• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2004년도 학술발표논문집
• /
• pp.219-225
• /
• 2004

코호넨(T. Kohonen)의 자기조직화지도(Self-Organizing Map; SOM)은 저차원 그리드 공간에 고차원 다변량 자료를 축약하여 시각적으로 나타내는 비지도 학습법의 일종으로 최근 들어 통계 분석자들이 많은 관심을 가지고 있는 분야이다. 그러나 SOM은 개체공간의 연속형으로 표현되는 개체를 저차원 그리드공간에 승자노드에 비연속적으로 표현한다는 단점을 지니고 있다. 본 논문에서는 SOM을 통계적 목적으로 사용하기 위해 요구되는 그리드공간에 개체를 연속적으로 표현하는 방법들을 제안하고 활용 예를 제시하고자 한다

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2009년도 추계학술대회
• /
• pp.154-157
• /
• 2009

본 논문은 ECG의 긴장과 이완상태를 자동으로 인식하기 위해서 SOM 학습을 이용한다. 기존의 ECG 연구는 자극원의 유무에 따라서 정상상태와 변화상태를 비교하여 데이터를 분석하였다. 본 연구에서는 피험자를 ECG로 측정하여 분석한 후 SOM학습을 이용해서 자동으로 긴장과 이완상태를 분석한다. 실험은 피험자에게 슈팅게임을 하게 한 후 ECG로 측정한다. SOM 입력벡터는 측정된 ECG의 HRV분석으로 시간분석과 주파수분석의 특징벡터들을 추출한다. 특징이 추출된 입력벡터들은 SOM으로 학습하여 자동으로 피험자의 긴장과 이완상태를 분류하여 인식할 수 있었다. ECG와 SOM학습의 매칭도 결과는 71%의 정확도를 보였다.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.43-54
• /
• 2005

이본 논문에서는 Bayesian 영상 분할법과 SOM(Self Organization feature Map)을 이용한 텍스쳐(Texture) 분할 방법을 제안한다. SOM의 입력으로 다중 스케일에서의 웨이블릿 계수를 사용하고, 훈련된 SOM으로부터 관측 데이터에 대한 우도(尤度, likelihood)와 사후확률을 구하는 방법을 제시한다. 훈련된 SOM들로부터 구한 사후확률과 MAP(Maximum A Posterior) 분류법을 이용하여 텍스쳐 분할을 얻는다. 그리고 문맥 정보를 이용하여 텍스쳐 분할 결과를 개선하였다. 제안 방법은 HMT(Hidden Markov Tree)을 이용한 텍스쳐 분할보다 더 우수한 결과를 보여준다. 또한 SOM과 HMTseg라고 불리는 다중스케일 Bayesian 영상 분할 기법을 이용한 텍스쳐 분할 결과는 HMT와 HMTseg을 이용한 결과보다 더 우수한 성능을 보여준다.

• 감성과학
• /
• 제14권2호
• /
• pp.197-206
• /
• 2011

본 논문에서는 신경망 SOM학습을 이용하여 피험자의 각성수준을 높은각성과 낮은각성으로 자동인식하는 것을 제안한다. 각성수준의 자동인식 단계는 세 단계로 구성된다 첫 번째는 ECG 측정 및 분석단계로 슈팅게임을 플레이하는 피험자를 ECG로 측정하고, SOM 학습을 하기 위해 특징을 추출한다. 두 번째는 SOM 학습 단계로 특징이 추출된 입력벡터들을 학습한다. 마지막으로 각성인식 단계는 SOM 학습이 완료된 후에 새로운 입력벡터가 들어왔을 때, 피험자의 각성수준을 인식한다. 실험결과는 각성수준의 SOM 학습결과와 새로운 입력벡터가 들어왔을 때 각성수준의 인식결과, 그리고 각성수준을 수치와 그래프로 보여준다. 마지막으로 SOM의 평가는 기존연구의 감성평가 결과와 SOM의 자동인식 결과를 순차적으로 비교하여 평균 86%로 분석되었다. 본 연구를 통해서 SOM을 이용하여 피험자마다 다른 각성수준을 자동인식 할 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2008년도 제39차 동계학술발표논문집 16권2호
• /
• pp.169-172
• /
• 2009

