• Transactions on Control, Automation and Systems Engineering
• /
• 제2권3호
• /
• pp.182-188
• /
• 2000

High-frequency electric resistance welding (HERW) technique is one of the most productive manufacturing method currently available for pipe and tube production because of its high welding speed. In this process, a heat input is controlled by skilled operators observing color and shape of bead but such a manual control can not provide reliability and stability required for manufacturing pipes of high grade quality because of a variety of bead shapes and noisy environment. In this paper, in an effort to provide reliable quality inspection, we propose a neural network-based method for classification of bead shape. The proposed method utilizes the structure of Kohonen network and is designed to learn the skill of the expert operators and to provide a good solution to classify bead shapes according to their welding conditions. This proposed method is implemented on the real pipe manufacturing process, and a series of experiments are performed to show its effectiveness.

• 전자공학회논문지B
• /
• 제28B권9호
• /
• pp.739-746
• /
• 1991

This paper develops a modified multilayer perceptron architecture which speeds up learning as well as the net's mapping accuracy. In Phase I, a cluster partitioning algorithm like the Kohonen's self-organizing feature map or the leader clustering algorithm is used as the front end that determines the cluster to which the input data belongs. In Phase II, this cluster selects a subset of the hidden layer nodes that combines the input and outputs nodes into a subnet of the full scale backpropagation network. The proposed net has been applied to two mapping problems, one rather smooth and the other highly nonlinear. Namely, the inverse kinematic problem for a 3-link robot manipulator and the 5-bit parity mapping have been chosen as examples. The results demonstrate the proposed net's superior accuracy and convergence properties over the original backpropagation network or its existing improvement techniques.

• 대한전기학회논문지
• /
• 제41권5호
• /
• pp.533-540
• /
• 1992

The Self Creating and Organizing (SCO) is a new architecture and one of the unsupervized learning algorithm for the artificial neural network. SCO begins with only one output node which has a sufficiently wide response range, and the response ranges of all the nodes decrease automatically whether adapting the weights of existing node or creating a new node. It is compared to the Kohonen's Self Organizing Feature Map (SOFM). The results show that SCONN has lots of advantages over other competitive learning architecture.

• 대한전기학회논문지
• /
• 제40권4호
• /
• pp.374-381
• /
• 1991

As a diagnostic image of hospitl, the utilization of digital image is steadily increasing. Image coding is indispensable for storing and compressing an enormous amount of diagnostic images economically and effectively. In this paper adaptive two stage vector quantization based on Kohonen's neural network for the compression of cardioangiography among typical angiography of radiographic image sequences is presented and the performance of the coding scheme is compare and gone over. In an attempt to exploit the known characteristics of changes in cardioangiography, relatively large blocks of image are quantized in the first stage and in the next stage the bloks subdivided by the threshold of quantization error are vector quantized employing the neural network of frequency sensitive competitive learning. The scheme is employed because the change produced in cardioangiography is due to such two types of motion as a heart itself and body motion, and a contrast dye material injected. Computer simulation shows that the good reproduction of images can be obtained at a bit rate of 0.78 bits/pixel.

• 정보학연구
• /
• 제9권1호
• /
• pp.55-63
• /
• 2006

In this paper, a Hangul recognition system using of Kohonen Network in the phoneme separation and learning is proposed. A Hangul consists of phoneme that are consists of strokes. The phoneme recognition and separation are very important in the recognition of character. So, the phonemes which mismatching has been happened are correctly separated through the learning of neural networks. also, learning rate($\alpha$) adjusted according to error, in order to solved that its decreased the number of iteration and the problem of local minimum, adaptively.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1749-1758
• /
• 1997

