• 한국통신학회논문지
• /
• 제36권3A호
• /
• pp.259-266
• /
• 2011

펨토셀은 미래 네트워크에서 보다 좋은 링크 품질과 주파수의 공간적 재사용을 통해 시스템 용량을 증가시킬 수 있는 대안으로 주목받고 있다. 하지만 펨토셀의 큰 잠재력에도 불구하고, 많은 비중의 사용자가 셀간간섭에 노출됨에 따라, 시스템 용량은 네트워크의 밀도에 크게 영향을 받게 된다. 본 논문에서는 조밀하게 분포되어있는 펨토셀 환경에서의 동적인 간섭 회피 기법을 제안한다. 제안하는 DDIA (Distributed Dynamic ICI Avoidance)기법은 완전히 분산적으로 동작할 뿐 아니라 사용자들의 간섭링크를 민첩하게 제어하므로 자가구성네트워크(SON) 환경에 적합하다. DDIA 기법을 제안하는 과정에서 셀간간섭링크와 2-단 스케쥴링의 개념을 소개한다. 제안하는 기법은 중앙의 개체 없이 셀간간섭을 피하기 위하여 모든 기지국들과 사용자 단말들이 적응적으로 조화를 이루게 한다. 모의실험을 통하여, 제안하는 지법을 사용하였을 때, 전체 네트워크 용량을 유지 또는 증가시키면서도 셀간간섭에 노출되어있는 사용자들의 평균 전송량이 주파수 재사용률 1 기법과 비교하여 최소 2배 이상 증가함을 확인할 수 있었다. 또한 제안하는 기법은 네트워크의 밀도와 토폴로지 변화에 상관없이 잘 동작함을 알 수 있었다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1996년도 추계학술대회 논문집
• /
• pp.994-998
• /
• 1996

We propose an approach to integrating fuzzy logic control with RBF(Radial Basis Function) networks and show how the integrated network can be applied to multivariable self-organizing and self-learning fuzzy controller. Using the hybrid learning algorithm. To investigate its usefulness and performance, this controller is applied to a time-delayed process system. Simulation results show good control performance and fast convergency in hybrid loaming method.

• 한국항만경제학회지
• /
• 제26권1호
• /
• pp.43-60
• /
• 2010

본 논문에서는, 국내와 외국에서 선행된 항만분야의 SOM신경망을 이용한 클러스터 분석과 관련된 선행연구들을 간략하게 검토하였으며, 또한 국내 컨테이너터미널 8곳의 3년간(2002년, 2003년, 2004년)자료를 이용하고, 4개의 투입물[종업원수(명), 부두길이(m), 부지면적(평방m), 갠트리크레인 대수(대)])과 1개의 산출물[년간 컨테이너 처리실적(TEU)]을 이용하여 DEA방법 및 SOM신경망을 이용한 클러스터링으로 실증분석하는 방법을 보여주었으며, 그 결과가 갖는 현실적인 의미와 정책적인 함의를 제시하였다. 주요한 실증분석 결과는 다음과 같다. 첫째, DEA분석결과에 의하면, 각 터미널의 참조터미널들이 감천터미널을 제외하고 지리적으로 근접지역에 위치하고 있는 것으로 나타나서 클러스터형성이 가능하며, 시너지 효과도 얻을 수 있는 것으로 나타났다. 광양터미널들은 지리적으로 멀지만, 감만, 우암터미널들과 클러스터를 구축할 수 있는 것으로 나타났다. 둘째, SOM신경망을 이용한 클러스터링분석결과를 보면, 클러스터 1, 클러스터 2, 클러스터 3에 위치함 감만터미널, 클러스터 4에 위치하고 있는 허치슨터미널과 신선대터미널, 클러스터 5에 위치한 15개의 터미널들이 나름대로 클러스터링에 대한 의미를 가지고 있는 것으로 추정되었다. 셋째, DEA기법에 의한 참조터미널들에 의한 클러스터링과 SOM신경망에 의한 클러스터링 사이에서는 약67% 수준에서 일치하였다. 본 연구의 정책적인 함의는 첫째, 컨테이너터미널에 대한 정책입안자는 북항에 속한 자성대, 우암, 신감만, 감만 터미널은 터미널운영을 통합하는 것이 필요하다. 즉, 클러스터링의 효과를 극대화시키기 위해서는 부두운영사의 숫자를 줄여나가는 정책을 강제적으로 입안하여 시행하는 것이 가장 시급한 문제이다. 둘째, 부산북항에 위치한 터미널들의 최대약점은 터미널마다 부두운영사가 서로 달라서 화주들에게 원스톱서비스를 제공하지 못하고 있다는 점이다. 즉, 년간 물동양의 44%가 환적화물임을 감안해 보았을 때, 북항의 컨테이너 터미널들은 향후 신항과의 화물수주경쟁에서 성공하기 위해서는 반드시 클러스터링을 하는 정책을 도입해야만 한다.

• 대한기계학회논문집
• /
• 제18권8호
• /
• pp.1939-1951
• /
• 1994

This study introduces a new tool breakage detecting technology comprised of an unsupervised neural network combined with adaptive time series autoregressive(AR) model where parameters are estimated recursively at each sampling instant using a parameter adaptation algorithm based on an RLS(Recursive Least Square). Experiment indicates that AR parameters are good features for tool breakage, therefore it can be detected by tracking the evolution of the AR parameters during milling process. an ART 2(Adaptive Resonance Theory 2) neural network is used for clustering of tool states using these parameters and the network is capable of self organizing without supervised learning. This system operates successfully under the wide range of cutting conditions without a priori knowledge of the process, with fast monitoring time.

• 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.

• 전자공학회논문지CI
• /
• 제44권1호
• /
• pp.41-48
• /
• 2007

본 논문은 2.4GHz 무선 채널 특성을 가진 센서 노드의 손실 없는 데이터 전송을 위한 최적의 배치 방법을 제안한다. 제안한 방식은 무선 환경에서 log-normal path loss 모델을 구성하여 최적의 송수신 거리를 결정하고, 센서 노드의 밀도 계산을 통해서 최적의 센서 노드 개수를 구한다. 데이터 손실이 없는 전송을 위해 송수신 가능 거리와 센서 노드의 개수를 이용하여 공간에 최적으로 배치할 수 있는 위치를 SOM(Self-Organizing Feature Maps)으로 탐색한다. 논문에서 실험한 건물에서는 센서노드의 송수신 거리는 20m이고, 최적의 센서 노드 개수는 8개가 되었으며, 시뮬레이션을 통해서 센서 노드의 최적의 위치 탐색과 센서 노드의 연결 상태를 확인하였다.

• 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.

• 대한산업공학회지
• /
• 제31권3호
• /
• pp.257-264
• /
• 2005

This paper suggests a heuristic algorithm for the clustering problem. Clustering involves grouping similar objects into a cluster. Clustering is used in a wide variety of fields including data mining, marketing, and biology. Until now there are a lot of approaches using Self-Organizing Feature Maps(SOFMs). But they have problems with a small output-layer nodes and initial weight. For example, one of them is a one-dimension map of k output-layer nodes, if they want to make k clusters. This approach has problems to classify elaboratively. This paper suggests one-dimensional output-layer nodes in SOFMs. The number of output-layer nodes is more than those of clusters intended to find and the order of output-layer nodes is ascending in the sum of the output-layer node's weight. We can find input data in SOFMs output node and classify input data in output nodes using Euclidean distance. We use the well known IRIS data as an experimental data. Unsupervised clustering of IRIS data typically results in 15 - 17 clustering error. However, the proposed algorithm has only six clustering errors.

• 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.