• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (C)
• /
• pp.187-189
• /
• 2003

웨이블릿 변환에 기반한 동영상 코덱에서의 움직임 예측 기법은 OCT 기반 코덱과 유사하게 이전 프레임과의 움직임 예측을 통하여 수행된다. 그러나, 현재 프레임이 이전 프레임을 참조하므로 네트워크상의 전송시 이전 프레임에 발생한 오류가 전달되는 오류 전파의 문제도 발생하게 된다. 본 논문에서는 웨이블릿 변환된 프레임의 특성을 이용하여 최상위 레벨의 LL 부대역만 이전 프레임과의 움직임 예측을 수행하고, 나머지 부대역에 대하여 프레임 내의 상위레벨의 부대역이 하위 부대역을 창조하여 예측 및 보상을 수행하여 오류전파의 가능성을 최소화하는 Inter-Intra ME 동영상 코덱을 제안한다 제안된 움직임 예측을 사용하여 MAD(Mean-Absolute Differences)를 측정한 결과, 프레임간 변화가 심한 경우에는 제안된 기법과 이전 프레임의 부대역을 참조한 기법 사이의 압축율은 유사하게 나타났으며, 변화가 적은 경우에는 이전 프레임을 참조하는 것의 압축율이 높게 나타났다. 그러나, 네트워크 전송시 발생하는 오류전파에는 제안된 기법의 성능이 우수한 것으로 나타났다.

• 한국에너지공학회:학술대회논문집
• /
• 한국에너지공학회 1994년도 추계학술발표회 초록집
• /
• pp.17-22
• /
• 1994

오류역전파 신경망을 인산형 연료전지의 조업변수인 산소 및 수소 유량, 작동온도에 대하여 학습시켜 연료전지 모델을 구성하였다. 또한 구성된 모델을 이용하여 다양한 조업조건에서의 단위전지 성능을 예측하여 이를 실험결과와 비교하였으며, 학습된 신경망을 ASPEN PLUS의 단위공정으로 도입하여 50kW 출력의 연료전지 공정을 구성한 후 조업변수에 대한 영향을 살펴보았다. 3개의 층으로 구성된 오류역전파 신경망은 학습단계상수와 모멘텀이 각각 0.7 및 0.9인 경우 단위전지 성능곡선을 가장 정확히 학습하였으며, 이에 의하여 구성된 신경망 모델은 수소 및 산소의 유량, 온도의 변화에 따른 단위전지 성능곡선의 변화를 정확히 예측하였다. 연료전지 전체공정의 모사에서는 개질기의 경우 $600^{\circ}C$의 상압에서 수증기/탄화수소 비율이 2.6일 때, 연료전지의 경우 작동온도가 190~20$0^{\circ}C$일 때 연료전지의 출력이 최대값을 나타내었으며, 단위전지의 전기화학적 효율은 약 45%, 수소이용률은 약 61%, 발전시스템 전체의 효율은 18%이었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제10권6호
• /
• pp.213-223
• /
• 2006

본 연구에서는 화강풍화토 지반에 시공된 PHC 매입말뚝의 지지력의 평가를 위해 인공신경망을 적용하였다. 오류역전파 인공신경망의 적용성을 증명하기 위해 168개의 PHC 매입말뚝의 현장시험 데이터가 사용되었다. 연구결과 오류역전파 인공신경망의 말뚝지지력 평가가 동재하시험결과와 잘 일치함을 보여주었으며, 이러한 결과는 인공신경망을 이용한 PHC 매입말뚝의 지지력 평가가 신뢰성이 있음을 보여준다.

