• 한국통신학회논문지
• /
• 제19권9호
• /
• pp.1759-1771
• /
• 1994

잡음이 섞인 흐려진 영상을 복원하기 위해 정칙화 구속조건을 사용한 steepest-descent 영상복원방법을 제시하였다. Beimond 등에 의해 제시되어진 기존의 정착화방법의 경우 복원과정에서 발생가능한 잡음의 증폭과 악조건이나 특이점등에 의해 발생하는 오차를 억제하기 위해 사용하는 정칙화변수의 값을 실험적으로 설정하여 영상의 복원에 적용함으로써 잡음의 증폭과 파문현상 등을 초래하는 등 복원효과가 줄어드는 단점을 나타낸다. 본 방법은 복원영상의 각화소값으로부터 적응적으로 구속조건의 값을 구하여 훼손된 영상의 복원에 적용함으로써 잡음의 증폭을 억제하고 파문현상을 줄일 수 있는 장점을 갖는다. 또 복원결과가 원래의 해와 근사하거나 발산할 경우 자동적으로 반목을 멈추는 종료규칙을 제시하였다. 실험결과를 통하여 'Lena' 영상과 'Jaguar' 영상을 원영상으로 사용하였을 경우 제시된 방법은 평편한 영역에서의 잡음의 증폭이 억제되었을뿐 아니라 파문현상도 줄어들었는데, 이것은 우리의 사각이 갖는 평면에서의 잡음의 가시도에 의해 시각적인 효과가 개선되었음을 알 수 있고, 영상의 전반적인 평균자승오차도 Biemond 등에 의한 방법을 각각 216과 467인데 비하여 본 논문에서 제시된 방법의 경우 각각 196과 453으로서 더욱 낮은 평균자승오차를 얻을 수 있었다.

• 지구물리와물리탐사
• /
• 제22권4호
• /
• pp.202-209
• /
• 2019

본 연구에서는 Adam 최적화 기법을 이용한 음향매질에서의 탄성파 파형역산 방법을 제안하였다. 탄성파 파형역산에서 최적화에 사용되는 기본적인 최대 경사법은 계산이 빠르고 적용이 간편하다는 장점이 있다. 하지만 속도 모델의 갱신에 일정한 갱신 크기를 사용함에 따라 오차가 정확하게 수렴하지 않는다. 이에 대한 대안으로 제시된 다양한 최적화 기법들의 경우 정확성은 높지만 많은 계산 시간을 필요로 한다는 한계가 있다. Adam 최적화 기법은 최근 딥 러닝 분야에서 학습 모델의 최적화를 위해 사용되는 기법으로 다양한 형태의 모델에 대한 최적화 문제에서 가장 효율적인 성능을 보이고 있다. 따라서 Adam 최적화 기법을 이용한 파형역산 방법을 개발하여 탄성파 파형역산에서의 오차가 빠르고 정확하게 수렴하도록 하였다. 제안된 역산 기법의 성능을 검증하기 위해, 일정한 갱신 크기를 가지는 최대 경사법을 이용하여 수행된 역산 결과와 제안된 Adam 최적화 기반 파형역산을 수행하여 갱신된 P파 속도 모델을 비교하였다. 그 결과 제안된 기법을 통해 빠른 오차 수렴 속도와 높은 정확도의 결과를 확인할 수 있었다.

• 한국전자파학회논문지
• /
• 제15권2호
• /
• pp.127-133
• /
• 2004

피드포워드 증폭기는 선형화 성능이 우수하고 선형화 대역폭이 넓은 장점이 있다. 그러나 피드포워드 증폭기는 다양한 소자들로 구성되는 개루프 시스템이기 때문에 주변 환경의 변화에 의해서 성능 저하가 일어나기 쉽다. 따라서 피드포워드 증폭기가 허용하는 범위 내에서 원하는 성능을 유지하기 위해서는 선형화 루프의 이득과 위상을 조정하기 위한 제어 방법이 필요하다. 본 논문에서는 steepest descent 알고리즘을 이용한 새로운 적응형 제어 방법을 제안하였다. 제안한 방법은 기존의 제어 방법에 비해 수렴 속도가 빠르고 구현하기가 쉬운 장점이 있음을 시뮬레이션을 통해 확인하였다.

• 한국통신학회:학술대회논문집
• /
• 한국통신학회 2006년도 하계종합학술발표회 논문 초록집
• /
• pp.564-564
• /
• 2006

• 대한기계학회논문집
• /
• 제2권1호
• /
• pp.1-9
• /
• 1978

냉각용 Fin의 설계문제를 일반적인 최적설계문제로 바꾸어서 일반화된 Steepest Descent 방법에 의한 수치적 방법을 도입하여 해결하였다. 보다 실제적인 문제를 다룰 수 있도록 여러가지 제한조건을 고려한 Fin의 최적곡선 모양의 해를 얻었으며 이 방법의 유용성을 보였다. 사다리꼴의 Fin 설계예에서 위 방법을 이용한 해와 직접 계산에 의한 열전달량의 등고선 그림으로부터 구한 해와 일치함을 보였다.

