• Journal of Astronomy and Space Sciences
• /
• 제20권4호
• /
• pp.351-358
• /
• 2003

회전안정화 로켓 모터를 이용하는 우주 비행체의 자세 불안정 현상을 수치적 실험을 통하여 연구하였다. 이전 연구에서는 해석적 방법을 통하여 주어진 우주 비행체에 대한 정상해를 구하고 실제 발생했던 공진과 유사한 공진조건을 찾았으나 정상해 근방에서의 안정도 또는 파라미터 공간 전역에서의 안정도가 어떻게 변하는 지를 알 수가 없었다. 따라서, 본 연구에서는 이전 연구결과를 기초로 하여 주어진 파라미터 공간 전역에서 수치적 실험을 통하여 유동체의 파라미터 값에 따라 위성체의 자세 안정도가 어떻게 변화하는지를 관찰하고, 시스템 설계에 필요한 파라미터들의 안정/불안정 영역을 결정하였다.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2011년도 제40회 동계학술대회 초록집
• /
• pp.36-36
• /
• 2011

반도체 공정 신호는 주기 신호와 비주기 신호로 구분된다. 특정 패턴을 가지는 주기 신호는 해당 파라미터(parameter)에 대해서 패턴 매칭을 수행하여 관리하는 연구가 진행되고 있다. 반면 비주기 신호 데이터의 경우에는 패턴 매칭 방법을 수행할 수 없다. 또한 반도체 공정에서 얻을 수 있는 두 개 타입의 데이터는 그 파라미터가 방대하기 때문에 현재 실제 공정에 적용되고 있는 방식인 각각 하나의 파라미터에 대해 관리도(control chart)를 구성해 관리하는 것은 많은 비용과 시간의 낭비를 초래한다. 따라서 두 타입 데이터의 여러 개의 파라미터를 동시에 관측할 수 있고 파라미터간의 내재된 상관관계를 고려할 수 있는 장점을 가진 분석 기법에 대한 연구가 필요하다. 주기 신호의 이상탐지를 위한 기존 연구는 신호를 구간으로 나누어 구간별로 SPC 차트적용 시키는 방법, 각 시점 마다 측정되는 값을 하나의 변수로 고려하여 Hotelling's T square, PCA, PLS 등과 같은 다변량 통계 분석을 적용 시키는 방법들이 제시되어 왔다. 이러한 방법들은 다양한 특성을 가지는 주기신호를 분석하고 이상을 탐지 하는데 많은 한계점을 가진다. 이에 본 논문은 다양한 형태를 가지는 신호의 특성을 반영하여 자기구상지도를 기반으로 신호의 분류와 공정의 이상을 탐지하는 기법을 제안한다. 제안하는 기법은 자기구상지도를 이용하여 복잡한(고차원, 시계열) 신호를 2차원 상의 노드로 맵핑시킴으로써 신호의 특질(feature)을 추출하고 새로 표현된 신호의 특질을 기반으로 Logistic regression을 적용시켜 이상을 탐지 한다. 다양한 이상 상황을 가진 반도체 공정 신호를 사용하여 제안한 이상탐지 성능을 평가하였다.

• 전자공학회논문지SC
• /
• 제49권2호
• /
• pp.10-16
• /
• 2012

현재 사용되는 대부분의 시스템은 비선형이고 이러한 시스템을 모니터링 하거나 제어하기 위해서는 정확한 시스템 방정식이 필요하다. 따라서 정확한 파라미터를 추정하는 것이 매우 중요하다. 일반적으로 시스템이 노후하거나 갑작스러운 환경 변화로 파라미터가 변하는 경우가 발생한다. 이 때 변화된 파라미터를 이용한 시스템 모니터링 또는 제어는 계획된 목적을 달성할 수 없으며 불안정성 등의 문제가 발생한다. 본 연구에서는 측정이 어려운 파라미터나 노후 또는 환경변화로 발생한 변화된 파라미터를 소프트웨어 방식인 필터를 이용하여 추정하는 방법을 제안하였다. 비선형성과 노이즈가 존재하는 환경에 특성이 강한 파티를 알고리즘을 사용하였으며 동역학 시스템에 적용하였다. 파라미터 추정 대상인 동역학 시스템은 2자유도를 가진 수레와 진자로 구성되었고 시뮬레이션을 통해 노이즈가 추가된 상태 변수 데이터를 구했다. 제안된 알고리즘을 수집한 데이터에 적용하여 상태변수와 파라미터를 추정하였으며, 제안된 방법을 사용할 경우 상태와 파라미터를 정확이 추정함을 확인하였다.

• 지구물리
• /
• 제4권3호
• /
• pp.175-182
• /
• 2001

본 논문에서는 의료영상의 응용분야로서 방출전산화단증 영상에 사용되는 베이지안 방법을 위한 Gibbs 사전정보의 평활 파라미터를 결정하는 문제를 다룬다. 특히, 광역 하이퍼파라미터(평활 파라미터)가 해외 편향과 분산의 균형을 조절하는 단순 평활사전정보(일명 멤브레인)를 연구 대상으로 한다. 본 논문에서 사용된 방법은 관측된 훈련데이터에 MI. 방법을 적용한 하이퍼파라미터 추정법에 기반을 두며, 이러한 접근방법에 대한 동기에 대하여도 논한다. 멤브레인 사전정보를 위한 평활 파라미터의 경우 단순한 ML 추정법을 적용하여도 파라미터가 쉽게 추정될 수 있음을 보인다.