본 논문은 SOM을 이용하여 비행슈팅게임을 하는 게이머의 긴장과 이완상태를 학습한다. 학습된 SOM을 이용해 게이머의 새로운 심박데이터가 입력되었을 때 긴장과 이완 상태에서 플레이하는 게이머의 인식을 제안한다. 게이머들은 비행슈팅게임을 플레이하면서 게임 환경들의 패턴들에 익숙해진다. 게이머들은 반복하면서 지루해지면서 자연스럽게 긴장감도 떨어지게 된다. 만약 긴장이완 정도를 알 수 있다면 게이머의 상태에 맞게 게임환경을 조절하여 긴장감을 유지할 수 있을 것이다. 본 연구에서는 비행슈팅게임을 하는 게이머의 심박신호를 이용하여 게이머의 긴장이완상태를 신경망 SOM으로 분류한다. SOM은 주어진 입력패턴에 정확한 답을 정해주지 않고 자기 스스로 학습하여 해답을 찾는 신경망중의 하나이다. 따라서 게이머의 심박신호는 SOM 학습을 통해 게이머의 긴장과 이완상태들을 군집화 할 수 있다. 비행슈팅게임을 20회 반복 플레이하여 SOM으로 게이머의 심박신호를 입력해 본 결과 긴장이완상태를 인식 할 수 있었다.

• 응용통계연구
• /
• 제18권1호
• /
• pp.83-98
• /
• 2005

다변량 자료를 분석하는 데 있어서 관측 개체들의 분포적 양태를 파악하는 것은 자료 특성의 이해에 도움이 될 뿐만 아니라 이후 모형화 과정에도 큰 도움을 준다. 이를 위하여 다변량자료의 저차원 시각화에 대한 많은 연구가 진행되어 왔다. 그 중 하나가 코호넨(T. Kohonen)의 자기조직화지도(Self-Organizing Map; SOM)이다. SOM은 저차원 그리드 공간에 고차원 다변량 자료를 축약하여 시각적으로 나타내는 비지도 학습법의 일종으로 최근 들어 통계 분석자들이 많은 관심을 가지고 있는 분야이다. 그러나 SOM은 개체공간의 연속형으로 표현되는 개체를 저차원 그리드 공간에 승자노드에 의해 비연속적으로 표현한다는 단점을 지니고 있다. 본 논문에서는 SOM을 통계적 목적으로 사용하기 위해 요구되는 그리드 공간에 개체를 연속적으로 표현하는 방법들을 제안하고 환용 예를 제시 하고자 한다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2009년도 춘계학술대회
• /
• pp.87-90
• /
• 2009

사람들은 같은 상황에서도 감정적 경험에 따라 다르게 반응한다. 상황에 따른 감정을 나타내고자 하는 인공감정에 대한 많은 연구가 이루어지고 있지만, 기존의 인공감정들은 같은 상황에서 같은 반응을 하도록 설계되었다. 하지만 현재 느끼는 감정이 과거에 경험했던 감정적 경험에 영향을 받기 때문에 같은 상황에서 다른 반응을 유발한다. 본 논문은 감정적 경험을 기억해서 현재의 감정에 영향을 주는 메커니즘을 제안한다. 감정적 기억은 연관성이 있는 기억끼리 연상되는데 이 과정은 SOM의 연관성이 있는 것끼리 뭉치면서 스스로 학습하는 자기조직화의 특성과 유사하다. 이러한 유사점을 이응해서 감정적 경험을 기억하는 과정을 설계했다. 제안된 방법을 가위바위보로 승자가 패자를 뿅망치로 때리는 게임에 적용하여 같은 상황에서도 감정적 경험에 의해 다르게 반응하는 모습을 나타낸다. 게임을 진행하면서 가위바위보 승패에 따라 분노, 공포, 쾌락 등의 감정을 경험하게 되는데 이러한 감정적 경험이 SOM을 이용한 감정기억메커니즘에 의해 기억된다. 그 결과 감정적 경험에 대한 기억이 가위바위보에 이겼을 때의 느끼는 감정에 영향을 주어 현재 느끼는 감정 상태에 따라 뿅망치 파워가 달라지도록 했다.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.65-74
• /
• 2010

