• ETRI Journal
• /
• 제14권3호
• /
• pp.67-74
• /
• 1992

Discrete variable을 갖는 Mean Field Theory(MFT) neural network은 이미 많은 combinatorial optimization 문제에 적용되어져 왔다. 본 논문에서는 이를 확장하여 continuous variable을 갖는 mean field annealing을 제안하고, 이러한 network에서 integral로 표현되는 spin average를 mean field에 기초하여 어렵지 않게 구할 수 있는 one-variable stochastic simulated annealing을 제안하였다. 이런 방법으로 multi-body problem을 single-body problem으로 바꿀 수 있었다. 또한 이 방법을 이용한 응용으로서 통계학에서 잘 알려진 문제중의 하나인 quantification analysis 문제에 적용하여 타당성을 보였다.

• Journal of information and communication convergence engineering
• /
• 제8권1호
• /
• pp.13-18
• /
• 2010

The composite stock cutting problem is defined as allocating rectangular and irregular patterns onto a large composite stock sheet of finite dimensions in such a way that the resulting scrap will be minimized. In this paper, we introduce a novel approach to hybrid optimization algorithm called MGA in MPI (Message Passing Interface) environments. The proposed MGA combines the benefit of rapid convergence property of Mean Field Annealing and the effective genetic operations. This paper also proposes the efficient data structures for pattern related information.

• 한국정보통신학회논문지
• /
• 제14권2호
• /
• pp.287-295
• /
• 2010

본 논문에서는 MPI(Message Passing Interface) 환경 하에서 채널배선 문제에 대한 분산 평균장 유전자 알고리즘(MGA, Mean field Genetic Algorithm)이라는 새로운 최적화 알고리즘을 제안한다. 분산 MGA는 평균장 어닐링(MFA, Mean Field Annealing)과 시뮬레이티드 어닐링 형태의 유전자 알고리즘(SGA, Simulated annealing-like Genetic Algorithm)을 결합한 경험적 알고리즘이다. 평균장 어닐링의 빠른 평형상태 도달과 유전자 알고리즘의 다양하고 강력한 연산자를 합성하여 최적화 문제를 효율적으로 해결하였다. 제안된 분산 MGA를 VLSI 설계에서 중요한 주제인 채널 배선문제에 적용하여 실험한 결과 기존의 GA를 단독으로 사용하였을 때보다 최적해에 빠르게 도달하였다. 또한 분산 알고리즘은 순차 알고리즘에서의 최적해 수렴 특성을 해치지 않으면서 문제의 크기에 대하여 선형적인 수행시간 단축을 나타냈다.

• 한국통신학회논문지
• /
• 제22권1호
• /
• pp.185-192
• /
• 1997

We propose a method of paramete estimation using order-of-magnitude analysis for optimal boundary smoothing in Mean Field Annealing(MFA) technique in this paper. We previously proposed two boundary smoothing methods for consistent object representation in the previous paper, one is using a constratined regulaization(CR) method and the other is using a MFA method. The CR method causes unnecessary smoothing effects at corners. On the other hand, the MFA method method smooths our the noise without losing sharpness of corners. The MFA algorithm is influenced by several parameters such as standard deviation of the noise, the relativemagnitude of prior ter, initial temperature and final temperature. We propose a general parameter esimation method for optimal boundary smoothing using order-of-magnitude analysis to be used for consistent object representation in this paper. In addition, we prove the effectiveness of our parameter estimation and also show the temperature parameter sensitivities of the algorithm.

• 전자공학회논문지S
• /
• 제36S권5호
• /
• pp.78-87
• /
• 1999

3차원 물체 인식은 학습에 의해서 구성된 모델베이스를 이용하여 주어진 입력 영상에 존재하는 한 개 혹은 여러 개의 물체를 구별하는 과정이다. 본 논문에서는 입력 거리 정보를 받아들여 이 정보로부터 보이는 각 면에 대한 특징을 추출해낸 후 이 특징들을 입력 영상에 존재하는 물체를 묘사하는 특징으로 사용하여 이로부터 모델을 결정하는 방법을 제시한다. 영상 분할된 입력 물체는 그래프로 표현되는데, 물체 인식은 입력 물체의 그래프를 모델 베이스의 각 모델의 그래프와 정합하는 고정에서 얻어진다. 제한 조건은 만족시키는 정합을 수행하기 위하여 mean field annealing (MFA) 신경 회로망을 사용하였으며 가려진 물체 인식을 수행할 수 있는 정합을 위해 에너지 함수를 제안하였다. 제안한 알고리듬의 효용성을 입증하기 위하여 가려짐의 정도를 다르게 한 합성영상에 대해서 모의 실험을 하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제33권8호
• /
• pp.486-494
• /
• 2006

