• The Transactions of the Korean Institute of Electrical Engineers A
• /
• v.48 no.9
• /
• pp.1103-1111
• /
• 1999

STACOM will be utilized to control substation voltage in the near future. Although STACOM shows good voltage regulation performance owing to its rapid and continuous response, it needs additional reactive power compensation device to keep control margin for emergency such as fault. ULTC transformer is one of good candidates. This paper presents a Kohonen Neural Network (KNN) based coordination control scheme of ULTC transformer and STACOM. In this paper, the objective function of the coordination control is minimization of both STACOM output and the number of switchings of ULTC transformer while maintaining substation voltage magnitude to the predefined constant value. This coordination, control is performed based on reactive load trend of the substation and KNN which offers optimal tap position in view of STACOM output minimization. The input variables of KNN are active and reactive power of the substation, current tap position, and current STACOM output. The KNN is trained by effective Iterative Condensed Nearest Neighbor (ICNN) rule. This coordination control applied to IEEE 14 bus system and shows satisfactory results.

• The Transactions of the Korean Institute of Electrical Engineers A
• /
• v.49 no.6
• /
• pp.253-258
• /
• 2000

This paper presents an application of Kohonen neural networks to assess the dynamic security of power systems. The dynamic security assessment(DSA) is an important factor in power system operation, but conventional techniques have not achieved the desired speed and accuracy. The critical clearing time(CCT) is an attribute which provides significant information about the quality of the post-fault system behaviour. The function of Kohonen networks is a mapping of the pre-fault system conditions into the neurons based on the CCTs. The power flow on each line is used as the input data, and an activated output neuron has information of the CCT of each contingency. The trajectory of the activated neurons during load changes can be used in on-line DSA efficiently. The applicability of the proposed method is demonstrated using a 9-bus example.

• Proceedings of the KIEE Conference
• /
• 1999.11b
• /
• pp.239-241
• /
• 1999

This paper proposes a novel wavelet transform and Kohonen neural network based technique for short-time load forecasting of power systems. Firstly. Kohonen Self-organizing map(KSOM) is applied to classify the loads and then the Daubechies D2, D4 and D10 wavelet transforms are adopted in order to forecast the short-term loads. The wavelet coefficients associated with certain frequency and time localisation are adjusted using the conventional multiple regression method and then reconstructed in order to forecast the final loads through a four-scale synthesis technique. The outcome of the study clearly indicates that the proposed composite model of Kohonen neural network and wavelet transform approach can be used as an attractive and effective means for short-term load forecasting.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1427-1431
• /
• 2007

In this study, the new methodology which combines Kohonen self-organizing map(KSOM) neural networks model and the conventional neural networks models such as feedforward neural networks model and generalized neural networks model is introduced to forecast flood stage in Nakdong river, Republic of Korea. It is possible to train without output data in KSOM neural networks model. KSOM neural networks model is used to classify the input data before it combines with the conventional neural networks model. Four types of models such as SOM-FFNNM-BP, SOM-GRNNM-GA, FFNNM-BP, and GRNNM-GA are used to train and test performances respectively. From the statistical analysis for training and testing performances, SOM-GRNNM-GA shows the best results compared with the other models such as SOM-FFNNM-BP, FFNNM-BP, and GRNNM-GA and FFNNM-BP shows vice-versa. From this study, we can suggest the new methodology to forecast flood stage and construct flood warning system in river basin.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2004.06a
• /
• pp.67-72
• /
• 2004

않은 양의 유즈넷 뉴스 중에서 사용자가 찾고자 하는 정확한 정보를 빠른 시간 안에 검색하고, 원하는 정보만 필터링 하는 것은 중요하다. 그러나 뉴스 문서는 이메일과 달라서 미리 자신에게 맞는 뉴스그룹을 등록해 주어야만 정보를 얻을 수 있다. 본 연구에서는 다양한 뉴스그룹들 중에서 사용자의 취향과 유사한 뉴스그룹들을 코호넨 신경망을 이용하여 추천해주는 방법을 제시한다. 신경망을 학습시키기 위한 뉴스 문서의 키워드들을 선택하기 위해 예제 문서들로부터 후보 용어들을 추출하고 퍼지 추론을 적용하여 대표 용어들을 선택한다. 하지만 신경망의 학습 패턴을 관찰해 보면, 많은 부분이 비어있는 희소성 문제를 발견할 수 있다. 이에 본 연구에서는 통계적인 결정계수를 도입하여 불필요한 차원을 제거한 후 신경망을 학습시키는 새로운 방법을 제안한다. 제안된 방법은 모든 차원을 활용할 때 보다 클러스터내 거리와 클러스터간 거리의 척도를 이용한 클러스터 중첩도 면에서 우수한 분류 성능을 보여줌을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 1997.07c
• /
• pp.864-866
• /
• 1997

