• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권10호
• /
• pp.309-316
• /
• 2020

우리는 응급실을 방문한 65세 이상 노인환자의 의료 데이터를 각각 피드 포워드 신경망과 합성곱 신경망에 학습하여 사망률을 예측하였다. 의료 데이터는 노인환자의 성별, 연령, 체온, 심박 수 등의 기초적인 정보뿐 아니라 과거 병력, 다양한 혈액 검사 및 배양 검사 결과 등 다양하고 복잡한 정보를 포함하여 총 99가지의 자질로 구성된다. 이 중 사망률 예측에 크게 기여하는 자질을 선택하기 위해 랜덤 포레스트를 이용하여 자질의 중요도를 계산하였고, 그 결과 중요도가 높은 상위 80개의 자질을 선택하였다. 선택된 자질을 각각 피드 포워드 신경망과 합성곱 신경망의 학습에 사용하여 두 신경망의 성능을 비교하였다. 합성곱 신경망 학습을 위해 의료 데이터를 고정된 크기의 이미지로 변환하였으며 합성곱 신경망이 피드 포워드 신경망을 이용한 것보다 성능이 좋았다. 합성곱 신경망의 사망률 예측 성능으로 테스트 데이터에 대해 F1 점수는 56.9, AUC는 92.1을 각각 얻었다.

• 한국정보통신학회논문지
• /
• 제5권6호
• /
• pp.1122-1127
• /
• 2001

본 논문에서는 공기압축기 구동용 유도전동기를 대상으로 부하토크관측기와 신경망을 이용 한 피드포워드 보상기를 결합한 속도 적응제어시스템을 제안한다. 공기압축기를 구동하는 전동기는 피스톤 의 상하운동에 의해 급격한 가변형의 부하를 받게 되고, 이로 인해 운전특성에 문제가 발생된다. 신경망 추정기를 이용하여 속도 제어기의 이득을 실시간으로 동조함으로써 전동기의 속도제어 특성을 개선한다. 제안된 시스템에 대한 이론적 해석과 시뮬레이션을 통해 그 타당성을 검정한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2001년도 추계종합학술대회
• /
• pp.397-400
• /
• 2001

본 논문에서는 공기압축기 구동용 유도전동기를 대상으로 부하토크관측기와 신경망을 이용한 피드포워드 보상기를 결합한 속도 적응제어시스템을 제안한다. 공기압축기를 구동하는 전동기는 피스톤의 상하운동에 의해 급격한 가변형의 부하를 받게 되고, 이로 인해 운전특성에 문제가 발생된다. 신경망 추정기를 이용하여 속도 제어기의 이득을 실시간으로 동조함으로써 전동기의 속도제어 특성을 개선한다. 제안된 시스템에 대한 이론적 해석과 시뮬레이션을 통해 그 타당성을 검정한다.

• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.95-104
• /
• 2019

사물인터넷 서비스를 위해 다양한 종류의 디바이스가 사용되고 있으며, 사물인터넷 디바이스들은 주로 비면허 대역의 주파수를 사용하는 통신기술을 활용하고 있다. 비면허 대역의 통신기술에는 몇 가지가 있지만, 현재 WiFi가 가장 대표적으로 사용된다. 사물인터넷 서비스를 위해 사용되는 디바이스는 제한된 기능을 가진 디바이스부터 스마트폰까지 컴퓨팅 리소스가 다양하고, WiFi 와 같은 무선 네트워크를 통해 서비스를 제공한다. 대부분의 사물인터넷 장치는 네트워크 제어를 위한 복잡한 연산을 할 수 없기 때문에 신호세기에 의존하여 WiFi 액세스 포인트를 선정하고 있다. 이는 사물인터넷 서비스 효율을 떨어뜨리는 원인으로 작용한다. 따라서, 본 논문에서는 액세스 포인트를 통해 사물이터넷 디바이스의 WiFi 연결을 제어할 수 있는 지능형 액세스 포인트 시스템을 구현한다. 사물인터넷 디바이스에서 측정된 네트워크 정보를 통해 액세스 포인트에서 피드 포워드 신경망 (feed forward neural network) 알고리즘을 사용하여 학습을 하고, 네트워크 연결 상태를 예측하여 디바이스의 WiFi연결을 제어한다. 이렇게 함으로써 사물인터넷 디바이스의 서비스 효율을 높일 수 있다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2002년도 춘계학술대회 논문집
• /
• pp.73-77
• /
• 2002

The requirements for higher productivity call for high speed of the machine tool axes. Iron core type linear DC motor is growly accepted far a viable candidate of the high speed machine tool feed unit. LDM, however, has inherent disturbance force components: cogging and force ripple. These disturbance force directly affects tracking accuracy of the carrage and must be eliminated or reduced. Reducing motor ripple, this paper adapted the feed forward compensation method and neural network control. Experiments carried 7ut on the linear motor test setup show that this control methods is usable in order to reduce the motor ripple.

