• 대한전자공학회논문지TE
• /
• 제39권2호
• /
• pp.66-75
• /
• 2002

본 논문에서는 역전파 신경회로망의 학습능률을 향상시키기 위한 방법으로 발생한 오차에 따라서 학습파라미터와 은닉층의 수를 적응적으로 변경시킬 수 있는 적응 역 전파 학습알고리즘을 제안하였다. 제안한 알고리즘은 역전파 신경회로망이 국소점으로 수렴하는 문제를 해결할 수 있고 최적의 수렴환경을 만들 수 있다. 제안된 알고리즘을 평가하기 위하여 배타적 논리합, 3-패리티 및 7${\times}$5 영문자 폰트의 학습을 이용하였다. 실험결과, 기존에 제안된 알고리즘들에 비하여 국소점에 빠지게 되는 경우가 감소하였고 약 17.6%~64.7%정도 학습능률이 향상하였다.

• 한국지능시스템학회논문지
• /
• 제7권4호
• /
• pp.74-81
• /
• 1997

본 논문에서는 시그모이드 함수와 방사형 기저 함수 모두를 생성시킬 수 있는 특별한 은닉층 노드를 갖는 투영신경회로망에 대하여 알아롭고 그것을 훈련시키기 위한 진화 학습 기법을 제시한다. 제시된 기법은 신경회로망의 매개변수와 연결 가충치뿐만 아니라, 어떤 목적함수를 나타내기 위한 최적의 은닉층 노드개수 또한 구조 최적화를 위한 진화연산자를 통해 찾아낸다. 각각의 은닉층 노드의 역할은 진화를 거듭하면서 방사형 기저 함수를 나타낼지 시그모이드 함수를 나타낼지 결정된다. 알고리즘을 구현하기 위해서 투영신경회로망은 연결 고리 리스트 자료구조로 나타내었다. 모의 실험에서 기존으 오차역전파에 의한 학습과 구조 성장 방식보다 적은 노드로 투영신경회로망을 훈련시킬 수 있음을 볼수 있다.

• 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.

• 한국지반공학회지:지반
• /
• 제13권2호
• /
• pp.77-90
• /
• 1997

지하수 거동에 대한 불확실성을 극복하기 위해서 암반 지반의 투수계수를 예측할 수 있는 신뢰적이고 경제적인 방법이 필요하다. 이러한 목적을 위하여 암반의 투수계수 예측 방법에 대한 연구가 수행되어졌다. 인공 신경망 이론을 적용한 투수계수 예측 방법에 대한 일환으로 오차역 전파 학습알고리즘을 이용한 투수계수 예측 방법에 대하여 연구를 수행하였으며, 이 방법의 타당성 검토를 위하여 현장투수시험 결과와 지반물성치들에 적용하여 검증을 실시하였다. 검증결과 평균오차 범위가 작아 비교적 정착한 투수계수 예측방법임을 보여주었다.

• Elastomers and Composites
• /
• 제39권2호
• /
• pp.121-130
• /
• 2004

고무부싱은 차량부품들을 서로 연결하고 차체로 전달되는 진동을 줄여주는 역할을 하는 중요한 요소로써 가진변위와 주파수에 대해서 모두 비선형 특성을 보이며, 특히 주기적인 가진에 대해 히스테리시스 현상을 나타낸다. 본 논문에서는 1축 내구시험기를 이용하여 차량 현가 장치에 사용되는 부싱을 축 방향과 반경 방향에 대해 사인가진과 랜덤가진을 주어 특성을 살펴보았고 이러한 특성을 반영할 수 있는 동역학적 모델을 인공신경망을 이용하여 개발하였다. 실험결과는 신경망의 입력자료로 활용되었고, 오차역전파 알고리즘을 이용하여 실험적 부싱모델을 개발하였다. 개발된 실험적 부싱모델을 차량 시뮬레이션에 적용하여 유용성을 살펴보았다.

• 한국융합학회논문지
• /
• 제8권7호
• /
• pp.1-6
• /
• 2017

본 논문은 광대역 고주파신호의 주파수를 정확하게 측정하기 위해서 아나로그 디지털변환기(ADC), EP2AGX FPGA와 STM32 프로세서를 이용한 주파수 측정 장치 설계에 대해서 기술하였다. 본 논문에서 사용한 ADC 소자는 샘플링 주파수가 250 MSPS이고 처리주파수 대역폭은 100 MHz 수준으로서 샘플링 주파수가 높아서 일반 컴퓨터나 프로세서에서 직접처리가 힘들어 Altra EP2AGX65 FPGA를 사용하여 주파수 측정 알고리즘을 구현하였다. 측정된 주파수는 실시간으로 방향 탐지 제어기로 보내지며 위상신호와 융합하여 고주파 신호의 입사방위각을 계산한다. 설계한 주파수 측정 장치는 주파수 측정 오차가 0.2 Mhz 수준으로 Anaren DFD-x 보다 오차가 30% 이상 감소하여 전파감시 및 방향 탐지 장치 설계에 크게 기여하리라 판단된다.