• 한국정보과학회논문지:정보통신
• /
• 제30권6호
• /
• pp.695-704
• /
• 2003

웨이블릿 기반 비디오는 DCT 기반 비디오에 비해 전송오류에 더 민감하다. 즉, 어떤 프레임의 부대역에 오류가 발생하면 같은 프레임의 다른 부대역뿐 아니라 그 프레임을 참조하는 이후 프레임의 복원에도 영향을 주어 비디오의 화질이 감소하게 된다. 본 논문에서는 프레임 간 참조를 수행하는 웨이블릿 비디오의 오류 전파를 줄이기 위해 프레임 내 참조 기법을 제안한다. 제안된 기법에서는 LL 부대역을 제외한 나머지 부대역에서 같은 프레임의 하위 부대역을 참조하여 다른 프레임으로의 오류전파를 줄인다. 무선 채널에서의 비트 에러 패턴을 이용하여 모의실험을 수행한 결과 화면의 움직임이 빠른 비디오에서는 제안된 기법의 성능이 압축율에 관계없이 우수하였으며 화면의 움직임이 거의 없는 비디오에서는 비트율이 높은 경우에 성능이 높은 것으로 나타났다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 추계학술대회 학술발표 논문집 제14권 제2호
• /
• pp.153-157
• /
• 2004

본 논문은 패턴인식을 위해 사용할 수 있는 감독학습을 이용한 supervised IAFC neural network 1과 supervised IAFC neural network 2를 제안하였다 Supervised IAFC neural network 1과 supervised IAFC neural network 2는 LVQ(Learning Vector Quantization)를 퍼지화한 새로운 퍼지 학습법칙을 사용하고 있다. 이 새로운 퍼지 학습 법칙은 기존의 학습률 대신에 퍼지화된 학습률을 사용하고 있는데, 이 퍼지화된 학습률은 조건 확률을 퍼지화 한 것에 근간을 두고 있다. Supervised IAFC neural network 1과 supervised IAFC neural network 2의 성능과 오류역전파 신경회로망의 성능을 비교하기 위하여 iris 데이터를 사용하였는데, 실험결과 supervised IAFC neural network 2 의 성능이 오류역전파 신경회로망의 성능보다 우수함이 입증되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권9호
• /
• pp.603-611
• /
• 2001

본 논문은 학습 속도가 계층별 학습처럼 빠르며, 일반화 성능이 우수한 학습 방법을 제안한다. 제안한 방법은 최소 제곡법을 통해 구한 은닉층의 목표값을 이용하여 은닉층의 가중치를 조정하는 방법으로, 은닉층 경사 벡터의 크기가 작아 학습이 지연되는 것을 막을 수 있다. 필기체 숫자인식 문제를 대상으로 실험한 결과, 제안한 방법의 학습 속도는 오류역전파 학습과 수정된 오차 함수의 학습보다 빠르고, Ooyen의 방법과 계층별 학습과는 비슷했다. 또한, 일반화 성능은 은닉노드의 수에 관련없이 가장 좋은 결과를 얻었다. 결국, 제안한 방법은 계층별 학습의 학습 속도와 오류역전파 학습과 수정된 오차 함수의 일반화 성능을 장점으로 가지고 있음을 확인하였다.

• 생물환경조절학회지
• /
• 제20권4호
• /
• pp.277-282
• /
• 2011

정확한 오이의 형상 및 위치를 인식하기 위하여 형상인식 알고리즘에 대한 연구를 수행하였다. 실제 영상에서 오이의 형상과 위치를 판정할 수 있도록 알고리즘을 개발한 결과, 다음과 같은 결론을 얻었다. 오이의 특징형상 검출은 $15{\times}15$ 간격으로 자동검출 되도록 처리하였다. 오이로 인식된 출력패턴 중에서 오검출된 출력패턴의 비율은 0.1~4.2%로 나타났다. 오류역전파 알고리즘은 영상크기를 $445{\times}363$, $501{\times}391$, $300{\times}421$, $450{\times}271$, $297{\times}421$의 크기에 따라 출력패턴을 얻은 결과 영상의 크기에 따른 검출 값의 변화는 없는 것으로 나타났다. 학습패턴 수가 25개로 증가하면 영상에서 다른 패턴을 검출하는 비율이 16.02%로 나타났다. 또한 학습패턴이 2개인 경우 40개의 영상에서 8개의 오이를 검출하지 못하였다. 학습패턴의 수가 7~9개인 경우 오이의 검출이 가장 좋은 것으로 나타났다.

