• 전자공학회논문지B
• /
• 제31B권6호
• /
• pp.17-24
• /
• 1994

This paper is a study on Korean word recognition and suggest the method that stabilizes the state-transition in the HMM by applying the `inertia' to the feature vector sequences. In order to reduce the quantized distortion considering probability distribution of input vectors, we used SOFM, an unsupervised learning method, as a vector quantizer, By applying inertia to the feature vector sequences, the overlapping of probability distributions for the response path of each word on the self organizing feature map can be reduced and the state-transition in the Hmm can be Stabilized. In order to evaluate the performance of the method, we carried out experiments for 50 DDD area names. The results showed that applying inertia to the feature vector sequence improved the recognition rate by 7.4% and can make more HMMs available without reducing the recognition rate for the SOFM having the fixed number of neuron.

• 센서학회지
• /
• 제10권6호
• /
• pp.286-294
• /
• 2001

본 연구에서는 자체 제작한 3-3형 복합압전체 초음파 트랜스듀서와 SOFM(Self Organizing Feature Map) 신경회로망을 이용한 수중 3차원 물체인식특성에 대해 연구하였다. 자체 제작한 3-3형 복합압전체 소자는 수중 초음파 트랜스듀서 재료로서의 요구조건을 비교적 잘 만족하였다. 자체 제작한 3-3형 복합압전체 트랜스듀서와 SOFM 신경회로망을 이용하여 얻어진 4종의 인식물체(정사각기둥, 직사각기둥, 원통, 정삼각기둥)에 대한 전체적인 수중 물체인식률은 학습데이터인 경우에는 100%, 시험데이터는 94.0%를 나타내었다. 이들 결과로부터 자체 제작한 3-3형 복합압전체 초음파 트랜스듀서는 수중 물체인식용 트랜스듀서로서 응용될 수 있음을 알 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 1995년도 제7회 한글 및 한국어 정보처리 학술대회
• /
• pp.137-142
• /
• 1995

코호넨의 SOFM(Self-Organizing Feature Map)온 빠른 검증 학습이 가능하여 다층 퍼셉트론의 단점을 보완할 수 있는 패턴분류기로 부각되고 있다. 그러나 기본적으로 고정된 크기와 구조의 네트워크를 사용하기 때문에 실재 문제에 적용하기가 쉽지 않다는 문제가 있다. 본 논문에서는 패턴에 대한 사전 정보없이 복잡한 패턴공간을 적응적으로 분할하기 위해 구조적응되는 자기조직화 신경망을 소개하고 이를 인쇄체 한글 문자의 인식에 적용한 결과를 보여준다. 여기에서 제안하는 신경망은 SOFM의 각 셀이 좀더 자세한 SOFM으로 확장될 수 있도록하며, 확률분포가 0인 셀을 제거함으로써 패턴 공간에 보다 근사한 분류를 가능하게 한다. 실제로 이러한 방식이 한글과 같은 복잡한 분류 문제에서 어떻게 작동하는지 설명하고, 한글 완성형 2350자에 대해 실험한 결과를 보여준다.

• 전자공학회논문지B
• /
• 제30B권8호
• /
• pp.64-70
• /
• 1993

This paper presents an efficient SOFM(self-organizing feature map) algorithm for the solution of the large scale TSPs(traveling salesman problems). Because no additional winner neuron for each city is created in the next competition, the proposed algorithm requires just only the N output neurons and 2N connections, which are fixed during the whole process, for N-city TSP, and it does not requires any extra algorithm of creation of deletion of the neurons. And due to direct exploitation of the output potential in adaptively controlling the neighborhood, the proposed algorithm can obtain higher convergence rate to the suboptimal solutions. Simulation results show about 30% faster convergence and better solution than the conventional algorithm for solving the 30-city TSP and even for the large scale of 1000-city TSPs.

• 한국지능시스템학회논문지
• /
• 제7권5호
• /
• pp.34-45
• /
• 1997

본 논문에서는 경쟁학습 신경회로망의 디지탈 칩 구현에서 뉴런의 집적도를 향상시키기 위해 하드웨어 구현이 용이한 새로운 신경회로망 모델로서 일정 적응이득과 이진 강화함수를 가진 여러 가지 경쟁학습 신경회로망 모델들을 제안하고, 그 중 안정성과 분류성능이 가장 우수한 일정 적응이득과 이진 강화함수를 지닌 자기조직화 형상지도(Self-Organizing Feature Map)신경회로망의 FPGA위에서의 하드웨어 구현에 대해서 논한다. 원래의 SOFM 알고리즘에서 적응이득이 시간 종속형인데 반하여, 본 논문에서 하드웨어로 구현한 알고리즘에서는 적응이득이 일정인 값으로 고정되며 이로 인한 성능저하를 보상하기 위하여 이진 강화함수를 부가한다. 제안한 알고리즘은 복잡한 곱셈 연산을 필요로 하지 않으므로 하드웨어 구현이 용이하다는 특징이있다. 1개의 덧셈/뺄셈기와 2개의 덧셈기로 구성된 단위 뉴런은 형태가 단순하면서 반복적이므로 하나의 FPGA 위에서도 다수의 뉴런을 구현 할수 있으며 비교적 소수의 제어신호로서 이들을 모두 제어 가능할 수 있도록 설계하였다.실험 결과 각 구서부분은 모두 이상 없이 올바로동작하였으며 각 부분이 모두 종합된 전체 시스템도 이상 없이 동작함을 알 수 있었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1994년도 FIFTH WESTERN PACIFIC REGIONAL ACOUSTICS CONFERENCE SEOUL KOREA
• /
• pp.1046-1051
• /
• 1994

