• 융합신호처리학회논문지
• /
• 제23권2호
• /
• pp.84-90
• /
• 2022

공작기계 상태 진단은 기계의 상태를 자동으로 감지하는 프로세스이다. 실제로 가공의 효율과 제조공정에서 제품의 품질은 공구 상태에 영향을 받으며 마모 및 파손된 공구는 공정 성능에 보다 심각한 문제를 일으키고 제품의 품질 저하를 일으킬 수 있다. 따라서 적절한 시기에 공구가 교체될 수 있도록 공구 마모 진행 및 공정 중 파손 방지 시스템 개발이 필요하다. 본 논문에서는 공구의 적절한 교체 시기 등을 진단하기 위해 딥러닝 기반의 계층적 컨볼루션 신경망을 이용하여 5가지 공구 상태를 진단하는 방법을 제안한다. 기계가 공작물을 절삭할 때 발생하는 1차원 음향 신호를 주파수 기반의 전력스펙트럼밀도 2차원 영상으로 변환하여 컨볼루션 신경망의 입력으로 사용한다. 학습 모델은 계층적 3단계를 거쳐 5가지 공구 상태를 진단한다. 제안한 방법은 기존의 방법과 비교하여 높은 정확도를 보였고, 실시간 연동을 통해 다양한 공작기계를 모니터링할 수 있는 스마트팩토리 고장 진단 시스템에 활용할 수 있을 것이다.

• 전자공학회논문지B
• /
• 제31B권10호
• /
• pp.123-129
• /
• 1994

The segmentation of range image is essential to recognize the three dimensional object. Generally, surface curvature is well-known feature for segmentation and classification of the fange image, but it is sensitive to noies. In this paper, we propose the structure of hierarchical neural network using surface curvature for segmentation of range images. The hierarchical structure of neural networks is robust to noise and the result of segmentaion is better than conventional optimization method of single level.

• 한국안전학회지
• /
• 제15권2호
• /
• pp.36-45
• /
• 2000

Automated production system is composed of many complicated techniques and it become a very difficult task to control, monitor and diagnose this compound system. Moreover, it is required to develop an effective diagnosing technique and reduce the diagnosing time while operating the system in parallel under many faults occurring concurrently. This study develops a Modular Artificial Neural Network(MANN) which can perform a diagnosing function of multiple faults with the following steps: 1) Modularizing a complicated system into subsystems. 2) Formulating a hierarchical structure by dividing the subsystem into many detailed elements. 3) Planting an artificial neural network into hierarchical module. The system developed is implemented on workstation platform with $X-Windows^{(r)}$ which provides multi-process, multi-tasking and IPC facilities for visualization of transaction, by applying the software written in $ANSI-C^{(r)}$ together with $MOTIF^{(r)}$ on the fault diagnosis of PI feedback controller reactor. It can be used as a simple stepping stone towards a perfect multiple diagnosing system covering with various industrial applications, and further provides an economical approach to prevent a disastrous failure of huge complicated systems.

• 지능정보연구
• /
• 제11권1호
• /
• pp.17-33
• /
• 2005

자기공명영상과 계층적 신경망을 이용하여 간경변증을 단계별로 분류하고자 하였다. 내원한 231명의 데이터를 분석하였으며, 각 단계별 분류는 정상,1, 2, 3단계로 분류하였다. TI강조 자기공명 간 영상으로부터 정상 간 실질과 간 경변 결절을 추출하고, 간 경화증의 단계를 객관적으로 해석 분류하였다. 간 경변 분류기 구현은 계층적 신경망을 이용하였고, 명암도 분석과 간 결절 특성을 통하여 정상간과 3단계의 간 경변으로 구분하였다. 제안한 신경망 분류기는 오류 역전파 알고리듬을 이용하였다. 분류결과 인식율이 정상군은 $100\%$, 1 단계는 $82.8\%$, 2 단계는 $87.1\%$, 3 단계는 $84.2\%$의 분류율을 나타내었다. 신경망 분류 결과와 전문의 판독 결과를 서로 비교한 결과 인식률은 매우 높게 나타났다. 만일 더욱더 충분한 데이터나 파라미터를 가지고 지속적으로 수행한다면 간 경변 환자들에게 임상적으로 지원하는 도구뿐만 아니라 의료전문 신경망으로도 기대된다.

• 전자공학회논문지B
• /
• 제33B권7호
• /
• pp.173-182
• /
• 1996

In this paper, we propose the parallel, self-organizing, hierarchical neural netowrks as a handwritten digit recognition system. This system can absorb the various shape variations of handwritten digits by using the different methods of extracting the features in each stage neural network (SNN) of the PSHNN, and can reduce training time by using the single layer neural network as the SNN, and can obtain high rate of correct recognition by using the certainty area in all the output nodes individually. experiments have been performed with NIST database. In which we use 21, 315 digits (10, 625 digits for training and 10,663 digits for testing). The results show that the correct rate is 97.48% the error rate is 1.72% and the reject rate is 0.78%.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.641-647
• /
• 2017

본 논문에서는 자동작곡에서 계층적 인공신경망을 이용하여 전/중/후 별로 곡의 멜로디가 전개되는 구성을 갖춘 곡을 자동으로 생성하는 방법을 제안한다. 첫 번째 계층에서는 하나의 인공신경망을 사용하여 기존의 곡을 학습시키거나 혹은 무작위 멜로디를 학습시키고 박자후처리를 하여 곡을 출력한다. 두 번째 계층에서는 첫 번째 인공신경망이 만든 멜로디를 전/중/후별로 세 개의 인공신경망에 학습한 후 곡을 출력한다. 두 번째 계층의 세 개의 인공신경망에서는 반복을 만들기 위하여 전/중/후 별로 마디구분을 이용한 반복을 적용하며 이후 박자/화성/조성후처리를 수행하여 곡을 완성한다. 실험결과 구성을 갖춘 곡이 생성됨을 확인하였다.

