• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권8호
• /
• pp.633-641
• /
• 2009

본 논문에서는 아날로그 데이터 처리가 가능하고, 온라인 학습, 학습 중 새로운 클래스 추가등의 특징을 가진 패턴 인식기를 제안하였다. 제안한 패턴 인식기는 계층적 구조를 가지고 있으며, 각 레벨별로 서로 다른 메트릭을 적용하여 분류 성능을 향상 시켰다. 제안한 패턴 인식기는 신경망 기반의 패턴 인식 알고리즘인 Gaussian ARTMAP 모델을 기반으로 하고 있다. Gaussian ARTMAP 모델을 계층적으로 구성하고, 계층마다 서로 다른 특징을 학습하도록 하기 위하여 Principal Component Emphasis (P.C.E) 방법을 제안하였으며, 이를 이용하여 새로운 메트릭을 생성하는 방법을 제안하였다. P.C.E는 학습된 입력 데이터들의 분산을 이용하여 클래스 내의 공통 속성을 나타내는 분산이 작은 차원을 제거하고 패턴 간의 서로 다른 속성을 나타내는 분산이 큰 차원만 유지하는 방법이다. 제안한 알고리즘의 학습 과정에서 교사 신호와 다르게 분류된 패턴이 발생하면 잘못 분류 된 클래스와 입력된 패턴을 분리하기 위하여 P.C.E를 수행하고 하위 노드에서 학습하게 된다. 실험 결과 제안한 모델은 기존에 제안된 패턴 인식 모델들 보다 높은 분류 성능을 가지고 있음을 확인하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제2권1호
• /
• pp.43-48
• /
• 2002

This paper discusses the application of fuzzy-ARTMAP neural network to compensate the nonlinearity of satellite communication channel. The fuzzy-ARTMAP is the class of ART(adaptive resonance theory) architectures designed fur supervised loaming. It has capabilities not fecund in other neural network approaches, that includes a small number of parameters, no requirements fur the choice of initial weights, automatic increase of hidden units, and capability of adding new data without retraining previously trained data. By a match tracking process with vigilance parameter, fuzzy-ARTMAP neural network achieves a minimax teaming rule that minimizes predictive error and maximizes generalization. Thus, the system automatically leans a minimal number of recognition categories, or hidden units, to meet accuracy criteria. As a input-converting process for implementing fuzzy-ARTMAP equalizer, the sigmoid function is chosen to convert actual channel output to the proper input values of fuzzy-ARTMAP. Simulation studies are performed over satellite nonlinear channels. QPSK signals with Gaussian noise are generated at random from Volterra model. The performance of proposed fuzzy-ARTMAP equalizer is compared with MLP equalizer.

• 한국멀티미디어학회논문지
• /
• 제4권4호
• /
• pp.333-338
• /
• 2001

본 논문에서는 이전에 개발된 신경회로망 채널 등화기에서 볼 수 있었던 구조의 복잡성 및 많은 학습시간의 소요 등과 같은 단점을 극복하고자 퍼지-ARTMAP 신경망을 이용하여 채널 등화기를 구성하였다. 제안된 퍼지-ARTMAP 채널 등화기는 다른 형태의 신경망을 이용한 등화기에서는 찾아 볼 수 없는 빠르고 쉬운 학습 능력을 갖고 있다. 즉, 등화기 구성에 필요한 파라미터의 수가 적으며 지역적 최소값에 빠질 우려 없이 각 계층간의 초기 연결강도를 지정할 수 있을 뿐만 아니라 기존의 학습된 데이터를 재학습시킬 필요 없이 새로운 데이터를 단순히 추가 학습시킬 수 있는 장점 등을 가지고 있다. 본 연구의 시뮬레이션 과정에서는 선형채널에서 발생된 가우시안 잡음을 동반한 이진 신호를 대상으로 퍼지-ARTMAP 채널 등화기의 성능을 LMS 기반의 선형 등화기 및 MLP와 RBF 신경망 등화기와 비교하였으며 퍼지-ARTMAP 등화기가 상대적으로 간단한 구조와 빠른 처리속도를 가짐은 물론 선형등화기로 해결하지 못했던 비선형 문제들도 해결할 수 있음을 보였다.

• 한국통신학회논문지
• /
• 제37권3A호
• /
• pp.172-178
• /
• 2012

This paper studies the application of a fuzzy-ARTMAP (FAM) neural network to multi-user detector (MUD) for direct sequence (DS)-code division multiple access (CDMA) system. This method shows new solution for solving the problems, such as complexity and long training, which is found when implementing the previously developed neural-basis MUDs. The proposed FAM based MUD is fast and easy to train and includes capabilities not found in other neural network approaches; a small number of parameters, no requirements for the choice of initial weights, automatic increase of hidden units, no risk of getting trapped in local minima, and the capabilities of adding new data without retraining previously trained data. In simulation studies, binary signals were generated at random in a linear channel with Gaussian noise. The performance of FAM based MUD is compared with other neural net based MUDs in terms of the bit error rate.

• 한국통신학회논문지
• /
• 제28권7C호
• /
• pp.705-711
• /
• 2003

This paper studies the application of a fuzzy-ARTMAP neural network to digital communications channel equalization. This approach provides new solutions for solving the problems, such as complexity and long training, which found when implementing the previously developed neural-basis equalizers. The proposed fuzzy-ARTMAP equalizer is fast and easy to train and includes capabilities not found in other neural network approaches; a small number of parameters, no requirements for the choice of initial weights, automatic increase of hidden units, no risk of getting trapped in local minima, and the capability of adding new data without retraining previously trained data. In simulation studies, binary signals were generated at random in a linear channel with Gaussian noise. The performance of the proposed equalizer is compared with other neural net basis equalizers, specifically MLP and RBF equalizers.