• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2004년도 춘계학술대회
• /
• pp.491-496
• /
• 2004

The oscillation of the fluid caused by external forces is called sloshing, which occurs in moving vehicles with contained liquid masses, such as aircraft. cars and liquid rocket and so on. This sloshing effect could be a severe problem in vehicle stability and control. So, various baffles are used in order to reduce the sloshing. The Lagrangian, Eulerian and ALE numerical method is widely used on the analysis of sloshing presently. But, these numerical methods are needed so many CPU time. In this study, for the reduction of the sloshing analysis time, me multi.layer perceptron artificial neural network is introduced and analysis results are presented.

• 한국멀티미디어학회논문지
• /
• 제25권6호
• /
• pp.783-792
• /
• 2022

Versatile Video Coding (VVC) is the latest video coding standard, which had been developed by the Joint Video Experts Team (JVET) of ITU-T Video Coding Experts Group (VCEG) and ISO/IEC Moving Picture Experts Group (MPEG) in 2020. Although VVC can provide powerful coding performance, it requires tremendous computational complexity to determine the optimal block structures during the encoding process. In this paper, we propose a fast ternary tree decision method using two neural networks with 7 nodes as input vector based on the multi-layer perceptron structure, names STH-NN and STV-NN. As a training result of neural network, the STH-NN and STV-NN achieved accuracies of 85% and 91%, respectively. Experimental results show that the proposed method reduces the encoding complexity up to 25% with unnoticeable coding loss compared to the VVC test model (VTM).

• 조명전기설비학회논문지
• /
• 제21권6호
• /
• pp.94-101
• /
• 2007

하드 디스크(Hard Disk) 결함의 표준 패턴 클래스는 6가지로 분류되며, 이는 하드 디스크 생산 공정의 불량 처리 과정에서 중요한 역할을 수행한다. 본 논문에서는 다층 퍼셉트론(Multi-Layer Perceptron)을 이용한 하드 디스크 결함 분포의 패턴 인식 기법을 제시한다. 결함 분포로부터 5가지의 특징들을 추출하고, 이를 이용하여 퍼셉트론의 입력을 구성하였으며, 미리 분류된 표준 패턴 클래스를 이용하여 퍼셉트론의 출력을 구성하였다. 구성된 입출력 데이터들은 오차 역전파(Error Back-Propagation) 알고리듬을 통하여 다층 퍼셉트론의 학습에 사용되었다. 테스트 결과 제시된 신경망은 하드 디스크의 패턴 분류에 만족할 만한 성능을 나타내었다.

• 한국컴퓨터정보학회논문지
• /
• 제24권11호
• /
• pp.51-59
• /
• 2019

웹에서 정보 접근에 대한 폭발적인 주문으로 웹 사용자의 다음 접근 페이지를 예측하는 필요성이 대두되었다. 웹 접근 예측을 위해 마코브(markov) 모델, 딥 신경망, 벡터 머신, 퍼지 추론 모델 등 많은 모델이 제안되었다. 신경망 모델에 기반한 딥러닝 기법에서 대규모 웹 사용 데이터에 대한 학습 시간이 엄청 길어진다. 이 문제를 해결하기 위하여 딥 신경망 모델에서는 학습을 여러 컴퓨터에 동시에, 즉 병렬로 학습시킨다. 본 논문에서는 먼저 스파크 클러스터에서 다층 Perceptron 모델을 학습 시킬 때 중요한 데이터 분할, shuffling, 압축, locality와 관련된 기본 파라미터들이 얼마만큼 영향을 미치는지 살펴보았다. 그 다음 웹 접근 예측을 위해 다층 Perceptron 모델을 학습 시킬 때 성능을 높이기 위하여 이들 스파크 파라미터들을 튜닝 하였다. 실험을 통하여 논문에서 제안한 스파크 파라미터 튜닝을 통한 웹 접근 예측 모델이 파라미터 튜닝을 하지 않았을 경우와 비교하여 웹 접근 예측에 대한 정확성과 성능 향상의 효과를 보였다.

• 산업경영시스템학회지
• /
• 제43권1호
• /
• pp.16-25
• /
• 2020

Vegetation segmentation in a field color image is a process of distinguishing vegetation objects of interests like crops and weeds from a background of soil and/or other residues. The performance of the process is crucial in automatic precision agriculture which includes weed control and crop status monitoring. To facilitate the segmentation, color indices have predominantly been used to transform the color image into its gray-scale image. A thresholding technique like the Otsu method is then applied to distinguish vegetation parts from the background. An obvious demerit of the thresholding based segmentation will be that classification of each pixel into vegetation or background is carried out solely by using the color feature of the pixel itself without taking into account color features of its neighboring pixels. This paper presents a new pixel-based segmentation method which employs a multi-layer perceptron neural network to classify the gray-scale image into vegetation and nonvegetation pixels. The input data of the neural network for each pixel are 2-dimensional gray-level values surrounding the pixel. To generate a gray-scale image from a raw RGB color image, a well-known color index called Excess Green minus Excess Red Index was used. Experimental results using 80 field images of 4 vegetation species demonstrate the superiority of the neural network to existing threshold-based segmentation methods in terms of accuracy, precision, recall, and harmonic mean.

