• Proceedings of the KIEE Conference
• /
• 2001.11b
• /
• pp.317-319
• /
• 2001

송전선에 사고가 발생하면 계전기가 동작하고 여러 가지 후속 조치가 적절히 수행되기 위해서는 빠른 시간 내에 고장의 검출, 고장 종류의 분류, 고장 위치의 판정 등이 요구된다. 신경회로망을 이용한 고장 해석은 빠르고 정확한 해석이 가능하기 때문에 최근에 각광을 받고 있다. 본 논문에서는 기존의 코호넨 신경회로망의 지도 경쟁 학습 알고리즘을 개선한 새로운 학습 알고리즘이 제시된다. 제안된 학습 알고리즘은 전력계통의 송전선 고장 종류 분류에 적용된다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.9 no.1
• /
• pp.131-136
• /
• 2014

In this paper, we develop a fashion products demand forecasting algorithm using ARIMA model and Wavelet Neural Networks model. To show effectiveness of the proposed method, we analyzed characteristics of time-series data collected in "H" company during 2008-2012 and then performed the proposed method through various analyses. As noted in experimental results, the performance of three types model such as ARIMA, Wavelet Neural Networks and ARIMA + Wavelet Neural Networks show 5.179%, 4.553%, and 4.448.% with respect to MAPE(Mean Absolute Percentage Error), respectively. Thus, it is noted that the proposed method can be used to predict fashion products demand for efficient of operation.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.6 no.2
• /
• pp.237-242
• /
• 2011

This paper proposes a detection algorithm for each section which detects the voiced section, unvoiced section, and the silence section at each frame using a multi-layer perceptron neural network. First, a power spectrum and FFT (fast Fourier transform) coefficients obtained by FFT are used as the input to the neural network for each frame, then the neural network is trained using these power spectrum and FFT coefficients. In this experiment, the performance of the proposed algorithm for detection of the voiced section, unvoiced section, and silence section was evaluated based on the detection rates using various speeches, which are degraded by white noise and used as the input data of the neural network. In this experiment, the detection rates were 92% or more for such speech and white noise when training data and evaluation data were the different.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.5
• /
• pp.1078-1084
• /
• 2010

This paper presents a speech enhancement system which restores the amplitude components and phase components by discrete Fourier transform (DFT), using neural network training by back-propagation algorithm. First, a neural network is trained using DFT amplitude components and phase components of noisy speech signal, then the proposed system enhances speech signals that are degraded by white noise using a neural network. Experimental results demonstrate that speech signals degraded by white noise are enhanced by the proposed system using the neural network, whose inputs are DFT amplitude components and phase components. Based on measuring spectral distortion measurement, experiments confirm that the proposed system is effective for white noise.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.44 no.2 s.314
• /
• pp.11-18
• /
• 2007

Back propagation algorithm based on a gradient-decent method has been widely used to the training of a neural network. However, this algorithm have some problems such as dropping the minimum value in a local area according to an initial value and setting the number of units in a hidden layer when training the neural network. Accordingly, to solve the above-mentioned problems, this paper proposes a genetic algorithm using the training method of the neural network. Thus, the improved genetic algorithm using a new crossover and mutation method is proposed to discriminate 3 bit parity. Experiments confirm that the proposed system is effective for training speed after demonstrating for generation gap, the number of units in the hidden layer, and the number of individuals.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.231-234
• /
• 2002

셀룰라 신경회로망의 연상 메모리를 이용하여 시각적인 입력 데이터의 연산을 통하여 영상 패턴의 분류와 인식을 수행한다. 셀룰라 신경회로망은 일반적인 신경회로망과 같이 비선형 데이터의 실시간 처리가 가능하고, 세 포자동자와 같이 격자구조의 셀로 이루어져 인접한 셀과 직접 정보를 주고받는다. 응용 분야로는 최적화, 선형/비선형화, 연상 메모리, 패턴인식, 컴퓨터 비젼 등에 적용할 수 있다. 영상의 이미지 픽셀을 셀룰라 신경회로망의 셀에 대응하여 전체 이미지 영상을 모든 셀룰라 신경회로망의 셀에서 동시에 병렬로 처리할 수 있어 2-D 이미지 처리에 적합하다 본 논문은 셀룰라 신경회로망에 의한 연상 메모리 구조를 설계하고, 학습된 하중값 메모리에서 가장 적당한 하중값을 선택하여 학습된 영상과 정확히 일치하는 출력을 얻는 방법을 제시한다. 학습을 통한 연상 메모리 구현에는 각각의 뉴런에서 일정하지 않은 다른 템플릿을 사용한다. 각각의 템플릿은 뉴런들 간의 연결 하중값을 나타내고 학습011 따라 갱신된다. 학습방법으로는 템플릿 하중값 학습에 뉴런들 간의 연결 하중값을 조정하는 가장 단순한 규칙인 Hebb의 학습방법이 사용되었고 분류값 학습에 LMS 알고리즘이 사용되었다

