• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.10a
• /
• pp.742-745
• /
• 2009

This paper proposed indoor location recognition method based on RSSI (received signal strength indication) using the LVQ (Learning Vector Quantization) network. The LVQ inputs are the RSSI values measured by the fixed reference nodes and the output are the spatial sections. In order to verify the effectiveness of the proposed method, we performed experiments, and then compared to the conventional triangularity measurement method.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.549-552
• /
• 2004

본 논문에서는 반도체의 Wafer ID 문자인식을 위해 기존의 오류 역전파 학습알고리즘을 개선하여 최적의 학습 학습 조건에 관해 연구하였다. 결과, 오류 역전파 학습알고리즘의 학습 최적 조건은 은닉층수는 1층, n값은 0.6 이상, 은닉층 노드수는 10개일 때 99%의 높은 인식률을 보였다 본 논문에서 제안하는 최적조건물 사용함으로써 기존의 오류역전파 학습 알고리즘이 가진 문제점을 해결할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.199-201
• /
• 2004

본 논문에서는 반도체의 Wafer ID 문자인식을 위해 기존의 오류 역전파 학습알고리즘을 개선하여 최적의 학습 조건에 관해 연구하였다. 결과, 오류 역전파 학습알고리즘의 학습 최적 조건은 은닉 층수는 1층, n값은 0.6 이상, 은닉층 노드수는 10개일 때 99%의 높은 인식률을 보였다. 본 논문에서 제안하는 최적조건을 사용함으로써 기존의 오류역전파 학습 알고리즘이 가진 문제점을 해결할 수 있었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.01a
• /
• pp.87-88
• /
• 2018

본 논문에서는 IIoT 환경에서 중요한 비정상적 데이터 수집을 위한 노드 우선순위 선정 모델을 제안하였다. 제안하는 모델은 비정상적 데이터 수집과 다른 노드로 부터의 정상 데이터의 수집 격차를 적절히 조절하기 위하여 Fair and Delay-aware Cross-layer(FDRX) 기법과 데이터 Classification 기법을 이용, 데이터의 긴급성과 네트워크 환경을 분석하여 노드를 평가한다. 이를 통하여 IIoT 환경에서의 데이터 분석에 중요한 비정상적 데이터를 원활하게 수집하면서도 다른 노드와의 전송 격차를 줄일 수 있을 것으로 기대된다.

• Journal of KIISE:Software and Applications
• /
• v.28 no.9
• /
• pp.603-611
• /
• 2001

This paper proposes a novel fast layer-by-layer algorithm that has better generalization capability. In the proposed algorithm, the weights of the hidden layer are updated by the target vector of the hidden layer obtained by least squares method. The proposed algorithm improves the learning speed that can occur due to the small magnitude of the gradient vector in the hidden layer. This algorithm was tested in a handwritten digits recognition problem. The learning speed of the proposed algorithm was faster than those of error back propagation algorithm and modified error function algorithm, and similar to those of Ooyen's method and layer-by-layer algorithm. Moreover, the simulation results showed that the proposed algorithm had the best generalization capability among them regardless of the number of hidden nodes. The proposed algorithm has the advantages of the learning speed of layer-by-layer algorithm and the generalization capability of error back propagation algorithm and modified error function algorithm.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.693-695
• /
• 2000

WBI는 시간과 공간의 제약 없이 다양한 교수 전략의 구사와 실감나는 교육매체의 활용을 가능하게 하여, 교사-학습자 또는 학습자-학습자 상호간의 교육 교육효과를 증진시킬 수 있는 환경을 제공한다. 그러나 WBI는 하이퍼텍스트의 링크로 연결된 일차원적 가상공간에 실시되므로 학습자의 인지적 부하를 가중시키고 학습방향 상실의 문제점을 야기시킨다. 따라서 본 논문에서는 이러한 문제점들을 해결하기 위하여 동적 학습공간 모델을 제시하고 이를 구현하였다. 동적 학습공간 모델은 전체 학습공간이 투명하게 지도(Hpyper-Map)형태로 나타나고 공간 노드간의 관계가 명확하여, 학습 위치와 내용을 확실하게 파악할 수 있다. 또한 학습공간이 학습자에 의해 자발적으로 구성됨에 따라, 학습자 수준별 열린 학습이 가능하고, 학습 구성 능력을 신장시켜 학습의 주도권을 주체적으로 행사할 수 있도록 하는 창조적 학습 분위기를 조성할 수 있다.

