• 한국컴퓨터정보학회논문지
• /
• 제10권6호
• /
• pp.93-102
• /
• 2005

본 논문은 퍼지 c-means 알고리즘의 퍼지 멤버십 등식을 신경망과 융합한 서명의 특징정보를 기반으로 하는 자율적인 자기조직화 신경망 모델 이용하여 서명 검증하는 방법을 제안하였다. 기존 온라인 서명인식 방법인 함수적 접근법과 매개변수적 접근법의 한계점을 개선하기 위해 자율적 클러스터 특징정보에 의해 서명 패턴 분류 접근법을 제안했다. 본 논문의 중요한 요소는 서명의 특징 정보를 36개의 전역적 특징 정보 정의와 12개의 지역적 특징 정보를 정의하였고, 이를 기반으로 FE-SONN에 학습하여 서명의 진위여부를 검증하는 검증시스템 구현에 있다. 총 713개의 서명을 가지고 실험하였으며, 원본 서명 155개와 시험용으로 위조 서명 180개와 본인이 작성한 진본 서명 378개를 테스트한 결과 97.67$\%$이상의 검증률을 얻을 수 있었다. 그러나 눈으로 식별이 불가능한 정교한 위조서명은 검증 시스템에서도 진위여부 판단에 어려움이 있다.

• Communications for Statistical Applications and Methods
• /
• 제19권3호
• /
• pp.459-469
• /
• 2012

본 연구에서는 자기조직화 신경망이 필요한 노드만을 가지고 최적화하여 정규혼합분포를 추정하는 모형(Ahn과 Kim, 2011)을 Java언어에서 제공하는 스레드(thread)를 기반으로, 멀티코어 컴퓨팅환경에서 병렬처리방식으로 구현하여 순차처리방식에 비해 짧은 연산시간으로 정규혼합모형의 추정이 가능함을 보이려고 한다. 이를 위하여 Ahn과 Kim이 제안한 모형을 바탕으로 두 가지의 병렬처리 방법을 제안하고 그 성능을 평가하였다. 병렬처리 방법은 Java의 멀티스레드를 이용하여 구현되었으며, 모의실험을 통하여 제안한 모형이 순차처리방식과 비교하여 수렴속도가 빠름을 확인하였다.

• 대한산업공학회지
• /
• 제28권4호
• /
• pp.360-367
• /
• 2002

The machine-part group formation is to group the sets of parts having similar processing requirements into part families, and the sets of machines needed to process a particular part family into machine cells. The purpose of this study is to develop a two-phase machine-part group formation algorithm based on Self-Organizing Maps (SOM). In phase I, it forms machine cells from the machine-part incidence matrix by means of SOM whose output layer is one-dimension and the number of output nodes is the twice as many as the number of input nodes in order to spread out the input vectors. In phase II, it generates part families which are assigned to machine cells by means of machine ratio related with processing part and it gives machine-part group formation. The proposed algorithm performs remarkably well in comparison with many well-known algorithms for the machine-part group formation problems.

• 산업경영시스템학회지
• /
• 제42권2호
• /
• pp.94-103
• /
• 2019

Self Organizing Map (SOM) is a neural network that is effective in classifying patterns that form the feature map by extracting characteristics of the input data. In this study, we propose an algorithm to determine the cell formation and the machine layout within the cell for the cell formation problem with operation sequence using the SOM. In the proposed algorithm, the output layer of the SOM is a one-dimensional structure, and the SOM is applied to the parts and the machine in two steps. The initial cell is formed when the formed clusters is grouped largely by the utilization of the machine within the cell. At this stage, machine cell are formed. The next step is to create a flow matrix of the all machine that calculates the frequency of consecutive forward movement for the machine. The machine layout order in each machine cell is determined based on this flow matrix so that the machine operation sequence is most reflected. The final step is to optimize the overall machine and parts to increase machine layout efficiency. As a result, the final cell is formed and the machine layout within the cell is determined. The proposed algorithm was tested on well-known cell formation problems with operation sequence shown in previous papers. The proposed algorithm has better performance than the other algorithms.