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.422-424
• /
• 1999

본 논문에서는 질감 특징과 신경회로망을 이용한 유방암조직영상의 분할 방법을 제안한다. 신경회로망의 입력 노드에 사용될 질감 특징을 얻기 위해 10개의 영상에 대해 각 영역(양성세포핵, 음성세포핵, 배경)에서 10개씩의 화소를 선택하고, 그 화소를 중심으로 하는 5$\times$5 영역 30개를 획득, 총 300개의 영역에 대해 R, G, B 각각의 밴드에서 18개의 질감특징을 추출한다. 54개의 입력노드, 28개의 은닉노드, 3개의 출력노드의 구조를 가진 신경회로망을 구성하고, 역전파 학습 알고리즘을 사용하여 신경회로망을 최대오차율이 10-3보다 작을 때까지 학습시킨다. 학습에 의해 획득되어진 분류기를 이용하여 유방암 조직 세포영상을 양성세포핵, 음성세포핵, 배경부분으로 자동 분할한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.265-268
• /
• 2004

본 논문은 최적화 방법인 유전자 알고리즘을 이용하여 진화 컴퓨팅 기반 RBF 신경회로망을 이용한 새로운 비선형 시스템 설계 방법을 제안한다. 비선형 시스템 설계시 문제점으로는 복잡성과 불확실성을 들수 있으며, 이러한 문제를 해결하기 위해서 지능형 모델을 사용하게 되었다. 본 논문에서는 일반적인 신경회로망보다 성능이 뛰어난 RBF 신경회로망을 사용하여 비선형 시스템을 모델링 한다. HCM 클러스터링을 이용하여 유사한 특성을 가진 비선형 데이터를 분류하여 입력으로 사용한다. 제안한 진화 컴퓨팅 기반 RBF 신경회로망을 이용한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 학습 데이터와 테스트 데이터를 이용하여 그 우수성을 보인다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.153-156
• /
• 2003

본 연구는 화자종속 소어휘 음성인식의 성능을 개선하는 데 그 목적이 있다. 인식에 사용될 음성의 특징을 얻기 위해 Winer 필터와 LPC＆Cepstrum을 이용하여 프레임 당 12차 패턴을 추출하였다. 추출된 특징패턴을 인식하는 인식부는 특히 소어휘 음성인식에 우수한 성능을 보이는 기존의 역전파 신경회로망(Backpropagation Neural Network)에 인식율 개선을 위하여 퍼지추론시스템을 결합한 형태로 구현되었다. 실험결과 신경망만을 사용한 경우에 비하여 인식율이 향상됨을 연구하였다.

• Proceedings of the KIEE Conference
• /
• 1997.07b
• /
• pp.654-656
• /
• 1997

본 논문에서는 직접신경회로망제어기(DNNC)를 사용하여 결합된 PI제어기의 이득을 구하여 보일러 터빈시스템을 제어하고자 한다. 직접신경회로망제어기는 플랜트의 동특성을 학습시키는 에뮬레이터 없이 제어입력에 대한 플랜트의 동작방향에 대한 정보만을 사용하여 신경회로망을 학습시키고, 이 신경회로망을 사용하여 제어대상 플랜트인 다중입출력플랜트를 제어하기 위하여 결합된 PI 제어기의 이득을 구한다. 컴퓨터 시뮬레이션을 통하여 제안한 알고리즘의 타당성을 입증하고자 한다.