• 한국정보과학회논문지:소프트웨어및응용
• /
• 제26권10호
• /
• pp.1143-1155
• /
• 1999

셀룰러 방식의 이동통신 시스템에서 전파의 유효신호 도달범위를 예측하기 위해서는 전파전파 모델을 이용한 예측기법이 주로 사용된다. 그러나, 전파과정에서 주변 지형지물에 의해 발생하는 전파손실은 매우 복잡한 비선형적인 특성을 가지며 수식으로는 정확한 표현이 불가능하다. 본 논문에서는 신경회로망의 함수 근사화 능력을 이용하여 전파손실 예측모델을 생성하는 방법을 제안한다. 즉, 전파손실을 송수신 안테나간의 거리, 송신안테나의 특성, 장애물 투과영향, 회절특성, 도로, 수면에 의한 영향 등과 같은 전파환경 변수들의 함수로 가정하고, 신경회로망 학습을 통하여 함수를 근사화한다. 전파환경 변수들이 신경회로망 입력으로 사용되기 위해서는 3차원 지형도와 벡터지도를 이용하여 전파의 반사, 회절, 산란 등의 물리적인 특성이 고려된 특징 추출을 통해 정량적인 수치들을 계산한다. 이와 같이 얻어진 훈련데이타를 이용한 신경회로망 학습을 통해 전파손실 모델을 완성한다. 이 모델을 이용하여 서울 도심 지역의 실제 서비스 환경에 대한 타 모델과의 비교실험결과를 통해 제안하는 모델의 우수성을 보인다.Abstract In cellular mobile communication systems, wave propagation models are used in most cases to predict cell coverage. The amount of propagation loss induced by the obstacles in the propagation path, however, is a highly non-linear function, which cannot be easily represented mathematically. In this paper, we introduce the method of producing propagation loss prediction models by function approximation using neural networks. In this method, we assume the propagation loss is a function of the relevant parameters such as the distance from the base station antenna, the specification of the transmitter antenna, obstacle profile, diffraction effect, road, and water effect. The values of these parameters are produced from the field measurement data, 3D digital terrain maps, and vector maps as its inputs by a feature extraction process, which takes into account the physical characteristics of electromagnetic waves such as reflection, diffraction and scattering. The values produced are used as the input to the neural network, which are then trained to become the propagation loss prediction model. In the experimental study, we obtain a considerable amount of improvement over COST-231 model in the prediction accuracy using this model.

• 한국지능시스템학회논문지
• /
• 제16권5호
• /
• pp.537-543
• /
• 2006

최근들어 강우-유출 현상에 관한 비선형 모델링에 관하여 많은 연구가 있어 왔는데, 그 중에서도 신경망을 이용한 결과는 매우 성공적인 것으로 보고되어 왔다. 선형 구조가 갖는 근본적인 한계성으로 인하여, 이 분야에 선형 모델을 활용하는 것은 신경망을 사용하는 경우에 비하여 불리할 것으로 여겨지곤 한다. 하지만 우리는, 선형 모델의 경우 주어진 문제가 갖는 근본적 동특성의 원리를 보다 잘 이해할 수 있도록 해주므로, 적절한 확장 과정을 거치면 선형 임펄스 응답의 개념은 매우 경쟁력 있는 도구가 될 수 있을 것으로 생각한다. 이러한 생각에 따라, 본 논문에서 우리는 복수의 임펄스 응답의 이용을 강우-유출 해석의 문제에 적용하는 방안을 제안한다. 제안된 방법은 복수의 임펄스 응답 모델 사이에 적용되는 단순하고 고정된 스위칭 전략에 기반을 두고 있으며, 각 임펄스 응답은 음이 아닌 성분을 갖도록 하고, 동시에 한개의 봉우리만 갖는 형태를 만족하도록 한다. 우리나라의 특정한 지역의 수문기상학 자료를 대상으로 하여 적용해 본 결과, 제안된 방법은 매우 의미 있는 결과를 제공함을 보여주었다.

