• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2015년도 춘계 종합학술대회 논문집
• /
• pp.3-4
• /
• 2015

A self-organizing map (SOM) is a good tool to visualize applied data in the form of a feature map. With the help of such functions, a disaster risk diagnosis based on the residential house structure is tried in this study. According to some computer simulations with actual residential data, it is found that overall tendencies in the developed feature map are acceptable. Then, it is concluded that the proposed method is an effective means to estimate disaster risk appropriately.

• Korean Chemical Engineering Research
• /
• 제58권3호
• /
• pp.408-415
• /
• 2020

본 연구에서는 auto-encoder와 self-organizing map을 결합한 auto-encoder with self-organizing map(AE-SOM) 기법을 이용하여 EVA 생산공정의 이상을 검출 및 진단하였고, Granger의 인과분석을 통해 이상 검출 데이터의 이상 전파 방향을 확인하였다. 분석 데이터는 1년 7개월 간의 조업데이터를 이용하였으며, autoclave 반응기의 조업 변수를 주로 분석하였다. 데이터 전처리 과정에서 데이터의 표준화를 먼저 진행하고, 조업의 각 grade의 sample 수를 동일하게 200개 임의로 추출하였다. 이후 AE-SOM을 적용하여 각 grade의 best matching unit (BMU)를 도출하였다. 각각의 BMU를 기준으로 조업 데이터가 얼마나 벗어났는지를 기준으로 데이터의 이상을 판별하였다. 공정 이상이 발견될 시 이상원인을 contribution plot을 이용하여 확인하였고 이상원인 변수의 인과성을 Granger의 인과분석을 통해 분석하였다. 그 결과 조업 시 발생한 2번의 셧다운의 전조를 모두 검출하였으며 이상이 발생한 원인변수에서 기인한 공정 이상의 전파 방향을 분석하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권4호
• /
• pp.440-448
• /
• 2006

자기 조직화 신경망 (SOM: Self-Organizing Map)은 자율 학습 신경망으로 사전 지식이 존재하지 않는 자료에 존재하는 구조적 관계성을 보전하는데 이용된다. 자기 조직화 신경망은 벡터 양자화, 조합 최적화, 패턴 인식과 같은 복잡한 문제 해결을 위한 연구에 많이 이용되어 왔다. 이 논문에서는 좀더 효율적인 유전 알고리즘을 얻기 위한 스키마 변환 도구로서 자기 조직화 신경망을 이용하는 새로운 사용법에 대해서 제안한다. 즉, 각 자식해는 탐색 공간에서 좀더 바람직한 모양을 가지는 동질의 인공 신경망으로 변환된다. 이 변환으로 인해 강한 상위(epistasis)를 가지는 유전자들은 염색체 상에서 서로 인접하게 되는 것이다. 실험 결과는 기존 결과에 비해서 주목할만한 성능 개선이 있음을 보여준다.

• 산업경영시스템학회지
• /
• 제42권2호
• /
• pp.94-103
• /
• 2019

Self Organizing Map (SOM) is a neural network that is effective in classifying patterns that form the feature map by extracting characteristics of the input data. In this study, we propose an algorithm to determine the cell formation and the machine layout within the cell for the cell formation problem with operation sequence using the SOM. In the proposed algorithm, the output layer of the SOM is a one-dimensional structure, and the SOM is applied to the parts and the machine in two steps. The initial cell is formed when the formed clusters is grouped largely by the utilization of the machine within the cell. At this stage, machine cell are formed. The next step is to create a flow matrix of the all machine that calculates the frequency of consecutive forward movement for the machine. The machine layout order in each machine cell is determined based on this flow matrix so that the machine operation sequence is most reflected. The final step is to optimize the overall machine and parts to increase machine layout efficiency. As a result, the final cell is formed and the machine layout within the cell is determined. The proposed algorithm was tested on well-known cell formation problems with operation sequence shown in previous papers. The proposed algorithm has better performance than the other algorithms.

• 전기전자학회논문지
• /
• 제12권4호
• /
• pp.217-224
• /
• 2008

This paper provides a framework for semantic correspondence of heterogeneous databases using self- organizing map. It solves the problem of overlapping between different databases due to their different schemas. Clustering technique using self-organizing maps (SOM) is tested and evaluated to assess its performance when using different kinds of data. Preprocessing of database is performed prior to clustering using edit distance algorithm, principal component analysis (PCA), and normalization function to identify the features necessary for clustering.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.115.4-115
• /
• 2001

This paper deals with recognizing ten korean voiced vowels using Self Organizing Map. SOM is a good classifier. The output layer is composed of two dimensions. The input vector is the frequency values having the characteristic of voiced vowels. The short time frequency transform is used getting input vector. The final neural networks is attached SOM output layer.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.9-18
• /
• 2005

In order to systematically and visually understand well-known but qualitative and rotatively complicated relationships between synoptic fields in the BAIU season and heavy rainfall events in Japan, these synoptic fields were classified using the Self-Organizing Map (SOM) algorithm. This algorithm can convert complex nonlinear features into simple two-dimensional relationships, and was followed by the application of the clustering techniques of the U-matrix and the K-means. It was assumed that the meteorological field patterns be simply expressed by the spatial distribution of wind components at the 850 hPa level and Precipitable Water (PW) in the southwestern area including Kyushu in Japan. Consequently, the synoptic fields could be divided into eight kinds of patterns (clusters). One of the clusters has the notable spatial feature represented by high PW accompanied by strong wind components known as Low-Level Jet (LLJ). The features of this cluster indicate a typical meteorological field pattern that frequently causes disastrous heavy rainfall in Kyushu in the rainy season. From these results, the SOM technique may be an effective tool for the classification of complicated non-linear synoptic fields.

• 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.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 추계학술대회 학술발표 논문집
• /
• pp.251-254
• /
• 2001

본 논문에서는 Self Organizing Map을 이용하여 fMRI data를 분석해 보았다. fMRl (functional Magnetic Resonance Imaging)는 인간의 뇌에 대한 비 침투적 연구 방법 중 최근에 각광받고 있는 것이다. Motor task를 수행하고 있는 피험자로부터 image data를 얻어내어 SOM을 적용하여 clustering한 결과 motor cortex 영역이 뚜렷하게 clustering 되었음을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(A)
• /
• pp.325-327
• /
• 2012

스마트 홈은 단순한 가정 내 네트워크 연결이 아닌 주택(건물)내의 정보 기술 요소를 구현하는 토털 홈 정보 제어 시스템 서비스, 솔루션을 총칭한다. 현재는 언제, 어디서, 어떤 기기로건 인터넷에 접속할 수 있는 유비쿼터스(Ubiquitous) 시대이자, 개별 사물들이 인터넷에 연결되어 스스로 필요한 정보를 주고받게 될 시대가 도래함에 따라 사람들의 주요 생활공간에서도 활용도가 점차 커지는 것이다. 수시로 변화하는 상황에 적응하며 정확도가 높은 스마트 서비스의 제공을 위해서는 사용자의 의도에 부합하는 Semantic-Context 정보생성을 위한 SOM(Self-Organizing Map)추론 방식의 알고리즘과 정보의 의미화로 다양한 서비스를 지원할 수 있는 인프라 대비 최대 서비스가 요구된다. 이에 따라 본 논문에서는 스마트 홈에서 이종 가전기기들의 상황정보를 센서 데이터로부터 추출하여 사용자 맞춤형 서비스를 제공하기 위한 SOM 추론 기반의 스마트 홈을 설계한다.