• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2000년도 THE THIRD INTERNATIONAL CONFERENCE ON AGRICULTURAL MACHINERY ENGINEERING. V.II
• /
• pp.124-131
• /
• 2000

In this study, the NEURAL NETWORK (hereinafter referred to as NN) was applied to control of the nonlinear factors for turning movement of the crawler vehicle and experiment was carried out using a small model of crawler vehicle in order to inspect an application of NN. Furthermore, CHAOS NEURAL NETWORK (hereinafter referred to as CNN) was also applied to this control so as to compare with conventional NN. CNN is especially effective for plane in many variables with local minimum which conventional NN is apt to fall into, and it is relatively useful to nonlinear factors. Experiment of turning on the slope of crawler vehicle was performed in order to estimate an adaptability of nonlinear problems by NN and CNN. The inclination angles of the road surface which the vehicles travel on, were respectively 4deg, 8deg, 12deg. These field conditions were selected by the object for changing nonlinear magnitude in turning phenomenon of vehicle. Learning of NN and CNN was carried out by referring to positioning data obtained from measurement at every 15deg in turning. After learning, the sampling data at every 15deg were interpolated based on the constructed learning system of NN and CNN. Learning and simulation programs of NN and CNN were made by C language ("Association of research for algorithm of calculating machine (1992)"). As a result, conventional NN and CNN were available for interpolation of sampling data. Moreover, when nonlinear intensity is not so large under the field condition of small slope, interpolation performance of CNN was a little not so better than NN. However, when nonlinear intensity is large under the field condition of large slope, interpolation performance of CNN was relatively better than NN.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1997년도 춘계학술대회 학술발표 논문집
• /
• pp.128-133
• /
• 1997

This paper examines the relation between multidimensional linear interpolation ( MDI ) and regularization networks, and shows that and MDI is a special form of regularization networks. For this purpose we propose a triangular basis function ( TBF ) network. Also we verified the condition when our proposed TBF becomes a well-known radial basis function ( RBF ).

• 한국지리정보학회지
• /
• 제13권3호
• /
• pp.29-41
• /
• 2010

본 연구는 미측정점의 값을 모델링하기 위해 사용되는 여러 가지 공간보간방법들의 예측오차를 비교하고 정확성을 검증하였다. 동해안 해안 지역의 표고점을 대상으로 역거리가중법, 크리깅, 지역 다항식보간법, 방사기반함수의 공간보간법과 관련된 매개변수들을 동일한 조건하에서 실행하여 평균제곱근을 산출한 결과, 단순 크리깅 방법의 원형 모델이 가장 작은 값으로 나타났다. 래스터의 연산 결과, 방사기반함수의 다중방정식에 의한 예측 지도가 대상 지역의 불규칙삼각망 표현과 일치정도가 높았다. 또한 공간보간 실행시 선택된 조건하에서 제공되는 최적 파워값을 사용하는 것이 양호한 보간 결과를 얻을 수 있다.

• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.375-383
• /
• 2018

정지한 객체의 측위에 사용되던 Network RTK (real time kinematics) 기술을 이동형 항체의 항법에 적용하기 위해서는 보정정보와 함께 사용자의 성능을 대표할 수 있는 지표가 함께 제공되어야 한다. 이를 위하여 본 논문에서는 I95 (ionospheric index 95) / G95 (geodetic index 95), SBI (semivariance based index), RIU (residual interpolation uncertainty) 등의 지표 도출 알고리즘을 분석하고 이를 국토지리정보원의 기준국 원시 데이터와 VRS (virtual reference station) 사용자에 적용함으로써 정밀 항법 성능 지표로의 활용 가능성을 타진하였다. 24시간 데이터를 처리한 결과 보정정보의 비선형성을 나타낼 수 있는 RIU 지표와 Network RTK 사용자의 위치 정확도와의 상관성이 0.52로 타 지표에 비해 훨씬 높은 것으로 나타났으므로 향후 이동 항체의 항법 성능 지표로 사용이 가능할 것으로 예상된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 춘계종합학술대회 A
• /
• pp.205-208
• /
• 2008

