• 전기학회논문지
• /
• 제61권2호
• /
• pp.312-320
• /
• 2012

In this study, we introduce a new design methodology of a granular-oriented self-organizing polynomial neural networks (GoSOPNNs) that is based on multi-layer perceptron with Context-based Polynomial Neurons (CPNs) or Polynomial Neurons (PNs). In contrast to the typical architectures encountered in polynomial neural networks (PNN), our main objective is to develop a methodological design strategy of GoSOPNNs as follows : (a) The 1st layer of the proposed network consists of Context-based Polynomial Neuron (CPN). In here, CPN is fully reflective of the structure encountered in numeric data which are granulated with the aid of Context-based Fuzzy C-Means (C-FCM) clustering method. The context-based clustering supporting the design of information granules is completed in the space of the input data while the build of the clusters is guided by a collection of some predefined fuzzy sets (so-called contexts) defined in the output space. (b) The proposed design procedure being applied at each layer of GoSOPNN leads to the selection of preferred nodes of the network (CPNs or PNs) whose local characteristics (such as the number of contexts, the number of clusters, a collection of the specific subset of input variables, and the order of the polynomial) can be easily adjusted. These options contribute to the flexibility as well as simplicity and compactness of the resulting architecture of the network. For the evaluation of performance of the proposed GoSOPNN network, we describe a detailed characteristic of the proposed model using a well-known learning machine data(Automobile Miles Per Gallon Data, Boston Housing Data, Medical Image System Data).

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권9호
• /
• pp.1171-1179
• /
• 2004

본 논문에서는 음성인식의 전처리 단계로서 음성 영역과 비음성 영역 사이의 경계를 검출하는 음성경계 추출에 대하여 기술한다. 본 논문에서는 음성경계 추출을 위해 두 가지의 특징벡터를 사용한다. 첫 번째는 백색잡음(white noise)에 강건한 시간 영역의 정보인 정규화된 RMS이고, 두 번째는 주파수 영역의 정보인 정규화된 멜주파수 대역 최대 에너지(met-frequency band maximum energy)이다. 본 논문에서 사용하는 음성경계 추출 알고리즘은 학습을 통해 규칙을 생성하고 음성의 시간 정보를 적용하기 위해 순환노드를 추가한 순환 퍼지연상기억장치이다. 퍼지부의 가중치 학습은 헤비안 학습 방법을 사용하고, 순환부의 가중치 학습을 위해서는 오류 역전파(error back-propagation) 알고리즘을 사용한다. 실험에서는 KAIST에서 제공한 연령과 성별로 구분된 음성 자료를 사용하였다.

• 한국음향학회지
• /
• 제20권4호
• /
• pp.48-53
• /
• 2001

본 논문에서는 에러 역전파 알고리듬에 기반한 다층 퍼셉트론의 학습 속도를 개선하기 위해 선택적 주의 학습방식을 제안한다. 제안된 방식은 학습 과정에서 세 가지 선택적 주의 기준을 적용하여 학습 데이터베이스 내의 일부 데이터만을 입력 패턴으로 사용하거나 주어진 입력 패턴에 대해 신경회로망내의 특정 영역만 선택적으로 학습이 이루어지도록 한다. 이러한 선택적 주의 기준은 다층 퍼셉트론의 출력층에서 계산된 평균 자승 에러와 은닉층의 각 노드에서 획득된 클래스 의존적인 적합도(relevance)를 이용하여 설정된다. 학습 속도의 개선은 학습 반복 횟수 당 계산량을 줄임으로써 이루어진다. 본 논문에서는 고립 단어 인식시스템에서의 화자 적응 문제에 대해 제안한 선택적 주의 학습방법을 적용하여 그 유효성을 알아보았다. 실험 결과로부터 제안한 선택적 주의 기법이 학습 속도를 평균 60%이상 개선시킬 수 있음을 확인하였다

