• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1990년도 하계학술대회 논문집
• /
• pp.532-534
• /
• 1990

홉필드 신경회로망을 VLSI로 구현하는데 문제가 되는 area complexity를 개선한다. 적용한 응용은 layer assignment 문제이며, 기존의 layer assignment 신경회로망의 N ${\times}$ L개의 노드를 N ${\times}$ log L개로 감소시킴으로써 O( $(log\;L/L)^2$ )로 area complexity를 개선한다 (N : net의 수, L : layer의 수). 이를 위한 새로운 에너지 함수를 제안한다. 기존의 layer assignment 신경회로망과 동일하게 본래의 홉필드 신경회로망의 진동을 방지하기 위하여 self-feedback이 있는 수정된 홉필드 모델을 사용한다.

• 정보처리학회논문지B
• /
• 제8B권2호
• /
• pp.137-143
• /
• 2001

홉필드 신경망은 병렬 연산 및 일반적 응용성을 가진 장점으로 인해 여러 분야의 조합형 최적화 문제에 도입하기 위해 많은 연구가 이루어져 왔다. 그러나, 다양한 응용분야에서의 성공적 적용 사례에도 불구하고, 에너지 함수의 계수를 결정하는 실용적인 방법의 부재로 인해 대부분의 경우 실험에 의해 얻어진 값에 의존해야 하는 단점이 있다. 본 논문에서는 문제에 대한 해의 유효성을 만족하면서 모델이 최적에 근접할 수 있도록 에너지 수위를 직접 이용하여 계수를 결정하는 정형적인 기법을 제안한다. 제안한 방식은 기존의 계수 결정법과 함께 시뮬레이션을 수행하였으며, 그 결과는 제안한 접근방식이 유효함을 보여준다.

• 대한전자공학회논문지SD
• /
• 제45권6호
• /
• pp.16-21
• /
• 2008

본 논문은 새롭게 제안된 단일전자 소자(single-electron device) 및 회로를 이용한 새로운 형태의 홉필드 신경회로망(Hopfield neural network)을 소개한다. 홉필드 신경회로망의 전기적 모델 내부에서 가변저항으로 사용되는 단일전자 시냅스(single-electron synapse)와 비선형 활성함수(nonlinear activation function)로 사용되는 두 단의 단일전자 인버터(single-electron inverter)를 몬테-칼로(Monte-Carlo) 방식의 단일전자 회로 시뮬레이터로 동작을 검증한다.

• 산업경영시스템학회지
• /
• 제21권45호
• /
• pp.113-120
• /
• 1998

본 논문에서는 에너지 함수의 직접적인 평가에 기초해 홉필드 신경망을 진화시킴에 따라 적응적으로 에너지 계수를 결정하는 기법을 제시하고자 한다. 이 기법에 근거하여 구해지는 계수들의 효과를 검증하기 위해 응용 모델인 TSP(Traveling Salesman Problem)에 적용하여, 실험을 통한 계수 값의 변화 추이를 분석하고 그 결과를 기존의 기법들과 비교한다. 또한 제안된 방법에 필수적인 각 단계에서의 에너지 값의 평가를 위한 부가적인 연산을 줄이기 위해 단계적으로 증감분만을 계산하는 효율적인 연산법을 제시한다.

• 대한조선학회지
• /
• 제31권1호
• /
• pp.39-42
• /
• 1994

인공 신경망은 빠른 속도와 안정성 등의 많은 장점을 갖고 있기 때문에 최근 들어서 여러 분야 에서 그 응용이 활발히 연구되고 있다. 인공 신경망의 한 모델인 홉필드 네트워크는 네트워크의 에너지를 최소화시키는 방향으로 네트워크의 상태를 바꾸며, 최소 에너지 상태에서 안정 상태를 유지하는 특징을 갖고 있다. 이러한 흡필드 네트워크의 특징은 흡필드 네트워크를 최적화 문 제에 적용시킬 수 있는 가능성을 제시하고 있다. 기존의 최적화 기법은 기본적으로 국부적인 탐색 기법을 사용하기 때문에, 전역적 최적해를 구하기 위해 초기점을 달리하여 여러번 계산을 수행하여 그 중 가장 좋은 결과를 취하는 방법을 사용하여야 한다. 따라서 이러한 방법은 초 기점의 선택이 결과에 큰 영향을 미치게 되는데, 설계 변수가 많고 제한 조건이 복잡할 경우 초기점 선택에 어려움이 따른다. 본 연구에서는 흡필드 네트워크와 시뮬레이티드 어닐링을 결 합하여 전역적 최적해를 찾는 기법으로서 뉴드-옵티마이저 모델을 제시하고 있다.