수치해석에서는 온도, 압력, 비체적, 엔탈피, 엔트로피 등의 수치값이 필요하다. 그런데 증기표의 대부분의 열역학적 성질들은 측정된 값이기 때문에 기본적으로 측정 오차를 가지고 있다. 본 연구에서는 압력 기준의 물의 포화 상태에 대해, 난수를 발생시켜 적절한 크기로 조절한 다음 원래의 성질들에 더하여 인위적으로 노이즈가 포함된 데이터를 만들었다. 이 데이터를 신경회로망과 스플라인 보간법으로 함수 근사를 하였다. 해석 결과 신경회로망이 2차 스플라인 보간법보다 훨씬 더 적은 백분율 오차를 보였으며 이로부터 신경회로망이 측정 오차의 영향을 적게 받는 함수 근사에 적절한 방법임을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.246-249
• /
• 2007

상변화 물질을 취급하는 수치해석에서는 온도, 압력, 체적, 엔탈피, 엔트로피 등의 열역학적 성질들의 수치값이 필요하다. 그러나 열역학적 성질들은 증기표나 선도 등의 형태로 주어지기 때문에 그대로 이용할 수는 없고 모델링하여 사용하여야 한다. 본 연구에서는 2차 스플라인 보간법과 비교함으로써, 과열증기의 모델링에 신경회로망의 적용 가능성을 검토하였다. 신경회로망은 온도와 압력, 2개의 입력에 대하여 비체적, 엔탈피 및 엔트로피, 3개의 출력을 얻을 수 있도록 입력층, 은닉층 및 출력층으로 구성되었다. 스플라인 보간법은 2차 다항식을 사용하였으며, 주어진 압력에 대한 소구간의 온도에 적용하였다. 신경회로망 모델링은 많은 출력 범위에서 2차 스플라인 보간법보다 우수한 백분율 오차를 보였으며, 이 결과로부터 과열증기 모델링에 신경회로망이 아주 강력한 방법임을 확인하였다.

• 정보처리학회 논문지
• /
• 제13권4호
• /
• pp.189-198
• /
• 2024

입 모양 인식은 음성 인식의 중요 부분 중 하나로 음성 인식을 위한 입 모양 인식 시스템에서 입 모양 인식 성능을 개선하기 위한 여러 연구가 진행됐다. 최근의 연구에서는 인식 성능을 개선하기 위해 입 모양 인식 시스템의 모델 구조를 수정하는 방법이 사용됐다. 본 연구에서는 모델 구조를 수정하는 것으로 인식 성능을 개선하는 기존의 연구와 달리 모델 구조의 변화 없이 인식 성능을 개선하는 것을 목표로 한다. 모델 구조의 수정 없이 인식 성능을 개선하기 위해, 사람이 하는 입 모양 인식에서 사용되는 단서를 참고해 입 모양 인식 시스템의 기존 관심 영역인 입술 영역과 함께 턱, 뺨과 같은 다른 영역을 관심 영역으로 설정하고 각 관심 영역의 인식률을 비교해 가장 높은 성능의 관심 영역을 제안한다. 또한, 관심 영역 크기를 정규화하는 과정에서 보간법의 차이로 인해 발생하는 정규화 결과의 차이가 인식 성능에 영향을 준다고 가정하고 최근접 이웃 보간법, 이중 선형 보간법, 이중 삼차 보간법을 사용해 동일한 관심 영역을 보간하고 각 보간법에 따른 입 모양 인식률을 비교해 가장 높은 성능의 보간법을 제안한다. 각 관심 영역은 객체 탐지 인공신경망을 학습시켜 검출하고, 각 관심 영역을 정규화하고 특징을 추출하고 결합한 뒤, 결합된 특징들을 차원 축소한 결과를 저차원 공간으로 매핑하는 것으로 동적 정합 템플릿을 생성했다. 생성된 동적 정합 템플릿들과 저차원 공간으로 매핑된 데이터의 거리를 비교하는 것으로 인식률을 평가했다. 실험 결과 관심 영역의 비교에서는 입술 영역만을 포함하는 관심 영역의 결과가 이전 연구의 93.92%의 평균 인식률보다 3.44% 높은 97.36%의 평균 인식률을 보였으며, 보간법의 비교에서는 이중 선형 보간법이 97.36%로 최근접 이웃 보간법에 비해 14.65%, 이중 삼차 보간법에 비해 5.55% 높은 성능을 나타내었다. 본 연구에 사용된 코드는 https://github.com/haraisi2/Lipreading-Systems에서 확인할 수 있다.

