• 한국정보통신학회논문지
• /
• 제10권3호
• /
• pp.459-466
• /
• 2006

열성능 평가를 위한 수치해석에서는 온도, 압력, 건도, 체적, 엔탈피, 엔트로피 등의 열역학적 성질들의 수치값이 필요하다. 그러나 이러한 성질들을 포함하고 있는 증기표를 그대로 사용할 수 없기 때문에, 효과적으로 모델링하여야 한다. 이러한 관점에서 함수근사 특성을 가진 신경회로망을 하나의 대안으로 검토하였다. 신경 회로망은 포화증기 영역과 과열증기 영역에 대해서 따로 구성하였다. 포화증기 영역에 대해서는 하나의 입력으로 7개의 출력을 얻을 수 있도록 하였으며, 각각 10개와 20개의 노드를 가진 은닉층을 구성 하였다. 과열증기 영역에 대해서는 2개의 입력으로 3개의 출력을 얻을 수 있도록 하였으며, 각각 15개와 25개의 노드를 가진 은닉층을 구성하였다. 제안된 모델은 온도, 엔탈피, 엔트로피의 백분율오차가 대부분 ${\pm}0.005%$, 압력이나 비체적의 백분율오차도 대부분 ${\pm}0.025%$ 범위 내로 수렴시킬 수 있었다. 이 성공적인 결과로부터 증기 표를 함수근사하는데 있어서 신경회로망이 아주 강력한 수단이 될 수 있음을 확인할 수 있었다.

• 전자공학회논문지C
• /
• 제36C권12호
• /
• pp.78-89
• /
• 1999

기존의 웨이블릿 신경망들의 구조는 주로 주파수-시간 공간으로 변환된 훈련 패턴의 분포와 웨이블릿 윈도우와의 관계를 고려하여 결정한다. 또한 신경망 구조 결정 알고리즘과 네트워크 파라메터 학습 알고리즘을 분리하여, 우선 신경망 구조를 결정한 후, 출력 에러를 최소화하기 위한 학습을 수행한다. 그러나 이러한 방법은 학습을 시작하기 전에 훈련 패턴을 변환해야 하는 부가적인 전처리 과정이 필요하고, 초기에 구성된 신경망 구조는 변경되지 않는다는 단점을 가지고 있다. 본 논문에서는 별도의 처리 과정 없이 신경망의 출력과 교사 신호의 차이를 이용하여 웨이블릿 신경망 구조를 결정하는 방법을 제안한다. 제안하는 알고리즘은 네트워크 구조의 결정과 에러 최소화 학습을 동시에 수행하기 때문에 문제의 복잡도에 따라 적응적으로 은닉 노드의 수를 결정한다. 또한 학습에 의해 가장 큰 에러가 발생하는 영역에 은닉 노드를 추가하고 출력에 영향을 미치지 않는 노드를 제거하는 방법을 사용하여 네트워크의 구조를 최적화한다. 본 알고리즘은 훈련 패턴에 대한 전처리 과정을 없앰으로써 학습하기 전에 모든 훈련 패턴을 알고 있어야 한다는 제약 조건을 없애고 시간의 변화에 따라 출력이 바뀌는 시스템에도 효과적인 적용이 가능하다.

• 한국통신학회논문지
• /
• 제33권12B호
• /
• pp.1066-1074
• /
• 2008

본 논문에서는 충돌이 잦은 무선 저속 Personal Area Network에서 펄스 (pulse) 신호를 이용한 효율적인 그룹폴링 알고리즘을 제안한다. 현재 IEEE 802.15.4 (LR-WPAN) 표준은 저속, 저가, 저 전력 소모를 목표로 한다. 하지만, 최근 LR-WPAN (Low Rate Wireless PAN)의 응용범위가 확대되고 이에 따라 잦은 충돌이 발생하는 상황 또한 늘어나고 있다. 여기서 충돌의 대부분은 '히든노드 문제'로 인하여 발생되고 이는 CSMA/CA 만으로 해결하기 어렵고 연속해서 일어날 경우 네트워크 성능을 크게 저하시킨다. 또한, 현재 히든노드 충돌에 관한 대부분의 연구는 연속된 충돌이 잦은 상황에서 많은 채널 낭비를 유발한다. 본 논문에서 제안한 알고리즘은 잦은 충돌 상황이 발생하였을 때 이미 그룹핑 되어 있는 PAN을 전제로 펄스신호를 이용하여 각 그룹에게 채널 할당과 순서를 정해주고 할당 받은 그룹의 노드들만 경쟁 시킨다. 이에 따라 데이터를 보내기 위해 경쟁하는 노드의 수가 현저히 줄어 연속된 충돌을 줄이고, 충돌로 인한 채널낭비와 낮은 데이터 전송률이 보다 향상되어, 잦은 충돌로 인한 네트워크의 손상을 막는다. 이러한 성능 향상을 NS-2 시뮬레이션을 통해 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.160-162
• /
• 2006

BP 알고리즘은 지역 최소점이나 고원 문제와 같은 수렴 실패문제와 학습 속도가 느리다고 알려져 있다. 이제까지 알려진 BP 알고리즘의 대체 방법들은 수렴 속도와 인자에 따른 수렴의 안정성에 대한 불균형을 해소하는데 치중했다. 기존의 전통적인 BP 알고리즘에서 발생하는 위와 같은 문제를 해결하기 위하여, 본 논문에서는 적은 용량의 저장 공간만을 요구하며 수렴이 빠르고 상대적으로 안정성이 보장되는 알고리즘을 제안한다. 이 방법은 상위연결(upper connections), 은닉층-출력층(hidden to output), 하위연결(lower connections), 입력층-은닉층(input to hidden)에 대해 개별적으로 훈련을 시키는 분리 학습방법을 적용한다.

