• 한국정밀공학회지
• /
• 제20권11호
• /
• pp.64-70
• /
• 2003

This paper suggests a systematic methodology to predict chip forms using the experimental design technique and the neural network. Significant factors determined with ANOVA analysis are used as input variables of the neural network back-propagation algorithm. It has been shown that cutting conditions and cutting tool shapes have distinct effects on the chip forms, so chip breaking. Cutting tools are represented using the Z-map method, which differs from existing methods using some chip breaker parameters. After training the neural network with selected input variables, chip forms are predicted and compared with original chip forms obtained from experiments under same input conditions, showing that chip forms are same at all conditions. To verify the suggested model, one tool not used in training the model is chosen and input to the model. Under various cutting conditions, predicted chip forms agree well with those obtained from cutting experiments. The suggested method could reduce the cost and time significantly in designing cutting tools as well as replacing the“trial-and-error”design method.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 춘계종합학술대회
• /
• pp.721-723
• /
• 2007

현재 항만의 컨테이너 양하 및 적하 과정에서 획득되는 컨테이너 영상은 크기 및 위치가 정형화되어 있지 않고, Yard Tractor의 정차 차선과 컨테이너의 크기 등의 외부 환경 변화로 인해 인식에 적합한 영상을 획득하기 어렵다. 본 논문에서는 Top-Hat Transform을 이용하여 실시간 영상으로부터 문자의 영역을 추정하고, 카메라의 PAN/TILT/ZOOM 기능을 이용한 시선이동을 통해 문자인식에 적합한 영상을 획득한다. 획득된 컨테이너 영상으로부터 Top-Hat Transform 및 Histogram Projection을 이용하여 식별자 영역을 추출하고 이진화한 뒤, Labeling 된 결과를 토대로 배경과 문자영역을 구분하고 개별 문자들을 추출한다. 이후 오류역전파 알고리즘을 이용하여 추출된 개별 문자들을 인식한다. 실제 부두에 설치하여 제안된 컨테이너 식별자 영상 획득 및 인식 방법이 우수함을 확인하였다.

• 농촌계획
• /
• 제12권1호
• /
• pp.75-83
• /
• 2006

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.

• 전기전자학회논문지
• /
• 제1권1호
• /
• pp.73-82
• /
• 1997

본 논문에서는 레일리 페이딩(Raylelgh fading)과 산란효과(Scattering effect), 원근효과(Near-far effect)를 고려한 무선 채널환경에서 CSMA/CD(Carrier Sense Multiple Access with Collision Detection) 시스템의 성능을 분석하였다. 또한 전파 특성에 따른 신호 전력의 불규칙성을 이용한 포획기술(capture effect)을 CSMA/CD 프로토콜에 적용시켰고, 마르코프(Markov) 모델링을 이용하여 성능의 향상 정도를 연구하였다. 그 결과 무선환경에 기인한 채널 오류만을 고려한 경우에는 CSMA/CD 시스템의 효율은 저하됨이 나타났으나 포획효과를 고려하면 시스템의 성능이 향상됨은 물론, 시스템이 매우 안정화됨을 확인하였다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2001년도 춘계학술대회 논문집
• /
• pp.1021-1024
• /
• 2001

Out of all metal-cutting processes, the hole-making process is the most widely used. It is estimated to be more than 30% of the total metal-cutting process. It is therefore desirable to monitor and detect drill wear during the hole-drilling process. In this paper, the vision system of the sensing methods of drill flank wear on the basis of image processing is used to detect the wear pattern by non-contact and direct method and get the reliable wear information about drill. In image processing of acquired image, median filter is applied for noise removal. The vision flank wear area of the drill was measured. Backpropagation neural networks (BPns) were used for no-line detection of drill wear. The neural network consisted of three layers: input, hidden and output. The input vectors comprised of spindle rotational speed, feed rates, vision flank wear, thrust and torque signals. The output was the drill wear state which was either usable or failure. Drilling experiments with various spindle rotational speed and feed rates were carried out. The learning process was peformed effectively by utilizing backpropagation. The detection of the abnormal states using BPNs achieved 96.4% reliability even when the spindle rotational speed and feedrate were changed.

