• 한국통신학회논문지
• /
• 제21권3호
• /
• pp.600-611
• /
• 1996

최근, 신경망 모델의 적응성과 학습성을 이용한 음성인식 연구가 진행되어 왔다. 그러나, 기존의 신경망 모델로는 한국어 음성의 조음결합의 처리 및 유사 음소간의 경계 분류가 용이하지 않다. 또한, 한 개의 형상지도를 이용하는 경우 이질적인 음성자료의 처리를 위한 학습속도의 급격한 증가와 균일한 학습 및 판별방법의 적용이 갖는 부정확성이 야기될 수 있다. 이에따라, 본 논문에서는 계층적 자기조직화 분류기(HSOC)를 이용한 신경망타자기를 설계하고, 관련 알고리즘들을 제안한다. 본 HSOC는 Kohonen의 자기조직화형상지도(SOFM)를 이용하여 학습시 입력되는 음소 데이타를 계층적인 구조를 갖는 다수의 형상 지도(map) 즉 음성자판에 배치한다. 또한 본 논문에서는 자판의 수효, 각 자판의 크기, 소속될 음소의 선택과 배치, 적합한 학습 및 인식기법의 자동 결정을 위한 알고리즘을 제시하고 실험하여 자기조절식인 음성자판을 구성하였다. 자판을 분류하는 방식을 언어학적 사전지식에 의존할 경우 언어학적 지식의 습득과 적용방법(예를 들면, 확장 음소의 처리)등을 결정하는 어려움을 가지는 반면, 본 HSOC를 이용하면 주어진 입력 데이타에 적합한 다수의 음성자판을 자기 조절식으로 구성할 수 있는 장점이 있다. 제안된 방식에 따라 최종 생성된 세 개의 한글 음성자판은 최적 자판과 최적 전처리기법을 갖추고있으며, 기존의 언어학적 지식과도 부합됨을 확인할 수 있었다.

• 한국전산구조공학회논문집
• /
• 제19권4호
• /
• pp.429-440
• /
• 2006

이 연구의 목적은 두 가지로 대별할 수 있다. 첫째는, 베리오그램 모델링에 기초를 둔 정규크리깅 보간법의 p-적응적 유한요소법으로의 적용성이다. 둘째는, 수정된 초수렴 팻취복구 기법을 사용한 사후오차평가기와 연계된 계층적 p-체눈 세분화의 적응적 유한요소 과정을 제시하는 것이다. 가중치를 부여한 보간기법중의 하나인 정규크리깅 방법은 가우스 적분점에서의 응력데이타로 부터 소위 준정해를 얻는데 적용된다. 가중치를 동일하게 가정하는 종래의 보간기법과는 달리 실험적 및 이론적 베리오그램을 작성한 후 보간을 위한 가중치를 결정하게 된다. 한편, 적응적 p-체눈 세분화는 해석영역의 각 체눈에서 p-차수를 만족할만한 정확도를 얻을 수 있도록 프로그램내에서 자동으로 사후오차평가를 통해 불균등 또는 선택적으로 증가시킨다. 수정된 초수렴 팻취복구기법을 검증하기 위해 극한치를 사용한 새로운 오차평가기가 제안된다. 제안된 알고리즘의 정당성은 선형탄성파괴역학의 대표적 문제들인 중앙균열판, 일변균열 및 양변균열 해석을 통해 테스트되었다.