• Journal of KIISE:Software and Applications
• /
• v.28 no.4
• /
• pp.338-345
• /
• 2001

본 연구에서는 시계열자료를 예측하기 위해 적용한 n$\times$n$\times$1 신경망 구조에서 초기값의 시각적인 선택을 통한 개선된 학습과정을 제안한다. 적용된 Easton[1]의 제어상자는 시각적인 면과 실용적인 적용측면에서 다차원 구조를 논의하기에는 제한적이지만, 적은 개수의 은닉노드를 갖는 단순한 신경망구조에서는 초기 가중값들의 동적인 선택을 통하여 가능한 빨리 효과적인 학습이 이루어질 수 있게 할 수 있다. 신경망 학습의 오차 판단기준은 기존의 평균제곱오차(MSE)를 고려한다. 실증연구에는 모의생성된 ARMA(1,0) 자료와 담배생산량 자료를 이용한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.157-159
• /
• 2001

신경 트리는 신경망과 결정 트리의 구조를 결합한 형태의 분류기로서 비선형적 결정 경계 형성이 가능하며 기존 신경망에 비해 학습, 출력시 계산량이 적다는 장점을 갖는다. 본 논문에서는 신경 트리의 노드를 구성하는 신경망을 학습하기 위하여 기존의 방법들과는 달리 교사 학습 방법인 LVQ3 알고리즘을 사용하는 신경 트리 분류기를 제안한다. 학습 과정을 통해 생성된 트리는 오인식율 추정을 이용한 가지치기를 통하여 효율적인 트리로 재구성된다. 제안하는 방법은 실제 데이터 집합들을 이용한 실험을 통하여 그 성능을 검증하였다.

• Journal of the Korea Convergence Society
• /
• v.12 no.8
• /
• pp.39-45
• /
• 2021

This paper discusses how to handle incomplete data including missing values. Optimally processing the missing value means obtaining an estimate that is the closest to the original value from the information contained in the training data, and replacing the missing value with this value. The way to achieve this is to use a decision tree that is completed in the process of classifying information by the classifier. In other words, this decision tree is obtained in the process of learning by inputting only complete information that does not include loss values among all training data into the C4.5 classifier. The nodes of this decision tree have classification variable information, and the higher node closer to the root contains more information, and the leaf node forms a classification region through a path from the root. In addition, the average of classified data events is recorded in each region. Events including the missing value are input to this decision tree, and the region closest to the event is searched through a traversal process according to the information of each node. The average value recorded in this area is regarded as an estimate of the missing value, and the compensation process is completed.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.261-263
• /
• 2009

본 연구에서는 복잡한 비선형 모델링 방법인 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 PNN(Polynomial Neural Network)을 접목한 새로운 형태의 Radial Basis Function Polynomial Neural Network(RPNN)를 제안한다. RBF 뉴럴 네트워크는 빠른 학습 시간, 일반화 그리고 단순화의 특징으로 비선형 시스템 모델링 등에 적용되고 있으며, PNN은 생성된 노드들 중에서 우수한 결과값을 가진 노드들을 선택함으로써 모델의 근사화 및 일반화에 탁월한 효과를 가진 비선형 모델링 방법이다. 제안된 RPNN모델의 기본적인 구조는 PNN의 형태를 이루고 있으며, 각각의 노드는 RBF 뉴럴 네트워크로 구성하였다. 사용된 RBF 뉴럴 네트워크에서의 커널 함수로는 FCM 클러스터링을 사용하였으며, 각 노드의 후반부는 다항식 구조로 표현하였다. 또한 각 노드의 후반부 파라미터들은 최소자승법을 이용하여 최적화 하였다. 제안한 모델의 적용 및 유용성을 비교 평가하기 위하여 비선형 데이터를 이용하여 그 우수성을 보인다.