• 전자공학회논문지CI
• /
• 제49권2호
• /
• pp.83-89
• /
• 2012

지구의 중요한 천연자원인 산림을 포함한 자연 식생환경은 지난 1세기 동안 많은 변화를 겪으며 기후에도 영향을 미치게 되어 현재 지구적 차원의 관심 속에서 다양한 연구가 진행되고 있다. 원격탐사는 분광적 특성을 이용하여 식생의 특성을 탐지할 수 있어 식생자원을 모니터링하는데 매우 효율적인 수단이다. 이러한 연구에서는 보통 원격탐사 측정을 분석하여 관찰된 화소가 식생을 포함하고 있는 정도를 나타내는 식생지수가 사용되고 있는데 NDVI가 이중 가장 많이 사용되는 식생지수이다. 본 논문에서는 MODIS NDVI 시계열 자료를 이용하여 자동으로 식생의 변화를 탐지해 가는 방법론이 제안되어 있다. 변화탐지를 위해 비모수 방법의 신경망 모형이 사용되었고 특성벡터로는 한 화소에서 다중 시기의 NDVI 차이와 더불어 NDVI 시계열 자료의 시간상의 관계가 함께 고려될수 있도록 제안되었다. 사용된 모형의 테스트를 위해 2006년부터 2011년까지 한반도 지역에 대한 MODIS MYD13Q1 자료가 사용되었다.

• Journal of Information Processing Systems
• /
• 제9권4호
• /
• pp.633-650
• /
• 2013

All the imputation techniques proposed so far in literature for data imputation are offline techniques as they require a number of iterations to learn the characteristics of data during training and they also consume a lot of computational time. Hence, these techniques are not suitable for applications that require the imputation to be performed on demand and near real-time. The paper proposes a computational intelligence based architecture for online data imputation and extended versions of an existing offline data imputation method as well. The proposed online imputation technique has 2 stages. In stage 1, Evolving Clustering Method (ECM) is used to replace the missing values with cluster centers, as part of the local learning strategy. Stage 2 refines the resultant approximate values using a General Regression Neural Network (GRNN) as part of the global approximation strategy. We also propose extended versions of an existing offline imputation technique. The offline imputation techniques employ K-Means or K-Medoids and Multi Layer Perceptron (MLP)or GRNN in Stage-1and Stage-2respectively. Several experiments were conducted on 8benchmark datasets and 4 bank related datasets to assess the effectiveness of the proposed online and offline imputation techniques. In terms of Mean Absolute Percentage Error (MAPE), the results indicate that the difference between the proposed best offline imputation method viz., K-Medoids+GRNN and the proposed online imputation method viz., ECM+GRNN is statistically insignificant at a 1% level of significance. Consequently, the proposed online technique, being less expensive and faster, can be employed for imputation instead of the existing and proposed offline imputation techniques. This is the significant outcome of the study. Furthermore, GRNN in stage-2 uniformly reduced MAPE values in both offline and online imputation methods on all datasets.

• 한국음향학회지
• /
• 제15권4호
• /
• pp.43-49
• /
• 1996

본 논문은 keyword spotting 기술을 이용한 247개의 DDD 지역명을 인식 대상으로 하여 화자 독립의 한국어 연속 음성인식을 위한 시스템을 제안하였다. 적용된 인식 알고리즘은 음성에서 시간축의 변화와 스펙트럼의 왜곡을 흡수할 수 있는 모델로 DP와 MLP로 구성된 동적 프로그래밍 신경회로망(DPNN)을 사용하였다. 이와 같은 실험을 위해 단어 모델을 만들고 이에 대한 단어 모델을 keyword 모델과 non-keyword 모델로 구분하여 성능을 향상시킬 수 있도록 하였다. 또한 잘못된 결과를 출력시키지 않기 위해서 후처리 과정을 두고 실험을 하였다. 실험결과, 단독어에 대한 화자 종속 실험은 93.45%의 결과를 보였고, 단독어에 대한 화자 독립 실험은 84.05%의 실험결과를 보였으며, 가장 중요한 간단한 대화체 문장의 keyword spotting 실험은 화자 종속으로 77.34%의 결과를 보였으며, 화자 독립 실험은 70.63%의 결과를 얻었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.35-35
• /
• 2019