• 한국정보통신학회논문지
• /
• 제12권3호
• /
• pp.534-540
• /
• 2008

본 연구에서는 MFSFET (Metal-Ferroelectric-Semiconductor FET) 소자의 모델링을 바탕으로 적응형 학습회로를 설계하고, 그 수치적인 결과를 분석하였다. 적응형 학습회로에서 출력주파수는 MFSFET 소자의 소스-드레인 저항과 캐패시턴스에 반비례하는 특성을 보여주었다. Short pulse 수에 따른 포화드레인 전류곡선은 강유전체의 분극반전 특성과 유사함을 확인할 수 있었고, 이는 강유전체 분극이 MFSFET 소자의 드레인 전류조절에 핵심적인 요소로 작용한다는 사실을 의미한다. 다음으로 MFSFET 소자의 소스-드레인 저항으로부터 dimensionality factor와 적응형 학습회로의 펄스 수에 따른 출력주파수 변화를 분석하였다. 이 특성으로부터 입력펄스의 진행에 따라 출력펄스의 점진적인 주파수 변화를 의미하는 적응형 학습 특성을 명확하게 확인할 수 있었고, 미래 뉴럴 네트워크에서 본 회로가 뉴런의 시넵스 부분에 효과적으로 사용될 수 있음을 입증하였다.

• 한국빅데이터학회지
• /
• 제3권2호
• /
• pp.35-49
• /
• 2018

대한민국에서 치킨집은 전 세계 맥도날드 매장 수보다 많을 정도로 자영업의 큰 비중을 차지하는 창업 업종이다. 치킨집은 꾸준히 생겨나고 있지만, 소상공인의 창업 후 폐업률은 3년 62%, 5년 71%에 육박하는 것으로 나타났다. 특히, 숙박 및 음식점의 경우 70%가 3년을, 82%가 5년을 버티지 못하는 것으로 집계되었다. 이에 본 연구는 '서울 치킨집 폐업 예측 모형'을 개발하여, 예비창업자가 개업 후보지를 선정하는 의사결정 과정에 도움을 주고자 하였다. 먼저 행정자치부 지방행정 인허가 데이터의 업소별 개 폐업 신고 일자를 중심으로 다양한 변수를 수집하였다. 이후 다양한 분류 알고리즘을 적용하고, 예측 모형의 성능을 비교하였다. 그 결과, 인공신경망(Neural Networks)이 가장 높은 정확도를 보였지만 특이도와 민감도가 불균형적이었다. 이에 비해 유연판별분석(FDA)은 인공신경망보다 정확도는 낮지만, 상대적으로 균형적인 예측 성능을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.411-414
• /
• 2021

One of the elements of technology that has become extremely critical within the field of education today is Deep learning. It has been especially used in the area of natural language processing, with some word-representation vectors playing a critical role. However, some of the low-resource languages, such as Swahili, which is spoken in East and Central Africa, do not fall into this category. Natural Language Processing is a field of artificial intelligence where systems and computational algorithms are built that can automatically understand, analyze, manipulate, and potentially generate human language. After coming to discover that some African languages fail to have a proper representation within language processing, even going so far as to describe them as lower resource languages because of inadequate data for NLP, we decided to study the Swahili language. As it stands currently, language modeling using neural networks requires adequate data to guarantee quality word representation, which is important for natural language processing (NLP) tasks. Most African languages have no data for such processing. The main aim of this project is to recognize and focus on the classification of words in English, Swahili, and Korean with a particular emphasis on the low-resource Swahili language. Finally, we are going to create our own dataset and reprocess the data using Python Script, formulate the syllabic alphabet, and finally develop an English, Swahili, and Korean word analogy dataset.

• Structural Engineering and Mechanics
• /
• 제91권6호
• /
• pp.643-656
• /
• 2024

The prediction of the moment rotation behavior of semi-rigid connections has been the subject of extensive research. However, to improve the accuracy of these predictions, there is a growing interest in employing machine learning algorithms. This paper investigates the effectiveness of using Multi-gene genetic programming (MGGP) to predict the moment-rotation behavior of flush-end plate connections compared to that of artificial neural networks (ANN) and previous studies. It aims to automate the process of determining the most suitable equations to accurately describe the behavior of these types of connections. Experimental data was used to train ANN and MGGP. The performance of the models was assessed by comparing the values of coefficient of determination (R²), maximum absolute error (MAE), and root-mean-square error (RMSE). The results showed that MGGP produced more accurate, reliable, and general predictions compared to ANN and previous studies with an R² exceeding 0.99, an RMSE of 6.97, and an MAE of 38.68, highlighting its advantages over other models. The use of MGGP can lead to better modeling and more precise predictions in structural design. Additionally, an experimentally-based regression analysis was conducted to obtain the rotational capacity of FECs. A new equation was proposed and compared to previous ones, showing significant improvement in accuracy with an R² score of 0.738, an RMSE of 0.014, and an MAE of 0.024.

