• Proceedings of the Korean Statistical Society Conference
• /
• 2004.11a
• /
• pp.219-225
• /
• 2004

코호넨(T. Kohonen)의 자기조직화지도(Self-Organizing Map; SOM)은 저차원 그리드 공간에 고차원 다변량 자료를 축약하여 시각적으로 나타내는 비지도 학습법의 일종으로 최근 들어 통계 분석자들이 많은 관심을 가지고 있는 분야이다. 그러나 SOM은 개체공간의 연속형으로 표현되는 개체를 저차원 그리드공간에 승자노드에 비연속적으로 표현한다는 단점을 지니고 있다. 본 논문에서는 SOM을 통계적 목적으로 사용하기 위해 요구되는 그리드공간에 개체를 연속적으로 표현하는 방법들을 제안하고 활용 예를 제시하고자 한다

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.790-794
• /
• 2012

우리나라는 여름철에 강우가 편중되어 있고 동고서저의 산악지형으로 수자원확보가 어려운 실정이며 이는 곧 하천의 유지유량확보의 어려움과도 직결된다. 이러한 수자원확보를 위해 최근 기존 저수지 둑을 높이는 사업이 전국적으로 활발히 진행되고 있으며 이는 저수지나 댐의 수체와 같은 수자원을 보다 적극적으로 활용하여 그 가치를 높임과 동시에 하천에 대한 활용도를 높이고자 하는 데 그 목적이 있다. 따라서 저수지나 댐의 저류량에 기여하는 강우량, 유입량과 같은 수문학적 자료의 심도 있는 분석이 필요하며 수문변수들이 나타내는 복잡한 패턴에 대한 연구가 이루어져야 할 것이다. 본 연구에서는 저수지나 댐의 저류량에 직접적으로 영향을 주는 수문변수들을 전체적으로 파악하기 위해 수집된 수문자료의 각각의 특성 및 자료들 사이의 복합적인 관계를 파악하였으며 이를 위하여 패턴분류 분야에서 그 적용타당성이 입증된 자기조직화 지도(Self-Organizing Map: SOM)를 이용하였다. 본 연구의 대상지점은 섬진강 유역내에 위치한 주암호를 대상지점으로 선정하였으며 패턴분석에 사용한 수문자료의 기간은 2007~2010년까지 5년간의 월평균 자료를 활용하였다. SOM의 적용 결과, 측정수문자료에 대한 전체적인 특성을 패턴분류를 통해 분류하였으며, 각 변수에 대한 패턴별 상대성을 고려한 클러스터별 특성 및 시간적 이질성을 파악할 수 있었다. 이는 측정 자료에 대한 분석 기법개발의 일환으로 향후 수자원 확보에 대한 개발 및 정책의 기초자료로 활용될 것으로 기대된다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.20 no.4
• /
• pp.489-496
• /
• 2010

In this paper, a self-organization framework for swarm systems in three dimensions is presented. The framework uses artificial potential functions(APFs) to direct the robots toward the goal as well as to keep them in a swarm system. This research extends conventional APFs used for self-organizations in two dimension environment to three dimensions. In three dimension environment, the ground potential for the boundary surfaces that commonly appear in three dimension environments is proposed. Accordingly, the comparison between the paths without and with the ground potentials shows the necessity and effect of ground potentials. Extensive simulations are given to show the effectiveness of the extended potentials and various properties in three dimension environments.

• Journal of KIISE:Software and Applications
• /
• v.33 no.4
• /
• pp.440-448
• /
• 2006

Self-Organizing Map (SOM) is an unsupervised learning neural network and it is used for preserving the structural relationships in the data without prior knowledge. SOM has been applied in the study of complex problems such as vector quantization, combinatorial optimization, and pattern recognition. This paper proposes a new usage of SOM as a tool for schema transformation hoping to achieve more efficient genetic process. Every offspring is transformed into an isomorphic neural network with more desirable shape for genetic search. This helps genes with strong epistasis to stay close together in the chromosome. Experimental results showed considerable improvement over previous results.