• 한국음향학회지
• /
• 제28권4호
• /
• pp.318-327
• /
• 2009

본 논문에서는 천해환경에서 근거리 광대역 음원의 3차원 위치추정 알고리즘을 제안한다. 음향 도파관 불변 이론에 따라 센서 스펙트로그램에 나타나는 간섭패턴의 기울기는 음원의 거리에 비례한다. 두 개의 센서 스펙트로그램에 나타나는 간섭패턴의 정합을 통해 음원과 두 센서간의 상대적인 거리비를 추정 하였다. 이를 아폴로니오스의 원에 적용하여 두 센서로부터 일정한 거리비를 가지는 음원의 궤적을 나타낸다. 3개의 센서를 이용하면 두 개의 아폴로니오스 원이 음원의 수평거리와 방위를 나타내는 교점을 형성하며 이는 음원의 수심에 대하여 일정하다. 따라서 음원의 깊이는 두 센서로부터 거리차가 일정한 3차원 쌍곡면의 방정식을 적용하여 최종 추정하였다. 제안된 알고리즘의 성능평가를 위하여 음파 전달 모델을 이용한 모의실험을 통해 위치추정 오차를 분석하였다. 모의실험 결과 음원의 거리에 대한 추정오차는 50 m이내, 깊이에 대한 추정오차는 15 m 이내인 것으로 나타났다.

• 한국강구조학회 논문집
• /
• 제19권6호
• /
• pp.695-702
• /
• 2007

온도프리스트레싱 공법은 강합성거더교 또는 강구조물에 인위적인 온도경사를 가하여 프리스트레싱력을 도입하기 위해 개발된 공법으로, 연속 강합성거더교에 적용할 경우 부모멘트 발생지점인 연속지점부 부근의 바닥판에 프리스트레스를 도입함으로써 콘크리트 바닥판의 인장균열을 억제하는 한편, 교축방향 보강철근 사용량 및 강거더 단면을 감소시킬 수 있어 경제성과 시공성의 향상이 가능한 공법이다. 이전의 연구에서 가열구간을 설정하기 위해 사용한 시행오차법은 비효율적인 것으로 온도프리스트레싱 공법을 적용한 설계가 효율적으로 이루어지기 위해서는 보다 합리적인 적정 가열구간의 설정기법이 필요하다. 본 연구에서는 이러한 문제점을 개선하기 위하여 패턴인식, 최적화, 진단 및 예측 등을 수행하는데 많이 사용되고 있는 인공신경망 이론을 적용하여 온도프리스트레싱 공법을 적용한 연속 강합성거더교의 가열구간을 효과적이고 경제적으로 설정하는 기법을 제안하고자 한다. 인공신경망 이론을 학습시키기 위한 학습알고리즘으로는 일반적으로 널리 사용되는 오차역전파 알고리즘을 사용하였으며, 이를 이용하여 2경간 및 3경간 연속 강합성거더교의 가열구간을 예측하고 유한요소해석과의 비교를 통하여 학습알고리즘의 특성 및 예측의 정확도를 분석하였다.

• 한국지반공학회논문집
• /
• 제16권1호
• /
• pp.75-81
• /
• 2000

일반적으로 자연상태의 흙은 이방성을 나타내며, 이러한 흙의 이방성이 응력-변형률 거동에 미치는 영향은 매우 크다. 따라서 본 연구에서는 인공신경회로망 모델을 이용하여 압밀응력비 변화에 따른 정규압밀점토의 응력-변형률 거동을 모델링하고 비배수전단강도를 예측하여 보았다. 이때 사용된 신경회로망은 일반화된 델타규칙으로도 불리우는 오차역전파 학습 알고리즘을 이용한 다층신경회로망이다. 신경회로망의 학습은 인공퇴적 점토시료를 이용, 연직압밀응력과 압밀응력비를 다르게 정규압밀시킨후 비배수전단시험을 실시하여 얻어진 시험 결과를 이용하였고, 학습된 신경회로망을 이용하여 학습시 제외되었던 압밀응력비 상태에서의 비배수전단강도를 추론하여 본 결과 예측치와 실측치가 잘 일치하였다. 검토결과 실측치와 추론치 사이에는 결정계수($r^2$) 0.973 이상의 높은 상관관계가 있음을 확인하였다. 따라서, 본 연구결과는 점토의 비배수전단강도를 예측함에 있어서 인공신경회로망모델의 적용 가능성을 보여주었다.

• 한국지능시스템학회논문지
• /
• 제16권3호
• /
• pp.367-371
• /
• 2006

MLP는 뛰어난 학습능력으로 인하여 많은 분야에 성공적으로 적용되고 있다. 그러나, 학습 방법으로서 최급경사법에 근거한 오차역전파 알고리즘을 적용하기 때문에 학습시간이 오래 걸리는 단점이 있다. 또한 입력차원의 크기가 크거나 클래스간 학습데이터의 유사성이 클 경우 최적의 파라미터를 구하는데는 한계가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 LDA와 local MLP을 이용한 새로운 얼굴인식시스템을 제안하고자 한다. 제안된 방법은 우선 LDA 기법에 의해 차원이 축소된 얼굴의 특징벡터를 계산한다. 다음 단계로서 전체 학습영상을 사용하기 보다는 그룹별로 분할된 얼굴영상에 대해 MLP를 수행하므로서 그룹별로 최적인 파라미터를 결정한다. 마지막 단계로 그룹별로 수행된 local MLP를 결합함으로써 전체 얼굴인식 시스템을 구성한다. 제안된 방법의 타당성을 보이기 위해 ORL 얼굴영상을 대상으로 실험한 결과 기존 방법인 PCA나 LDA에 비해 향상된 결과를 보임을 확인할 수 있었다.