• 전자공학회논문지B
• /
• 제32B권1호
• /
• pp.180-188
• /
• 1995

A modified Kohonen's self-organizing feature map (SOFM) algorithm which has binary reinforcement function and a constant learning rate is proposed. In contrast to the time-varing adaptaion gain of the original Kohonen's SOFM algorithm, the proposed algorithm uses a constant adaptation gain, and adds a binary reinforcement function in order to compensate for the lowered learning ability of SOFM due to the constant learning rate. Since the proposed algorithm does not have the complicated multiplication, it's digital hardware implementation is much easier than that of the original SOFM.

• 대한전기학회논문지:전기물성ㆍ응용부문C
• /
• 제53권10호
• /
• pp.515-522
• /
• 2004

In this study, we tried to investigate that the advantages of SOM(Self Organizing Map) algorithm such as data accumulation ability and the degradation trend trace ability would be adaptable to the analysis of partial discharge pattern recognition. For the purpose, we analyzed partial discharge data obtained from the typical artificial defects in GIS and XLPE power cable system through SOM algorithm. As a result, partial discharge pattern recognition could be well carried out with an acceptable error by use of Kohonen map in SOM algorithm. Also, it was clarified that the additional data could be accumulated during the operation of the algorithm. Especially, we found out that the data accumulation ability of Kohonen map could make it possible to suggest new patterns, which is impossible through the conventional BP(Back Propagation) algorithm. In addition, it is confirmed that the degradation trend could be easily traced in accordance with the degradation process. Therefore, it is expected to improve on-site applicability and to trace real-time degradation trends using SOM algorithm in the partial discharge pattern recognition

• 한국컴퓨터정보학회논문지
• /
• 제7권4호
• /
• pp.204-210
• /
• 2002

자기조직화 지도(self-organizing feature map)는 학습시 수렴하기 위하여 많은 입력패턴을 필요로 하는 단점이 있다. 본 논문에서는 자기조직화 지도 학습시 학습률이 일정한 이웃 상호작용 집합을 동적 가우시안 함수로 변환하여 수렴속도와 수렴도를 개선할 수 있는 방법을 제안한다. 제안한 방법은 이웃 상호작용 함수로 사용된 가우시안 함수의 편차와 폭을 학습 회수에 따라 감소하는 동적 성질과 승자 뉴런으로부터의 위상학적 위치에 따라 각기 다른 학습률을 갖도록 하였다. 따라서 본 논문에서는 자기조직화 지도의 수렴속도와 수렴도를 향상시켰다.

• 대한의용생체공학회:의공학회지
• /
• 제18권4호
• /
• pp.339-348
• /
• 1997

본 논문에서는 일반적으로 잡음이 있는 MR 영상의 배경 영역을 영역분활 알고리듬으로 제거하고 이영역분할의 정보를 손실 부호화에 이용함으로써 데이터의 압축 효율을 높이는 방법을 제안한다. 영역분할 알고리듬은 여역의특성 추출을 위해 전해상도 웨이블렛 변화(full-resolution wavelet transform)을 이용하며, 얻은 특성등의 분류를 위해 Kohonen self-organizing map을 사용한다. 웨이블렛 변환을 이용한 부호기에서는 영역분활 결과 진단에 의미없는 부분으로 판단된 영역은 부호화 하지 않음으로써 압축효율을 향상시킨다. 제안한 알고리듬으로 MR영상들을 부호화한 결과, 영역분할 정보를 이용하지 않을 경우보다 평균적으로 약 15%정도의 비트율의 절약을 가져올 수 있었으며, 같은 압축률일 경우에는 복원된 영상이 JPEG에서보다 좋은 화질을 나타내었다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.2033-2036
• /
• 2004

A novel approach to estimate the real time moving trajectory of an object is proposed in this paper. The object position is obtained from the image data of a CCD camera, while a state estimator predicts the linear and angular velocities of the moving object. To overcome the uncertainties and noises residing in the input data, a Kalman filter and neural networks are utilized. Since the Kalman filter needs to approximate a non-linear system into a linear model to estimate the states, there always exist errors as well as uncertainties again. To resolve this problem, the neural networks are adopted in this approach, which have high adaptability with the memory of the input-output relationship. Kohonen Network(Self-Organized Map) is selected to learn the motion trajectory since it is spatially oriented. The superiority of the proposed algorithm is demonstrated through the real experiments.

