본 논문에서는 Bayesian 추정법과 신경회로망을 이용한 새로운 결 분할 방법을 제안한다 신경회로망의 입력으로는 다중스케일을 가지는 웨이블릿 계수와 인접한 이웃 웨이블릿 계수들의 문맥정보를 사용하고, 신경회로망의 출력을 사후 확률로 모델링한다. 문맥정보는 HMT(Hidden Markov Tree) 모델을 이용하여 구한다. 제안 방법은 HMT를 이용한 ML(Maximum Likelihood) 분할 보다 더 우수한 결과를 보여준다. 또한 HMT를 이용한 결 분할 방법과 제안 방법을 이용한 결 분할 각각에 HMTseg라고 불리는 다중 스케일 Bayesian 영상 분할 기술을 이용하여 후처리를 행한 결 분할 또한 제안 방법이 우수함을 보여준다.
셀룰러 방식의 이동통신 시스템에서 전파의 유효신호 도달범위를 예측하기 위해서는 전파전파 모델을 이용한 예측기법이 주로 사용된다. 그러나, 전파과정에서 주변 지형지물에 의해 발생하는 전파손실은 매우 복잡한 비선형적인 특성을 가지며 수식으로는 정확한 표현이 불가능하다. 본 논문에서는 신경회로망의 함수 근사화 능력을 이용하여 전파손실 예측모델을 생성하는 방법을 제안한다. 즉, 전파손실을 송수신 안테나간의 거리, 송신안테나의 특성, 장애물 투과영향, 회절특성, 도로, 수면에 의한 영향 등과 같은 전파환경 변수들의 함수로 가정하고, 신경회로망 학습을 통하여 함수를 근사화한다. 전파환경 변수들이 신경회로망 입력으로 사용되기 위해서는 3차원 지형도와 벡터지도를 이용하여 전파의 반사, 회절, 산란 등의 물리적인 특성이 고려된 특징 추출을 통해 정량적인 수치들을 계산한다. 이와 같이 얻어진 훈련데이타를 이용한 신경회로망 학습을 통해 전파손실 모델을 완성한다. 이 모델을 이용하여 서울 도심 지역의 실제 서비스 환경에 대한 타 모델과의 비교실험결과를 통해 제안하는 모델의 우수성을 보인다.Abstract In cellular mobile communication systems, wave propagation models are used in most cases to predict cell coverage. The amount of propagation loss induced by the obstacles in the propagation path, however, is a highly non-linear function, which cannot be easily represented mathematically. In this paper, we introduce the method of producing propagation loss prediction models by function approximation using neural networks. In this method, we assume the propagation loss is a function of the relevant parameters such as the distance from the base station antenna, the specification of the transmitter antenna, obstacle profile, diffraction effect, road, and water effect. The values of these parameters are produced from the field measurement data, 3D digital terrain maps, and vector maps as its inputs by a feature extraction process, which takes into account the physical characteristics of electromagnetic waves such as reflection, diffraction and scattering. The values produced are used as the input to the neural network, which are then trained to become the propagation loss prediction model. In the experimental study, we obtain a considerable amount of improvement over COST-231 model in the prediction accuracy using this model.
일반적으로 자연상태의 흙은 이방성을 나타내며, 이러한 흙의 이방성이 응력-변형률 거동에 미치는 영향은 매우 크다. 따라서 본 연구에서는 인공신경회로망 모델을 이용하여 압밀응력비 변화에 따른 정규압밀점토의 응력-변형률 거동을 모델링하고 비배수전단강도를 예측하여 보았다. 이때 사용된 신경회로망은 일반화된 델타규칙으로도 불리우는 오차역전파 학습 알고리즘을 이용한 다층신경회로망이다. 신경회로망의 학습은 인공퇴적 점토시료를 이용, 연직압밀응력과 압밀응력비를 다르게 정규압밀시킨후 비배수전단시험을 실시하여 얻어진 시험 결과를 이용하였고, 학습된 신경회로망을 이용하여 학습시 제외되었던 압밀응력비 상태에서의 비배수전단강도를 추론하여 본 결과 예측치와 실측치가 잘 일치하였다. 검토결과 실측치와 추론치 사이에는 결정계수($r^2$) 0.973 이상의 높은 상관관계가 있음을 확인하였다. 따라서, 본 연구결과는 점토의 비배수전단강도를 예측함에 있어서 인공신경회로망모델의 적용 가능성을 보여주었다.
순환결합형 신경회로망은 복수 개의 리미트사이클을 생성하며 따라서, 많은 동적 정보를 저장할 수 있는 메모리 시스템으로 사용할 수 있다는 것이 알려져 있다. 본 논문에서는 각 뉴런이 최근접 뉴런에만 이진화한 결합하중 ${\pm}1$로 연결된 연속 시간모델 순환결합형 신경회로망을 구현하였다. 그리고 이런 회로망을 통해 생성되는 리미트사이클의 수와 패턴을 시뮬레이션을 통하여 나타내었다. 또한 카오스 신호를 인가하여 리미트사이클 사이의 천이 가능성을 입증하였다. 특히, 카오스 신호 이외의 랜덤 노이즈를 이용한 해석을 통하여 동적 신경회로망에 카오스 노이즈를 인가하는 경우의 유효성을 검토하였다.
