• 한국지형공간정보학회:학술대회논문집
• /
• 한국지형공간정보학회 2001년도 학술발표회 개요집
• /
• pp.1-15
• /
• 2001

본 연구는 도시토지이용의 적합성분석을 실시하는 데 있어 GSIS와 인공신경망의 유기적인 결합을 시도해 보았다. 인공신경망은 학습이라는 과정을 통해 신경망 노드(node)간의 연결강도를 합리적으로 결정할 수 있는 이점이 있다. 이러한 점에서 공간분석에서 요구되는 인자간의 경중률과 신경망의 연결강도는 대체가 가능하리라 판단된다. 본 연구를 수행하기 위해 두 종류의 신경망을 구성하였다. 1차 신경망은 토지이용별 적합성 분석에 적용했으며, 2차 신경망은 최적의 토지이용패턴을 분석하기 위해 구성하였다. 이들 신경망은 C++로 작성된 프로그램에 의해 구현된 최급강하법에 의한 역전파 알고리즘에 의해 학습을 실시하였으며, 활성화 함수는 시그모이드 함수를 사용하였다. 분석결과는 현행 용도지역제에서 주거, 상업, 공업, 녹지에 대한 토지이용 적합도면과 4가지 유형의 토지이용에 대한 대상지역의 최적토지이용패턴을 제시한 도면으로서 Arc/Info의 Grid 형식으로 작성하였다. 또한 토지이용별 적합도면상에 나타난 적합지역과 최적토지이용패턴은 위치적인 면과 공간 구성에 있어 실제의 도시토지이용계획의 이론적인 개념에 매우 합치되는 분포형태를 보였다.

• 한국지반공학회지:지반
• /
• 제10권3호
• /
• pp.79-96
• /
• 1994

인공신경회로망을 이용하여 터널굴착설계를 위한 전문가 시스템 NESTED를 개발하였다. 이를 위하여 지하 암반의 안정성을 평가할 수 있는 신경회로망 모델과 대표적인 암반분류법인 RMR과 Q 시스템 사이의 상관관계를 결정할 수 있는 신경회로망 모델을 사용하였다. 또한 사용된 모델과 전산화된 암반분류법 프로그램이 동일한 사용자 환경을 통해 운용될 수 있도록 통합 시스템을 구성하였다. NESTED에 사용된 신경회로망의 구조는 역전파 학습 알고리즘을 채용한 다층 역전파 신경 회로망이다. 전문가 시스템에 필요한 지식기반을 구축하기 위해 이전의 현장 시공사례로 학습과정을 수행함으로써 불완전하거나 오류가 포함된 정보를 처리할 수 있는 공학 데이터베이스를 개발하였다. 일련의 실험을 통해 전문가 시스템을 현장사례에 적용해보고 여기서 출력된 결과를 문헌에 보고된 자료와 비교하였다. 이 결과 암반의 파괴거동을 추정하고 이에 따른 보강시기의 변화를 정확히 예측하는 신경회로망의 추론능력을 확인할 수 있었다. 이처럼 본 연구를 통해 개발된 신경회로망 전문가 시스템을 암반터널에 적용할 경우 부족한 지질자료에 대해 합리적인 기준을 제공하고 터널의 예비설계에 필요한 보강설계를 제시할 수 있었다.

• 한국지반환경공학회 논문집
• /
• 제3권4호
• /
• pp.11-17
• /
• 2002

본 논문의 목적은 섬진다목적댐 유역의 하천을 대상으로 강우시에 단기 수질상태를 예측하기 위하여 병렬다중결선의 계층구조를 갖는 신경망이론을 이용하였다. 본 연구에 적용한 신경망이론의 학습알고리즘으로는 역전파알고리즘을 사용하였으며, 최적모형의 개발을 위해 모멘트법-적응학습율기법을 이용하였다. 하천 수질오염 부하량에 영향을 미치는 요소로서 상류로부터 유입되는 유입량과 수질인자인 BOD, COD, SS를 고려하였다. 섬진다목적댐 유역에 대해 단기 수질을 예측할 수 있는 다층신경망모형을 개발하기 위해 은닉층 노드수와 학습회수에 변화를 주어 각 수질인자별로 4가지씩 총 12개의 모형을 구성하여 학습을 실시하였다. 제안된 신경망모형의 검증을 위해 학습시키지 않은 수질자료를 예측한 결과 양호한 것으로 분석되었고, 하천수계의 단기 수질오염 예측에 활용할 수 있을 것으로 사료되었다.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2004년도 하계학술대회 논문집 Vol.5 No.2
• /
• pp.1129-1133
• /
• 2004

