• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• pp.345-347
• /
• 1998

스캐너를 가지고 이미지를 스캔하면 RGB 값을 얻는다. 이 RGB 값은 스캐너의 빛을 인지하는 소자들의 하드웨어적인 특성이 더해진 장치 의존적인 값이다. 그래서 RGB 값은 왜곡된 칼라 정보를 가지고 있다. 그러므로 칼라 보정을 하기 위해서는 장치 독립적이 값으로 변환해야 한다. 본 논문에서는 장치 독립적인 값을 구하기 위해서 칼라 샘플들을 XYZ로 계측한 값과 400nm에서 700nm 사이의 파장을 계측한 분광 반사값(Spectral reflectance value)을 가지고 스캐너의 칼라 보정을 구현하였다. 구현 방법으로는 신경회로망의 오차 역전파(Error Back Propagation) 알고리즘을 사용하였고 두 가지의 데이터를 가지고 실험했을 때의 결과와 장단점을 비교하였다.

• 한국통신학회논문지
• /
• 제15권9호
• /
• pp.738-744
• /
• 1990

본 논문은 음성신호의 실시간 저장법과 기존 표본 데이터에서 개선된 표본 데이터 방법을 제안하여, 신경회로망의 역전파 학습 알고리즘을 이용한 고립 단어 음성인식 시스템에 대하여 연구하였다. 각 층의 노드 수 변화에 의한 기존 표본 데이터방식과 새로운 표본 데이터 방식에서의 인식률과 에러율 변화를 비교하였다. 본 연구 결과, 인식률은 95.1%를 얻었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.479-484
• /
• 2005

본 논문에서는 오류 역전파 알고리즘에서 은닉층의 노드 수를 설정하는 문제와 ART1의 경계 변수의 설정에 따른 인식률이 저하되는 문제점을 개선하기 위해 ART1 알고리즘과 퍼지 단층 지도 학습 알고리즘을 결합한 ART1 기반 퍼지 지도 학습 알고리즘을 제안한다. 제안된 알고리즘은 가중치 조정에 승자 뉴런 방식을 도입하여 은닉층에 해당하는 클래스에 영향을 끼친 패턴들의 정보만 저장하게 하여 은닉층 노드로의 책임 분담에 의한 정체 현상이 일어날 가능성을 줄인다. 그리고 학습시간과 학습의 수렴성도 개선한다. 제안된 알고리즘의 학습 성능을 분석하기 위하여 주민등록번호 분류를 대상으로 실험한 결과, 제안된 방법이 기존의 신경망보다 경계 변수나 모멘트에 민감하지 않으며 학습 시간도 적게 소요되고 수렴성도 우수한 성능이 있음을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.373-376
• /
• 2003

의상 애니메이션은 영화나 게임, 의류 전자상거래 동 다양한 분야에서 활용될 수 있는 컴퓨터 그래픽스 분야에서 연구되어왔던 기술이다. 하드웨어의 발달과 빠르고 효율적인 물리학적 모델과 수치적 적분법 등의 등장으로 옷감의 움직임을 모델링 하는 데에 그치지 않고, 더 나아가 실제 옷감처럼 자연스러운 움직임을 얻고자하는 방향으로 연구의 초점이 맞추어졌다. 본 연구에서는 사실적인 의상 애니메이션을 위해 역전파 신경망을 이용하여 실제 옷감소재를 자동으로 평가하는 옷감소재 자동 평가 알고리즘을 제시하고 실험하였다. 실험을 통해 실제 옷감과 유사한 가상 옷감을 생성할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.623-624
• /
• 2009

본 논문에서는 신경망의 오류 역전파(Backpropagation) 학습 알고리즘을 이용한 얼굴의 정상 비정상을 인식하는 보안 시스템을 제안하였다. 제안된 시스템은 정지영상 및 동영상에서 입력된 얼굴영상을 전처리 단계에서 얼굴영역을 검출하여 $160{\times}160$ 크기의 고정 크기로 확대 및 축소 작업을 거친다. Mosaic 처리와 LaplacianEdge 처리를 거쳐 $40{\times}40$ 크기로 이진화한 정규화 데이터를 Gravity-Center 처리를 한다. 오류 역전파 학습 알고리즘으로 얼굴의 특징을 학습한 후 각종 정상 및 비정상 얼굴 데이터를 이용하여 인식률을 실험 하였다. 실험데이터는 이 분야의 공인 자료인 LFW Face Database[7] 데이터를 사용하였으며, 실험결과는 제안된 방법이 문제 해결에 적합한 접근임을 보여준다.