It is known that SOFM has the property of effectively creating topographically the organized map of various features on input signals, SOFM can effectively be applied to the recognition of Korean phonemes. However, is isn't guaranteed that the network is sufficiently learned in SOFM algorithm. In order to solve this problem, we propose the learning algorithm combined with the conventional K-means clustering algorithm in fine-tuning stage. To evaluate the proposed algorithm, we performed speaker dependent recognition experiment using six phoneme classes. Comparing the performances of the Kohonen's algorithm with a proposed algorithm, we prove that the proposed algorithm is better than the conventional SOFM algorithm.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1998년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.201-206
• /
• 1998

In this paper, we have considered the method for clustering land cover types over the East Asia from AVHRR data. The feature vectors such that maximum NDVI, amplitude of NDVI, mean NDVI, and NDVI threshold are extracted from the 10-day composite by maximum value composite(MVC) for reducing the effect of cloud contaninations. To find the land cover clusters given by the feature vectors, we are adapted the self-organizing feature map(SOFM) clustering which is the mapping of an input vector space of n-dimensions into a one - or two-dimensional grid of output layer. The approach is to find first the clusters by the first layer SOFM and then merge several clusters of the first layer to a large cluster by the second layer SOFM. In experiments, we were used the 8-km AVHRR data for two years(1992-1993) over the East Asia.

• 실천공학교육논문지
• /
• 제6권2호
• /
• pp.71-76
• /
• 2014

대학, 기업 및 학원에서 제공하는 교육 서비스의 질을 향상하기 위해서는 주요 활동인 강의의 품질 개선이 필수적이다. 강의 수행 후 수강생에 의해서 평가되는 강의평가 설문 데이터는 강의 품질을 측정하고 개선할 수 있는 좋은 도구로서, 대부분 간단한 통계분석을 통해 처리되고 있다. 본 연구는 강의평가 설문 데이터를 SOFM (Self-Organizing Feature Map) 신경망과 C4.5와 같은 분석도구를 사용하여 분석함으로써 수강생의 만족도와 강의 성과 관련한 특징을 보다 정확하게 파악하고 개선이 필요한 강의 품질 요소를 구체적으로 도출하여 강의 품질을 효율적으로 개선할 수 있는 방안을 제시하였다. 본 연구에서 제시한 방안을 국내 기업의 사내 강의에 적용한 결과, 만족도와 강의 성과 관점에서 미흡한 3개의 수강생 그룹에서 개선이 필요한 총 강의시간, 강의 자료, 강의 시간표 구성 요소를 개선하여 강의 품질이 향상되는 것을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1144-1148
• /
• 2010

오염원이 집중되는 도시지역에서의 비점오염원에 대한 관리대책은 점오염원에 비하여 미비한 실정이다. 따라서 도시 지역의 비점오염원 부하량의 합리적인 조사, 비점오염물질 저감을 위한 관리기술 개발과 아울러 정책의 개발 등이 필요하며, 도시지역에서의 장기적인 비점오염물질 유출에 관한 모니터링을 통한 비점오염물질 원단위 조사가 절실히 요구되고 있는 실정이다. 따라서 본 연구에서는 상업 및 위락시설지역의 비점오염원 유출특성을 분석하기 위해 2008년 4월부터 2009년 10월까지 실측에 의해 측정된 강우량과 유출량 자료를 이용하여 비점오염원 유출특성을 분석하였다. 또한 본 연구에서는 자기 조직화 특성지도(Self-Organizing Feature Map: SOFM) 이론을 적용하여 측정된 유출 및 수질자료에 대해 패턴분류를 수행하여 분할구역별 자료의 특성분석을 통해 초기강우 특성이 구분되어짐을 확인 할 수 있었다. 그러나 현재 축적된 자료에 대한 양적인 한계로 인해 명확한 구분이 이루어지지 않는 항목도 있었으나, 향후 지속적인 모니터링을 통해 충분한 자료가 축적될 경우 초기강우 기준을 위한 새로운 접근방법으로 제시될 수 있을 것으로 기대된다.

• 전자공학회논문지C
• /
• 제34C권1호
• /
• pp.59-64
• /
• 1997

By using a selective learnable self-organizing feature map(SOFM) a more practical and generalized mehtod is proposed in which the effective nonlinear shape restoration is possible regardless of the existence of the distortion modelss. Nonlinear mapping relation is extracted from the distorted imate by using the proposed selective learning SOFGM which has the special property of effectively creating spatially organized internal representations and nonlinear relations of various input signals. For the exact extraction of the mapping relations between the distorted image and the original one, we define a disparity index as a proximal nmeasure of the present state to the final idealy trained state of the SOFM, and we used this index to adjust the training of the mapping relations form the weights of the SOFM. Simulations are conducted on various kinds of distorted images with or without distortion models, and the results show that the proposed method is very efficeint very efficient and practical in nonlinear shape restorations.