• 대한의용생체공학회:의공학회지
• /
• 제19권5호
• /
• pp.469-476
• /
• 1998

초음파, 내시경 등의 NTSC 영상을 PC를 통해 획득하고, 고해상도의 YGA 모니터에 표시할 경우 주사변환 과정을 거치면서 치명적인 영상의 왜곡(tear-drop)이 나타난다. 본 연구에서는 이러한 왜곡을 해소하는 여러 가찌 방법을 살펴보고 실시간으로 왜곡을 보정할 수 있는 하드웨어를 PC상에서 구현하였다. 하드웨어 시스템은 De-Interlace 전용의 소자와 PCI bridge 등을 이용함으로써 고화질의 영상표현과 실시간의 영상전송이 가능하다 구현된 시스템에서 영상의 질은 눈에 띄게 향상되었으며, PC 기반의 시스템으로 구성함으로써 영상의 저장, 전송 및 텍스트의 기록 등 다양한 기능을 쉽게 구현할 수 있었다.

• Journal of Computing Science and Engineering
• /
• 제5권4호
• /
• pp.324-330
• /
• 2011

To avoid collisions, IEEE 802.11 medium access control (MAC) uses predetermined inter-frame spaces and the random back-off process. However, the retransmission strategy of IEEE 802.11 MAC results in considerable time wastage. The hidden node problem is well known in wireless networks; it aggravates the consequences of time wastage for retransmission. Many collision prevention and recovery approaches have been proposed to solve the hidden node problem, but all of them have complex control overhead. In this paper, we propose a fast retransmission scheme as a recovery approach. The proposed scheme identifies collisions caused by hidden nodes and then allows retransmission without collision. Analysis and simulations show that the proposed scheme has greater throughput than request-to-send and clear-to-send (RTS/CTS) and a shorter average waiting time.

• 한국통신학회논문지
• /
• 제39C권9호
• /
• pp.820-827
• /
• 2014

One of the basic problems in Wireless Sensor Networks (WSNs) is the localization of the sensor nodes based on the known location of numerous anchor nodes. WSNs generally consist of a large number of sensor nodes and recording the location of each sensor nodes becomes a difficult task. On the other hand, based on the application environment, the nodes may be subject to mobility and their location changes with time. Therefore, a scheme that will autonomously estimate or calculate the position of the sensor nodes is desirable. This paper presents an intelligent localization scheme, which is an artificial neural network (ANN) based localization scheme used to estimate the position of the unknown nodes. In the proposed method, three anchors nodes are used. The mobile or deployed sensor nodes request a beacon from the anchor nodes and utilizes the received signal strength indicator (RSSI) of the beacons received. The RSSI values vary depending on the distance between the mobile and the anchor nodes. The three RSSI values are used as the input to the ANN in order to estimate the location of the sensor nodes. A feed-forward artificial neural network with back propagation method for training has been employed. An average Euclidian distance error of 0.70 m has been achieved using a ANN having 3 inputs, two hidden layers, and two outputs (x and y coordinates of the position).

• 한국통신학회논문지
• /
• 제30권2C호
• /
• pp.31-40
• /
• 2005

오류 역전파 알고리즘의 문제점과 ART 신경회로망의 문제점을 개선하기 위해 Jacobs가 제안한 delta-bar-delta 방법과 신경회로망을 결합한 자가 생성 지도 학습 알고리듬을 제안한다. 입력층과 은닉층에서는 ART-1과 ART-2 알고리듬을 이용하고, winner-take-all 방식은 완전 연결 구조이나 연결된 가중치만을 조정하도록 채택하였다. 실험을 위해 학생증, 주민등록증, 컨테이너의 영상으로 추출한 패턴을 신경회로망의 은닉층 노드에 대해 실험하였고, 실험결과 제안된 자기 생성 지도 학습알고리듬이 지역최소화, 학습 속도, 정체 현상이 기존의 방법보다 성능이 개선된 것을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권5호
• /
• pp.289-294
• /
• 2002

다층신경회로망 구조의 재구성은 회로망의 일반화 능력이나 효율성의 관점에서 중요한 문제로 연구되어왔다. 본 논문에서는 신경회로망에 학습된 은닉 지식들을 추출하여 조합함으로써 신경회로망의 구조를 재구성하는 새로운 방법을 제안한다. 먼저, 각 노드별로 학습된 대표적인 지역 규칙을 추출하여 각 노드의 불필요한 연결구조들을 제거한 후, 이들의 논리적인 조합을 통하여 중복 또는 상충되는 노드와 연결구조를 제거한다. 이렇게 학습된 지식을 분석하여 노드와 연결구조를 재구성한 신경회로망은 처음의 신경회로망에 비하여 월등히 감소된 구조 복잡도를 가지며 일반적으로 더 우수한 일반화 능력을 가지게 됨을 실험결과로서 제시하였다.

• Structural Engineering and Mechanics
• /
• 제26권3호
• /
• pp.251-262
• /
• 2007

This paper examines the application of artificial neural networks (ANN) to the response prediction of geometrically nonlinear truss structures. Two types of analysis (deterministic and probabilistic analyses) are considered. A three-layer feed-forward backpropagation network with three input nodes, five hidden layer nodes and two output nodes is firstly developed for the deterministic response analysis. Then a back propagation training algorithm with Bayesian regularization is used to train the network. The trained network is then successfully combined with a direct Monte Carlo Simulation (MCS) to perform a probabilistic response analysis of geometrically nonlinear truss structures. Finally, the proposed ANN is applied to predict the response of a geometrically nonlinear truss structure. It is found that the proposed ANN is very efficient and reasonable in predicting the response of geometrically nonlinear truss structures.