• 한국멀티미디어학회논문지
• /
• 제6권7호
• /
• pp.1312-1320
• /
• 2003

본 논문에서는 하나의 은닉층을 가지는 다층 구조 신경망이 고려되었다. 다층 구조 신경망에서 널리 사용되는 오루 역전파 학습 방법은 초기 가중치와 불충분한 은닉층 노드 수로 인하여 지역 최소화에 빠질 가능성이 있다. 따라서 본 논문에서는 퍼지 단층 퍼셉트론에 ART1을 결합한 방법으로, 은닉층의 노드를 자가 생성(self-generation)하는 퍼지 지도 학습 알고리즘을 제안한다. 입력층에서 은닉층으로 노드를 생성시키는 방식은 ART1을 수정하여 사용하였고, 가중치 조정은 특정 패턴에 대한 저장 패턴을 수정하도록 하는 winner-take-all 방식을 적용하였다. 제안된 학습 방법의 성능을 평가하기 위하여 학생증 영상을 대상으로 실험한 결과. 기존의 오류 역전파 알고즘보다 연결 가중치들이 지역 최소화에 위치할 가능성이 줄었고 학습 속도 및 정체 현상이 개선되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.295-297
• /
• 2001

최근 생물 유전자 정보를 효과적으로 분석하기 위한 적절한 도구의 필요성이 대두되고 있다. 본 논문에서는 백혈병 환자의 골수로부터 얻어낸 DNA Microarray 유전 정보를 분류하여 환자가 가지고 있는 암의 종류를 예측하기 위한 최적의 특징추출방법과 분류 방법을 찾고자 한다. 이를 위해 피어슨 상관관계, 유클리디안 거리, 코사인 계수, 스피어맨 상관관계, 정보 이득, 상호 정보, 신호 대잡음비의 7가지 특징 추출 방법을 사용하였으며, 역전과 신경망, 의사결정 트리, 구조 적응형 자기구성 지도, $textsc{k}$-최근접 이웃 등 가지의 기계학습 분류기를 이용하여 분류 실험을 하였다. 실험결과, 피어슨 상관관계와 역전파 신경망을 이용한 분류 방법이 97.1%의 인식률을 보임을 알 수 있었다.

• 한국통신학회논문지
• /
• 제25권4B호
• /
• pp.683-691
• /
• 2000

본 논문에서는 정확한 연결 설정을 결정하기 위해 Hopfield 신경회로망을 이용한 셀 다중화기와 역전파 신경회로망을 이용한 대역폭 예측기를 제안하였다. 다중화된 대역폭에서 망의 이용률을 극대화시키고 이용자 트랙픽의 QoS를 만족시키는 최소 대역폭이 새로 고안한 역전파 신경회로망 대역폭 예측기를 통하여 예측되어진다. 연결 수락 제어기는 예측된 대역폭과 망내의 사용 가능한 대역폭을 비교하여 연결 수락 여부를 판단한다. 연결이 설정된 사용자 소스를 감시하며 계약 위반시 적절한 조치를 취하는 퍼지 논리 제어 트래픽 감시 방법과 멀티미디어 트래픽의 주된 특성인 버스트 제어를 통한 망의 효율을 증가시키는 분석적 트래픽 형태 제어 방법을 제시한다. 제안된 트래픽 제어기는 성능이 우수하다고 평가된 기존의 제어기들과 성능 평가를 하였으며, 시뮬레이션 결과는 기존의 제어기보다 성능이 우수함을 보여주었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.301-306
• /
• 2006

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저..갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 선행 유출량의 지속성을 갖는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 도입하여 예측모형의 전처리 과정으로 이용하였다. 이는 기존의 인공신경망 모형이 하나의 모형을 구성하여 유출량의 전 범위에 해당하는 자료를 예측하는 방법을 개선한 것으로 SOM에 의해 패턴이 분류된 강우-유출관계의 각 패턴별 예측모형을 통해 분류된 자료들의 예측을 수행하는 방법이다. 이와 같이 SOM을 강우-유출예측모형의 전처리과정으로 이용함으로서 기존의 인공신경망 연구에서 야기된 현상들을 해결할 수 있었고, 예측력 또한 기존의 인공신경망 모형의 결과에 비해 우수하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.1265-1271
• /
• 2009

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측모형을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저 갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 연속적으로 선행 유출량을 나타내는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 예측모형의 전처리 과정으로 이용하였다. 먼저, 본 연구에서 제안한 방법은 SOM에 의해 강우-유출 관계를 분류하고, SOM에 의한 분류에 따라 각각의 모형을 구성한다. 개별적으로 구축된 모형은 유출량의 예측을 위해 각각의 양상에 따라 분류된 자료를 이용한다. 결과적으로 본 연구에서 제안한 방법은 과거의 인공신경망의 일반적인 적용에 의한 결과보다 더 나은 예측능력을 보여주었으며, 더불어 유출량의 과소 및 과대추정과 Persistence 현상과 같은 문제점이 나타나지 않았다. 또한 강우량 및 유출량의 범위에 제한을 받지 않는 강우-유출예측 모형의 개발 및 홍수기로부터 갈수기까지의 보다 넓은 범위의 유출량의 예측에 기여할 것으로 기대된다.