전력수요의 예측은 예측기간에 따라 중장기 전력수요 예측과 단기 부하 예측으로 구분할 수 있다. 기존의 단기 부하예측은 주로 역전파 알고리즘(back propagation algorithm)다층퍼셉트론을 이용하여 예측을 하였으나 이는 학습시간이 많이 걸릴 뿐만 아니라 학습도중에 지역최소점(local minima)에 빠져 학습이 계속되지 못한다는 문제가 있다. 본 논문은 이러한 역전파 알고리즘의 문제점을 해결할 수 있는 방법으로 Radial Basis 함수(Radial Basis Function)를 이용하여 동적 단기부하 예측 모형을 제안한다. Radial Basis 함수는 하나의 은닉층(hidden layer)을 갖고 있으며, 전방향(feed-forward)학습을 한다는 특징이 있다. 본 논문에서 제안한 단기 부하 예측모형은 학습을 하기 위하여 시간대별 부하량을 클러스터링 하고, 이 클러스터의 중심값을 Radial Basis 함수의 은닉층으로 하여 학습을 한 다음 예측하고자 하는 패턴을 한 단위로 하여 시단대별로 예측하였다. 기존의 연구에서의 클러스터링 방법으로는 통계학의 K-Means 방법이나 Kohonen의 LVQ(Learning Vector Quantization)을 주로 이용하였으나 본 논문에서는 패턴의 분류에 있어서 다른 알고리즘보다 편차가 작은 Pal, et. al.의 GLVQ(Generalized LVQ) 알고리즘을 이용하였다. 본 논문에서 이용한 데이타는 1995년 3월 1일-3일, 6월 1일-3일, 7월 1일-3일, 9월 1일-3일, 11월 1일-3일의 72시간 데이타를 입력하여 월별 4일의 24시간의 예측시간으로 예측하였다. 실험결과 월별 1일과 3일까지의 학습데이타로 1시간 후의 부하량을 24시간동안 예측한 결과 1.3795%의 평균 오차율로 예측하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권9호
• /
• pp.547-553
• /
• 2008

본 논문에서는 2 단계 서류 레이아웃 분할 방법을 제안한다. 서류 분할의 1 차 단계는 top-down 계열의 영역 추출로서 모폴로지 기반의 거리 함수를 사용하여 주어진 영상 데이타를 사각형 영역들로 분할한다. 거리 사상 함수를 통한 예비 결과는 성능 개선을 위한 2 차 단계의 입력 변수로 작용한다. 서류 분할의 2차 단계로서 기계 학습 이론을 적용한다. 통계 모델을 따르는 RBF 신경망을 선택하였고, 은닉 층의 설계를 위해 코호넨 네트워크의 자기 조직화 성격을 활용한 데이타 군집화 기법을 기반으로 하였다. 본 논문에서는 300개의 영상에서 추출된 영역 데이타를 통해 학습된 신경망이 1차 단계에서 도출된 예비 결과를 개선함을 연구 결과로 제시하였다.

• 한국정보통신학회논문지
• /
• 제7권6호
• /
• pp.1304-1311
• /
• 2003

실세계환경에서 물체를 추적하는 기술은 영상의 지속적인 변화 및 영상데이터 방대함과 처리속도의 문제로 인하여 해결하기 어려운 문제이다. 특히 해상과 같은 환경에서는 더욱 어려운 현실이다. 본 논문에서는 복잡한 환경에서 물체를 추적하고 탐지하기 위한 방법으로 자기조직화 신경망을 사용하여 구성하였다. 본 논문에서의 접근 방법은 코호넨의 자기 조직화 신경망 분석 기법과 영역확장 기법 및 에너지 최소화함수를 이용하여 물체 추적시스템을 구성하였다. 자기조직화 신경망은 하나의 프레임 내에서 이동하는 물체의 중심점을 탐지할 수 있다. 그리고 연속적인 영상에서 이전에 탐지되어진 뉴런의 위치를 이용하여 물체를 추적할 수 있다. 자기조직화 신경망을 이용한 물체 추적의 실험결과 다양한 환경의 변화에서도 물체의 추적이 가능함을 알 수 있었다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1997년도 한국자동제어학술회의논문집; 한국전력공사 서울연수원; 17-18 Oct. 1997
• /
• pp.1549-1552
• /
• 1997

In this paper, a optimal algorithm that can produce the FOV is proposed in terms of using the Kohonen's Self-Organizing Map(KSOM). A FOV, that stands for "Field Of View", means maximum area where a camera could be wholly seen and influences the total time of inspection of vision system. Therefore, we draw algorithm with a KSOM which aims to map an input space of N-dimensions into a one-or two-dimensional lattice of output layer neurons in order to optimize the number and location of FOV, instead of former sequentila method. Then, we show demonstratin through computer simulation using the real PCB data. PCB data.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅲ
• /
• pp.1263-1266
• /
• 2003

One of the hardest problems in implementation of digital neural network are extension of synapses and programmability for relocating neurons. This paper Proposes a new hardware structure to solve these problems. The proposed structure can reconfigure network connections without alteration of basic design, and extend number of synapses attached to one neuron. Also, it is possible to extend the number of neurons and layers by connecting many MPUs(Modular Processing Unit). Generality and extensibility are verified by composing various kinds of Perceptorn and Kohonen networks using the architecture proposed in this paper and the verification performances compares well with HDL simulation results as well as the results of C modelling.