• 대한토목학회논문집
• /
• 제29권3D호
• /
• pp.347-356
• /
• 2009

본 연구는 기존의 도로기능분류 정의와 방법론을 벗어나 교통특성에 따른 도로분류 방법론인 도로특성분류를 기초로 분석을 수행하였다. 도로특성분류에 대한 일련의 과정 중에서 다양한 교통특성을 반영하는 설명변수를 기초로 요인점수를 산출하고, 동질한 도로구간을 그룹핑하는 군집화 분석과정과 적정 군집수 도출에 따른 군집결과비교에 본 연구는 초점을 맞추었다. 도로분류를 위해 병합적 계층 군집분석인 Ward법, 비계층적 군집분석인 K-means법, 자율신경 회로망을 이용한 K-SOM을 사용하여 비교분석하였다. 각 군집기법에 대한 결과를 토대로 비교분석한 결과, 군집 수 5 이하에서는 K-means법, 군집 수 14 이상에서는 Kohonen selforganizing maps가 가장 우수한 것으로 나타났으며, 군집수 5~9사이에서는 Ward법과 Kmeans법의 군집 성능이 불규칙한 패턴을 보임에 따라 세밀한 결과분석을 통해 우수성을 결정하는 것이 바람직할 것으로 분석되었다. 본 연구결과는 다양한 교통특성을 고려한 도로구간의 군집 속성을 분석하고 예측하는 분류화 작업에 중요한 기초적인 자료로 사용될 것으로 기대된다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 추계학술대회 논문집 학회본부 A
• /
• pp.239-241
• /
• 1999

This paper proposes a novel wavelet transform and Kohonen neural network based technique for short-time load forecasting of power systems. Firstly. Kohonen Self-organizing map(KSOM) is applied to classify the loads and then the Daubechies D2, D4 and D10 wavelet transforms are adopted in order to forecast the short-term loads. The wavelet coefficients associated with certain frequency and time localisation are adjusted using the conventional multiple regression method and then reconstructed in order to forecast the final loads through a four-scale synthesis technique. The outcome of the study clearly indicates that the proposed composite model of Kohonen neural network and wavelet transform approach can be used as an attractive and effective means for short-term load forecasting.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2516-2518
• /
• 2003

본 논문은 고차 뉴런의 문제점으로 지적되고 있는 뉴런이 방대하게 증가하는 문제를 해결하고자, 최적의 뉴런을 생성하고 생성되어진 고차 뉴런 중 일정 비율로 뉴런의 연결강도를 도태시켜 감에 따라 네트워크상에 나타나는 특성을 비교하였다. 본 논문은 고차 뉴런을 이용한 Kohonen의 자기 조직화 맵의 고차 뉴런부에 일정 비율로 연결강도를 도태한 후 인식률을 얻는 형태로 시뮬레이션을 하였다. 특히, 종래 형태의 고차 뉴런을 이용한 Kohonen 자기 조직화 맵의 알고리즘을 변형없이 사용하였으며 중복되는 뉴런을 최대한 억제하기 위해 2차 뉴런만을 생성한 네트워크 구조 위에 입력 데이터의 특징을 유지하고 고차 뉴런의 특징을 더욱 활성화하기 위해 일정한 양의 연결강도를 도태시킴으로써 출력면에서 국소집중 반응에 의한 정확한 인식률 향상 등을 조사하는 시뮬레이션을 하였다. 본 제안 모델의 특성을 살펴보기 위해 60개의 데이터로 이루어진 금속 소나 음데이터와 암석 소나 음 데이터를 이용하여 금속인지 암석인지를 판별하는 시뮬레이션을 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1427-1431
• /
• 2007

In this study, the new methodology which combines Kohonen self-organizing map(KSOM) neural networks model and the conventional neural networks models such as feedforward neural networks model and generalized neural networks model is introduced to forecast flood stage in Nakdong river, Republic of Korea. It is possible to train without output data in KSOM neural networks model. KSOM neural networks model is used to classify the input data before it combines with the conventional neural networks model. Four types of models such as SOM-FFNNM-BP, SOM-GRNNM-GA, FFNNM-BP, and GRNNM-GA are used to train and test performances respectively. From the statistical analysis for training and testing performances, SOM-GRNNM-GA shows the best results compared with the other models such as SOM-FFNNM-BP, FFNNM-BP, and GRNNM-GA and FFNNM-BP shows vice-versa. From this study, we can suggest the new methodology to forecast flood stage and construct flood warning system in river basin.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1996년도 추계학술대회 학술발표 논문집
• /
• pp.315-318
• /
• 1996

The machine-part cell formation means the grouping of similar parts and similar machines into families in order to minimize bottleneck machines, bottleneck parts, and inter-cell part movements in cellular manufacturing systems and flexible manufacturing systems. The cell formation problem is knows as a kind of NP complete problems. This paper briefly introduces the cell-formation problem and proposes a cell formation method based on the Kohonen's self-organizing feature map which is a neural network model. It also shows some experiment results using the proposed method. The proposed method can be easily applied to the cell formation problem compared to other meta-heuristic based methods. In addition, it can be used to solve large-scale cell formation problems.