• 대한수학회논문집
• /
• 제34권3호
• /
• pp.1029-1047
• /
• 2019

We are interested in the problem of determining the best fitted circle to a set of data points in space. This can be usually obtained by minimizing the geometric distances or various approximate algebraic distances from the fitted circle to the given data points. In this paper, we propose an algorithm in such a way that the sum of the squares of the geometric distances is minimized in ${\mathbb{R}}^3$. Our algorithm is mainly based on the steepest descent method with a view of ensuring the convergence of the corresponding objective function Q(u) to a local minimum. Numerical examples are given.

• 한국정보전자통신기술학회논문지
• /
• 제10권2호
• /
• pp.154-160
• /
• 2017

본 연구에서는 Bartlett방법으로 무인체의 목표물을 정확히 추정하는 방법에 대해서 연구하였다. Bartlett 방법은 배열안테나에 입사하는 수신신호에 이득을 일정하게 하여 원하는 신호를 추정한다. 본 연구는 정확한 무인체를 예측하기 위해서 Bartlett방법의 가중치를 위너 와 최급 하강법을 적용하여 갱신한다. 갱신된 가중치는 배열안테나에 수신되는 모든 수신신호에 최적 가중치를 적용하여 기존 Bartlett방법의 분해능을 향상시킨다. 모의실험을 이용하여 본 연구에서 제안한 Bartlett방법의 성능을 분석한다. 성능분석은 Bartlett 방법에 위너와 최강 하급법을 각각 적용시킨 두 방법과 기존의 Bartlett방법을 비교분석한다. 모의실험결과, 본 연구에서 제안한 방법이 기존의 Bartlett보다 분해능이 우수하였고, 최급 하강법이 위너방법보다 분해능이 향상됨을 나타내었다.

• 전기학회논문지P
• /
• 제58권2호
• /
• pp.164-171
• /
• 2009

This paper presents new learning algorithm of dynamic Bayesian networks (DBN) by means of constrained least square (LS) estimation algorithm and gradient descent method. First, we propose constrained LS based parameter estimation for a Markov chain (MC) model given observation data sets. Next, a gradient descent optimization is utilized for online estimation of a hidden Markov model (HMM), which is bi-linearly constructed by adding an observation variable to a MC model. We achieve numerical simulations to prove its reliability and superiority in which a series of non stationary random signal is applied for the DBN models respectively.

• 한국정보처리학회논문지
• /
• 제6권5호
• /
• pp.1393-1402
• /
• 1999

본 논문에서는 새로운 학습알고리즘의 3층 전향 신경망을 이용한 입력데이터의 주요 특징추출에 대해서 제안하였다. 제안된 학습알고리즘에서에서는 빠른 수렴속도의 최적화가 가능하도록 하기 위하여 기울기하강의 역전파 알고리즘을 이용하고, 국소최적해를 만났을 때 이를 벗어난 새로운 연결가중치의 설정을 위하여 동적터널링의 역전파 알고리즘을 이용함으로써 빠른 수렴속도로 전역최적해로에 수렴되도록 학습시킬 수 있다. 제안된 학습 알고리즘을 이용한 다층신경망을 $12{\times}12$ 픽셀의 영상 데이터들과 $128{\times}128$ 픽셀의 Lenna 영상데이터를 대상으로 시뮬레이션한 결과, 단층신경망을 이용하는 Sanger 방법이나 측면연결을 가지는 단충신경망을 이용하는 Foldiak 방법 및 기울기하강에 기초를 둔 기존의 역전파 알고리즘을 이용한 다층신경망에 의한 결과와 비교할 때 더욱 우수한 수렴성능과 추출성능이 있음을 확인할 수 있었다.

• 한국전자파학회논문지
• /
• 제29권1호
• /
• pp.68-76
• /
• 2018

표적 우선순위 할당은 다수의 표적이 존재하는 전술 환경에서 다기능 레이다(Multifunction Radar: MFR)가 중요한 표적을 추적하고 레이다 자원을 효율적으로 관리하기 위해 필요한 기능이다. 본 논문에서는 레이다에서 수집한 정보로부터 표적에 대한 우선순위를 산출하는 인공 신경망(Artificial Neural Network: ANN) 모델을 구현한다. 더 나아가, 기존의 경사 하강법(gradient descent) 기반 역전파(backpropagation) 알고리즘을 발전시켜 표적 우선순위 할당에 더욱 적합한 최급 강하법(steepest descent) 기반 신경망 학습 알고리즘을 제안한다. 시뮬레이션에서는 훈련 데이터와 신경망의 결과값 사이의 오차와 특정 테스트 시나리오에서 할당된 우선순위의 합리성을 분석하여 제안된 방법의 성능을 확인한다.