• 한국IT서비스학회지
• /
• 제20권1호
• /
• pp.81-92
• /
• 2021

As the degree of economic development of society increases, the maintenance issues on the existing social overhead capital becomes essential. Accordingly, the adaptation of the concept of Level of service in highway maintenance is indispensable. It is also crucial to manage and perform the service level such as road assets to provide universal services to users. In this regards, the purpose of this study is to improve the maintenance service rating model and to focus on the assessment items and weights among the improvements. Particularly, in determining weights, an Analytic Hierarchy Process (AHP) is performed based on the survey response results. After then, this study conducts unsupervised neural network models such as Self-Organizing Map (SOM) and Davies-Bouldin (DB) Index to divide proper sub-groups and determine priorities. This paper identifies similar cases by grouping the results of the responses based on the similarity of the survey responses. This can effectively support decision making in general situations where many evaluation factors need to be considered at once, resulting in reasonable policy decisions. It is the process of using advanced technology to find optimized management methods for maintenance.

• 한국항만경제학회지
• /
• 제26권1호
• /
• pp.43-60
• /
• 2010

본 논문에서는, 국내와 외국에서 선행된 항만분야의 SOM신경망을 이용한 클러스터 분석과 관련된 선행연구들을 간략하게 검토하였으며, 또한 국내 컨테이너터미널 8곳의 3년간(2002년, 2003년, 2004년)자료를 이용하고, 4개의 투입물[종업원수(명), 부두길이(m), 부지면적(평방m), 갠트리크레인 대수(대)])과 1개의 산출물[년간 컨테이너 처리실적(TEU)]을 이용하여 DEA방법 및 SOM신경망을 이용한 클러스터링으로 실증분석하는 방법을 보여주었으며, 그 결과가 갖는 현실적인 의미와 정책적인 함의를 제시하였다. 주요한 실증분석 결과는 다음과 같다. 첫째, DEA분석결과에 의하면, 각 터미널의 참조터미널들이 감천터미널을 제외하고 지리적으로 근접지역에 위치하고 있는 것으로 나타나서 클러스터형성이 가능하며, 시너지 효과도 얻을 수 있는 것으로 나타났다. 광양터미널들은 지리적으로 멀지만, 감만, 우암터미널들과 클러스터를 구축할 수 있는 것으로 나타났다. 둘째, SOM신경망을 이용한 클러스터링분석결과를 보면, 클러스터 1, 클러스터 2, 클러스터 3에 위치함 감만터미널, 클러스터 4에 위치하고 있는 허치슨터미널과 신선대터미널, 클러스터 5에 위치한 15개의 터미널들이 나름대로 클러스터링에 대한 의미를 가지고 있는 것으로 추정되었다. 셋째, DEA기법에 의한 참조터미널들에 의한 클러스터링과 SOM신경망에 의한 클러스터링 사이에서는 약67% 수준에서 일치하였다. 본 연구의 정책적인 함의는 첫째, 컨테이너터미널에 대한 정책입안자는 북항에 속한 자성대, 우암, 신감만, 감만 터미널은 터미널운영을 통합하는 것이 필요하다. 즉, 클러스터링의 효과를 극대화시키기 위해서는 부두운영사의 숫자를 줄여나가는 정책을 강제적으로 입안하여 시행하는 것이 가장 시급한 문제이다. 둘째, 부산북항에 위치한 터미널들의 최대약점은 터미널마다 부두운영사가 서로 달라서 화주들에게 원스톱서비스를 제공하지 못하고 있다는 점이다. 즉, 년간 물동양의 44%가 환적화물임을 감안해 보았을 때, 북항의 컨테이너 터미널들은 향후 신항과의 화물수주경쟁에서 성공하기 위해서는 반드시 클러스터링을 하는 정책을 도입해야만 한다.