• 한국콘텐츠학회논문지
• /
• 제10권6호
• /
• pp.166-174
• /
• 2010

다층퍼셉트론이 충분한 중간층 노드 수를 지니면 임의의 함수를 근사시킬 수 있다는 이론적 연구결과에 기초하여, 다층퍼셉트론을 실제 문제에 응용하는 경우에 일반적으로 입력층, 중간층, 출력층으로 이루어진 3층 구조의 다층퍼셉트론을 사용한다. 그렇지만, 이러한 구조의 다층퍼셉트론은 입력벡터가 여러 가지 성질로 이루어진 복잡한 문제의 경우 좋은 일반화 성능을 보이지 않는다. 이 논문에서는 입력 벡터가 여러 가지 정보를 지닌 데이터들로 구성되어 있는 문제인 경우에 계층적 구조를 지닌 다층퍼셉트론의 구성으로 성능을 향상시키는 방법을 제안한다. 즉, 입력데이터를 섭-벡터로 구분한 후 섭-벡터별로 다층퍼셉트론을 적용시키며, 이 섭-벡터별로 적용된 하위층 다층퍼셉트론으로부터 인식 결과를 받아서 최종 결정을 하는 상위 다층퍼셉트론을 구현한다. 제안한 방법의 효용성은 단백질의 구조를 예측하는 문제를 통하여 확인한다.

• 전력전자학회논문지
• /
• 제3권3호
• /
• pp.214-221
• /
• 1998

직접 구동용 브러시 없는 직류전동기(BRUSHLESS direct drive motor : BLDD motor)의 강인한 위치제어를 위해 신경망을 사용하여 접근하는 새로운 제어방식이 소개된다. 전향 신경망이 추가된 선형 2차 제어기는 AC서보의 객체지향 방법을 사용함으로서 대략적으로 선형화 되어지는 강인한 BLDD 모터 시스템을 얻기 위해 사용된다. 구동 상태의 온-라인 위상에서 학습되는 이 신경망은 전향신호와 오차 역 전파법(Back-Propagation Method)에 의해 구성된다. 총 노드의 수가 8개이기 때문에 이 시스템은 일반적인 마이크로 프로세서에 의해 쉽게 실현될 수 있다. 일반적인 작동중, 입출력 응답은 표본화되어지고 가중치는 매개변수 또는 부하 토크의 능한 변이를 적용하기 위해 각 표본주기에서 오차 역 전파법에 의해 학습된다. 그리고, 상태공간에서 시스템 분석은 상태 궤환 이득을 얻기 위해 체계적으로 실행했다. 또한, 강인성은 전반적인 시스템응답에 영향력을 주지 않고 얻어진다.

• 전자공학회논문지C
• /
• 제36C권6호
• /
• pp.27-36
• /
• 1999

본 논문에서는 입출력간의 연관관계가 트리구조로 표현되는 DTG에 의한 고속병렬다치논리회로를 설계하는 알고리즘을 제안하였다. 본 논문에서는 Nakajima 등에 의해 제안된 알고리즘의 문제점을 도출한 후, 최적화된 분할연산회로설계를 위하여 트리구조에 기초를 둔 수학적인 해석의 개념을 소개한다. 본 논문에서 제안한 알고리즘은 Nakajima 등에 의해 제안된 알고리즘으로는 설계가 가능하지 않았던 임의의 절점을 갖는 DTG에 대해서도 회로를 설계할 수 있다는 장점이 있다. Nakajima 등에 의해 제안된 알고리즘과 본 논문에서 제한한 알고리즘을 회로설계의 관점에서 비교하여 본 논문의 알고리즘이 모든 경우의 DTG에서 보다 최적화 설계를 할 수 있음을 증명하였다. 그리고 예제를 통해 본 논문에서 제안한 알고리즘의 유용성을 증명해 보였다.

• 전자공학회논문지
• /
• 제51권5호
• /
• pp.11-19
• /
• 2014

본 논문에서는 고차 MIMO 시스템을 위한 저 복잡도의 병렬 구형 검출 알고리즘을 제안하였다. 제안된 알고리즘에서는 정적 가지치기와 가변 가능한 다수의 노드연산기에 의한 동적 가지치기 기법을 통해서 종래의 Fixed-complexity sphere decoder(FSD) 알고리즘 대비 더 낮은 복잡도를 갖게 되며, quasi-maximum likelihood 검출 성능을 보인다. 알고리즘과 함께 제안된 노드연산기 또한, 기존 구형검출기의 순차적 연산 구조를 갖는 노드 연산을 고정된 복잡도를 갖도록 제안하여 하드웨어 구현의 용이성을 제공한다. 16QAM 복조를 하는 고차 MIMO 무선통신의 몬테카를로 모의실험을 통해서, 종래의 저 복잡도를 갖는 FSD 알고리즘 대비, 제안된 알고리즘이 평균적으로 단 6.3%의 검출 시간이 증가되면서 평균 55% 탐색노드가 감소하여 연산 복잡도가 낮아지는 것을 보여주었다.