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 2014.10a
• /
• pp.20-28
• /
• 2014

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1144-1148
• /
• 2010

오염원이 집중되는 도시지역에서의 비점오염원에 대한 관리대책은 점오염원에 비하여 미비한 실정이다. 따라서 도시 지역의 비점오염원 부하량의 합리적인 조사, 비점오염물질 저감을 위한 관리기술 개발과 아울러 정책의 개발 등이 필요하며, 도시지역에서의 장기적인 비점오염물질 유출에 관한 모니터링을 통한 비점오염물질 원단위 조사가 절실히 요구되고 있는 실정이다. 따라서 본 연구에서는 상업 및 위락시설지역의 비점오염원 유출특성을 분석하기 위해 2008년 4월부터 2009년 10월까지 실측에 의해 측정된 강우량과 유출량 자료를 이용하여 비점오염원 유출특성을 분석하였다. 또한 본 연구에서는 자기 조직화 특성지도(Self-Organizing Feature Map: SOFM) 이론을 적용하여 측정된 유출 및 수질자료에 대해 패턴분류를 수행하여 분할구역별 자료의 특성분석을 통해 초기강우 특성이 구분되어짐을 확인 할 수 있었다. 그러나 현재 축적된 자료에 대한 양적인 한계로 인해 명확한 구분이 이루어지지 않는 항목도 있었으나, 향후 지속적인 모니터링을 통해 충분한 자료가 축적될 경우 초기강우 기준을 위한 새로운 접근방법으로 제시될 수 있을 것으로 기대된다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1994.04a
• /
• pp.405-405
• /
• 1994

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.316-318
• /
• 2001

본 논문에서는 자기조직화 형상지도(Self-organizing Feature Maps)를 사용하여 움직이는 물체에 대해 움직임의 특성을 자동으로 분석하였다. Kohonen Network는 자기조직을 형성하는 unsupervised learning 알고리즘으로서, 이 논문에서는 생태계에서의 데이터를 Patternizing하고, Clustering 하는데 사용한다. 본 논문에서 Kohonen 신경망의 학습에 사용한 데이터는 CCD 카메라로 물고기의 움직임을 추적한 좌표 데이터이며, diazinon 0.1 ppm을 처리한 물고기 점 데이터와 처리하지 않은 점 데이터를 각각 낮.밤 약 10시간동안 수집하여, \circled1처리전 낮 데이터 \circled2처리전 밤 데이터 \circled3처리전 낮 데이터 \circled4처리후 밤 데이터 각각 4개의 group으로 분류한 후, Kohonen Network을 사용하여 물고기의 행동 차이를 분석하였다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.34 no.1
• /
• pp.49-55
• /
• 2006

Two data mining techniques, analysis of variance (ANOVA) and self-organizing map (SOM), are applied to knowledge discovery in aerodynamic design space. These methods make it possible to identify the effect of each design variable on the objective functions. Furthermore, ANOVA shows the effect of interaction between design variables on the objective function and SOM visualizes the trade-off among objective functions. Present methods are applied to the result of the supersonic wing design which includes 72 design variables and 4 objective functions.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1380-1384
• /
• 2010

현재 환경부에서는 수질오염총량관리제를 위하여 각 단위유역의 말단지점에서 8일 간격으로 수질 및 유량을 측정하고 있으며, 이 자료들을 공개하고 있다. 이러한 양질의 자료의 활용성을 제고하기 위해서는 무엇보다도 자료의 분석을 위한 다양한 기법이 개발되고 제안되어야 한다. 따라서 본 연구에서는 수질 및 유량자료를 동시에 적용하여 두 자료 사이의 관계를 조사하고 특성을 파악하기 위하여 자기조직화 특성지도(Self-Organizing Feature Map: SOFM) 이론을 적용하였다. 시행착오법에 의해 적정한 SOFM 구조를 결정하였으며, 그 결과 $4{\times}4$ 구조의 육각형 배열을 갖는 구조를 이용하였다. SOFM에 의해 분류된 3개의 패턴 중 패턴-1은 유량자료의 크기에 의해 분류되었고, 패턴-2와 패턴-3은 BOD 농도의 크기에 따라 분류된 것으로 파악되었다. 따라서 SOFM의 적용에 의한 자료의 분류를 수행하고, 그 분류기준을 파악할 경우 SOFM의 자료 분석 도구로서의 활용성이 더욱 높아질 것으로 판단된다.