• 한국수자원학회논문집
• /
• 제41권10호
• /
• pp.995-1007
• /
• 2008

인공신경망 이론을 이용하여 강한 비선형성의 경향을 보이고 있는 강우-유출간의 관계를 모형화하기 위한 연구들은 예측뿐만이 아니라 대상자료들의 양상을 분류하여 그 특성을 분석하는 데에도 이용되고 있다. 이와 같은 패턴분류를 위한 SOM(Self-Organizing Map: SOM)의 연구 결과를 검토해보면 SOM 훈련을 위한 지도크기 및 배열의 결정은 SOM 성능에 큰 영향을 미치는 것으로 보고되고 있으나 지도크기 결정시 지도의 종방향 크기와 횡방향 크기를 결정할 수 있는 확정론적인 방법이나 이론식이 없고, 지도배열은 주로 육각형 배열(hexagonal array)을 이용하여 적용하고 있다. 따라서 본 연구에서는 영산강 나주지점을 대상으로 강우-유출관계의 분할특성을 나타내는 지도크기와 배열을 복합적으로 검토하여 나주지점의 강우-유출 해석을 위한 적절한 지도구조를 결정하였다. 그 결과 8개의 패턴으로 구분된 지도크기 20$\times$16의 육각형배열 구조가 나주지점의 강우-유출해석을 위한 적절한 지도구조로 결정되었다.

• 제어로봇시스템학회논문지
• /
• 제4권3호
• /
• pp.378-383
• /
• 1998

A FOV, that stands for "Field Of View", refers to the maximum area where a camera could be wholly seen. If a FOV of CCD camera cannot the cover overall inspection area, the overall inspection area should be divided into sub-areas of size FOV. In this paper, we propose a new neural network-based FOV generation method by using a newly modified self-organizing map(SOM) which has multiple structure based on a self-organizing map, and uses new training rule that is composed of the movement, creation and deletion terms. Then, experiment results using real PCB indicate the superiority of the method developed in this study to the existing sequential method.al method.

• 유체기계공업학회:학술대회논문집
• /
• 유체기계공업학회 1999년도 유체기계 연구개발 발표회 논문집
• /
• pp.317-323
• /
• 1999

The necessity of diagnosis of the rotating machinery which is widely used in the industry is increasing. Many research has been conducted to manipulate field vibration signal data for diagnosing the fault of designated machinery. As the pattern recognition tool of that signal, neural network which use usually back-propagation algorithm was used in the diagnosis of rotating machinery. In this paper, self-organizing feature map(SOFM) which is unsupervised learning algorithm is used in the abnormal vibration diagnosis of rotating machinery and then learning vector quantization(LVQ) which is supervised teaming algorithm is used to improve the quality of the classifier decision regions.

• 제어로봇시스템학회논문지
• /
• 제17권1호
• /
• pp.22-30
• /
• 2011

Plane detection is very important information for mission-critical of robot in 3D environment. A representative method of plane detection is Hough-transformation. Hough-transformation is robust to noise and makes the accurate plane detection possible. But it demands excessive memory and takes too much processing time. Iterative randomized Hough-transformation has been proposed to overcome these shortcomings. This method doesn't vote all data. It votes only one value of the randomly selected data into the Hough parameter space. This value calculated the value of the parameter of the shape that we want to extract. In Hough parameters space, it is possible to detect accurate plane through detection of repetitive maximum value. A common problem in these methods is that it requires too much computational cost and large number of memory space to find the distribution of mixed multiple planes in parameter space. In this paper, we detect multiple planes only via data sampling using Self Organizing Map method. It does not use conventional methods that include transforming to Hough parameter space, voting and repetitive plane extraction. And it improves the reliability of plane detection through division area searching and planarity evaluation. The proposed method is more accurate and faster than the conventional methods which is demonstrated the experiments in various conditions.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.9-18
• /
• 2005

In order to systematically and visually understand well-known but qualitative and rotatively complicated relationships between synoptic fields in the BAIU season and heavy rainfall events in Japan, these synoptic fields were classified using the Self-Organizing Map (SOM) algorithm. This algorithm can convert complex nonlinear features into simple two-dimensional relationships, and was followed by the application of the clustering techniques of the U-matrix and the K-means. It was assumed that the meteorological field patterns be simply expressed by the spatial distribution of wind components at the 850 hPa level and Precipitable Water (PW) in the southwestern area including Kyushu in Japan. Consequently, the synoptic fields could be divided into eight kinds of patterns (clusters). One of the clusters has the notable spatial feature represented by high PW accompanied by strong wind components known as Low-Level Jet (LLJ). The features of this cluster indicate a typical meteorological field pattern that frequently causes disastrous heavy rainfall in Kyushu in the rainy season. From these results, the SOM technique may be an effective tool for the classification of complicated non-linear synoptic fields.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권4호
• /
• pp.440-448
• /
• 2006