• 한국통신학회논문지
• /
• 제35권7A호
• /
• pp.646-653
• /
• 2010

본 논문은 OFDM(Orthogonal Frequency Division Multiplexing; 직교 주파수 분할 다중)또는 MIMO(Multiple-input Multiple-output; 다중안테나) 시스템과 같이 여러개의 부채널이 존재하는 노드들로 구성된 다중 홉 중계 네트워크에서, 부채널할당 및 전력할당의 동시 최적화를 위한 통합적 접근방법을 제시한다. 다수의 부채널이 존재하는 경우 중계기는 전력할당외에도 첫 번째 홉과 두 번째 홉간의 부채널 matching을 통해 성능을 최적화 할 수 있게 된다. 그러나 두 홉간의 부채널 matching문제는 복잡한 조합론적 문제이므로 부채널할당과 전력할당의 동시 최적화 문제는 일반적으로 그 최적해를 구하기가 아주 어려운 문제로 알려져 있다. 하지만 본 논문에서는 재배열 부등식을 이용하여 복잡한 동시최적화 문제가 많은 경우 효율적으로 풀릴 수 있음을 보이고 다양한 예제롤 통해 제안된 접근법이 아주 유용함을 보인다.

• 한국통신학회논문지
• /
• 제39A권7호
• /
• pp.404-412
• /
• 2014

이동 단말기에 다중 안테나를 장착하는 것은 단말기의 크기와 전력 소모 문제로 현실적인 어려움을 안고 있다. 본 논문에서는 셀룰러 네트워크에서 단일 안테나를 가지는 이동 단말기의 전송 용량 증대를 위해, 다중안테나 통신 (MIMO)을 통해서 얻을 수 있는 선형적인 전송 용량 증대를 달성하는 신호 중계 기반 분산 다중 안테나기법을 제안하고 성능을 분석한다. 분산 다중안테나 시스템을 위한 단말 간 신호 중계에 증폭 후 전달 기법(Amplify-and-Forward)을 사용할 경우에 비해 양자화 후 전달 (Quantize-Map-and-Forward) 기법을 사용하는 경우, 처리율 측면에서 보다 우수한 성능을 달성할 수 있음을 실험을 통해서 보인다. 또한, 선형적 전송 용량 증대폭을 보다 향상시키기 위해 양자화 후 전달 중계 방식을 활용하여 다중접속채널을 구성하는 방법을 제안하고, 이러한 다중접속채널 구성이 가능한 조건을 충족시키기 위한 단말기 선택을 가능하게 하는 후보 이동 단말기 수를 분석하였다. 이러한 분산 다중 안테나 통신 기법은 셀룰러 시스템에서 지역적으로 분리된 클러스터들을 서비스하기 때문에 주파수 재사용을 가능하게 하며, 이로 인해 클러스터의 숫자에 비례하는 전체 셀룰러 용량 증대에 기여한다.

• 한국지능시스템학회논문지
• /
• 제16권1호
• /
• pp.30-36
• /
• 2006

본 연구에서는 중학교 국어 교과과정에 있어서 부진아 학생을 위한 부진 영역을 진단을 지원할 수 있는 시스템을 제안하였다. 제안된 시스템을 학교 수업 현장에 적용함으로써 학습부진 학생들의 수준에 맞는 보충${\cdot}$심화학습이 이루어져 학습결손과 학습부진을 최소화하여 교수${\cdot}$학습의 목표를 알성하고 학업성취도를 향상시킬 수 있도록 하였다. 이 시스템에서의 입력은 36가지 변수가 제안된 코딩 기법을 이용하여 시스템을 위하여 학습데이터와 테스트데이터가 인코딩된다. 이 인코딩된 변수의 값들은 시스템의 입력 층의 값이 된다. 은닉 총의 뉴런 수는 학습 데이터를 이용하여 학습한 후 가장 좋은 성능을 보여주는 결과를 이용하여 결정하였다. 출력 층의 뉴런 수는 각 영역에 하나의 뉴런을 할당하여 4개의 뉴런을 사용하였다. 본 시스템을 개발하기 위해 다층 퍼셉트론 구조와 오류 역전파 알고리즘을 사용하였다. 영역진단 지원 시스템을 위해 학습 데이터로써 2,008개를 사용하였고, 테스트를 위하여 380개의 데이터를 사용하여 실험한 후 성능을 평가하였다.