• 대한전자공학회논문지TE
• /
• 제37권2호
• /
• pp.62-68
• /
• 2000

동적채널할당 방식은 채널 이용 효율을 극대화시킬 수 있다는 장점은 있으나 채널을 최종적으로 가입자에게 할당 해주기 위해서는 여러 단계의 연산 과정을 수행해야 한다. 이로 인해 시스템 제어가 복잡해지고, 채널할당 시까지 필요로 하는 시간이 길어 전체 시스템 성능에 영향을 미치는 단점을 갖는다. 본 논문에서는 동적채널할당 방식을 적용하고자 할 때 가장 문제가 되는 채널할당 시까지 필요로 하는 제어 단계를 단순화시킬 수 있는 트래픽 제어 알고리즘을 제안한다.

• 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.

• 제어로봇시스템학회논문지
• /
• 제6권6호
• /
• pp.447-453
• /
• 2000

Using the scattering theory of laser light, we analyze the particle sizing method. The scattered profile measured by the photodetector is sampled, scale conditioned by a 32 channel analog-to-digital converter, and is analyzed with the transform matrix from the light energy signals to the weights of the particle sizes. The particle size distribution is classified using the Hopfield neural network method as well as the conventional nonnegative least square method.

• 전자공학회논문지A
• /
• 제30A권9호
• /
• pp.71-79
• /
• 1993

This paper proposes a new test pattern generation methodology for combinational logic circuits using neural networks based on a modular structure. The CUT (Circuit Under Test) is described in our gate level hardware description language. By conferring neural database, the CUT is compiled to an ATPG (Automatic Test Pattern Generation) neural network. Each logic gate in CUT is represented as a discrete Hopfield network. Such a neual network is called a gate module in this paper. All the gate modules for a CUT form an ATPG neural network by connecting each module through message passing paths by which the states of modules are transferred to their adjacent modules. A fault is injected by setting the activation values of some neurons at given values and by invalidating connections between some gate modules. A test pattern for an injected fault is obtained when all gate modules in the ATPG neural network are stabilized through evolution and mutual interactions. The proposed methodology is efficient for test generation, known to be NP-complete, through its massive paralelism. Some results on combinational logic circuits confirm the feasibility of the proposed methodology.

• 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.

• 한국지능시스템학회논문지
• /
• 제11권4호
• /
• pp.325-330
• /
• 2001

최적화문제에 사용되는 신경회로망을 회로레벨에서 시뮬레이션을 해보면, 알고리즘레벨에서 시뮬레이션한 결과와 많이 다름을 체험한다. 즉, 이런 신경회로망의 출력값들은 시간이 흐름에 따라 점근적으로 수렴하나, 입력단의 값들은 입력단에 부수적으로 연결되어 있는 컨덕턴스의 값에 따라 수렴여부도 달라지고, 또한 시스템의 성능도 변함을 안다. 이 논문에서는 입력단에 시스템의 안정도를 위해 부수적으로 연결된 컨덕턴스의 값에 따라 시스템의 수렴여부를 입력단과 출력단에서 분석하였으며, 에너지함수의 수렴점들이 이들 컨덕턴스의 값에 따라 성분이 변함을 분석하였다.

• 정보처리학회논문지B
• /
• 제13B권3호
• /
• pp.323-328
• /
• 2006

단백질 분석에 사용하는 이차원 젤 영상에서 단백질은 반점으로 나타난다. 같은 세포에서 추출한 두 젤 영상을 비교하면 같은 단백질은 비슷한 위치의 반점으로 나타난다. 정상 세포와 암 세포의 젤 영상을 비교하면 달라진 단백질을 알 수 있으므로 이는 신약개발의 중요한 정보가 된다. 젤 영상은 생물학적 실험 방법으로 만들어지므로 반점의 위치가 일정하지 않아 자동으로 정합하기 매우 어렵고, 이 문제는 NP-hard임이 밝혀졌다. NP-hard 문제를 푸는 방법으로 신경회로망이 널리 쓰이므로 그 중 젤 영상 정합에 적당한 홉필드 신경망으로 문제를 해결하였다. 두 젤 영상의 반점의 위치와 거리를 매개변수로 하는 에너지 함수를 정의하였고, 이 에너지 함수가 최소로 되는 두 반점이 같은 단백질이라 판정한다. 에너지 함수는 검토중인 반점뿐만 아니라 이웃한 반점도 함께 검사하도록 하여 단순한 거리 개념만이 아니라 전체 반점의 형태를 반영하도록 하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1993년도 하계학술대회 논문집 A
• /
• pp.221-223
• /
• 1993

The Hopfield model is defined as an adaptive dynamic system. In this paper we propose a modified neural network which is capable of solving linear programming problems and a set of linear equations. The model is directly implemented from the given system, and solves the problem without calculating the inverse of the matrices. We get the better stability results by the addition of scaling property and by using the nonlinearities in the linear programming neural networks.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1993년도 하계학술대회 논문집 A
• /
• pp.254-257
• /
• 1993

This paper presents a new method to implement Hebbian learning method on artificial neural network. In hebbian learning algorithm, complexity in terms of multiplications is high. To save the chip area, we consider a new learning circuit. By calculating similarity, or correlation between $X_i$ and $O_i$, large portion of circuits commonly used in conventional neural networks is not necessary for this new hebbian learning circuit named COR. The output signals of COR is applied to weight storage capacitors for direct control the voltages of the capacitors. The weighted sum, ${\Sigma}W_{ij}O_j$, is realized by multipliers, whose output currents are summed up in one line which goes to learning circuit or output circuit. The drain current of the multiplier can produce positive or negative synaptic weights. The pass transistor selects eight learning mode or recall mode. The layout of an learnable six-neuron fully connected Hopfield neural network is designed, and is simulated using PSPICE. The network memorizes, and retrieves the patterns correctly under the existence of minor noises.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.757-759
• /
• 1996

This paper proposes an application of artificial neural networks to the bus-bar separation in a substation for radial network operation. For the effective bus-bar operation, the insecurity index of transmission line load is introduced. For the radial network operation. the constraints of bus-bar switch is formulated in the performance function with the insecurity index. The determination of bus-bar switching is to find the states of 0 or 1 in the circuit breakers. In this paper, it is tested that the bus-bar separation of binary optimization problem can be solved by Hopfield networks with adequate manipulations.