본 연구에서 헬리콥더의 궤적추종을 위한 제어기의 설계 및 평가를 수행하였다. 제어시스템의 알고리즘은 선형 되먹임 기법과 두 단계 시간분리 구조를 이용하여 구성하였다. 또한 헬리콥터 동특성에 대한 정확한 정보의 결핍으로 인한 모델 역변화 오차를 보상하기 위해 신경회로망을 이용한 실시간 적응제어 구조를 자세제어 시스템에 적용하였다. 제어 시스템의 궤적추종성능은 아파치 헬기의 동측성을 나타내는TMAN 시뮬레이션 프로그램의 단순형을 사용하여 평가하였다. 이를 통하여 실시간 신경회로망 적응제어 구조가 동특성 정보의 부족으로 이한 궤도 추종 제어의 성능 저하 문제에 매우 효과적으로 기여함을 보였다.
신경회로망의 동작과 정보처리 능력 등에 관하여 살펴보고자 할 때, 신경회로망의 구성 요소를 어떻게 모델화 할 것인가는 중요한 문제이다. 소자의 응답특성이 바뀜에 따른 특성의 변화, 결합강도 및 적응규칙이 바뀜으로써 회로망 전체의 다이나믹스가 바뀌는 모습, 소자 상호간의 결합 형태에 따른 정보처리 능력의 변화 등과 같은 신경회로망이 가진 다양한 정보처리 능력을 밝히는 것은 병렬 정보처리의 메카니즘을 이해하는 문제와도 일맥상통하고 있다. 따라서 이러한 문제들에 대하여 신경회로망의 정보처리 능력을 해석적으로 평가하는 것은 병렬분산 정보처리의 본질을 밝힌다는 측면에서 중요하게 여겨진다. 따라서 본 논문에서는 신경회로망을 구성하는 구성요소의 변화, 그 가운데에서도 특히 소자의 히스테리시스 특성이 신경망의 계열연상능력에 미치는 영향에 대한 이론적 해석결과에 대하여 기술한다.
초고속 전기정보의 전송 시대와 U-정보전자시대에 응용하는 최신 정보기기와 의료기기 및 군사정보의 실시간 전송을 위하여 많은 실시간 알고리즘과 모델링의 연구가 필수적이다. 또한 원격지에 많은 전기 및 전력정보를 비선형적 특성이 있는 환경하에서도 정보의 오차가 없이 실시간으로 전송하는 기술은 현대 정보사회에서 해결해야 할 매우 중요한 요소중에 하나이다. 이러한 내용으로 수행되어지는 신경회로망을 이용한 실시간 모델링을 제안하고자 한다. 이와 관련한 일반적인 방법으로 역전파 학습 알고리즘을 들 수 있다. 파라미터에도 덜 민감하며, 특히 온라인으로 인식과 제어가 가능하도록 수렴속도를 향상 시켜야하는 새로운 모델의 필요성이 요구된다. 본 연구에서는 기존의 신경회로망이 가지고 있는 여러 단점들을 개선하고자 새로운 학습 알고리즘과 새로운 구조의 신경회로망을 제시한다. 또한 제시한 알고리즘을 이용하여 불규칙적 시스템 모델망과 다양한 센서 모델링 등에 연결하여 다양한 실험을 수행하여 그 결과를 보여 실시간 특성을 갖는 것을 입증해 보였다.
본 논문에서는 로보트 매니퓰레이터 제어를 위하여 시간 지연이 있는 다층 신경회로망(TDNN)의 학습 알고리즘으로 매니퓰레이터의 역동역학 모델을 학습시키고 이것을 앞먹임(Feedforward)제어기로 사용하는 궤적 제어 방법을 새로이 제시하였다. TDNN 구조는 뉴런이 현재 및 과거의 입력 신호로부터 더 많은 정보를 추출할 수 있고 보다 효율적으로 학습할 수 있는 유리한 특징을 가지고 있다. TDNN 신경회로망은 기준 궤적 입력 신호와 비례 미분 제어기의 오차 신호를 각각 정규화하여 받아드린다. TDNN 신경회로망으로 입력되는 정규화 신호는 TDNN 신경회로망의 학습 효율을 향상시키는 것으로 입증되었다. 제안된 제어 방법을 두개의 관절을 가진 평면 로보트 매니퓰레이터에 대하여 적용하고 컴퓨터 시뮬레이션으로 고찰하였다.
홉필드 신경회로망을 VLSI로 구현하는데 문제가 되는 area complexity를 개선한다. 적용한 응용은 layer assignment 문제이며, 기존의 layer assignment 신경회로망의 N ${\times}$ L개의 노드를 N ${\times}$ log L개로 감소시킴으로써 O( $(log\;L/L)^2$ )로 area complexity를 개선한다 (N : net의 수, L : layer의 수). 이를 위한 새로운 에너지 함수를 제안한다. 기존의 layer assignment 신경회로망과 동일하게 본래의 홉필드 신경회로망의 진동을 방지하기 위하여 self-feedback이 있는 수정된 홉필드 모델을 사용한다.
24시간 무인 감시 시스템에서 정확한 얼굴 인식은 절대적으로 필요한 요소이다. 그러나 얼굴 인식은 얼굴 영상의 왜곡, 조명, 얼굴의 크기, 얼굴 표정, 배경 영상 등의 변화로 인해 많은 제약이 있다. 본 연구에서는 얼굴 인식의 성능 향상을 위하여 혼합형 신경회로망을 제안한다. 제안한 방식은 신경회로망의 비지도학습 방식인 SOM과 LVQ 알고리즘을 이용하여 구성한다. 제안한 방식의 유용성을 확인하기 위하여 고유얼굴 방식, 은닉 마코프 모델 방식, 다층 신경회로망 방식과 비교한다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.