• 지능정보연구
• /
• 제11권1호
• /
• pp.17-33
• /
• 2005

자기공명영상과 계층적 신경망을 이용하여 간경변증을 단계별로 분류하고자 하였다. 내원한 231명의 데이터를 분석하였으며, 각 단계별 분류는 정상,1, 2, 3단계로 분류하였다. TI강조 자기공명 간 영상으로부터 정상 간 실질과 간 경변 결절을 추출하고, 간 경화증의 단계를 객관적으로 해석 분류하였다. 간 경변 분류기 구현은 계층적 신경망을 이용하였고, 명암도 분석과 간 결절 특성을 통하여 정상간과 3단계의 간 경변으로 구분하였다. 제안한 신경망 분류기는 오류 역전파 알고리듬을 이용하였다. 분류결과 인식율이 정상군은 $100\%$, 1 단계는 $82.8\%$, 2 단계는 $87.1\%$, 3 단계는 $84.2\%$의 분류율을 나타내었다. 신경망 분류 결과와 전문의 판독 결과를 서로 비교한 결과 인식률은 매우 높게 나타났다. 만일 더욱더 충분한 데이터나 파라미터를 가지고 지속적으로 수행한다면 간 경변 환자들에게 임상적으로 지원하는 도구뿐만 아니라 의료전문 신경망으로도 기대된다.

• 한국IT서비스학회지
• /
• 제16권4호
• /
• pp.149-160
• /
• 2017

Sentiment analysis is the process of determining whether a piece of document, text or conversation is positive, negative, neural or other emotion. Sentiment analysis has been applied for several real-world applications, such as chatbot. In the last five years, the practical use of the chatbot has been prevailing in many field of industry. In the chatbot applications, to recognize the user emotion, sentiment analysis must be performed in advance in order to understand the intent of speakers. The specific emotion is more than describing positive or negative sentences. In light of this context, we propose deep learning models for conducting multi-class sentiment analysis for identifying speaker's emotion which is categorized to be joy, fear, guilt, sad, shame, disgust, and anger. Thus, we develop convolutional neural network (CNN), long short term memory (LSTM), and multi-layer neural network models, as deep neural networks models, for detecting emotion in a sentence. In addition, word embedding process was also applied in our research. In our experiments, we have found that long short term memory (LSTM) model performs best compared to convolutional neural networks and multi-layer neural networks. Moreover, we also show the practical applicability of the deep learning models to the sentiment analysis for chatbot.

• 대한조선학회논문집
• /
• 제34권1호
• /
• pp.122-129
• /
• 1997

외판곡가공 과정의 역학적해석에 사용되는 열탄소성 해석은 계산시간이 많이 소요된다. 선상가열작업의 최적공정을 구하기 위하여는 시뮬레이션과 유한요소해석 사이에 상당수의 반복계산이 필요하다. 그러므로 요구되는 천문학적인 계산시간으로 인하여 선상가열의 수치시뮬레이션은 많은 제약을 받고 있다. 따라서 선상가열의 시뮬레이션에 소요되는 역학해석 계산시간을 크게 줄이는 방안이 필요하다. 외판곡가공에서의 역학적 정보를 효율적으로 구하기 위하여, 본 논문에서는 먼저 선상 가열 작업에 영향을 끼치는 요소들을 살펴보았으며, 역전파 방식의 인공 신경망을 이용하여 일종의 추론기구를 구현하였다. 신경망은 은닉층의 갯수와 은닉층에 있는 뉴런의 갯수를 바꿔 주며 수치해석 결과들을 학습시켰다. 그 결과 두개의 은닉층을 가진 인공 신경망의 경우 각 은닉층에 뉴런의 갯수가 충분하다면 학습 예제들을 쉽게 학습하였고, 또 학습된 결과로부터 새로운 해를 도출해 낼 때 그 값은 실제 값과 비교해 볼 때 비교적 작은 오차를 보였다. 결과적으로 구하고자 하는 문제영역 근처에 충분한 학습 예제가 마련된다면 비교적 실제 값에 근사하는 결과를 보인다는 것을 알 수 있었다. 본 연구를 통하여, 수치해석결과의 학습방법을 기초로한 인공신경망은 곡면가공의 시뮬레이션단계에서 필요한 역학적 해석정보의 경제적인 산출에 적용가능함이 확인되었다.

• 한국정보통신학회논문지
• /
• 제15권12호
• /
• pp.2521-2526
• /
• 2011

본 논문에서는 퍼셉트론 신경회로망과 선형예측부호화 켑스트럼 계수를 사용한 화자인식 알고리즘을 제안한다. 제안하는 화자인식 알고리즘은 입력받은 음성신호에 대해서 유성음 구간을 추출한다. 추출된 유성음 구간에 대하여 선형예측 분석에 의하여 화자의 특성을 가지고 있는 선형예측부호화 켑스트럼 계수를 구한다. 구해진 선형예측부호화 켑스트럼 계수를 분류하기 위하여 이 켑스트럼 계수를 퍼셉트론 신경회로망의 입력으로 사용하여 네트워크의 학습을 수행한다. 본 실험에서는 선형예측부호화 켑스트럼 계수와 신경회로망을 사용하여 본 화자인식 알고리즘이 유효하다는 것을 인식률을 통하여 확인한다.