• 전자공학회논문지CI
• /
• 제39권1호
• /
• pp.23-34
• /
• 2002

본 논문에서는 진화전략을 이용하여 빠르게 학습하는 새로운 구조의 뉴로퍼지 시스템을 제안하고 제안한 시스템의 효용성을 입증하기 위하여 비선형 시스템 동정에 응용한 결과를 설명한다. 뉴로퍼지 시스템의 학습 방법으로는 지금까지 주로 변형된 오류역전파 알고리즘과 최적화 기법인 유전자 알고리즘이 많이 사용되어왔으나, 오류역전파 알고리즘은 학습시간이 많이 걸리며 유전자 알고리즘은 해를 유전형 형태로 표현함으로 인하여 미세한 탐색이 힘든 단점이 있었다. 본 논문에서 사용한 진화전력은 해를 표현형의 개체로 나타내어 실수형태로 진화하기 대문에 미세한 탐색이 가능하며 오류역전파 알고리즘에 비해 지역해에 빠질 가능성이 작고 속도가 빠른 장점이 있다. 제안한 뉴로퍼지 시스템을 비선형 시스템 동정에 적용한 결과 학습속도가 빠르며 학습결과도 우수함을 보았다.

• 한국음향학회지
• /
• 제21권5호
• /
• pp.430-437
• /
• 2002

다층신경망 (MLP: multilayer perceptron)은 다른 패턴인식 방법에 비해 여러 가지 훌륭한 특성을 가지고 있어 음성인식 및 화자인식 영역에서 폭넓게 사용되고 있다. 그러나 다층신경망의 학습에 일반적으로 사용되는 오류역전파 (EBP: error backpropagation) 알고리즘은 학습시간이 비교적 오래 걸린다는 단점이 있으며, 이는 화자인식이나 화자적응과 같이 실시간 처리를 요구하는 응용에서 상당한 제약으로 작용한다. 패턴인식에 사용되는 학습데이터는 풍부한 중복특성을 내포하고 있으므로 패턴마다 다층신경망의 내부변수를 갱신하는 온라인 계열의 학습방식이 속도의 향상에 상당한 효과가 있다. 일반적인 온라인 오류역전파 알고리즘에서는 가중치 갱신 시 고정된 학습률을 적용한다. 고정 학습률을 적절히 선택함으로써 패턴인식 응용에서 상당한 속도개선을 얻을 수 있지만, 학습률이 고정된 상태에서는 학습이 진행됨에 따라 학습에 기여하는 패턴영역이 달라지는 현상에 효과적으로 대응하지 못하는 문제가 있다. 이 문제에 대해 본 논문에서는 패턴의 기여도에 따라 가변 하는 학습률과 학습에 기여하는 패턴만을 학습에 반영하는 패턴별 가변 학습률 및 학습생략 (COIL: Changing rate and Omitting patterns in Instant Learning)방법을 제안한다. 제안한 COIL의 성능을 입증하기 위해 화자증명과 음성인식을 실험하고 그 결과를 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 추계학술발표논문집 (중)
• /
• pp.1173-1176
• /
• 2003

JPEG2000[1][2]은 DWT(Discrete Wavelet Transform)[3] 변환을 기반으로 하는 이미지의 새로운 표준으로 오류가 빈번히 발생하는 네트워크상의 전송을 위한 오류 제어 기법들을 제공한다. JPEG2000에서 제공하는 오류 제어 기법은 스트림 내에서 오류를 발견하고 오류 전파를 제어하지만, 손실된 웨이블릿 계수를 복원하지는 못한다. 본 논문에서는 DWT 변환 후 각 부대역 및 이웃의 상호 연관성을 이용하여 오류로 인해 손실된 웨이블릿 계수를 효과적으로 예측하여 이미지의 화질을 향상시키는 오류 은닉 기법을 제안한다. 제안된 기법의 성능을 무선네트워크 환경에서 모의 실험한 결과 기존의 오류 제어 기법보다 성능이 뛰어났고 특히 이미지 내의 변화가 적은 경우 부대역 및 이웃 웨이블릿 계수의 상호 연관성이 크므로 더욱 효과적인 성능을 보였다.