• 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.

• 한국지반공학회지:지반
• /
• 제10권4호
• /
• pp.17-28
• /
• 1994

인간의 두뇌는 분산 병렬 처리에 효과적이라는 사실에 근거하여 인공 신경망이론이 개발되었으며, 과학의 여러 분야에서 성공적으로 적용되어지고 있다. 본 연구에서는 인공 신경망 이론의 학습방법 중 하나인 오차 역전파 학습 알고리즘을 모형 말뚝의 극한지지력 예측에 적용하여, 이 이론이 말뚝의 극한지지력의 합리적인 산정방법으로 적용될 수 있는지의 가능성을 검토하였다. 이러한 시스템의 타당성 검토를 위하여 총 28개의 모형 말뚝재하시헙 결과를 이용하였으며, 그 중에서 9, 14, 21개의 자료를 네트워크 학습에 이용하여 나머지 자료의 예측 가능 정도를 분석하여 보았다. 개발된 시스템은 14개 이상의 학습자료에 대하여 모형 말뚝재하시험의 결과와 잘 맞는 것으로 나타났다. 이와같은 결과들을 종합하여 보건데 신경망 이론이 말뚝의 극한지지력 예측 문제에 적용될 수 있는 가능성을 보여 주었다.

• 한국지반공학회논문집
• /
• 제20권5호
• /
• pp.17-25
• /
• 2004

DMT 시험은 연약지반의 공학적 특성을 파악하기 위한 현장 시험방법으로, 이 방법으로부터 구한 비배수 전단강도는 가장 신뢰성 있고 유용한 매개변수로 알려져 있다. 그러나 국외 다른 지역의 자료를 토대로 기존에 제안된 상관관계식들은 지역적인 특성에 의존한다. DMT 시험 결과는 3가지 중간 지수 - 재료지수, 수평응력지수, dilatometer modulus를 사용하여 해석이 이루어지며 특히 비배수 전단강도는 수평응력지수만을 이용하여 예측하고 있다. 본 논문에서는 먼저 DMT 시험의 국내 연약지반에서의 적용성을 살펴보았으며 DMT로부터 비배수 전단강도를 추정하기 위하여 $p_0, p_1, p_2, {\sigma '}_v$ 그리고 초기 간극수압을 바탕으로 인공신경망 모델을 개발하였다. 인공신경망 모델은 오차 역전파 알고리즘을 적용하였으며 국내 연약지반에서 수행된 DMT 시험 자료를 이용하여 훈련하였다. 인공신경망 모델의 적용성을 판단하기 위하여 훈련에 이용되지 않은 자료로부터 예측된 결과와 기존에 제안된 상관관계식으로부터 얻은 결과를 서로 비교하였다.

• 한국전자파학회논문지
• /
• 제29권1호
• /
• pp.68-76
• /
• 2018

표적 우선순위 할당은 다수의 표적이 존재하는 전술 환경에서 다기능 레이다(Multifunction Radar: MFR)가 중요한 표적을 추적하고 레이다 자원을 효율적으로 관리하기 위해 필요한 기능이다. 본 논문에서는 레이다에서 수집한 정보로부터 표적에 대한 우선순위를 산출하는 인공 신경망(Artificial Neural Network: ANN) 모델을 구현한다. 더 나아가, 기존의 경사 하강법(gradient descent) 기반 역전파(backpropagation) 알고리즘을 발전시켜 표적 우선순위 할당에 더욱 적합한 최급 강하법(steepest descent) 기반 신경망 학습 알고리즘을 제안한다. 시뮬레이션에서는 훈련 데이터와 신경망의 결과값 사이의 오차와 특정 테스트 시나리오에서 할당된 우선순위의 합리성을 분석하여 제안된 방법의 성능을 확인한다.

