• 한국정보통신학회논문지
• /
• 제9권4호
• /
• pp.883-889
• /
• 2005

다층 구조 신경망에서 널리 사용되는 오류 역전파 알고리즘은 초기 가중치와 불충분한 은닉층의 노드 수로 인하여 지역 최소화에 빠질 가능성이 있다. 따라서 본 논문에서는 오류 역전파 알고리즘에서 은닉층의 노드 수를 설정하는 문제와 ART-1에서 경계 변수의 설정에 따라 인식률이 저하되는 문제점을 개선하기 위하여 ART-1과 퍼지 단층 지도 학습 알고리즘을 결합한 ATR-1 기반 퍼지 다층 지도 학습 알고리즘을 제안 한다. 자가 생성을 이용한 제안된 퍼지 지도 학습 알고리즘은 입력층에서 은닉층으로 노드를 생성시키는 방식은 ART-1을 적용하였고, 가중치 조정은 특정 패턴에 대한 저장 패턴을 수정하도록 하는 winner-take-all 방식을 적용하였다. 제안된 학습 방법의 성능을 평가하기 위하여 주민등록증 영상을 대상으로 실험한 결과, 기존의 오류 역전파 알고즘보다 연결 가중치들이 지역 최소화에 위치할 가능성이 줄었고 학습 속도 및 정체 현상도 개선되었다.

• 한국통신학회논문지
• /
• 제30권2C호
• /
• pp.31-40
• /
• 2005

오류 역전파 알고리즘의 문제점과 ART 신경회로망의 문제점을 개선하기 위해 Jacobs가 제안한 delta-bar-delta 방법과 신경회로망을 결합한 자가 생성 지도 학습 알고리듬을 제안한다. 입력층과 은닉층에서는 ART-1과 ART-2 알고리듬을 이용하고, winner-take-all 방식은 완전 연결 구조이나 연결된 가중치만을 조정하도록 채택하였다. 실험을 위해 학생증, 주민등록증, 컨테이너의 영상으로 추출한 패턴을 신경회로망의 은닉층 노드에 대해 실험하였고, 실험결과 제안된 자기 생성 지도 학습알고리듬이 지역최소화, 학습 속도, 정체 현상이 기존의 방법보다 성능이 개선된 것을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 춘계학술발표논문집 (하)
• /
• pp.1029-1032
• /
• 2001

자기구성 특징지도(Self-Organizing feature Map : SOM) 및 $L^*$ 등의 자가 학습 신경망의 알고리즘들은 학습 결과 중에 바람직하지 못한 뒤틀림 현상(cross-over)을 생성하게 되므로 재학습으로 인한 전반적인 학습 시간의 지연을 초래한다. 이 논문에서는 비교적 학습 속도가 빠른 $L^*$의 점증적 학습 구조를 기본으로 하여 뒤틀림 현상 방지를 목적으로 초기 학습 단계에서 학습 가중치들의 노드들을 재조정하는 개선된 알고리즘을 제안한다. 이러한 알고리즘의 실험 결과는 모두 정상적인 학습 결과를 보이고 학습의 시행 착오적인 재실행이 없으므로 전반적인 학습 속도는 기존의 알고리즘보다 빠르게 됨을 보인다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2004년도 하계학술대회
• /
• pp.11-19
• /
• 2004

본 연구에서는 정보 교육을 기반으로 하여 데이터 조직을 하고 그것을 바탕으로 하여 학습자로 하여금 알고리즘적 사고력을 길러 프로그래밍과 같은 추상적인 분야까지의 사고력의 신장을 기를 수 있도록 하는데 연구의 중점을 두었다. 현재 초등학교에서는 응용 소프트웨어의 지도 수준에 머무르고 있어, 컴퓨터 시스템과 데이터의 흐름에 대한 인식이 부족하다. 이는 학습자의 흥미를 유발하여 컴퓨터에 대한 친근감을 갖게 할 수는 있지만, 컴퓨터교육으로 질에 대한 충분한 이해가 결핍된 교육 방법이다. 또한 초등 컴퓨터 교육에 있어서 컴퓨터 내용학에 대한 지도는 거의 이루어지고 있지 않고 있고, 이에 대한 인식도 부족하다. 당면하고 있는 정보화 사회에서는 논리적이고 체계적인 접근방법으로 컴퓨터 내용학 지도가 이루어져 학습자 스스로 정보를 생성, 조직할 수 있는 논리력을 기를 수 있어야 한다. 또한 컴퓨터 내용학의 기초인 자료구조는 중요성과 타 컴퓨터 내용학에 파급되는 효과에 비해서 선행연구가 부족하였기 때문에 보다 쉽게 학습자에게 이해 가능하도록 하는 지도 방법이 이루어지도록 연구의 내용에 제안하였다.