본 연구에서는 분포형 수문 모형 Drying Stream Assessment Tool and Water Flow Tracking (DrySAT-WTF)을 활용해 우리나라의 1976년부터 2015년까지의 유출량을 산정하고, 이를 다층퍼셉트론(Multi Layer Perceptron) 인경신경망 모형(Artificial Neural Network Model)에 적용해 미래 유출을 예측하였다. DrySAT-WFT은 전국 표준 유역을 대상으로 하천 건천화 원인 추적 및 평가를 위해 개발된 모형으로 유출모의를 위한 기상자료 외에 건천화 영향 요소를 고려하기 위한 산림 높이, 도로망, 지하수 이용량, 토지이용, 토심 변화에 대한 DB를 적용 가능한 것이 특징이다. DrySAT-WFT를 위한 기상자료로 모의 기간에 대한 일별 강우량, 상대습도, 평균풍속, 평균 및 최고, 최저 기온, 일조시간을 구축하였으며, 연대별 건천화 영향 요소 DB를 구축하여 적용하였다. 전국 다목적 댐 보 12지점의 유량을 활용해 모형의 보정(2005-2010) 및 검증(2011-2015)을 실시한 결과, 평균 결정계수(Coefficient of determination, $R^2$)는 0.76, 모형효율성계수(Nash-Sutcliffe efficiency, NSE)는 0.62, 평균제곱근오차(average root mean square error, RMSE)는 3.09로 신뢰성 있는 유출 모의 결과를 나타내었다. 미래 유출량 예측을 위한 MLP-ANN은 1976년부터 2015년까지의 유출 모의 결과를 Training Set으로 훈련하여 $R^2$가 0.5 이상이 되어 신뢰성을 확보하였고, 2016년부터 2018년까지의 기간을 1개월 단위로 실제 유출량과 예측 유출량을 비교하며 적용성을 검증 및 향상시켰다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권1호
• /
• pp.19-26
• /
• 2019

본 논문에서는 기타 타브 악보에서 추출한 프렛 번호를 대상으로 학습 알고리즘의 분류 성능을 비교한다. 타브 악보로부터 세그먼트를 통해 추출된 타브 숫자 데이터는 타브 선과 악보 기호가 포함하기 때문에 레이블링 기법과 비선형 필터를 이용하여 프렛 숫자를 추출한다. 추가적인 데이터 확보를 위해 전처리가 수행된 데이터에 대해 4 방향으로 이동 연산을 수행한다. 선택된 학습 모델은 베이지안 분류기, 지지벡터기기, 프로토타입 기반 학습, 다층 신경망 그리고 합성곱 신경망 모델 등이다. 실험 결과 베이지안 분류기는 85.0% 평균 정확도를 보였고 나머지 분류기는 99.0% 이상의 평균 정확도를 보였다. 일반화 성능과 전처리 단계를 고려 시 합성곱 신경망이 다른 학습 모델들보다 우수하다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.731-734
• /
• 2009

본 논문에서는 차량을 포함하고 있는 영상에서 차량의 색상을 인식하는 방법을 제안한다. 영상에서 차량의 색상 특징 벡터를 추출해 다층 신경회로망인 backpropagation 학습 알고리즘을 이용하여 차량의 색상을 인식하게 된다. backpropagation 학습 알고리즘의 입력으로 사용되는 특징벡터는 RGB와 HSI(Hue-Saturation-Intensity) 색상 모델을 이용하여 색상 특징 벡터를 구성하고 각각 신경회로망의 입력으로 사용된다. 차량의 색상 인식은 가장 많이 발견되는 차량의 색상 가운데 7가지 색상으로 흰색, 은색, 검정색, 빨강색, 노란색, 파란색, 초록색으로 인식한다. 제안한 방법의 성능평가를 위해 차량을 포함하고 있는 영상을 이용하여 색상 인식 성능을 실험 하였다.

• 지질공학
• /
• 제30권4호
• /
• pp.457-468
• /
• 2020

플랜트, 토목 및 건축 사업에서 말뚝(Pile) 설계 시 어려움을 겪는 주된 요인은 지반 특성의 불확실성이다. 특히 표준관입시험(Standard Penetration Test, SPT)을 통해 측정되는 N치를 얻는 것이 가장 중요한 자료이나 광범위한 모든 지역에서 구하는 것은 어려운 현실이다. 짧은 해외사업 입찰기간 내에 시추조사를 할 경우 인허가, 시간, 비용, 장비접근, 민원 등 많은 제약요건이 존재하여 전체적인 시추조사가 어렵다. 미시추 지점에서 지반 특성은 엔지니어의 경험적 판단에 의존하여 파악되고 있고, 이는 말뚝의 설계 및 물량산출 오류로 이어져서, 공기 지연 및 원가 증가의 원인이 되고 있다. 이를 극복하기 위해서, 한정된 최소한의 지반 실측 자료를 활용하여 미시추 지점에서도 N치를 예측 할 수 있는 기술이 요구되며, 본 연구에서는 AI기법 중 하나인 인공신경망을 적용하여 N치를 예측하는 연구를 수행하였다. 인공신경망은 제한된 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성 있는 결과를 제공하여 준다. 본 연구에서는 최소한의 시추자료의 지반정보를 입력항목으로 하여 다층퍼셉트론과 오류역전파 알고리즘에 의하여 학습된 패턴을 가지고 미시추 지점에서 N치를 예측하는데 그 목적을 두고 있다. 이를 위하여 2개 현장(필리핀, 인도네시아)에 AI기법 적용시 실측값과 예측값에 대한 적정성을 검토하였고, 그 결과 예측값에 대한 신뢰도가 높은 것으로 연구 검토되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권12호
• /
• pp.1016-1023
• /
• 2009