• 말소리와 음성과학
• /
• 제11권2호
• /
• pp.57-64
• /
• 2019

본 논문에서는 음성 합성을 위한 오픈소스 시스템인 Merlin 툴킷을 이용하여 한국어 TTS 시스템을 구성한다. TTS 시스템에서 HMM 기반의 통계적 음성 합성 방식이 널리 사용되고 있는데, 이 방식에서 문맥 요인을 포함시키는 음향 모델링 구성의 한계로 합성 음성의 품질이 저하된다고 알려져 있다. 본 논문에서는 여러 분야에서 우수한 성능을 보여 주는 심층 신경망 기법을 적용하는 음향 모델링 아키텍처를 제안한다. 이 구조에는 전연결 심층 피드포워드 신경망, 순환 신경망, 게이트 순환 신경망, 단방향 장단기 기억 신경망, 양방향 장단기 기억 신경망 등이 포함되어 있다. 실험 결과, 문맥을 고려하는 시퀀스 모델을 아키텍처에 포함하는 것이 성능 개선에 유리하다는 것을 알 수 있고, 장단기 기억 신경망을 적용한 아키텍처가 가장 좋은 성능을 보여주었다. 그리고 음향 특징 파라미터에 델타와 델타-델타 성분을 포함하는 것이 성능 개선에 유리하다는 결과가 도출되었다.

• 대한의용생체공학회:의공학회지
• /
• 제24권2호
• /
• pp.99-106
• /
• 2003

본 논문에서는 정신질환 진단을 위하여 뇌파신호를 판별하는 방법을 제안하였다. 정신질환의 한 종류인 정신분열증 환자의 뇌파와 정상인의 뇌파를 분류하기 위하여 제안한 방법에서는 기본적으로 웨이블릿 변환과 인공 신경망을 이용하였다. 뇌파 신호에 웨이블릿 변환을 적용하여 각각 알파. 베타. 세타 그리고 델타파에 해당하는 주파수 대역의 웨이블릿 계수를 구한 다음. 각각의 주파수 대역에 대한 웨이블릿 계수들의 크기 평균 및 분산들을 인공 신경망의 입력 데이터로 이용하였다. 인공 신경망은 2개의 은닉층을 갖는 4층의 피드포워드 회로망 구조를 가지며 학습에는 역전파 학습 알고리듬을 이용하였다. 정신분열증의 판별시스템은 19 채널의 뇌파신호에 대응하는 19개의 인공신경망으로 구성되었고 정상인과 정신분열증 환자에 대하여 각각 100%와 86.67%의 정확도를 보여주었다.

• 한국음향학회지
• /
• 제36권6호
• /
• pp.425-435
• /
• 2017

본 논문에서는 다중 코어 ARM 프로세서의 NEON SIMD(Single Instruction Multiple Data) 병렬 명령어 및 다중 코어 병렬화를 통하여 심층 신경망의 피드포워드 네트워크 연산을 최적화하는 방안을 제시하였다. SIMD 병렬 명령어를 이용한 최적화의 경우에는 단계 별 최적화 과정에서의 속도 향상과 정밀도를 제시 하였다. 단일 코어 상에서 SIMD 병렬 명령어를 이용하여 구현된 결과는 C 컴파일러를 이용한 구현보다 2.6배의 속도 향상을 얻을 수 있었다. 또한 단일 코어 상에서 최적화된 코드를 다중 코어로 병렬화함으로써 5.7배~7.7배의 속도 향상을 얻을 수 있었다. 이상의 결과를 통하여 이동형 단말기에서도 연산량이 많은 심층 신경망 기술을 활용할 수 있는 가능성을 확인하였다.

• 융합신호처리학회논문지
• /
• 제5권4호
• /
• pp.263-270
• /
• 2004

최근 웨이블릿 변환은 많은 분야에서 다양하게 적용된다. 본 논문에서 tasks뇌파의 중요한 몇가지 특성파 검출을 위한 다비치 웨이블릿은 뇌파분석에 필요하다. 우리가 제안한 시스템은 다른 방법보다는 특성파 검출에 높은 성능을 가졌다. 본 연구의 뉴럴시스템의 구조는 하나의 은닉층과 3계층 피드포워드층은 오류 BP 학습알고리즘을 적용하였다. 4명의 피험자에게 알고리즘을 적용하여 92% 분류율을 보였다. 제안된 시스템은 웨이블릿과 신경망으로 tasks 뇌파의 보다 정확하게 분석함을 보였다. 모의실험결과 tasks 뇌파는 의사의 노동력을 줄일수 있고 정량적 해석이 가능함을 보였다.

• 센서학회지
• /
• 제12권6호
• /
• pp.289-297
• /
• 2003

본 논문에서는 정신적 과제수행 동안 EEG 뇌파의 정확한 분류방법에 관하여 기술한다. 피험자는 실험 task에서 시각적 자극에 대한 반응, 문제의 해석, 손동작 제어와 키 선택을 수행한다. 선택시간을 감지하기 위하여 측정한 뇌파로부터 $\alpha$, $\beta$, $\theta$, $\gamma$를 분리하고 4가지의 특징들을 해석한파. 이 특징들을 분석하여 각 피험자별로 공통적인 특징플로 구성된 일반 규칙을 설정한다. 본 시스템의 신경망은 1개의 은닉층을 갖는 3층의 피드포워드 신경망 구조를 가지며 학습에는 역전파 학습 알고리즘을 이용하였다. 4명의 피험자를 대상으로 설정한 알고리즘들을 적용하여 평균 87% 분류 성공률을 보였다. 본 논문에서 제안한 방법은 인지적인 정신과제 판별을 위한 방법들과 결합하여 BCI 기술을 위한 기반 기술로 활용될 수 있다.