• 전자공학회논문지CI
• /
• 제40권2호
• /
• pp.9-16
• /
• 2003

본 논문에서는 개선된 SOFM(Self Organizing Feature Map)방식을 이용한 근전도 패턴인식으로 가상 로봇 팔을 제어하는 방식을 제안한다. 개선된 SOFM 방식은 근전도 신호의 전처리기를 사용하는 대신에 근전도 신호 자체를 SOFM에 입력으로 사용하고, 퍼지논리시스템을 이용하여 SOFM의 이웃반경과 학습율을 자동 조절하는 간단한 방식으로 입력 패턴을 더욱 빠르고 신뢰성있게 분류한다. 개선된 방식의 성능을 확인하기 위하여 어깨, 손목, 팔꿈치의 여섯 가지 동작의 근전도 패턴인식을 실험한 결과 기존의 일반적인 SOFM방식보다 제안한 SOFM방식의 인식율이 21.7% 향상되고, 평균학습 수도 절반이하로 감소되었으며, 인식한 근전도 신호를 이용하여 컴퓨터 상의 가상 로봇 팔을 정확하게 제어하였다.

• 한국정보통신학회논문지
• /
• 제14권5호
• /
• pp.1125-1132
• /
• 2010

와이브로는 OFDMA/TDD 기술을 기반으로하는 고속 이동 인터넷 표준이고, IEEE802.16e 무선 MAN 표준 통합 버전의 하나이다. 본 논문에서는 64QAM SOFM 전처리기를 이용한 와이브로 시스템의 성능 개선을 제안하였다. 제안한 방법은 Broadband 64 QAM 와이브로 시스템 수신단에 전처리 SOFM 신경망 자력등화를 사용한다. 전처리 SOFM 신경망은 송신 데이터 형태인 64QAM을 형상화 하고 자력등화는 ICI를 제거한다. 제안한 방법의 유용성을 확인하기 위하여 MSE와 BER에 대하여 시뮬레이션 하였으며, 시뮬레이션 결과 제안한 64QAM SOFM 전처리기를 이용한 와이브로 시스템은 기존의 와이브로 시스템보다 성능이 개선되었음을 확인하였다.

• 융합신호처리학회논문지
• /
• 제3권1호
• /
• pp.41-47
• /
• 2002

프랙탈 영상압축은 원 영상블록과 가장 유사한 영역을 원영상 내에서 찾는 자기유사성에 기반한 축소변환을 이용하여 영상데이터를 압축시키는 방법이다. 프랙탈은 영상데이터를 압축하는 효율적인 방법으로 인정을 받고 있으나 상대적으로 높은 영상 왜곡률과 부호화 시간이 오래 걸리는 단점을 가지고 있다. 본 논문은 프랙탈의 영상 왜곡률 특성을 개선하기 위하여 프랙탈과 벡터양자화기를 혼합하였으며, 벡터양자화기의 클러스터링 알고리듬으로는 개선한 Self Organizing Feature Map(SOFM)을 사용하였다. 제안된 시스템의 성능평가를 위하여 일반적인 SOFM을 사용한 시스템 그리고 프랙탈을 단독으로 사용한 시스템과 비교하여 전체적인 성능 향상 정도를 확인하였다. 그 결과 개선한 경쟁학습 SOFM을 사용한 벡터양자화기와 프랙탈 혼합시스템이 일반적인 SOFM을 사용한 벡터양자화기와 프랙탈 혼합시스템보다 영상 왜곡특성이 향상된 것을 확인하였다.

• 한국정보통신학회논문지
• /
• 제12권9호
• /
• pp.1638-1645
• /
• 2008

와이브로는 OFDMA/TDD (Orthogonal frequency division multiple access/Time division duplexing) 기술을 기반으로하는 고속 이동 인터넷 표준이고, IEEE802.16e 무선 MAN 표준 통합 버전의 하나이다. 본 논문에서는 SOFM 자력등화를 이용한 와이브로 시스템의 설계 방법을 제안하였다. 제안한 설계 방법은 Broadband 16 QAM 와이브로 시스템 수신단에 Bussgang 알고리즘을 이용한 SOFM 신경망 자력등화를 사용한다. 제안한 설계 방법의 유용성을 확인하기 위하여 MSE와 BER에 대하여 시뮬레이션 하였으며, 시뮬레이션 결과 제안한 SOFM 자력등화를 이용한 와이브로 시스템의 등화 성능은 기존의 와이브로 시스템보다 개선되었음을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 추계종합학술대회
• /
• pp.296-300
• /
• 2002

본 연구에서 는 비지도 학습 방식인 SOFM(Self Organize Feature Maps)과 지도 학습인 다층 신경회로망을 이용하여 패턴 분류를 하는 방식을 제안하였다. SOFM을 이용하여 입력 패턴을 분류하여 얻은 결과를 다층 신경회로망의 초기 연결강도와 목표 값으로 설정한다. 제안한 방식의 유용성을 확인하기 위하여 얼굴 영상에 대하여 시뮬레이션한 결과 우수한 성능을 얻었다.