본 연구에서는 비행슈팅게임을 플레이하는 피험자의 긴장 또는 이완상태를 자동으로 인식하는 시스템을 제안한다. 기존 연구에서는 피험자에게 자극원을 제시하여 나타난 변화 값을 비교하기 때문에 자동으로 분류하는데 한계가 있었다. 본 연구에서는 피험자의 상태 변화를 자동으로 분류하여 인식할 수 있도록 비지도학습의 SOM을 적용한다. 긴장과 이완상태의 자동인식을 위한 SOM의 적용은 두 가지 단계로 구성된다. 첫 번째 단계는 ECG측정 및 분석으로 피험자에게 게임을 플레이하게 한 후 ECG를 측정하여 HRV 분석으로 특징벡터를 추출한다. 두 번째 단계는 SOM 학습 및 인식으로 특징이 추출된 심박신호의 입력벡터들을 SOM으로 학습하여 피험자의 긴장과 이완상태를 분류하여 인식 한다. 실험 결과는 세 가지로 나누어진다. 첫 번째, HRV의 주파수변화와 두 번째 심박신호의 SOM 학습결과를 나타냈다. 세 번째 단계는 SOM학습의 성능을 알기 위해서 매칭율을 분석했다. HRV의 주파수분석의 LF/HF 비율을 1.5 기준으로 SOM의 승자뉴런 거리와 매칭한 결과 평균 72%의 매칭율을 보였다.

• KSBB Journal
• /
• 제20권4호
• /
• pp.291-298
• /
• 2005

본 연구는 재조합 대장균과 S.cerevisiae의 발효공정에서 형광스펙트럼 데이터를 수집하였으며, SOM을 이용하여 형광스펙트럼 데이터를 특정 그룹으로 분류하고 발효공정을 분석하고자 하였다. 배출가스 내 이산화탄소농도와 세포농도 같은 공정변수들은 SOM 알고리즘으로부터 얻은 분산 및 정규화된 가중치들과 좋은 연관성을 나타내었다. 전체 스펙트럼 데이터의 분류는 생물공정 모델링을 위한 매우 중요한 단계인데 그 이유는 몇몇 여기파장과 방출파장의 유의한 조합들이 전체영역의 스펙트럼 데이터로부터 추출되기 때문이다. 예를 들면, 본 연구에서 SOM을 이용하여 추출한 98개의 스펙트럼 데이터의 예제들은 부분최소자승법이나 감독신경망 (supervised neural network)을 이용한 공정의 모델링에 사용될 수 있다.

• Biotechnology and Bioprocess Engineering:BBE
• /
• 제11권5호
• /
• pp.432-441
• /
• 2006

2D fluorescence sensors produce a great deal of spectral data during fermentation processes, which can be analyzed using a variety of statistical techniques. Principal component analysis (PCA) and a self-organizing map (SOM) were used to analyze these 2D fluorescence spectra and to extract useful information from them. PCA resulted in scores and loadings that were visualized in the score-loading plots and used to monitor various fermentation processes with recombinant Escherichia coli and Saccharomyces cerevisiae. The SOM was found to be a useful and interpretative method of classifying the entire gamut of 2D fluorescence spectra and of selecting some significant combinations of excitation and emission wavelengths. The results, including the normalized weights and variances, indicated that the SOM network is capable of being used to interpret the fermentation processes monitored by a 2D fluorescence sensor.