본 논문에서는 병렬처리에서 중요한 이슈인 부하균형 문제에 대한 새로운 솔루션을 소개한다. 솔루션으로 제안하는 MGA 기법은 평균장 어닐링 (MFA)과 유전자 알고리즘 (GA)의 장점을 효과적으로 결합한 휴리스틱 부하균형기법이다. 제안된 MGA을 다른 매핑 알고리즘 (MFA, GA-l, GA-2) 들과의 성능 향상비를 측정하는 멀티프로세서 매핑 시뮬레이션을 개발하였다. 휴리스틱 매핑 기법의 합성을 통하여 기존의 방법보다 수행시간은 오래 걸리는 대신 솔루션 품질, 즉 최대종료시간 및 통신부하에서 개선된 실험 결과를 얻을 수 있다는 것을 보였다.

• 한국통신학회논문지
• /
• 제22권5호
• /
• pp.881-888
• /
• 1997

The existing method s for curvature estimation have a common problem in determining a unique smoothong factor. we previously proposed two approaches to overcome that problem: a constrained regularization approach and a mean field annealing approach. We consistently detected corners from the perprocessed smooth boundary obtained by either the constrained eglarization approach or the mean field annealing approach. Moreover, we defined corner sharpness to increase the robustness of both approaches. We evaluate the performance of those methods proposed in this paper. In addition, we show some matching results using a two-dimensional Hopfield neural network in the presence of occlusion as a demonstration of the power of our proposed methods.

• ETRI Journal
• /
• 제32권6호
• /
• pp.932-939
• /
• 2010

In this paper, a fast migration method is proposed. Our method executes local relocation on a model placement where an additional module is added to it for modification with a minimum number of displacements. This method is based on mean-field annealing (MFA), which produces a solution as reliable as a previously used method called simulated annealing. The proposed method requires substantially less time and hardware, and it is less sensitive to the initial and final temperatures. In addition, the solution runtime is mostly independent of the size and complexity of the input model placement. Our proposed MFA algorithm is optimized by enabling module rotation inside an energy function called permissible distances preservation energy. This, in turn, allows more options in moving the engaged modules. Finally, a three-phase cooling process governs the convergence of problem variables called neurons or spins.

• 한국정보통신학회논문지
• /
• 제10권1호
• /
• pp.206-211
• /
• 2006

수량화 문제는 n개의 성질을 갖는 m개의 개체들을 각 개체들의 유사도(similarity)를 가장 잘 반영하도록 p차원의 공간 상에 대응시키는 문제이다. 본 논문에서는 물리학에서의 열평형 상태(thermal equilibrium state)에서 분자시스템의 해석적 근사 움직임에 대한 이론인 평균장 이론(mean field theory)에 의한 분자의 평균 변화량 계산과 어닐링(annealing) 방법에 의한 평균장 신경회로망(mean field neural network)을 수량화 문제(quantification analysis problem)의 해결에 적용하였다. 그 결과, 제안한 최적화 응용기법 이 기존의 고유치 분석방법(eigen value analysis)에 비해 비용측면에서 좀 더 최적에 가까운 해답을 찾아낼 수 있음을 확인하였다.

• 경영과정보연구
• /
• 제9권
• /
• pp.25-39
• /
• 2002

We consider the Fuzzy clustering which is devised for partitioning a set of objects into a certain number of groups by assigning the membership probabilities to each object. The researches carried out in this field before show that the Fuzzy clustering concept is involved so much that for a certain set of data, the main purpose of the clustering cannot be attained as desired. Thus we propose a new objective function, named as Fuzzy-Entroppy Function in order to satisfy the main motivation of the clustering which is classifying the data clearly. Also we suggest Mean Field Annealing Algorithm as an optimization algorithm rather than the. ISODATA used traditionally in this field since the objective function is changed. We show the Mean Field Annealing Algorithm works pretty well not only for the new objective function but also for the classical Fuzzy objective function by indicating that the local minimum problem resulted from the ISODATA can be improved.