• 지구물리
• /
• 제9권2호
• /
• pp.99-103
• /
• 2006

3D object recognition independent of translation and rotation using an ultrasonic sensor array, invariant moment vectors and SOFM(Self Organizing Feature Map) neural networks is presented. Using invariant moment vectors of the acquired 16×8 pixel data of square, rectangular, cylindric and regular triangular blocks, 3D objects could be classified by SOFM neural networks. Invariant moment vectors are constant independent of translation and rotation. The recognition rates for the training and testing data were 95.91% and 92.13%, respectively.

• 대한산업공학회지
• /
• 제24권4호
• /
• pp.661-671
• /
• 1998

It is important to minimize the number of disk accesses which is necessary to transfer data in disk into main memory when processing transactions in physical database design. A vertical file partitioning method is used to reduce the number of disk accesses by partitioning relations vertically and accessing only necessay fragments. In this paper, SOFM(Self-Organizing Feature Maps) network is used to solve vertical partitioning problems. This paper shows that SOFM network is efficient in solving vertical partitioning problem by comparing approximate solution of SOFM network with optimal solution of N-ary branch and bound method. And this paper presents a heuristic algorithm for allocating duplicate attributes to vertically partitioned fragments. As branch and bound method requires particularly much computing time to solve large-sized problems, it is shown that SOFM network is able to overcome this limitation of branch and bound method and solve large-sized problems efficiently in a short time.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2007년도 추계학술대회 논문집
• /
• pp.61-62
• /
• 2007

• 제어로봇시스템학회논문지
• /
• 제15권4호
• /
• pp.451-455
• /
• 2009

This paper provides a comparison of global path planning method in single string by using pulled and pushed SOFM (Self-Organizing Feature Map) which is a method among a number of neural network. The self-organizing feature map uses a randomized small valued initial-weight-vectors, selects the neuron whose weight vector best matches input as the winning neuron, and trains the weight vectors such that neurons within the activity bubble are move toward the input vector. On the other hand, the modified SOFM method in this research uses a predetermined initial weight vectors of the one dimensional string, gives the systematic input vector whose position best matches obstacles, and trains the weight vectors such that neurons within the activity bubble are move toward or reverse the input vector, by rising a pulled- or a pushed-SOFM. According to simulation results one can conclude that the modified neural networks in single string are useful tool for the global path planning problem of a mobile robot. In comparison of the number of iteration for converging to the solution the pushed-SOFM is more useful than the pulled-SOFM in global path planning for mobile robot.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권9호
• /
• pp.572-587
• /
• 2008

SOFM(Self-organizing Feature Map)은 고차원의 데이타를 군집화(clustering)하거나 시각화(visualization)하기 위해 많이 사용되고 있는 비교사 학습 신경망(unsupervised neural network)의 한 종류이며, 컴퓨터비전이나 패턴인식 분야에서 다양하게 활용되고 있다. 최근 SOFM이 실제 응용분야에 다양하게 활용되고 좋은 결과를 보이고 있지만, 학습된 SOFM의 뉴론(neuron)을 다시 군집화해야 하는 후처리가 필요하며, 대부분의 경우 수동으로 이루어지고 있다. 후처리를 자동으로 하기 위해 k-means와 같은 기존의 군집화 알고리즘을 많이 이용하지만, 이 방법은 특히 다양한 모양의 클래스를 가진 고차원의 데이타에서 만족스럽지 못한 결과를 보인다. 다양한 모양의 클래스에서 좋은 성능을 보이기 위해, 본 논문에서는 그래프 컷(graph cut)을 이용하여 학습된 SOFM을 자동으로 군집화하는 방법을 제안한다. 그래프 컷을 이용할 때 터미널(terminal)이라는 두 개의 추가적인 정점(vertex)이 필요하며, 터미널과 각 정점 사이의 가중치는 대부분 사용자에 의해 입력받은 사전정보를 기반으로 설정된다. 제안된 방법은 SOFM의 거리 매트릭스(distance matrix)를 기반으로 한 모드 탐색(mode-seeking)과 모드의 군집화를 통하여 자동으로 사전정보를 설정하며, 학습된 SOFM의 군집화를 자동으로 수행한다. 실험에서 효율성을 검증하기 위해 제안된 방법을 텍스처 분할(texture segmentation)에 적용하였다. 실험 결과에서 제안된 방법은 기존의 군집화 알고리즘을 이용한 방법보다 높은 정확도를 보였으며, 이는 그래프기반의 군집화를 통해 다양한 모양의 클러스터를 처리할 수 있기 때문이다.