• 한국컴퓨터산업학회논문지
• /
• 제2권8호
• /
• pp.1045-1054
• /
• 2001

본 논문에서는 염색체의 핵형을 자동으로 분류하는 연구방법을 개선하기 위하여 염색체의 영상을 재구성하는 방법과 패턴의 인식을 위해 계층형 신경회로망의 구현에 관한 두 가지의 알고리즘을 제안한다. 먼저 영상 재구성방법을 사용하여 임상적으로 정상인으로 판명된 20명의 염색체 영상에서 형태 구조학적인 특징정보와 농도정보를 추출하였다. 10명에 대하여 추출한 정보를 다섯 가지로 조합하여 계층형 신경회로망(Hierarchical Multilayer Neural Network： HMNN)의 학습입력으로 사용하여 핵형을 분류할 수 있는 패턴인식기를 구현하였다. 그리고 나머지 10명에 대한 다섯 가지의 조합된 정보를 HMNN의 분류입력으로 사용하여 실험한 결과 약 98.26％의 우수한 인식률을 나타내는 최적화된 계층적 인공신경회로망을 구현할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.125-129
• /
• 2006

By advent of NNC(Neural Network Chip), it is possible that process in parallel and discern the importance of signal with learning oneself by experience in external signal. So, the design of general purpose operation unit using VHDL(VHSIC Hardware Description Language) on the existing FPGA(Field Programmable Gate Array) can replaced EN(Expert Network) and learning algorithm. Also, neural network operation unit is possible various operation using learning of NN(Neural Network). This paper present general purpose operation unit using hierarchical structure of EN. EN of presented structure learn from logical gate which constitute a operation unit, it relocated several layer. The overall structure is hierarchical using a module, it has generality more than FPGA operation unit.

• 한국인터넷방송통신학회논문지
• /
• 제17권2호
• /
• pp.15-23
• /
• 2017

사람의 빈번한 자세 변화, 그리고 background clutter과 occlusion으로 인해 Person Re-identificatio는 컴퓨터 비전 분야에서 가장 어려운 부분이다. 비겹침 카메라의 이미지는 어떤 사람을 다른 사람과 구별하기 어렵게 한다. 더욱 나은 성능 일치를 달성하기 위해 대부분의 방법은 특징 선택과 거리 메트릭을 개별적으로 사용한다. 그렇게 차별화된 표현과 적절한 거리를 얻을 수 있고, 사람과 중요한 특징의 무시 사이의 유사성을 설명할 수 있다. 이러한 상황은 우리가 이 문제를 다루는 새로운 방법을 고려하도록 한다. 본 논문에서는 Person Re-identification를 위한 3단 계층네트워크를 갖는 향상되고 반복적인 신경 회로망을 제안하였다. 특히 RNN(Revurrent Neural Network) 모델은 반복적인 EM(Expectation Maximum) 알고리즘과 3단 계층 네트워크를 포함하고, 차별적 특징과 지표 거리를 공동으로 학습한다. 반복적인 EM 알고리즘은 RNN 이전에 연속해 있는 CNN(Convoutional Neural Network)의 특징 추출 능력을 충분히 사용할 수 있다. 자율 학습을 통해 EM 프레임 워크는 패치의 레이블을 변경하고 더 큰 데이터 세트를 훈련할 수 있다. 네트워크를 더 잘 훈련시키기 위해 3단 계층 네트워크를 통해 CNN, RNN 및 풀링 계층이 공동으로 특징 추출을 할 수 있다. 실험 결과에 따르면 비전처리 분야에서 다른 연구자의 접근 방식과 비교할 때 이 방법은 경쟁력 있는 정확도를 얻을 수 있다. 이 방법에 대한 다른 요소의 영향은 향후 연구에서 분석되고 평가될 것이다.

• 전자공학회논문지SC
• /
• 제48권1호
• /
• pp.18-23
• /
• 2011

본 연구는 자동차에 장착된 일반적인 자동변속기의 문제점을 향상시키기 위해서 지능형 변속선도 결정 모듈을 제안한다. 전형적인 자동변속기의 변속선도는 운전자의 습관 및 성향이 반영되지 않기 때문에 운전자가 원하는 변속점을 제공하지 못한다. 기존의 변속선도는 불필요한 기어의 변화가 발생하고 연료효율에도 좋지 않다. 또한 가끔 킥-다운과 같은 현상이 발생한다. 그래서 본 논문에서는 개인적인 운전자의 운전 스타일을 고려한 변속선도를 결정하는 지능형 변속 제어 방법을 연구한다. 운전스타일은 주행 중인 자동차의 실제 데이터를 이용하여 운전자의 성향 및 운전 습관에 의해 판단된다. 이 모듈은 실제 자동차 데이터를 학습하기 위해 신경회로망을 사용한 계층적 구조로 구성된다. 제안된 지능형 변속선도 제 어 모듈은 각 운전자의 운전스타일에 따라 운전에 필요한 토크와 속도를 제공하여 운전자에게 적합한 변속점과 변속시간을 제공할 수 있다.