• 한국소음진동공학회논문집
• /
• 제21권11호
• /
• pp.1020-1028
• /
• 2011

As rotating machines play an important role in industrial applications such as aeronautical, naval and automotive industries, many researchers have developed various condition monitoring system and fault diagnosis system by applying artificial neural network. Since using obtained signals without preprocessing as inputs of neural network can decrease performance of fault classification, it is very important to extract significant features of captured signals and to apply suitable features into diagnosis system according to the kinds of obtained signals. Therefore, this paper proposes a neural-network-based fault diagnosis system using AR coefficients as feature vectors by LPC(linear predictive coding) and EIV(errors-in variables) analysis. We extracted feature vectors from sound, vibration and current faulty signals and evaluated the suitability of feature vectors depending on the classification results and training error rates by changing AR order and adding noise. From experimental results, we conclude that classification results using feature vectors by EIV analysis indicate more than 90 % stably for less than 10 orders and noise effect comparing to LPC.

• 한국경영과학회지
• /
• 제23권4호
• /
• pp.213-224
• /
• 1998

Since the late 1980s, an Increasing number of neural network models have been studied in the areas of financial prediction and analysis. The purpose of this study is to Investigate the possibility of building a neural network model that is able to construct a profitable trading strategy in the Korean Stock Market. This study classifies stocks into the future market winners and losers from the publicly available accounting information and builds portfolios based on this information. The performances of the winner portfolios and the loser portfolios are compared with each other and against the market index. The empirical result of this research is consistent with the traditional fundamental analysis where it is claimed that the financial statements contain firm values that may not be fully reflected In stock prices without delay. Despite the supporting empirical evidence. It is somewhat Inconclusive as to whether or not the abnormal return in excess of market return is the result of the extra knowledge obtained in the neural network models derived from the historical accounting data. This research attempts to open another avenue using neural network models for searching for evidence against market efficiency where statistics and intuition have played a major role.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1997년도 춘계학술대회
• /
• pp.290-294
• /
• 1997

Chromosomes, as the genetic vehicles, provide the basic material for a large proportion of genetic investigations. The human chromosome analysis is widely used to diagnose genetic disease and various congenital anomalies. Many researches on automated chromosome karyotype analysis has been carried out, some of which produced commercial systems. However, there still remains much room for improving the accuracy of chromosome classification. In this paper, we propose an optimal pattern classifier by neural network to improve the accuracy of chromosome classification. The proposed pattern classifier was built up of two-step multi-layer neural network(TMANN). We are employed three morphological feature parameters ; centromeric index(C.I.), relative length ratio(R.L.), and relative area ratio(R.A.), as input in neural network by preprocessing twenty human chromosome images. The results of our experiments show that our TMANN classifier is much more useful in neural network learning and successful in chromosome classification than the other classification methods.

• 전력전자학회논문지
• /
• 제10권3호
• /
• pp.282-289
• /
• 2005

본 논문에서는 NFC(Neuro-Fuzzy Controller)와 ANN(Artificial Neural network) 제어기를 이용한 IPMSM의 속도 제어 및 추정을 제시한다. PI 제어기에서 나타나는 문제점을 해결하기 위하여 신경회로망과 퍼지제어를 혼합적용한 NFC를 설계한다. 신경회로망의 고도의 적응제어와 퍼지 제어기의 강인성 제어의 장점들을 접목한다. 다음은 ANN을 이용하여 IPMSM 드라이브의 속도 추정기법을 제시한다. 2층 구조를 가진 신경회로망에 BPA(Back Propagation Algorithm)를 적용하여 IPMSM 드라이브의 속도를 추정한다. 추정속도의 타당성을 입증하기 위하여 시스템을 구성하여 제어특성을 분석한다.

• 전자공학회논문지SC
• /
• 제41권3호
• /
• pp.39-46
• /
• 2004

본 논문은 IPMSM 드라이브의 고성능 속도 제어를 위하여 퍼지제어와 신경회로망을 혼합 구성한 적응 FNN 제어기를 제시한다. 적응 FNN 제어기는 기준 모델에 기초한 적응 메카니즘을 적용하여 신경회로망의 고도의 적응제어와 퍼지제어기의 강인성 제어의 장점들을 접목한다. 적응 FNN 제어기의 출력은 FNN 제어기의 출력과 적응 퍼지제어의 출력을 합하여 출력을 얻는다. 적응 FNN 제어기는 다양한 동작조건에서 응답특성을 분석하고 평가한다. 제시한 적응 FNN 제어기의 타당성은 IPMSM 드라이브 시스템에 적용하여 성능 결과로 입증한다.

• 지능정보연구
• /
• 제5권1호
• /
• pp.103-123
• /
• 1999

Input filtering as a preprocessing method is so much crucial to get good performance in time series forecasting. There are a few preprocessing methods (i.e. ARMA outputs as time domain filters, and Fourier transform or wavelet transform as time-frequency domain filters) for handling time series. Specially, the time-frequency domain filters describe the fractal structure of financial markets better than the time domain filters due to theoretically additional frequency information. Therefore, we, first of all, try to describe and analyze specially some issues on the effectiveness of different filtering methods from viewpoint of the performance of a neural network based forecasting. And then we discuss about neural network model architecture issues, for example, what type of neural network learning architecture is selected for our time series forecasting, and what input size should be applied to a model. In this study an input selection problem is limited to a size selection of the lagged input variables. To solve this problem, we simulate on analyzing and comparing a few neural networks having different model architecture and also use an embedding dimension measure as chaotic time series analysis or nonlinear dynamic analysis to reduce the dimensionality (i.e. the size of time delayed input variables) of the models. Throughout our study, experiments for integration methods of joint time-frequency analysis and neural network techniques are applied to a case study of daily Korean won / U. S dollar exchange returns and finally we suggest an integration framework for future research from our experimental results.