• 전기의세계
• /
• 제38권2호
• /
• pp.17-22
• /
• 1989

신경회로의 실로 광범위한 응용중에 시스템 제어가 차지하는 중요도는 산업 공정제어 시스템이라는 막대한 시장으로 보아 가장 크다고 본다. 그러나 이와 같은 신경회로제어가 실제로 보편화도기 위해서는 다음과 같은 연구가 선행되어야 한다. 1) 신경 회로의 경제적 구현 방식-Analog, Digital, Optical회로 2) 빠르고 효율적인 학습 알고리듬 3) 사용하기 쉬운 software 4) 신경회로의 응용분야 개발 신경회로는 이런 시스템을 가장 효과적으로 제어하는 방식일 것이다. 이로 볼때 앞으로 20년간 현존하는 산업제어시스템은 차차 신경 회로제어로 부분적 또는 전체적으로 대체되어야 한다. 물론 그에 앞서 기존의 시스템과 신경 회로방식을 어떻게 효율적, 경제적으로 결합하느냐하는 system engineering 연구가 선행되어야 함은 물론이다.

• Information and Communications Magazine
• /
• 제33권10호
• /
• pp.40-48
• /
• 2016

본고에서는 최근 활발하게 연구되고 있는 심층 학습에 대하여 알아본다. 기계 학습 분야 중 하나인 심층 학습은 인공 신경망의 한 형태인 심층 신경망을 통해 구현된다. 심층 신경망은 기존 다층 신경망의 구조와 거의 유사한 학습 구조를 가지지만, 학습 과정에서 발생하는 부정확한 학습 문제를 해결함으로써 최근의 성공을 이끌어낼 수 있었다. 본고에서는 다층 신경망이 가지고 있던 문제점들을 심층 신경망에서 어떻게 극복하였는지 심층 신경망의 발전 과정을 통해 알아보고, 기계 학습의 기본개념을 바탕으로 이를 설명하여 비전문가들의 이해를 돕고자 하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• 제9권4호
• /
• pp.396-403
• /
• 1999

본 논문에서는 새로운 블록기반 신경망을 제안하고 블록기반 신경망의 패턴류 성능을 확인하였다. 블록기반 신경망은 4개의 가변 입출력을 가지는 블록을 기본 구성요소로하고 있으며 블록들의 2차원배열 형태로 이루어진다. 블록기반 신경망은 재구성가능 하드웨어에 의하여 구현이 용이하고 구조 및 가중치의 최적화에 진화 알고리즘을 적용시킬수 있는 새로운 신경망 모델이다. 블록 기반 신경망의 구조와 가중치를 재고성 가능 하드웨어(FPGA)의 비트열에 대응시키고 유전자 알고리즘에 의하여 전역최적화를 하여 구조와 가중치를 최적화한다. 유전 알고리즘에 의하여 설계된 블록기반 신경망을 비선형 결정평면을 가지는 여러 학습패턴에 적용하여 패턴분류 성능을 확인하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 한국음향학회 1995년도 제12회 음성통신 및 신호처리 워크샵 논문집 (SCAS 12권 1호)
• /
• pp.73-75
• /
• 1995

연속 음성 인식을 위한 신경망과 학습속도를 줄이기 위한 연결강도 초기화에 관해 다루고 있다. 우선 음소를 여러개의 그룹으로 나눈 후 각각의그룹에 대한 음소를 인식하는 신경망과 자신의 그룹을 판별하는 VGNN 으로 신경망을 구성한다. 여기서 구성되는 신경망은 각각의 음소를 인식하는 출력을 낼 뿐 아니라, 입력이 자신의 그룹에 속하는지 그렇지 않은지를 판별하는 출력을 낸다. 이런 신경망을 학습시키는 데 상당한 시간이 걸리므로 이 신경망의 학습속도를 줄이기 위해 학습 데이터를 사용하여 신경망의 연결 강도를 초기화한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 한국정보처리학회 2005년도 춘계학술발표대회
• /
• pp.477-480
• /
• 2005

본 논문에서는 신경망과 유전자 알고리즘의 장점을 결합하고, 개선된 유전자 알고리즘 기반의 역전파 신경망 알고리즘을 이용한 신경망 학습 효과를 살펴 본다. 유전자 알고리즘을 이용한 신경망 학습은 비선형 함수를 이용하여 발생시킨 모의 자료를 통하여 수행하고 학습 수렴의 정도와 학습 속도 등을 비교할 수 있는 모의실험 결과를 일반 신경망 학습 결과와 함께 제시한다. 모의실험의 결과로서 유전자 알고리즘을 적용한 신경망 제어기가 일반 신경망 학습 결과보다 수렴 정확도 및 학습 속도에서 더 좋은 결과를 나타내 주고 있다.