자기 조직화 신경망 (SOM: Self-Organizing Map)은 자율 학습 신경망으로 사전 지식이 존재하지 않는 자료에 존재하는 구조적 관계성을 보전하는데 이용된다. 자기 조직화 신경망은 벡터 양자화, 조합 최적화, 패턴 인식과 같은 복잡한 문제 해결을 위한 연구에 많이 이용되어 왔다. 이 논문에서는 좀더 효율적인 유전 알고리즘을 얻기 위한 스키마 변환 도구로서 자기 조직화 신경망을 이용하는 새로운 사용법에 대해서 제안한다. 즉, 각 자식해는 탐색 공간에서 좀더 바람직한 모양을 가지는 동질의 인공 신경망으로 변환된다. 이 변환으로 인해 강한 상위(epistasis)를 가지는 유전자들은 염색체 상에서 서로 인접하게 되는 것이다. 실험 결과는 기존 결과에 비해서 주목할만한 성능 개선이 있음을 보여준다.

• 지능정보연구
• /
• 제15권4호
• /
• pp.37-51
• /
• 2009

서비스 인적자원 운용의 효율성 제고와 부품 또는 시설 할당의 적정성 향상을 위해 서비스센터를 통해 접수되는 서비스 요청 건수를 보다 정확하게 예측하고자 하는 필요성이 제조업을 중심으로 증가하고 있다. 본 연구에서는 제품의 특성을 반영하여 제품수명주기 별로 제품들을 군집화하고 군집 별로 적절한 예측모형을 구축한 후 예측 값을 통합하는 개별예측방식을 LCD 모니터 제조사의 사례를 통해 제시한다. 또한 예측 결과를 총량방식 및 기존에 기업이 사용하고 있는 방식과 비교. 평가하여 우수성을 증명함으로써 제품이나 산업의 특성을 반영한 맞춤형 수요예측 기법 도입의 필요성을 부각하고, 그에 따른 이론적, 실무적 가이드라인을 제공한다.

• 컴퓨터교육학회논문지
• /
• 제9권5호
• /
• pp.77-84
• /
• 2006

본 논문에서는 HVS(Human Visual System)와 신경회로망 중 SOM(Self-Organizing Map)을 이용하여 DWT 영역에서 영상에 적응적인 워터마킹 알고리즘을 제안한다. HVS는 brightness sensitivity와 texture sensitivity의 두가지 특성으로 설명될 수 있다. SOM은 영상의 지역적인 특징들을 얻는데 사용된다. 따라서 HVS와 SOM을 이용하여 삽입되는 워터마크의 최적의 강도와 길이를 결정한다. 실험을 통해 제안한 방법이 최적의 워터마크 강도와 길이를 제공하며 비가시성 테스트에서 우수함과 다양한 공격에 강인함을 알 수 있다.

• 환경생물
• /
• 제26권3호
• /
• pp.203-213
• /
• 2008

Benthic macro invertebrate communities were collected at six different sampling sites in the Musucheon stream in Korea from July 2006 to July 2007, and ecological exergy values were calculated based on five different functional feeding groups (collector-gatherer, collector-filterer, predator, scrapper, and shredder) of benthic macro invertebrates. Each sampling site was categorized to three stream types (perennial, intermittent and drought) based on the water flow condition. Exergy values were low at all study sites right after a heavy rain and relatively higher in the perennial stream type than in the intermittent or the drought stream type. Self-Organizing Map (SOM), unsupervised artificial neural network, was implemented to pattern spatial and temporal dynamics of ecological exergy of the study sites. SOM classified samples into four clusters. The classification reflected the effects of floods and droughts on benthic macroinvertebrate communities, and was mainly related with the stream types of the sampling sites. Exergy values of each functional feeding group also responded differently according to the different stream types. Finally, the results showed that exergy is an effective ecological indicator, and patterning changes of exergy using SOM is an effective way to evaluate target ecosystems.

• Biotechnology and Bioprocess Engineering:BBE
• /
• 제11권5호
• /
• pp.432-441
• /
• 2006

2D fluorescence sensors produce a great deal of spectral data during fermentation processes, which can be analyzed using a variety of statistical techniques. Principal component analysis (PCA) and a self-organizing map (SOM) were used to analyze these 2D fluorescence spectra and to extract useful information from them. PCA resulted in scores and loadings that were visualized in the score-loading plots and used to monitor various fermentation processes with recombinant Escherichia coli and Saccharomyces cerevisiae. The SOM was found to be a useful and interpretative method of classifying the entire gamut of 2D fluorescence spectra and of selecting some significant combinations of excitation and emission wavelengths. The results, including the normalized weights and variances, indicated that the SOM network is capable of being used to interpret the fermentation processes monitored by a 2D fluorescence sensor.