자동차 번호판 인식 시스템은 문자 추출, 특징 추출 등의 영상처리와 추출된 문자를 인식하는 인식기로 구성된다. 특징 추출은 문자 영역의 데이터 감소뿐만 아니라 인식 성능을 결정한다. 따라서 본 논문에서는 번호판 인식의 결과에 영향이 큰 숫자 인식, 특히 숫자의 특징 추출에 초점을 두었으며, 데이터의 군집성을 재배치하여 데이터 간의 최적의 산란도를 확보할 수 있는 통계적 특징의 혼합 모델을 제안하고, 이를 다층 퍼셉트론과 LVQ 신경망을 이용하여 유효성을 검증하였다. 제안된 통계적 특징 추출 방법은 번호판 영상이 갖는 정보를 가장 잘 유지하고, 잡음과 외부 환경에 강건하며 효과적인 방법임을 보여준다.

• 전기전자학회논문지
• /
• 제18권4호
• /
• pp.593-602
• /
• 2014

인공신경망회로 목표 중의 하나는 최소한의 회로구성으로 구현가능함수를 가능한 많게 하는데 있다. 본 논문은 인공신경망회로의 가장 기본이 되는 하나의 입력노드와 하나의 출력노드, 그리고 입출력에 다단(multi-level)값을 갖는 단층(입출력 2 layer) 다단 코어넷(CoreNet)을 제안하고 그 처리 용량을 구하였고, 무게값 공간에서 구현 가능한 함수와 각 무게값 좌표(${\omega}$,${\theta}$)를 계산으로 구하여 한 함수의 구현 가능 여부를 알 수 있게 하였다. 또 입력 단계(level)값 설정 방법으로 cot(${\sqrt{x}}$)을 제안하였다. 제안된 p단 입력과 q단 출력을 갖는 코어넷의 처리용량(구현 가능한 함수의 수)은 $a_{p,q}={\frac{1}{2}}p(p-1)q^2-{\frac{1}{2}}(p-2)(3p-1)q+(p-1)(p-2)$임을 유도 증명하였다. 시뮬레이션으로 5단(level) 입력 값과, 6단 출력 값을 갖는 1(5)-1(6) 모델을 분석한 결과, cot(${\sqrt{x}}$) 입력 레벨링법에서 총 246가지의 함수가 구현가능 함을 보였다. 이 모델의 시뮬레이션 결과에서는 최대 219개의 함수가 수렴(구현 가능)하였고, 구현가능 함수 중에서 나머지 수렴되지 않은 27개의 함수는 무게값 공간에서 무게값 좌표를 계산하여 구현 가능함을 보였다. 이는 앞에서 제시된 코어넷 처리용량 $a_{5,6}(=246)$에 의한 계산 값과 일치하였다. 무게값 공간에서, 구현 가능한 함수가 차지하는 영역의 함수번호 매김 방법도 제시하여 구현 가능함수의 번호도 알 수 있도록 하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제10권5호
• /
• pp.179-186
• /
• 2006

본 연구에서는 FRP Rebar로 보강된 철근콘크리트 보의 휨성능을 평가할 수 있는 모형을 개발하기 위하여 인공신경망 중 다층인식자 모형을 사용하였다. 인공신경망 모형에 사용될 학습자료들은 기존 연구자료들의 데이터를 이용하였다. 입력층의 독립변수는 휨성능에 주요 요소인 폭, 유효깊이, 압축강도, FRP 보강비, FRP 균형철근비을 사용하였다. 출력층 종속변수는 실험에서 측정된 모멘트 성능을 사용하였다. 개발된 인공신경망 모형은 GFRP, CFRP, AFRP Rebar 적용이 모두 가능하며, 모형의 검증은 다른 선행 연구자들이 수행한 자료를 이용하였다. 인공신경망 모형 추정결과 ANN(0.05) 모형의 경우에 비교적 정확한 휨성능 추정값을 나타낸 반면, ANN(0.1) 모형에서는 다소 오차가 발생하였다. 인공신경망 모형의 검증결과 주어진 실험 데이터 값과 비교적 일치하고 있음을 확인할 수 있었다. 또한, 휨성능 평가 변수에 대한 민감도 분석결과 유효깊이의 영향이 가장 크고 FRP 철근비, FRP 균형철근비, 압축강도, 폭으로 분석되었다.