• 한국통신학회논문지
• /
• 제27권3B호
• /
• pp.188-195
• /
• 2002

본 논문에서는 멀티 레이트 부호분할 다중접속(Code Division Multiple Access: CDMA) 방식에서의 효과적인 다중 사용자 검출 기술을 제안한다. 최적 다중 사용자 검출 기술이 최적의 비트 오류 확률(Bit Error Rate: BER) 성능을 보이긴 하지만, 실제 구현을 위해서는 계산상의 복잡도 측면에서의 문제가 있다. 따라서, 본 논문에서는 멀티 레이트 CDMA 환경에서 비교적 낮은 계산상의 복잡도를 갖는 준칙적의 다중 사용자 검출기 구조를 제안하며, 기존의 정합필터(matched filter)와 멀티 레이트 환경에서 제안된 다른 다중 사용자 검출기와의 성능 비교를 수행한다. 레일리 페이딩 환경에서의 컴퓨터 시뮬레이션을 통해 제안된 홉필em(Hopfield) 신경망(neural network) 알고리즘을 이용한 다중 사용자 검출기법의 성능이 우수함을 검증한다.

• 한국전자거래학회지
• /
• 제26권2호
• /
• pp.83-94
• /
• 2021

컴퓨터 비전 적용 분야에서 부분적으로 가려진 물체 인식의 필요성은 증가하고 있다. 물체를 확인하고 위치를 지정하는 데에 물체가 가려진 것은 심각한 문제를 야기한다. 이 논문은 여행자 소지 수하물에서 위험 물건을 발견하기 위하여 어닐드 홉필드 네트워크를 제안한다. 어닐드홉필드 네트워크는 하이브리드 홉필드 네트워크와 어닐링 이론에 기초한 확정적 근사방법이다. 하이브리드 홉필드 네트워크는 위험 물체의 이미지에서 발췌한 경계 점들과 코너 점들을 이용한다. 또한 어닐드 홉필드 네트워크의 런타임을 줄이기 위해 임계 온도를 조사하였다. 어닐드 홉필드 네트워크와 하이브리드 홉필드 네트워크의 성능을 비교하기 위하여 광범위한 컴퓨터 실험이 실행되었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1990년도 하계학술대회 논문집
• /
• pp.485-491
• /
• 1990

We propose a minimum-time path planning soheme for the robot manipulator using Hopfield neural network. The minimum-time path planning, which can allow the robot system to perform the demanded tasks with a minimum execution time, may be of consequence to improve the productivity. But most of the methods proposed till now suffers from a significant computational burden and thus limits the on-line application. One way to avoid such a difficulty is to apply the neural network technique, which can allow the parallel computation, to the minimum-time problem. This paper propose an approach for solving the minimum-time path planning by using Hopfield neural network. The effectiveness of the proposed method is demonstrarted using the PUMA 560 manipulator.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.1356-1358
• /
• 1996

Hopfield's suggestion of a neural network model for associative memory aroused the interest of many scientists and led to efforts of mathematical analyses. But the Hopfield Network has several disadvantages such as spurious states and capacity limitation. In that sense many scientists and engineers are trying to use a new optimization algorithm called genetic algorithm. But it is hard to use this algorithm in Hopfileld Network because of the fixed architecture. In this paper we introduce another method to determine the weight of Hopfield type network using Genetic Algorithm.

• 융합신호처리학회논문지
• /
• 제3권1호
• /
• pp.80-86
• /
• 2002

아날로그 합산과 선형방정식을 풀 수 있는 신경망구조가 제안되었다. 계산에너지함수에 근거하여 가중치를 구하는 Hopfield 신경망모델을 사용하였다. 아날로그 합산과 선형방정식은 각각 Hopfiled의 A/D컨버터와 선형프로그래밍회로망을 이용하여 설계되었다. 시뮬레이션은 Pspice 프로그램을 이용하였으며, 그 결과들은 대부분 전체극소점으로 수렴함을 보였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -1
• /
• pp.34-37
• /
• 2002

This paper presents a new stochastic binary neural network based on the Hopfield model. We apply the proposed network to TSP and compare it with other methods by computer simulations. Furthermore, we apply 2-opt to the proposed network to improve the performance.

• 대한전기학회논문지
• /
• 제41권1호
• /
• pp.1-8
• /
• 1992

Hopfield neural network has been applied to the problem of economic load dispatch(ELD) of electric power. The optimum values of neuron potentials are represented in terms of large numbers. The differential synchronous transition mode is used in this simulation. Through case studies, we have shown the possibility of the application of neural network to ELD. In case of including the transmission losses, the proposed method has an advantage that the problem can be solved simply with one neural network, without calculating incremental fuel costs and incremental losses required by traditional method.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1990년도 추계학술대회 논문집 학회본부
• /
• pp.247-251
• /
• 1990

Hopfield neural network has been applied to the problem of economic load dispatching of electric power(ELD). The optimum values of neuron potentials are represented in terms of large numbers. And the neuron potential converges to the medium values between the limit values of the sigmoid function. In three cases, ELD based upon Hopfield network is formulated, solved and discussed.

• 전자공학회논문지B
• /
• 제33B권5호
• /
• pp.60-72
• /
• 1996

In this paper, a enw model-base three-dimensional (3-D) object recognition mehtod using hopfield network is proposed. To minimize deformation of feature values on 3-D rotation, we select 3-D shape features and 3-D relational features which have rotational invariant characteristics. Then these feature values are normalized to have scale invariant characteristics, also. The input features are matched with model features by optimization process of hopjfield network in the form of two dimensional arrayed neurons. Experimental results on object classification and object matching with the 3-D rotated, scale changed, an dpartial oculued objects show good performance of proposed method.

• 한국측량학회지
• /
• 제30권6_2호
• /
• pp.653-663
• /
• 2012

Using soft classification, it is possible to obtain the land cover proportions from the remotely sensed image. These land cover proportions are then used as input data for a procedure called "super-resolution mapping" to produce the predicted hard land cover layers at higher resolution than the original remotely sensed image. Superresolution mapping can be implemented using a number of algorithms in which the Hopfield Neural Network (HNN) has showed some advantages. The HNN has improved the land cover classification through superresolution mapping greatly with the high resolution data. However, the super-resolution mapping is based on the spatial dependence assumption, therefore it is predicted that the accuracy of resulted land cover classes depends on the relative size of spatial features and the spatial resolution of the remotely sensed image. This research is to evaluate the capability of HNN to implement the super-resolution mapping for SPOT image to create higher resolution land cover classes with different zoom factor.