• Proceedings of the Korean Society for Information Management Conference
• /
• 한국정보관리학회 1995년도 제2회 학술대회 논문집
• /
• pp.21-24
• /
• 1995

이 논문은 지능형 정보검색을 위한 신경망 시스팀을 구축하는데 있어서 신경망을 어떻게 디자인하는 것이 가장 이상적인지에 관해 기술한다. 구체적으로 말하면, 신경망 위상 (Network Topology) 와 학습매개변수 (Learning Parameter)들이 신경망 시스팀 성능에 어떠한 영향을 미치는 지에 대해 문헌조사를 통해 검토하고 있다. 그 결과 신경망 위상과 학습 매개변수는 정보검색을 위한 신경망 시스팀 효율성에 강하게 영향을 미치고 있으므로 신경망 설계시 이 요소들을 신중히 고려해서 결정해야 한다.

• Journal of the Institute of Convergence Signal Processing
• /
• 제9권3호
• /
• pp.238-244
• /
• 2008

Dynamic neural networks have been applied to diverse fields requiring temporal signal processing. This paper presents gamma neural network(GAM) to improve the dynamics of multilayer network. The GAM network uses the gamma memory kernel in the hidden layer of feedforword multilayer network. The GAM network is evaluated in linear and nonlinear system identification, and compared with feedforword(FNN) and recurrent neural networks(RNN) for the relative comparison of its performance. Experimental results show that the GAM network performs better with respect to the convergence and accuracy, indicating that it can be a more effective network than conventional multilayer networks in system identification.

• Journal of the Institute of Convergence Signal Processing
• /
• 제6권1호
• /
• pp.45-52
• /
• 2005

Dynamic neural networks have been applied to diverse fields requiring temporal signal processing. This paper describes system identification using the hybrid neural network, composed of locally(LRNN) and globally recurrent neural networks(GRNN) to improve dynamics of multilayered recurrent networks(RNN). The structure of the hybrid nework combines IIR-MLP as LRNN and Elman RNN as GRNN. The hybrid network is evaluated in linear and nonlinear system identification, and compared with Elman RNN and IIR-MLP networks for the relative comparison of its performance. Simulation results show that the hybrid network performs better with respect to the convergence and accuracy, indicating that it can be a more effective network than conventional multilayered recurrent networks in system identification.

• Journal of the Institute of Convergence Signal Processing
• /
• 제7권2호
• /
• pp.53-59
• /
• 2006

Dynamic neural networks have been applied to diverse fields requiring temporal signal processing such as system identification and signal prediction. This paper proposes the gamma neural network(GAM), which uses gamma memory kernel in the hidden layer of feedforward multilayered network, to improve dynamics of networks and then describes nonlinear adaptive prediction using the proposed network as an adaptive filter. The proposed network is evaluated in nonlinear signal prediction and compared with feedforword(FNN) and recurrent neural networks(RNN) for the relative comparison of prediction performance. Simulation results show that the GAM network performs better with respect to the convergence speed and prediction accuracy, indicating that it can be a more effective prediction model than conventional multilayered networks in nonlinear prediction for nonstationary signals.

• Information and Communications Magazine
• /
• 제11권9호
• /
• pp.93-107
• /
• 1994

본 글에서는 음성인식에 적용된 신경망 구조를 알아본다. 또한 신경망 VLSI와 국내에서 개발된 신경망 VLSI인 URAN에 대해서 살펴보고 URAN을 이용한 음성인식 시스템의 설계에 관해 기술한다. 시뮬레이션을 통해 낮은 정밀도의 입출력 및 연결강도, 선형 출력함수를 가지는 뉴런을 사용하는 신경망 음성인식 시스템의 성능을 분석하고 잡음 환경에서 낮은 정밀도를 사용한 신경망의 성능저하 정도를 검토한다.