• 센서학회지
• /
• 제7권6호
• /
• pp.418-425
• /
• 1998

로봇을 비롯한 자동화 기계의 3차원 작업에서 스테레오 카메라는 가장 널리 사용되는 센서 장치이다. 스테레오 카메라를 사용함으로써 3차원 실세계 공간내 임의 목표점의 위치를 측정할 수 있으며, 카메라의 보정은 이를 위한 중요한 선행작업이다. 기존의 카메라 보정법은 크게 선형과 비선형의 기법으로 나눌 수 있는데, 선형의 기법은 간단하나 정확도의 면에서 문제점을 지니고, 비선형 기법은 렌즈의 왜곡을 보상하기 위한 모델링 과정과 이의 비선형 해를 구하는 비교적 복잡한 과정을 필요로 한다는 문제가 있다. 본 논문에서는 이러한 문제의 한 해결방안으로 인공신경망을 적용하는 방법을 연구하고 그 결과를 제시한다. 특히 역전파 알고리즘에 의해 학습된 다층 신경망의 함수 근사화 능력을 활용하여 선형기법의 오차 패턴을 학습함으로써 간단하고 효과적으로 계측의 정확도를 향상시킬 수 있음을 실험을 통하여 보인다.

• 전자공학회논문지SC
• /
• 제39권1호
• /
• pp.51-65
• /
• 2002

본 논문에서는 혼돈 비선형 시스템의 지능 제어를 위해 간접 적응 제어 방식에 기초한 신경 회로망 제어기 설계 방법을 제안하였다. 제안된 제어 방법은 혼돈 비선형 시스템의 동정을 위해 다층 신경 회로망과 간단한 상태 공간 신경 회로망을 사용한 직-병렬 동정 구조를 이용하여 오프 라인으로 동정 과정을 수행하였으며, 학습된 혼돈 비선형 시스템에 대한 신경 회로망 모델을 사용하여 온 라인으로 제어를 수행하였다. 이때 혼돈 비선형 시스템의 동정 및 제어를 위한 학습 방법은 오차 역전파 방법을 사용하였다. 한편 본 논문에서 제안된 제어 방법을 연속 시간 혼돈 비선형 시스템인 Duffing 방정식과 Lorenz 방정식에 각각 적용하여 신경 회로망을 사용한 기존의 제어 방법과 컴퓨터 모의 실험을 통해 제어 성능을 비교 및 고찰하였다.

• 한국멀티미디어학회논문지
• /
• 제1권1호
• /
• pp.26-36
• /
• 1998

2차원 밝기 영상에서 3차원 정보를 얻는 문제는 컴퓨터 시각 연구에서 매우 중요한 분야를 차지하고 있다. 이러한 목적을 위해 먼저 2차원 영상을 취득할 때 카메라의 위치, 광원의 방향, 영상내 물체의 반사특성 등 본질적인 정보를 이용한다. 이중에서 물체의 표면 반사특성은 매우 중요한 단서가 된다. 과거에는 물체의 반사특성을 Lambertian 반사만을 전제하여 연구를 진행했지만 실세계의 물체는 대부분 Non-Lambertian 반사특성을 갖는다. 본 논문에서는 2차원 밝기 영상에서 물체의 반사특성을 해석하고, 반사특성 파라미터를 추정하여 물체의 형상을 복구하는 새로운 방법과 반사특성을 모르는 상황에서 신경회로망 학습에 의해 형상을 복구하는 방법을 제안한다. 물체의 반사특성은 전반사 성분과 난반사 성분을 함께 갖는 Non-Lambertian 면을 그 대상으로 하며, 이러한 반사특성은 전반사(Torrance-Sparrow) 모델과 난반사(Lambertian) 모델의 선형적인 합으로 설명될 수 있다. 본 논문에서 제안한 Photometric Matching은 주변 화소의 밝기 분포를 고려하여 참조영상과의 매칭을 통한 형상복구 알고리듬으로써 기존의 Photometric Stereo에 근본을 두고 있지만, 잡음 및 오차의 누적 정도가 향상되었다. 또한 물체의 반사특성을 모르는 상황에서 신경회로망 학습에 의한 형상복구방법을 제안한다. 이 방법은 역전파 학습알고리듬을 이용해 광원 방향에 따른 밝기값에 대해 면법선을 교사하여 형상을 결정한다.