This paper presents fault recognition and interpretation in power transformers using dissolved gas analysis embedded Kohonen feature mapping. The imprecision of gas ratio analysis in dissolved gas analysis are managed by mapping in accordance with learning of Kohonen neural network. To verify the effectiveness of the proposed system, it has been tested by the historical gas records to power transformers of Korea Electric Power Corporation. More appropriate fault types can support the maintenance personnels to increase the disgnostic performance for fault of power transformers.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.05a
• /
• pp.31-34
• /
• 2000

코호넨 자기조직 신경망을 사용하면 클러스터링뿐만 아니라 그 데이터가 할당된 클러스터의 대표값(Centroid)과의 거리 차이(Quantization Error)를 알아볼 수 있다 이를 이용하면 어떤 데이터가 정상적인 분포를 따르는지 정상적인 분포에서 벗어나는 비정상적인 데이터인지 알 수 있고, 유닉스 시스템 사용자의 명령어 사용 패턴에 적용하여 어떤 사용자의 명령어 사용 패턴이 정상적인 것인지 비정상적인 것인지 알 수 있다. 본 논문에서는 유닉스 시스템 사용자 8명의 명령어 패턴을 클러스터링한 후 Quantization Error를 이용하여 비정상 패턴을 탐지하는 오프라인에서의 비정상 행위를 탐지하는 시스템을 구현하였다. 그리고 통계적인 학습 방법을 적용한 비정상 패턴 탐지와의 비교를 통하여 두 가지 비정상 패턴 탐지 결과가 동일함을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.323-326
• /
• 2005

실세계에서 일어나는 문제는 매우 복잡하고 다양하기 때문에 예측하기가 어렵고 다양한 상황들이 발생한다. 특히, 소비자의 구매에 따르는 행동을 분석하고 소비자의 다양한 기호를 예측하기 위해서는 구매자의 심리적 요인과 내적 요인이 많은 영향을 미치게 된다. 이러한 요인들은 직접적인 정보 처리가 어렵기 때문에 정보의 불확실성을 취급하는 기술이 필요하다. 따라서 본 논문에서는 상품 구매에 따르는 소비자의 구매행동 패턴을 분석하기 위해 판매자의 노하우와 소비자의 구매의식을 조사하여 이 데이터를 바탕으로 베이지안 네트워크를 구성하고 구매패턴을 분류하는 방법을 제안하였다. 특히, 베이지안 네트워크를 이용하여 불필요한 속성을 가진 데이터를 제거한 후 코호넨의 SOM을 이용하여 소비자의 구매 패턴을 분류하도록 하였다.

• Proceedings of the KIEE Conference
• /
• 1996.11a
• /
• pp.447-449
• /
• 1996

This paper describes an algorithm for short term load forecasting using the Kohonen neural network. Single layer Kohonen neural network presents a lot of advantageous features for practical application. It takes less training time compared to other networks such as BP network, and moreover, its self organized feature can amend the distorted data. The originality of proposed approach is to use a Kohonen map toclassify data representing load patterns and to use directly the information stored in the weight vectors of the Kohonen map to pridict the load. Proposed method was tested with KEPCO hourly record(1993-1995) show better forecasting results compared with conventional exponential smoothing method.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.10a
• /
• pp.447-449
• /
• 2017

리그 오브 레전드, 히어로즈 오브 더 스톰 등으로 대변되는 다자 온라인 전투 게임(MOBA)은 PC 버전에서 우리 게이머가 아주 많이 플레이하는 장르이다. 본 논문은 이 장르의 모바일 버전인 2017년작 펜타스톰의 사용자 인터페이스를 PC 버전의 인터페이스와 물리적 구조 및 기능성에 대해 비교 분석하고 코호넨의 휴리스틱에 기초한 사용자 인터페이스의 조작 편의성에 집중한 설문 조사를 통해 펜타스톰 사용자 인터페이스의 만족도와 개선 방향을 살펴보았다. 4점 척도로 적극적 평가를 요구한 8개의 설문에서 펜타스톰 사용자 인터페이스는 5개 부문에서 80% 이상의 긍정률을 보였지만 아이템 구매 관련은 호불호가 갈렸고 캐릭터 동선과 상대 지정 부분은 상대적으로 낮은 긍정률을 보여 개선의 필요성을 나타냈다.