• 한국정보과학회논문지:정보통신
• /
• 제34권6호
• /
• pp.446-457
• /
• 2007

무선 센서 네트워크에서 센서 노드들이 이벤트 발생에 따라 신속한 대응을 하기 위해서는 노드들 간에 유기적인 협력이 필요하다. 이러한 협동 기능을 오류 없이 수행하기 위해서는 센서 노드들이 이벤트를 동일한 시간에 인식하기 위한 시간 동기화 기능이 제공되어야한다. 무선 센서 네트워크에서는 시간 정보 메시지를 교환함으로써 센서 노드들 사이에 시간 동기화를 유지한다. 그러나 무선 센서 네트워크의 특성상 센서 노드들은 고립된 환경에서 제한된 전력으로 동작해야하므로 시간 동기화를 위한 과도한 메시지 전송은 센서 노드들의 수명을 단축시키는 결과를 가져온다. 본 논문에서는 시간 동기화를 위한 메시지 전송 개수를 감소시키기 위한 참조 보간 프로토콜을 제안한다. 제안된 방법은 센서 노드들의 시간 동기화를 위하여 참조 패킷의 시간과 베이스스테이션의 전역 시간을 보간 하는 과정을 수행한다. 기존의 참조 브로드캐스트 동기화 기법과 비교할 때 제안된 기법은 두 번의 메시지 패킷만을 시간동기화를 위하여 사용한다. 간단해진 동기화 절차로 인하여 제안된 참조 보간 프로토콜은 무선 센서 노드들의 시간 동기화를 위한 메시지 수를 크게 감소시켜 참조 브로드캐스트 동기화 기법에 비해 12.7배의 감소된 전력을 사용한다. 참조 보간 프로토콜로 인하여 감소된 메시지 패킷의 개수는 무선 센서들의 동기화 시간의 단축을 가져왔을 뿐만 아니라 절약된 배터리 에너지만큼 무선 센서 노드들의 수명을 연장시킨다.

• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.192-207
• /
• 2020

탄성파 탐사를 수행할 때 경제적, 환경적 제약 또는 탐사 장비의 문제 등에 의해 탄성파 자료의 일부가 규칙적 또는 불규칙적으로 손실되는 경우가 발생하게 된다. 이러한 자료 손실은 탄성파 자료 처리와 해석 결과에 부정적인 영향을 주기 때문에 사라진 탄성파 자료를 복원할 필요가 있다. 탄성파 자료 복원을 위해 재탐사 또는 추가적인 탐사를 진행하는 경우 시간적, 경제적 비용이 발생하기 때문에, 많은 연구자들이 사라진 탄성파 자료를 정확히 복원하기 위한 보간 기법 연구를 진행해왔다. 최근에는 머신러닝 기술 발달에 따라 머신러닝 기법을 활용한 연구들이 진행되고 있고, 다양한 머신러닝 기술들 중에서도 서포트 벡터 회귀, 오토인코더, 유넷, 잔차넷, 생성적 적대 신경망 등의 알고리즘을 활용한 탄성파 자료의 보간 연구가 활발하게 진행되고 있다. 이 논문에서는 이러한 연구들을 조사하고 분석하여 복잡한 신경망 모델뿐 아니라 상대적으로 구조가 간단한 서포트 벡터 회귀 모델을 통해서도 뛰어난 보간 결과를 얻을 수 있다는 것을 확인했다. 추후 머신러닝 기법들을 사용하는 탄성파 자료 보간 연구들에서 오픈소스로 공개된 실제 자료를 이용하며 데이터 증식, 전이학습, 기존 기법을 이용한 규제 등의 기술을 활용하면 탄성파 자료 보간 성능을 향상시킬 수 있을 것으로 기대된다.

• 항공우주시스템공학회지
• /
• 제16권4호
• /
• pp.17-27
• /
• 2022

본 논문에서는 에어포일의 좌표 데이터에 대해 공력 특성을 예측할 수 있는 합성곱 신경망 기반 네트워크 프레임 워크를 설계하였으며 Xfoil을 이용한 공력 데이터를 적용하여 네트워크의 가능성을 확인하였다. 이 때 에어포일의 두께 변화에 따른 공력 특성 예측을 수행하였다. 부호화 거리 함수를 이용하여 에어포일의 좌표 데이터를 이미지 데이터로 변환하였으며 받음각 정보를 반영하였다. 또한 에어포일의 압력 계수 분포를 축소 모델 기법 중 하나인 적합 직교 분해를 이용하여 축소된 데이터로 표현하였으며 이를 네트워크의 출력 데이터로 사용하였다. 제시하는 네트워크의 내삽과 외삽 성능을 평가하기 위하여 시험 데이터를 구성하였고, 결과적으로 내삽 데이터에 대한 예측 성능이 외삽에 비해 우수함을 확인하였다.