검출 대상 영역의 개수를 줄임으로써 시스템의 실시간 검출기능을 가능하게 한다. 신경망을 이용한 특징추출 단계에서는 대상영역의 기본 특징으로부터 일련의 특징지도를 생성하게 된다. 이 과정에서 패턴 분류 신경망의 입력으로 사용되는 특징집합이 지나치게 커짐으로써 신경망의 규모와 계산량이 방대해지는 단정을 갖는다. 이에 본 논문에서는 FMM 모델의 수정된 특성으로부터 특징과 각 클래스에 대한 상호 연관도 요소를 정의하고, 이로부터 특징의 상대적 중요도를 평가함으로써 성능의 저하 없이 최적의 특징집합을 선정하는 방법론을 소개한다.

• 전자공학회논문지
• /
• 제53권1호
• /
• pp.71-78
• /
• 2016

본 논문은 인공 신경망에 기반을 둔 새로운 전력 수요 예측 모델을 제시한다. 인공 신경망 입력 변수로 시간과 날씨요소를 고려하였다. 시간 요소는 하절기와 동절기 전력수요 데이터의 자기 상관계수를 측정하여 선정하였고, 날씨요소는 피어슨 상관계수를 이용하여 선정하였다. 중요한 날씨요소로는 온도와 이슬점으로 이들은 전력수요와 밀접한 상관관계를 가지고 있다. 반면에 습도, 기압, 풍속 등과 같은 날씨요소는 전력수요와의 상관관계가 높지 않게 나타나 신경망의 입력 변수에서 제외하였다. 실험결과 새로이 제안한 인공 신경망을 이용한 전력수요 모델은 시간요소 및 날씨요소와 이에 대한 가중치를 피크 전력율과 계절에 따라 차등 적용하여 높은 적중률을 보였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.77-80
• /
• 2003

신경망의 퍼셉트론 학습법에는 이진 또는 연속 활성화 함수가 사용된다. 초기 연결강도는 임의의 값으로 설정하며, 목표치와 실제 출력과의 차이를 이용하는 것이 주된 특징이다. 즉 구해진 오차는 학습률에 따라서 다음 단계의 연결강도에 영향을 주게 된다. 이런 경우 학습률이 너무 크면 수렴성을 보장할 수 없으며, 반대로 너무 작게 선정하면 학습이 매우 느리게 진행되는 단점이 발생한다. 이런 이유로 능동적인 학습률의 변화는 신경망의 퍼셉트론 학습법에 중요한 관건이 리며, 주어진 문제를 최적으로 학습을 위해서는 결국 상황에 따른 적절한 학습률 조정이 필요하다. 본 논문에서는 학습률 조정에 퍼지 모델을 적용하는 신경망 학습 방법을 제안하고자 한다. 제안한 방법에 의한 학습은 오차의 변화에 따라 학습률을 조정하는 방식을 사용하였고, 그 결과 연결강도를 능동적으로 변화시켜 효과적인 학습 결과를 얻었다. 학습률 변화는 'Sugeno 퍼지 모델'을 이용하여 구현하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.59-62
• /
• 2006

본 논문에서는 CNN 모델과 WFMM 신경망의 특성을 상호 결합한 손동작 인식기법을 제안한다. 특징 추출 모듈로 사용된 CNN 모델은 움직임 정보에 기초한 특징지도상에서 특징의 위치 이동이나 왜곡에 의한 성능 저하를 개선시키는 계층간 연결구조를 갖는다. WFMM 신경망에 기반한 패턴 분류 모듈은 간결하고 강력한 학습기능을 지원하며, 학습된 신경망은 분류 능력을 그대로 유지한 상태에서 추가 학습이 가능하다는 장점을 지닌다. 또한 이 패턴 분류 모델은 학습패턴으로부터 특징의 상대적 중요도를 평가하는, 이른바 특징 선정 기법을 지원한다. 본 논문에서는 제안된 모델의 동작 특성과 학습 알고리즘을 소개하고, 손동작 인식문제에 적용한 실험을 통하여 이론의 타당성을 평가한다.