• 전기학회논문지
• /
• 제67권11호
• /
• pp.1506-1511
• /
• 2018

This study presents a human sensibility evaluation method using neural network and multiple-template method on electroencephalogram(EEG). We used a multi-layer perceptron type neural network as the sensibility classifier using EEG signal. For our research objective, 10-channel EEG signals are collected from the healthy subjects. After the necessary preprocessing is performed on the acquired signals, the various EEG parameters are estimated and their discriminating performance is evaluated in terms of pattern classification capability. In our study, Linear Prediction(LP) coefficients are utilized as the feature parameters extracting the characteristics of EEG signal, and a multi-layer neural network is used for indicating the degree of human sensibility. Also, the estimation for human comfortableness is performed by varying temperature and humidity environment factors and our results showed that the proposed scheme achieved good performances for evaluation of human sensibility.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2004년도 SMICS 2004 International Symposium on Maritime and Communication Sciences
• /
• pp.1-5
• /
• 2004

In this paper, we propose a novel approach for evolving the architecture of a multi-layer neural network. Our method uses combined ART1 algorithm and Max-Min neural network to self-generate nodes in the hidden layer. We have applied the. proposed method to the problem of recognizing ID number in student identity cards. Experimental results with a real database show that the proposed method has better performance than a conventional neural network.

• 한국컴퓨터정보학회논문지
• /
• 제21권1호
• /
• pp.1-8
• /
• 2016

Convolutional neural network (CNN) consists of a few pairs of both convolution layer and subsampling layer. Thus it has more hidden layers than multi-layer perceptron. With the increased layers, the size of convolution mask ultimately determines the total number of weights in CNN because the mask is shared among input images. It also is an important learning factor which makes or breaks CNN's learning. Therefore, this paper proposes the best method to choose the convolution size and the number of layers for learning CNN successfully. Through our face recognition with vast learning examples, we found that the best size of convolution mask is 5 by 5 and 7 by 7, regardless of the number of layers. In addition, the CNN with two pairs of both convolution and subsampling layer is found to make the best performance as if the multi-layer perceptron having two hidden layers does.

• 한국지능시스템학회논문지
• /
• 제23권3호
• /
• pp.226-231
• /
• 2013

의약품을 자동 포장하는 시스템에서는 캐니스터(Canister)에 해당 약을 정확히 보충할 수 있는 해당 약통과 캐니스터와의 일치 여부를 판단하는 정합 알고리즘이 필수적이다. 본 논문에서는 약화사고 방지를 위해 많은 종류의 약통을 분류하기 위한 분류 성능뿐만 아니라 실시간으로 처리할 수 있는 상 하 계층으로 구성된 계층적 신경회로망을 제안한다. 먼저 약통 정보를 나타내는 라벨 영상으로부터 다수의 저 차원 특징 벡터를 추출한다. 추출된 특징 벡터를 사용하여 하위계층의 다층 퍼셉트론(MLP, Multi-layer Perceptron) 신경회로망을 학습한다. 다음으로 학습된 MLP의 중간층 출력을 입력으로 사용하여 상위계층의 MLP를 학습한다. 100개의 약통에 대해 좌우 30도까지 회전한 영상에 대해 제안한 계층적 신경회로망의 분류 성능 시험과 실시간 연산처리 성능의 우수함을 보였다.

• 한국항해항만학회지
• /
• 제32권8호
• /
• pp.589-596
• /
• 2008

선박의 접안운동을 자동화하기 위하여 인공신경망(Artificial Neural Network, 이하 ANN)에 의한 제어를 수행하였다. ANN은 시스템의 비선형성이 표현 가능하므로 접안운동과 같은 비선형성이 강한 조종운동에 적합하다. 입력층과 출력층 사이에 하나 이상의 중간층이 존재하는 다층 인식자(Multi-layer perceptron)를 사용하였고, 교사 데이터(Teaching data)와 역전파(Back-Propagation) 알고리즘을 사용하여 신경망의 출력값과 목표 출력값 사이의 오차가 최소가 되도록 신경망 학습을 수행하였다. 접안 시 저속조종 수학모델을 사용하여 접안 시뮬레이션을 수행하였으며, ANN의 입력층 성분(unit)이 8개인 구조와 6개인 구조의 접안 제어를 비교하였다. 시뮬레이션 결과, 두 ANN에 의하여 접안 경로 선택에 차이가 나타났으나 접안 조건은 모두 만족하였다.