• 천문학회보
• /
• 제35권1호
• /
• pp.45.2-45.2
• /
• 2010

한국천문연구원은 한국우주전파관측망(Korean VLBI Network, KVN)에서 시험 운영 중인 한일공동VLBI상관기(Korea-Japan VLBI Correlator, KJJVC)의 핵심인 VLBI상관 서브시스템(VLBI Correlation Subsystem, VCS)을 제어하기 위해 CCS(Correlation Control Software)를 개발하였다. CCS는 명령어의 문법 검사를 하고, VCS와 TCP/IP 소켓으로 통신하여 명령어와 응답(reply)을 주고받으며, VCS의 실시간 요청에 대응하여 입력 지연 파라미터(delay parameter)를 자동으로 전달하는 소프트웨어이다. CCS는 사용자의 명령어를 local UNX FIFO를 통하여, 명령줄(Command Line)로 전달받고, 이러한 명령어들의 조합을 쉘 스크립트로 묶는 형태로 구성 되어있다. 그러나, 이렇게 명령어의 조합을 직접 편집하여 구성할 때, 입력할 명령어나 지연 파라미터의 구성이 복잡해지면, 스크립트에 필요한 명령이 문법에 맞지 않게 사용되거나, 일부 명령어가 누락될 수 있는 위험이 있다. 이러한 오류를 차단하고 작업 효율을 높이기 위하여, 상관 처리의 전체 운용 및 제어를 통합적으로 할 수 있는 사용자 인터페이스가 필요하다. 이를 위하여 KJJVC의 운용 및 제어를 위한 GUI를 설계하고 제작하였다. 개발된 GUI는 Python 언어를 기반으로 하는 wxPython 패키지를 사용하였으며, 사용자(Operator)가 명령어 문법이나 순서를 확인할 필요 없이, 관측 정보와 관측국 정보, 기록 매체 정보만 가지고 손쉽게 명령어의 조합을 생성해 주며, 시스템 초기화와 각종 정보의 입력이 직관적으로 이루어질 수 있도록 해 준다. 본 연구에서는 개발된 GUI의 설계 및 개발 과정과 시험운영에 대해 소개한다.

• 한국통신학회논문지
• /
• 제31권9A호
• /
• pp.868-877
• /
• 2006

센서 네트워크에서 시각 동기 기술은 위치 추적, 암호화 기술에서의 타임 스탬프, 타 노드들로부터의 같은 이벤트 중복 감지 인식, 기록된 이벤트들의 발생 순서 구분 등 다양한 응용을 위해 필수적이다. 그리고 최근 센서 네트워크에서 신뢰성 및 고장 허용성에 대한 문제가 최근 연구의 주요한 영역으로 대두되고 있다. 본 논문에서는 네트워크 고장과 클럭 고장이라는 두가지 고장 모델을 가정하여 센서 네트워크에서 고장 허용 시각 관리 기법에 대해 제시한다. 제안한 기법은 노드 클럭의 불안정한 동요나 표류율에 심각한 변화가 발생하는 등의 고장이 발생했을 때 이러한 클럭 오류의 네트워크 전파를 제한하며 토폴로지 변화에 대응한다. 시뮬레이션 결과는 제안한 동기 기법이 기존의 TPSN과 비교하여 클럭 고장이 있을 때 동기화 비율이 $1.5{\sim}2.0$배 나은 성능을 보인다.

• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.672-676
• /
• 2010

본 논문은 연결강도를 조정할 때 결정 경계선 근처에 있는 데이터를 더 반영하는 학습법칙을 제안하였다. 이 학습법칙은 outlier가 결정 경계선에 미치는 영향을 줄여 더 나은 결정 경계선을 형성하도록 한다. 제안하는 학습법칙을 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망의 구조에 적용하였다. IAFC 신경회로망은 배운 것을 유지하는 안정성이 있으면서, 새로운 것을 배울 수 있는 안정성이 있다. 이 퍼지 신경회로망의 성능과 LVQ(Learning Vector Quantization) 신경회로망 및 오류역전파 신경회로망의 성능과 비교하였다. 실험결과 제안하는 퍼지 신경회로망의 성능이 우수함을 보여주었다.

• 디지털콘텐츠학회 논문지
• /
• 제18권5호
• /
• pp.969-976
• /
• 2017

본 논문에서는 최적화 알고리즘으로 개발된 WFSO(Water Flowing and Shaking Optimization) 알고리즘을 사용한 인공신경망 과합성공 신경망의 학습 방법을 제안한다. 최적화 알고리즘은 다수의 후보 해를 기반으로 탐색해 나가기 때문에 일반적으로 속도가 느린 단점이 있으나 지역 최소값에 거의 빠지지 않고 병렬화가 용이하며 미분 불가능한 활성화함수를 갖는 인공신경망 학습도 가능하고 구조와 가중치를 동시에 최적화 할 수 있는 장점이 있다. 본 논문에서는 WFSO 알고리즘을 인공신경망 학습에 적용하는 방법을 설명하고 다층 인공신경망과 합성곱 신경망에서 오류역전파 알고리즘과 성능을 비교한다.

• 한국통신학회논문지
• /
• 제40권2호
• /
• pp.247-252
• /
• 2015

영확률을 성능기준으로 하는 적응 알고리듬은 충격성 잡음에 강인함을 나타내며 그 결정 궤환 알고리듬은 심각한 다경로 채널 왜곡을 효과적으로 보상하는 것으로 알려져 있다. 그러나 이러한 결정 궤환 영확률 알고리듬은 각 필터 구역에 대해 매 샘플시간마다 여러 합산 동작을 계산해야하는데 이것이 실제 구현에 장애가 되고 있다. 이 논문에서는 반복적 기울기 추정 방식을 가진 결정 궤환 영확률 알고리듬을 제안하며 이 알고리듬은 기존 계산량 O(N)을 샘플 사이즈 N에 무관한 상수량으로 줄일 수 있음을 보인다. 또한 초기상태와 안정상태의 가중치 갱신이 연속적인 과정으로 이루어져 결정 궤환에서 어떤 기울기 추정 오류 전파도 일으키지 않음을 보인다.