• 공학논문집
• /
• 제4권1호
• /
• pp.47-54
• /
• 2002

본 논문에서는 의료영상의 응용분야로서 방출전산화단층 영상에 사용되는 베이지안 방법을 위한 Gibbs 사전정보의 평활 파라미터를 결정하는 문제를 다룬다. 특히, 광역 하이퍼파라미터(평활 파라미터)가 해의 편향과 분산의 균형을 조절하는 단순 평활사전정보(일명 멤브레인)를 연구 대상으로 한다. 본 논문에서 사용된 방법은 관측된 훈련데이터에 ML 방법을 적용한 하이퍼파라미터 추정법에 기반을 두며, 이러한 접근방법에 대한 동기에 대하여도 논한다. 멤브레인 사전정보를 위한 평활 파라미터의 경우 단순한 ML 추정법을 적용하여도 파라미터가 쉽게 추정될 수 있음을 보인다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1147-1148
• /
• 2011

유도전동기의 가변속 구동시스템에서 자속축 기준제어를 이용하는 경향이 증가하고 있으며 설치환경, 가격 등의 제약으로 인하여 위치 및 속도센서가 없는 센서리스 속도제어가 많이 연구되고 있다. 대부분의 센서리스제어 방식에서 위치 및 속도추정은 전동기 전압방정식으로부터 계산된다. 따라서 파라미터 오차는 센서리스 제어성능에 큰 영향을 미치게 된다. 본 연구에서는 유도전동기의 속도 추정에서 파라미터 오차에 의해 발생하는 속도 오차를 배제하기 위하여 파라미터 보상을 가지는 상태관측기를 제안하고 종래의 방식과 비교하여 본 연구에서 제안한 방식을 검증한다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1999년도 학술발표대회 논문집 제18권 2호
• /
• pp.25-28
• /
• 1999

본 연구에서는 finite impulse response (FIR) 필터에 의해 인식기의 입력 특징벡터가 필터링되는 경우에 hidden Markov model (HMM) 파라미터를 적응시키는 새로운 기법을 제안한다. 제안한 적응 기법은 필터링에 의해 변환된 특징벡터에 대해 HMM 파라미터를 다시 학습시킬 필요가 없으며 주어진 FIR필터 계수만을 사용하여 HMM 파라미터를 적응시킬 수 있다. 개발된 FIR필터링에 대한 HMM 파라미터 적응 기법은 연속 숫자음 인식 실험에서 재학습 방법과 비교 실험한 결과 low-pass 필터의 경우에 재학습 방법과 비슷한 인식 성능을 나타내었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 2호
• /
• pp.407-410
• /
• 1998

본 논문에서는 변형된 Teager 에너지를 이용하여 음성의 끝점을 검출하는 알고리듬을 제안하였다. 기존의 방법에서는 대부분 음성신호의 에너지와 영교차율을 이용하거나 이 파라미터들과 함께 다른 여러 파라미터들을 사용하여 끝점을 검출하였다. 여러 파라미터들을 사용하는 알고리듬의 경우 계산량이 많아지게 되는데, 이에 비해 본 논문에서는 하나의 파라미터를 이용하기 때문에 계산량이 기존의 알고리듬보다 적다. 그리고 이 알고리듬에서 사용한 변형된 Teager 에너지는 음성신호의 진폭뿐만 아니라 주파수까지 고려한 파라미터이다. 일반적으로 마찰음은 진폭이 작아 검출하기가 어려운데, 본 논문에서는 이러한 마찰음에 대해 실험을 했고, 그 결과를 통해 제안한 알고리듬이 기존의 다른 여러 알고리듬보다 성능이 우수하다는 것을 확인할 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 제36회 하계학술대회 논문집 D
• /
• pp.2879-2881
• /
• 2005

본 논문에서는 뉴로-퍼지 모델의 전제부 소속함수의 새로운 학습방법을 통한 모델링 기법을 제안한다. 모델의 크기와 학습시간을 줄이는 기법으로 클러스터링 기법을 이용한 모델의 초기 파라미터 결정 방법이 있다. 이는 클러스터링 후 이들 파라미터를 다시 모델에 적용하여 모델을 학습하는 순차적 방법으로써 모델의 학습이 끝난 후의 전제부 파라미터가 클러스터링 파라미터와 연관성을 가지지 못하는 경우가 발생하였다. 또한 오차미분 기반 학습에서는 전제부 초기치가 국부적 최적해에서 벋어나지 못하는 문제점을 가지고 있다. 본 논문에서는 자율적으로 클러스터의 수를 추정하며 이들 파라미터를 최적화하며 이를 이용하여 뉴로-퍼지 모델의 학습을 실시하는 학습기법을 제안하였다. 제안된 방법에서는 기존의 오차미분 기반 학습을 클러스터링 기반 학습으로 확장하였으며 이를 이용한 모델의 성능을 기존의 연구결과와 비교하여 우수성을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.881-882
• /
• 2020

최근 딥 러닝 (deep learning) 기술의 큰 발전으로 기존 기계 학습 분야의 기술들이 성공적으로 해결하지 못하던 많은 문제들을 해결할 수 있게 되었다. 이러한 딥 러닝의 학습 과정은 매우 많은 연산을 요구하기에 다수의 노드들로 모델을 학습하는 분산 학습 (distributed training) 기술이 연구되었다. 대표적인 분산 학습 기법으로 파라미터 서버 기반의 분산 학습 기법들이 있으며, 이 기법들은 파라미터 서버 노드가 학습의 병목이 될 수 있다는 한계를 갖는다. 본 논문에서는 이러한 파라미터 서버 병목 문제를 해결하는 파라미터 샤딩 기법에 대해 소개하고, 각 기법 별 학습 성능을 비교하고 그 결과를 분석하였다.