반도체공정 최적화에 소요되는 시간과 경비를 줄이기 위해 신경망 모델이 개발되고 있다. 주로 역전파 신경망을 이용하여 모델이 개발되고 있으며, 본 연구에서는 Radial Basis Function Network (RBFN)을 이용하여 플라즈마 식각공정 모델을 개발한다. 실험데이터는 유도결합형 플라즈마를 이용한 Silicon Carbide 박막의 식각공정으로부터 수집되었다. 모델개발을 위해 $2^4$ 전인자 (full factorial) 실험계획법이 적용되었으며, 모델에 이용된 식각응답은 식각률과 atomic force microscopy로 측정한 식각표면 거칠기이다. 모델검증을 위해 추가적으로 16번의 실험을 수행하였다. RBFN의 예측성능은 세 학습인자, 즉 뉴런수, width, 초기 웨이트 분포 (initial weight distribution-IWD) 크기에 의해 결정된다. 본 연구에서는 각 학습인자의 영향을 최적화하였으며, IWD의 불규칙성을 고려하여 주어진 학습인자에 대해서 100개의 모델을 발생하고, 이중 최소의 IWD를 갖는 모델을 선택하였다. 최적화한 식각률과 표면거칠기 모델의 RMSE는 각기 26 nm/min과 0.103 nm이었다. 통계적인 회귀모델과 비교하여, 식각률과 표면거칠기 모델은 각기 52%와 24%의 향상된 예측정확도를 보였다. 이로써 RBFN이 플라즈마 공정을 효과적으로 모델링 할 수 있음을 확인하였다.

• 한국음향학회지
• /
• 제13권4호
• /
• pp.60-68
• /
• 1994

본 논문에서는 다층구조 순방향 신경회로망에 적용될 수 있는 것으로 입력의 특징 추출기능(Feature Extractor)이 우수한 Hebb 학습 규칙과 패턴 분류 기능(Classifier)이 우수한 BP 알고리듬을 결합한 Hybrid학습 규칙을 제안하고자 한다. 오차역전파 학습법칙을 적용한 다층구조퍼셉트론(MLP)과는 달리, 다층구조에 오차역전파 학습법칙과 Hebb학습법칙이 동시에 적용될 수 있는 Hybrid(Hebbian+BP)학습법칙은 학습시에 출력층의 연결강도를 제외한 모든 연결강도 계산에 적용되며 출력층에는 기존의 오차역전파법칙만이 적용된다. 출력층에 Hebb 학습법칙을 제외시킨것은 다층구조학습시에 학습의 수렴성에 대한 보장이 주어져 있지 않기 때문이다. 제안된 Hybrid 학습법칙의 성능평가를 위해 몇가지의 영역구분 문제에 적용한 결과 제안된 학습법이 기존의 BP보다 우수함을 보였다. 학습속도면에서는 기존의 BP법칙에 비해 훨씬 빠른 수렴속도를 보여 주었는데, 그중 한가지 예를 보면 제안된 Hybrid법칙에 의한 학습은 기존의 BP의 학습회수의 2/10만으로도 가능함을 보여주었다. 인식률에서도 제안된 법칙에 의한 결과가 BP에 의한 결과보다 최고 약 $0.77\%$ 우수하다.