• 한국컴퓨터정보학회논문지
• /
• 제4권4호
• /
• pp.94-100
• /
• 1999

본 논문은 흡필드 모델의 실수연산을 고속으로 수행할 수 있는 디지털 신경회로망의 구현에 관한 연구이다. 흡필드 모델［1］-［8］의 연산과정은 행렬-벡터의 연산으로 기술 할 수 있으며, 이 연산과정은 순환, 반복적으로 이루어지므로 어레이프로세서 구조로 설계하기에 적합하다. 또한, Look-up-Table(연산표)에 의하여 비선형 함수를 출력함으로써, 고속의 실수 연산을 수행할 수 있도록 설계하였다. 본 논문에서 제안한 방법은 현재 개발된 VLSI기술로 실현 가능하기 때문에 실제 신경회로망의 응용분야에 이용될 수 있을 것으로 기대된다.

• 전자공학회논문지C
• /
• 제36C권10호
• /
• pp.66-74
• /
• 1999

이 논문에서는 잘 알려진 N-P complete 문제인 TSP를 풀수 있는 통계적 홉필드 신경망의 일반화된 모델을 제안한다. 정규화를 통한 형태의 목적함수를 가진 반 덴 바우트의 방법은 필요한 외란 효과를 다 고려하지 않은 심각한 단점이 있다. 제안된 모델에서는 향상된 목적함수가 사용되었고 반 덴 바우트가 고려한 2가지와 박찬익이 더 고려한 1가지를 포함하는 5가지의 외란 효과와 외란 효과들의 비를 이용하는 방법을 제안한다. 임의로 만든 10개 도시의 시뮬레이션을 통해 제안한 모델이 100가지의 경우에서 90가지가 최적이나 거의 최적에 도달함을 보여준다. (오차 5% 이내로) 30개와 50개 도시의 큰 규모의 TSP에 대해 좋은 결과를 얻었다.

• 대한전자공학회논문지TC
• /
• 제39권9호
• /
• pp.1-11
• /
• 2002

실내 환경에서 무선 LAN의 AP(Access Point) 위치의 최적화 설계는 서비스의 품질 및 비용 절감과 직결되는 중요한 문제이다. 최적의 AP위치를 찾기 위해서는 AP의 위치에 따른 서비스 지역의 전파 강도뿐만 아니라 환경 및 사용자 요구 트래픽에 대한 지역적 특성도 고려되어야 한다. 이를 위해 본 논문에서는 전파 예측 모델을 기반으로 다중 AP의 위치를 최적화 시켜주는 방법을 제안한다. 제안한 방법은 서비스 지역에 대하여 사용자 정의 파라미터를 설정하여, 유연성 있는 AP 위치 설정이 가능하도록 하였고, 홉필드 신경망 알고리즘을 이용한 최적화를 수행하였으며, 전파 예측 모델은 패스-로스 모델(path-loss model)을 사용하였다. 시뮬레이션 결과, 최적의 AP위치를 계산하는 과정을 효과적으로 줄였고, 전체 서비스 지역에 대한 품질을 높일 수 있는 다중 AP의 위치 설정이 가능함을 확인하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1997년도 한국자동제어학술회의논문집; 한국전력공사 서울연수원; 17-18 Oct. 1997
• /
• pp.1774-1777
• /
• 1997

As factory automation is required, using the vision system is also essential. Especially, the pateh planning of parts with J-lead on PCB plays a import role of whole automation. Path planning is required because J-lead is scatteed compaed to L-lead on PCB. Therefore, in this paper, we propose path planning of part inspection with J-lead to use Hopfield Model(TSP : Traveling Salesman Problem). Then optical system suited to J-lead inspection is designed and the algorithm of J-lead solder joint and part inspection is proposed.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.43-44
• /
• 2019

본 논문에서는 머신러닝 알고리즘 중 하나인 Hopfield Network 알고리즘을 이용하여 SDN 환경에서 분산된 컨트롤러를 선택하는 모델을 제안하였다. Hopfield Network 알고리즘은 신경망의 물리적 모델로써 최적화, 연상기억 등에 사용되는데 이를 통해 효율적인 컨트롤러 동기화를 기대한다.