• 한국음향학회지
• /
• 제11권3호
• /
• pp.61-66
• /
• 1992

음성 인식에 신경망 모델을 적용하는 많은 연구들이 있었지만, 주된 관심은 음성인식에 적합한 구조와 학습 방법이었다. 그러나 음성인식에 신경망 모델을 적용한 시스템의 효율 향상은 모델 자체의 구조뿐 아니라, 신경망 모델의 입력으로 어떤 음성 파라미터를 사용하는가에 따라서도 큰 영향을 받는다. 본 논문은 기존 음성인식에 신경망 모델을 적용한 많은 연구들에서 사용한 음성 파라미터를 살펴보고, 대표적인 음성 파라미터 6개를 선정하여, 같은 데이타와 같은 신경망 모델 하에서 어떻게 성능이 달라지는지를 분석한다. 인식 실험에 있어서는 한국어 파열음 9개에 대한 8개 데이터 집합과 모음 8개에 대한 18개 데이터 집합을 음성 파라미터로 하고 신경망 모델은 순환 신경망 모델을 사용하여 노드의 수를 일정하게 한뒤 다양한 입력 파라미터의 성능을 비교하였다. 그 결과 선형 예측 계수로부터 얻어진 delta cepstrum의 음성 파라미터가 가장 좋은 성능을 보였으며 이때 인식률은 같은 학습 데이터에 대해 파열음 100.0%, 모음 95.1%이었다.

• 한국산업정보학회논문지
• /
• 제28권5호
• /
• pp.77-87
• /
• 2023

재생 에너지 생성에서 중요한 역할을 하는 풍력 터빈은 작동 상태를 정확하게 평가하는 것이 에너지 생산을 극대화하고 가동 중지 시간을 최소화하는 데 매우 중요하다. 이 연구는 풍력 터빈 상태 진단을 위한 다양한 신경망 모델의 비교 분석을 수행하고 센서 측정 및 과거 터빈 데이터가 포함된 데이터 세트를 사용하여 효율성을 평가하였다. 분석을 위해 2MW 이중 여자 유도 발전기 기반 풍력 터빈 시스템(모델 HQ2000)에서 수집된 감시 제어 및 데이터 수집 데이터를 활용했다. 활성화함수, 은닉층 등을 고려하여 인공신경망, 장단기기억, 순환신경망 등 다양한 신경망 모델을 구축하였다. 대칭 평균 절대 백분율 오류는 모델의 성능을 평가하는 데 사용되었다. 평가를 바탕으로 풍력 터빈 상태 진단을 위한 신경망 모델의 상대적 효율성에 관한 결론이 도출되었다. 본 연구결과는 풍력발전기의 상태진단을 위한 모델선정의 길잡이가 되며, 고도의 신경망 기반 기법을 통한 신뢰성 및 효율성 향상에 기여하고, 향후 관련연구의 방향을 제시하는데 기여한다.

• 지질공학
• /
• 제28권4호
• /
• pp.741-753
• /
• 2018

최근 우리나라에서 발생되는 국지적 가뭄은 지하수의 효율적 활용에 대한 관심을 증대시키고 있으며, 잉여의 물을 지층 내에 저장하는 지하수 인공함양 기술 도입의 필요성이 대두되고 있다. 본 연구에서는 충청남도내 퇴적 분지의 지하수 인공함양 대상지로의 가능성을 평가하기 위하여 1차 인자 3개, 2차 인자 7개로 구성된 AHP 모델을 개발하였으며, 10개 후보지에 적용한 결과를 토대로 인공신경망 모델을 구축하였다. AHP 모델은 후보지가 추가될 경우 수학적인 연산 과정에 의하여 최종 평가점수가 변하게 되나, 인공신경망 모델은 후보지별 고정적인 최종평가 점수를 제시하게 되어 인공함양 적지 선정 기준으로 사용할 수 있다. 충청남도 지역의 연구 결과, 인공신경망 모델의 최종 평가점수가 약 1.5점 이하인 경우에는 인공함양 후보지로서의 가능성이 낮은 것으로 평가되었다. 향후 타 지역에 대한 추가 연구 및 현장 조사를 통해 다양한 자료 군을 확보한다면 보다 보편적으로 적용할 수 있는 인공신경망 모델 도출이 가능할 것이다.