• 한국음향학회지
• /
• 제14권2호
• /
• pp.101-112
• /
• 1995

본 논문에서는 패턴 매칭 방법에 근거하여 인식 단위가 음소인 음소 기반 인식 시스템을 구성하였다. 선택한 신경망 구조는 생물학적 신경망인 코호넨(T. Kohonen)의 SOFM(Self-Organizing Feature Map)으로 패턴 매칭 과정 중 클러스터러(clusterer)로 사용하였다. SOFM 신경망은 신호 공간에 대해서 최적의 국소(局所) 해부적 사상(local topographical mapping)에 의한 자기 조직화 과정을 수행하며, 그 결과 인식 문제에 있어서 상당히 높은 정확도를 나타낸다. 따라서 SOFM 신경망은 음소 인식에도 효과적으로 응용될 수 있다. 또한 음소 인식 시스템의 성능 향상을 위해 K-means클러스터링 알고리즘이 결합된 학습 알고리즘을 제안하였다. 제안된 음소 인식 시스템의 성능을 평가하기 위해 먼저, 인식 대상음소는 모음군 17개, 자음의 경우 파열음9개, 마찰음 3개, 파찰음 3개, 유음 및 비음 4개, 음소의 성질이 다른 종성 7개의 음소군으로 모두 43개의 음소를 대상으로 실험하였으며, 각 음소군에 대한 특징 지도를 구성하여 레이블러(labeler)의 기능을 수행하게 하였다. 화자 종속 인식 실험 결과 $87.2\%$의 인식률을 보였으며 제안한 학습법의 빠른 수렴성과 인식률 향상을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제11권4호
• /
• pp.354-358
• /
• 2001

본 논문에서는 underutilization 문제를 해결한 퍼지 신경회로망 모델을 제시한다. 이 퍼지 신경 회로망은 ART-1 신경회로망과 유사한 제어 구조를 가지고 있어 유연성이 있으면서도 안정성이 있다. 또한 연결강도의 초기화가 필요 없고 ART-1 신경회로망에 비하여 잡음에 민감하지 않다. 이 퍼지 신경회로망의 학습법칙은 코호넨의 학습법칙을 변형하고 퍼지화 하였으며 누설 경쟁학습의 퍼지화와 조건 확률의 퍼지화에 기반을 두고 있다. 출력 뉴런 중에서 승자를 정한 후에 행해지는 점검 테스트에서는 유사척도로 상대적 거리를 사용하였다. 이 상대적 거리는 유클리디안 거리와 함께 데이터와 클러스터들의 대푯값들 간의 상대적인 위치를 고려한 것이다. 본 논문에서 제안한 퍼지 신경회로망과 코호넨 자기 조직화 특징 지도의 성능을 비교하기 위하여 널리 사용되어온 IRIS 데이터와 가우시안 분포 데이터를 사용하였다.

• 대한산업공학회지
• /
• 제31권3호
• /
• pp.257-264
• /
• 2005

This paper suggests a heuristic algorithm for the clustering problem. Clustering involves grouping similar objects into a cluster. Clustering is used in a wide variety of fields including data mining, marketing, and biology. Until now there are a lot of approaches using Self-Organizing Feature Maps(SOFMs). But they have problems with a small output-layer nodes and initial weight. For example, one of them is a one-dimension map of k output-layer nodes, if they want to make k clusters. This approach has problems to classify elaboratively. This paper suggests one-dimensional output-layer nodes in SOFMs. The number of output-layer nodes is more than those of clusters intended to find and the order of output-layer nodes is ascending in the sum of the output-layer node's weight. We can find input data in SOFMs output node and classify input data in output nodes using Euclidean distance. We use the well known IRIS data as an experimental data. Unsupervised clustering of IRIS data typically results in 15 - 17 clustering error. However, the proposed algorithm has only six clustering errors.

• KSBB Journal
• /
• 제20권4호
• /
• pp.291-298
• /
• 2005

본 연구는 재조합 대장균과 S.cerevisiae의 발효공정에서 형광스펙트럼 데이터를 수집하였으며, SOM을 이용하여 형광스펙트럼 데이터를 특정 그룹으로 분류하고 발효공정을 분석하고자 하였다. 배출가스 내 이산화탄소농도와 세포농도 같은 공정변수들은 SOM 알고리즘으로부터 얻은 분산 및 정규화된 가중치들과 좋은 연관성을 나타내었다. 전체 스펙트럼 데이터의 분류는 생물공정 모델링을 위한 매우 중요한 단계인데 그 이유는 몇몇 여기파장과 방출파장의 유의한 조합들이 전체영역의 스펙트럼 데이터로부터 추출되기 때문이다. 예를 들면, 본 연구에서 SOM을 이용하여 추출한 98개의 스펙트럼 데이터의 예제들은 부분최소자승법이나 감독신경망 (supervised neural network)을 이용한 공정의 모델링에 사용될 수 있다.