• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1168-1171
• /
• 2003

The visuo-motor map is based on the Kohonen's self-organizing map. The map is learned the relation of the end effecter coordinates and the joint angles. In this paper, a 3 d-o-fmanipulator which moves in the 2D space is targeted. A CCD camera is set beside the manipulator, and the end effecter coordinates are given from the image of a manipulator. As a result of learning, the end effecter can be moved to the destination without exact teaching.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2015년도 춘계 종합학술대회 논문집
• /
• pp.3-4
• /
• 2015

A self-organizing map (SOM) is a good tool to visualize applied data in the form of a feature map. With the help of such functions, a disaster risk diagnosis based on the residential house structure is tried in this study. According to some computer simulations with actual residential data, it is found that overall tendencies in the developed feature map are acceptable. Then, it is concluded that the proposed method is an effective means to estimate disaster risk appropriately.

• 한국생물정보학회:학술대회논문집
• /
• 한국생물정보시스템생물학회 2005년도 BIOINFO 2005
• /
• pp.124-129
• /
• 2005

The Growing Self-Organizing Map (GSOM), an extended type of the Self-Organizing Map, is a widely accepted tool for clustering high dimensional data. It is also suitable for the clustering of short DNA sequences of phylogenetic genomes by their oligonucleotide frequency. The GSOM presents the result of the clustering process visually on a coloured map, where the clusters can be identified by the user. This paper describes a proposal for automatic cluster detection on this map without any participation by the user. It has been applied with good success on 20 different data sets for the purpose of species separation.

• 한국수자원학회논문집
• /
• 제51권5호
• /
• pp.383-393
• /
• 2018

지역빈도해석은 대상 지점과 수문학적 동질성을 만족하는 주변 지점을 하나의 지역으로 보고 빈도해석을 수행하는 방법이다. 따라서 동질한 지역의 구분은 지역빈도해석에 있어서 가장 중요한 가정이라고 할 수 있다. 이에 본 연구에서는 인공신경망 기법중 하나인 자기조직화지도(self-organizing map, SOM) 기법을 활용하여 강우 지역빈도해석을 위한 동질 강수 지역을 구분하였다. 지역구분 인자로는 지형 정보와 시 단위 강우 자료를 활용하였다. 최적 SOM 지도 구성을 위해 정량적 오차와 위상관계 오차를 활용하였다. 그 결과 $7{\times}6$ 배열의 42개의 노드를 갖는 모형을 선정하였고 최종적으로 강우 지역빈도해석을 위해 6개의 군집으로 구분하였다. 동질성 검토 결과 6개의 군집 모두 동질한 지역으로 나타났으며 기존의 유사하게 구분된 지역들과 이질성 척도를 비교하였을 때 좀 더 안정적인 지역 구분결과를 나타내는 것을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(A)
• /
• pp.254-255
• /
• 2010

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.394-394
• /
• 2000

This Paper proposes a new nonlinear partial least square method that extends the linear PLS. Proposed nonlinear PLS uses self-organizing feature map as PLS outer relation and multilayer neural network as PLS inner regression method.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1315-1318
• /
• 2003

In this paper, a neural network based approach using a self-organizing feature map is proposed for the segmentation of X ray images. A number of algorithms based on such approaches as histogram analysis, region growing, edge detection and pixel classification have been proposed for segmentation of general images. However, few approaches have been applied to X ray image segmentation because of blur of the X ray image and vagueness of its edge, which are inherent properties of X ray images. To this end, we develop a new model based on the neural network to detect objects in a given X ray image. The new model utilizes Mumford-Shah functional incorporating with a modified adaptive SOFM. Although Mumford-Shah model is an active contour model not based on the gradient of the image for finding edges in image, it has some limitation to accurately represent object images. To avoid this criticism, we utilize an adaptive self organizing feature map developed earlier by the authors.[1] It's learning rule is derived from Mumford-Shah energy function and the boundary of blurred and vague X ray image. The evolution of the neural network is shown to well segment and represent. To demonstrate the performance of the proposed method, segmentation of an industrial part is solved and the experimental results are discussed in detail.

• 한국컴퓨터정보학회논문지
• /
• 제7권4호
• /
• pp.204-210
• /
• 2002

자기조직화 지도(self-organizing feature map)는 학습시 수렴하기 위하여 많은 입력패턴을 필요로 하는 단점이 있다. 본 논문에서는 자기조직화 지도 학습시 학습률이 일정한 이웃 상호작용 집합을 동적 가우시안 함수로 변환하여 수렴속도와 수렴도를 개선할 수 있는 방법을 제안한다. 제안한 방법은 이웃 상호작용 함수로 사용된 가우시안 함수의 편차와 폭을 학습 회수에 따라 감소하는 동적 성질과 승자 뉴런으로부터의 위상학적 위치에 따라 각기 다른 학습률을 갖도록 하였다. 따라서 본 논문에서는 자기조직화 지도의 수렴속도와 수렴도를 향상시켰다.

• Communications for Statistical Applications and Methods
• /
• 제10권2호
• /
• pp.507-517
• /
• 2003

Self-organizing map (SOM) has been developed mainly by T. Kohonen and his colleagues as a unsupervised learning neural network. Because of its topological ordering property, SOM is known to be very useful in pattern recognition and text information retrieval areas. Recently, data miners use Kohonen´s mapping method frequently in exploratory analyses of large data sets. One problem facing SOM builder is that there exists no sensible criterion for evaluating goodness-of-fit of the map at hand. In this short communication, we propose valid evaluation procedures for the Kohonen SOM of any size. The methods can be used in selecting the best map among several candidates.

• 응용통계연구
• /
• 제15권2호
• /
• pp.251-267
• /
• 2002

Kohonen이 제안한 자기조직화 지도(Self Organizing Maps : SOM)는 매우 빠른 신경망 모형이다. 하지만 다른 신경망 모형과 마찬가지로 학습 결과에 대한 명확한 규칙을 제시하지 못할 뿐만 아니라 지역적 최적값으로 빠지는 경우가 종종 있다. 본 논문에서는 이러한 자기조직화 지도의 모형에 대한 설명력을 부여하고 전역 최적값으로 수렴할 수 있는 예측 성능을 갖는 모형으로서 자율학습 신경망에 베이지안 추론을 결합한 자기조직화 지도를 위한 베이지안 학습(Bayesian Learning for Self Organizing Maps ; BLSOM)을 제안한다. 이 방법은 기존의 자기조직화 지도가 지역적 해에 머물러 있는 것에 비해서 언제든지 전역적 해로 수렴함이 실험을 통하여 밝혀졌다.