• 한국컴퓨터정보학회논문지
• /
• 제16권8호
• /
• pp.137-146
• /
• 2011

에너지 소모에 대한 증가되는 소비자의 관심을 지원하기 위하여 가전기기의 에너지 모니터링과 예측 방식을 제안한다. 제안한 시스템은 0.5초마다 전류 센서를 지나가는 전류량을 측정하는 스마트 플러그라는 일반 전기 콘센트로 설계하고, 신경회로망의 훈련과 시험 데이터를 얻기 위해 평균기온, 최저기온, 초고기온, 습도, 일조시간의 날씨 정보를 입력 데이터로 사용하고, 스마트 플러그를 통한 전기 사용량을 목표값으로 사용하였다. 훈련을 위한 실험데이터를 사용하여 역전파 알고리즘을 기반으로 한 신경회로망을 구성하였다. 입력과 출력 데이터의 비선형 매핑을 위해 다층신경회로망을 사용하였다. 제안한 신경회로망 모델은 상관관계 계수가 0.9965로 우수하게 전기 사용량을 예측할 수 있는 것을 확인하였으며, 예측의 평균 제곱 오차는 0.02033이다.

• 조명전기설비학회논문지
• /
• 제13권4호
• /
• pp.109-119
• /
• 1999

스위치드 리럭턴스 전동기(SRM)는 상대적으로 낮은 가격, 간단하고 견고한 구조, 제어의 용이성과 고효율을 가지기 때문에 가변속 구동에서 점점 응용범위가 확대되고 있다. 본 논문에서 신경망이론은 퍼지-신경망 제어기의 소속함수와 퍼지규칙을 결정하는데 사용하였으며, 신경망 에뮬레이터는 SRM의 전방향 동특성을 모사하는데 사용하였다. 에뮬레이터의 역전파 오차는 퍼지-신경망 제어기의 소속함수와 퍼지규칙을 개선하는 경로를 제공한다. 32비트 DSP(TNS329C31)는 고속연산과 퍼지-신경망 제어 알고리즘을 실현하는데 사용하였다. 시뮬레이션과 실험결과는 부하변화의 경우 제안된 제어방법이 속도응답에서 종래의 방법보다 우수하였다.

• 조명전기설비학회논문지
• /
• 제18권6호
• /
• pp.37-44
• /
• 2004

전력계통분야의 복합 대형화에 유연한 대처와 전력조류의 최적화 도모를 위해 사용되는 FACTS(Flexible AC Transmission System)기기 중 가장 유용한 UPFC(Unified Power Flow Controller)는 선로의 전압을 임의의 크기와 위상을 갖도록 제어하여 선로로 전송되는 유ㆍ무효전력을 총체적으로 보상하는 기능을 갖는다. 이런 UPEC가 계통에 연계되어 운영된다면 송전선로 매개변수가 변하기 때문에 계통의 영향을 많이 받는 거리계전기는 불필요한 오동작이 발생하게 된다. 즉 거리계전기에서 바라본 임피던스 영역(Impedance Zone)이 송전선로에 UPFC 연계시 각각의 보상 값에 의해 상당한 변화를 보임으로, 기존의 방식으로 정정된 Relay Setting Zone과 Adaptive Setting Zone은 현저한 오차가 발생하게 된다. 그러므로 계통에 연계된 UPFC의 운전 조건을 고려한 거리계전기 보호구간의 재설정이 필요하게 된다. 따라서 본 논문의 목적은 학습이 가능한 신경회로망(ANN)을 이용하여 거리계전기 동작의 신속성(Speed)을 기본으로 전력계통의 다양한 환경에 대해 거리계전기 응동 특성을 향상시키는데 있다. 학습 방법으로는 정적 및 동적인 비선형 시스템의 인식과 다변수 시스템에 적용 가능한 역전파 알고리즘(Back-propagation Algorithm)을 사용했다.