• 한국정보통신학회논문지
• /
• 제6권2호
• /
• pp.346-355
• /
• 2002

이 연구는 인식의 정확성을 향상시키기 위하여 단일생체 인식 대신에 얼굴, 입술, 음성을 이용하는 다중생체 인식방법을 제안한다. 각 생체 특징은 다음과 같은 방법으로 찾는다. 얼굴 특징은 웨이블렛 다중분해와 주성분 분석방법으로 계산하였고, 입술의 경우는 입술의 경계를 구한후 최소 자승법을 이용한 방정식의 계수를 구하였으며, 음성은 멜 주파수에 의한 MFCC를 사용하였으며, 역전파 학습 알고리즘으로 분류하여 실험하였다. 실험을 통해 본 방법의 유효성을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• pp.321-323
• /
• 1998

이 논문에서는 크기가 큰 III-Conditioned Matrices 정방행렬의 좌측 또는 우측 역행렬 계산시 계산상의 정확도를 향상시키는 알고리듬에 대하여 기술한다. 이 알고리듬은 대상 행렬의 행벡터들을 Input으로 하고 해당 Input 벡터가 몇번째 행 벡터인지를 나타내는 단위 벡터를 Target 벡터로 하며 초기 Weight 값으로 Pivoting을 겸한 Gauss소거법을 적용하여 얻은 역행렬을 사용하는 Single Layer 인공신경망에 적용하는 역전파 알고리듬과 흡사한 것이다. 각각의 Input 행 벡터에 대하여 역행렬의 열 벡터들이 점진적으로 직교가 되거나 평행이 되도록 근접시키므로써 모든 Input 행 벡터들이 열벡터들에 비교적 균일하게 직교 또는 평행이 되도록 학습시키는 알고리듬이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 춘계종합학술대회
• /
• pp.448-451
• /
• 2002

본 연구는 인식의 정확성을 향상시키기 위하여 단일 특징을 이용한 인식 대신에 다중 특징을 이용하는 인식방법을 제안한다. 각각의 특징은 다음과 같은 방법으로 구하여진다. 얼굴 전체의 특징은 웨이블렛 다해상도 분해와 주성분 분석방법으로 계산하였고, 입술의 경우는 입술의 경계를 구한 후 최소 자승법을 이용한 방정식의 계수를 구하였으며, 또 하나의 특징은 얼굴요소의 거리 비율에 의해 구하였다. 위 값들을 입력으로 한 역전파 학습 알고리즘으로 분류하여 실험하여 제안된 방범의 유효성을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 1998년도 춘계종합학술대회
• /
• pp.96-101
• /
• 1998

많은 분야에서 널리 사용되고 있는 PID 제어기의 형태는 오차를 갖는 폐루프 시스템으로 구성되며, PID 제어기는 비례, 적분, 미분 제어기로 나누어진다. PID 제어기의 형태가 여러 가지로 제안되고 있지만 보다 중요한 것은 PID 제어기의 파라미터들을 어떻게 적절히 정하느냐 하는 파라미터 조정 문제이다. 실제로 산업 현장에 설치되어 있는 PID 제어기는 대부분 숙련된 기술자에 의해 수동 조작에 의한 시행 착오(trial and error) 법으로 동조되고 있다. 이 경우는 많은 노력과 시간이 소비되고, 외란(disturbance)이 첨가될 경우 적절히 동조된다는 보장도 없다. 본 논문에서는 이러한 문제를 해결하고자 신경회로망을 이용하여 PID 제어기의 파라미터를 동조하는 제어 방법을 제안하였다. 단일 뉴런으로 구성하여 구조가 간단하고, 학습에 의한 성능 개선이 가능하다. 오차 역전파(Error Back-Propagation) 알고리즘에 의하여 PID 파라미터가 되는 가중치를 자동 동조하는 방법이다. 제안한 방식의 유용성을 보이기 위해 DC 서보 모터와 비선형 시스템인 단일 관절 매니퓰레이터를 대상으로 시뮬레이션을 하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.254-257
• /
• 2010

본 논문에서는 신경회로망을 사용하여 이산푸리에변환에 의한 진폭성분과 위상성분을 복원하는 음성강조 시스템을 제안한다. 본 시스템은 신경회로망이 잡음이 부가된 음성신호의 이산푸리에변환의 진폭성분과 위상성분을 사용하여 학습된 후, 제안한 시스템은 배경잡음에 의하여 열화된 잡음이 부가된 음성신호를 강조한다. 배경잡음에 의하여 열화된 음성신호는 신경회로망을 사용하여 제안된 시스템에 의하여 강조되는 것을 실험결과로 증명하며, 제안한 시스템이 스펙트럼 왜곡율의 평가법을 사용하여 배경잡음에 의하여 열화된 음성신호에 대하여 효과적인 것을 실험으로 확인한다.