• 한국멀티미디어학회논문지
• /
• 제6권7호
• /
• pp.1312-1320
• /
• 2003

본 논문에서는 하나의 은닉층을 가지는 다층 구조 신경망이 고려되었다. 다층 구조 신경망에서 널리 사용되는 오루 역전파 학습 방법은 초기 가중치와 불충분한 은닉층 노드 수로 인하여 지역 최소화에 빠질 가능성이 있다. 따라서 본 논문에서는 퍼지 단층 퍼셉트론에 ART1을 결합한 방법으로, 은닉층의 노드를 자가 생성(self-generation)하는 퍼지 지도 학습 알고리즘을 제안한다. 입력층에서 은닉층으로 노드를 생성시키는 방식은 ART1을 수정하여 사용하였고, 가중치 조정은 특정 패턴에 대한 저장 패턴을 수정하도록 하는 winner-take-all 방식을 적용하였다. 제안된 학습 방법의 성능을 평가하기 위하여 학생증 영상을 대상으로 실험한 결과. 기존의 오류 역전파 알고즘보다 연결 가중치들이 지역 최소화에 위치할 가능성이 줄었고 학습 속도 및 정체 현상이 개선되었다.

• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.32-40
• /
• 2008

데이터 속성 값이 연속적이고 애매할 때 퍼지 규칙으로 분류규칙을 표현하는 것은 매우 유용하면서도 효과적이다. 그러나 효과적인 퍼지 분류규칙을 생성하기 위한 소속함수를 결정하기는 어렵다. 본 논문에서는 진화알고리즘을 이용하여 효과적인 퍼지 분류규칙을 자동으로 생성하는 방법을 제안한다. 제안한 방법은 지도 군집화로 클래스 분포에 따라 초기 소속함수를 생성하고, 정확하고 간결한 규칙을 생성할 수 있도록 초기 소속함수를 진화시키는 방법이다. 또한 진화알고리즘의 시간에 대한 효율성을 높이기 위한 방법으로 데이터 분할 평가 진화 방법을 제안한다. 데이터 분할 평가 진화 방법은 전체 학습 데이터를 여러 개의 부분 학습 데이터들로 나누고 개체는 전체 학습 데이터 대신 부분 학습 데이터를 임의로 선택하여 평가하는 방법이다. UCI 벤치마크 데이터로 기존 방법과 비교 실험을 통해 평균적으로 제안한 방법이 효과적임을 보였다. 또한 KDD'99 Cup의 침입탐지 데이터에서 KDD'99 Cup 우승자에 비해 1.54% 향상된 인식률과 20.8% 절감된 탐지비용을 보였고 데이터 분할 평가 진화 방법으로 개체평가 시간을 약 70% 감소시켰다.

• 한국터널지하공간학회 논문집
• /
• 제22권5호
• /
• pp.515-528
• /
• 2020

통상적으로 콘크리트 지하 구조물은 수십 년 이상 사용할 수 있도록 설계되지만 최근 들어 구조물 중 상당수가 당초의 기대 수명에 근접하고 있는 실정이다. 그 결과 구조물 고유의 기능이 상실되고 다양한 문제가 야기될 수 있어 신속한점검과 보수가 요구되고 있다. 이를 위해 지금까지는 지하 구조물 유지관리를 위하여 인력 기반의 점검과 보수가 진행되었으나 최근에는 인공지능과 영상 기술의 융합을 통한 객관적인 점검 기술 개발이 활발하게 이루어지고 있다. 특히 딥러닝을 활용한 영상 인식 기술을 적용하여 지도학습 기반의 콘크리트 균열 탐지 알고리즘 개발에 관한 연구가 다양하게 진행되고 있다. 이러한 연구들은 대부분 지도학습 형태 영상 인식 기술로 많은 양의 데이터를 바탕으로 개발이 되는데, 그 중에도 많은 수의 라벨 영상(Label image)이 요구된다. 이를 확보하기 위해서는 현실적으로 많은 시간과 노동력이 필요한 실정이다. 본 논문에서는 이와 같은 문제를 개선하고자 적대적 학습 기법을 적용하여 균열 영역 탐지 정확도를 평균적으로 0.25% 향상시키는 방법을 기술하고자 한다. 이 적대적 학습은 분할(Segmentation) 신경망과 판별자(Discriminator) 신경망으로 구성되어 있고, 가상의 라벨 영상을 경쟁적인 구조로 생성하여 인식 성능을 높이는 알고리즘이다. 본 논문에서는 이 같은 방법을 활용하여 효율적인 심층 신경망 학습 방법을 제시하였고, 향후에 정확한 균열 탐지에 활용될 것으로 기대한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.368-369
• /
• 2011

This article suggests an online-based remote fault current mode discrimination method in order to identify the causes of the power line faults with various causes. For that, it refers to existing cause identification methods and categorizes modes by fault causes based on statistical techniques beforehand and performs the pretreatment process of fault currents by each cause acquired from the fault recorder into a topological plane in order to extract the characteristics of fault currents by each cause. After that, for the fault mode categorization, it discriminates modes by each cause using data by each cause as leaning data through utilizing RBF network based on FCM allowing self-organization in deciding the middle layer. And then it tests the validity of the suggested method as applying it to the data of the actual fault currents acquired from the fault recorder in the electric power transmission center.