• 정보처리학회논문지D
• /
• 제8D권4호
• /
• pp.387-392
• /
• 2001

많은 소프트웨어 프로젝트는 시험이나 운영단계에서 고장시간이나 고장 수 데이타보다 그룹 고장 데이터(여러 고장 간격에서 또는 가변적인 시간 간격에서의 고장들)가 수집된다. 본 논문은 그룹 고장 데이터에 대해 가변적인 미래의 시간에서 누적 고장 수를 예측할 수 있는 신경망 모델을 제시한다. 2개의 변형된 캐스케이드-상관 학습 알고리즘을 제안하였다. 제안된 신경망 모델들은 다른 잘 알려진 신경망 모델과 통계적 소프트웨어 신뢰도 성장 모델과 비교되었다. 실험결과, 그룹 데이터에 대해 변형된 캐스케이드-상관 학습 알고리즘이 좋은 예측 결과를 나타내었다.

• Environmental Engineering Research
• /
• 제22권3호
• /
• pp.302-311
• /
• 2017

Nowadays, with the burgeoning development of economy, $CO_2$ emissions increase rapidly in China. It has become a common concern to seek effective methods to forecast $CO_2$ emissions and put forward the targeted reduction measures. This paper proposes a novel hybrid model combined principal component analysis (PCA) with regularized extreme learning machine (RELM) to make $CO_2$ emissions prediction based on the data from 1978 to 2014 in China. First eleven variables are selected on the basis of Pearson coefficient test. Partial autocorrelation function (PACF) is utilized to determine the lag phases of historical $CO_2$ emissions so as to improve the rationality of input selection. Then PCA is employed to reduce the dimensionality of the influential factors. Finally RELM is applied to forecast $CO_2$ emissions. According to the modeling results, the proposed model outperforms a single RELM model, extreme learning machine (ELM), back propagation neural network (BPNN), GM(1,1) and Logistic model in terms of errors. Moreover, it can be clearly seen that ELM-based approaches save more computing time than BPNN. Therefore the developed model is a promising technique in terms of forecasting accuracy and computing efficiency for $CO_2$ emission prediction.

• 한국정보통신학회논문지
• /
• 제9권7호
• /
• pp.1513-1517
• /
• 2005

본 논문에서는 얼굴영역을 검출하기위해 얼굴 피부색을 보다 효과적으로 모델링하기 위한 피부색 특성을 고려하여 밝기 성분을 제거한 Red, Blue, Green 채널을 모두 사용하는 Hue, Cb, Cg의 M배i-Channel 피부색 모델을 사용한다. 얼굴영역을 분리한 영상에 Harr 웨이블릿을 이용한 에지영상 추출과 얼굴영역의 특징벡터를 구하기 위하여 26개의 특징벡터를 사용한 효율적인 고차 국소 자동 상관함수를 사용하였다. 계산된 특징벡터는 BP 신경망의 학습을 통하여 얼굴인식을 위한 데이터로 사용된다. 시뮬레이션을 통해 제안된 알고리즘에 의한 인식률향상과 속도 향상을 입증한다.

• 전자통신동향분석
• /
• 제35권5호
• /
• pp.112-122
• /
• 2020

In 3D computer graphics, a depth map is an image that provides information related to the distance from the viewpoint to the subject's surface. Stereo sensors, depth cameras, and imaging systems using an active illumination system and a time-resolved detector can perform accurate depth measurements with their own light sources. The 3D image information obtained through the depth map is useful in 3D modeling, autonomous vehicle navigation, object recognition and remote gesture detection, resolution-enhanced medical images, aviation and defense technology, and robotics. In addition, the depth map information is important data used for extracting and restoring multi-view images, and extracting phase information required for digital hologram synthesis. This study is oriented toward a recent research trend in deep learning-based 3D data analysis methods and depth map information extraction technology using a convolutional neural network. Further, the study focuses on 3D image processing technology related to digital hologram and multi-view image extraction/reconstruction, which are becoming more popular as the computing power of hardware rapidly increases.