• 한국지능시스템학회논문지
• /
• 제11권9호
• /
• pp.849-854
• /
• 2001

Bishop이 제안한 Generative Topographic Mapping(GTM)은 Kohonen이 제안한 자율 학습 신경망인 Self Organizing Maps(SOM)의 확률 버전이다. GTM은 데이터가 생성되는 확률 분포를 잠재 변수, 혹은 은닉 변수를 사용하여 모형화한다. 이것은 SOM에서는 구현될 수 없는 GTM만의 특징이며, 이러한 특징으로 인하여 SOM의 한계들을 극복할 수 있게 된다. 본 논문에서는 이러한 GTM 모형에 베이지안 학습(Bayesian learning)을 결합하여 작은 오분류율을 가지는 분류 알고리즘인 베이지안 GTM(Bayesian GTM)을 제안한다. 이 알고리즘은 기존의 GTM의 빠른 계산 처리 능력과 데이터에 대한 확률 분포, 그리고 베이지안 추론의 정확성을 이용하여 기존의 분류 알고리즘보다 우수한 결과를 얻게 된다. 본 논문에서는 기존의 분류 알고리즘에서 많이 실험하였다. 학습 데이터를 통하여 이를 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2488-2491
• /
• 2000

A Neural network is possible to nonlinear function mapping and parallel processing. Therefore It has been developing for a Diagnosis system of nuclear plower plant. In general Neural Networks is a static mapping but Dynamic Neural Network(DNN) is dynamic mapping. When a fault occur in system, a state of system is changed with transient state. Because of a previous state signal is considered as a information. DNN is better suited for diagnosis systems than static neural network. But a DNN has many weights, so a real time implementation of diagnosis system is in need of a rapid network architecture. This paper presents a algorithm for RCP monitoring Alarm diagnosis system using Self Dynamic Neural Network(SDNN). SDNN has considerably fewer weights than a general DNN. Since there is no interlink among the hidden layer. The effectiveness of Alarm diagnosis system using the proposed algorithm is demonstrated by applying to RCP monitoring in Nuclear power plant.

• 융합신호처리학회논문지
• /
• 제4권3호
• /
• pp.49-54
• /
• 2003

본 논문에서는 PID 제어기 응답을 보상하기위해 자기구성 신경망 보상기를 추가한 제어기를 제안한다. 기존의 PID 제어기는 제어기 설계가 간단하나 계수값을 설정하는데 많은 시행착오가 필요하다. 그리고, 신경망 제어 방식은 여러 파라미터들을 설계자의 임의에 따라 결정함으로써 최적의 구조를 갖지 못하는 단점이 있다. 본 논문에서는 이러한 문제를 해결하기위해 역전파 알고리즘을 기본으로 하여 은닉계층 노드의 활성화 함수로 가우시안 포텐셜함수를 사용하는 자기구성 신경망을 사용해, PID 제어기의 출력을 보상하도록 하였다. 자기구성 신경망은 학습을 진행함에 따라 가우시안 함수의 위치와 모양, 갯수가 자동으로 조정 되도록 하였다. 자기구성 신경망 보상기를 추가한 PID 제어기의 성능을 확인하기 위해서 2차 플랜트에 적용하여 모의 실험하였으며 DSP 프로세서를 사용하여 제어기를 구현한 후 유압 서보시스템의 속도 제어에 적용하여 실험결과를 관찰하였다.

• 한국철학논집
• /
• 제30호
• /
• pp.227-257
• /
• 2010

본 논문은 선산(船山) 왕부지(王夫之)(1619~1692)의 "독사서대전설(讀四書大全說)-중용(中庸)"에 대한 분석을 통해, 유학의 수양공부의 구체적인 내용과 방법, 그리고 그 실천적 성격을 규명하는 것을 목적으로 한다. "중용" 전체를 관통하는 실천철학의 핵심은 존양(存養)과 성찰(省察)의 수양공부이며, 그것은 '계신공구(戒愼恐懼)'와 '신독(愼獨)'이라는 개념으로 압축된다. '계신공구(戒愼恐懼)'은 보이지 않고 들리지 않는 상태(부도불문(不睹不聞))에서 경계하고 삼가며 두려워하는 존양의 공부이며, '신독(愼獨)'은 숨은 것과 은미한 것을 홀로 보는 성찰의 공부이다. 여기에서 '부도불문(不睹不聞)'은 곧 천리(天理)와 인욕(人欲)이 교차하는 지점이며, 계신공구(戒愼恐懼)는 곧 인욕을 제거하고 천리를 보존하는 노력의 과정이다. 이러한 존양의 과정이 전제되어 있어야만 사물과 접촉하는 순간 남들이 보지도 듣지도 못하는 곳에서도 숨은 것과 은미한 것을 홀로 보고 들을 수 있는 신독(愼獨)의 수양공부가 가능하다. 선산(船山)은 실천적 하학(下學)의 측면에서 두 개념의 중요성을 간파하고, 두 개념의 차별성과 상호 관련성에 주목하여 "중용"의 실천적 수양공부에 대해 해석하였다. 특히 그는 존양 공부에 무게의 중심을 두고, 존양과 성찰의 관계를 집중적으로 연구하였다. 즉 계신공구(戒愼恐懼)의 존양 공부가 신독(愼獨)을 가능하게 하는 필수 조건임을 일관되게 주장하고, 수양공부의 과정에서 그것이 지니는 의미를 명확하게 제시하였다. 나아가 존양성찰에 담긴 실천적 성격을 최대한 부각시킴으로써 "중용"의 수양공부를 유학의 핵심적인 수양론으로 정립시켰다.

• 중소기업연구
• /
• 제31권1호
• /
• pp.73-88
• /
• 2009

본 연구는 우리나라 대표적인 강소기업들을 대상으로 심층적 사례조사를 실시하여 새로운 비즈니스 영역의 창출에 필요한 정책적 과제를 도출하고자 했다. 이를 통해 경제 구조적전환기에 금융위기가 가중된 경영환경 속에서 과연 중소기업들이 어떻게 신시장을 개척하고 신성장동력을 지속적으로 유지할 수 있는지에 관해 답변해보고자 했다. 24개 강소기업들에 관한 심층적 전략분석을 토대로 이들의 성공유형과 잠재된 실패요인(성공함정)들을 조사했으며, 그 결과 한국 강소기업의 8가지 유형을 제시했다. 또한 이들의 생존비결과 그에 따른 문제점을 살펴봄으로써 향후 지속적인 경쟁력 유지를 위해 고려해야 할 당면과제들을 도출했다. 이러한 조사결과들을 토대로 우리나라 강소기업들이 신성장동력을 지속적으로 확보하기 위한 전략대안과 정책적 지원방안에 관해서 논의하였다. 이와 함께 '저탄소 녹색성장'의 국가비전에 대해서도 중소기업을 위한 기회창출이라는 차원에서 논의하였다.

• 전자공학회논문지B
• /
• 제28B권9호
• /
• pp.739-746
• /
• 1991

This paper develops a modified multilayer perceptron architecture which speeds up learning as well as the net's mapping accuracy. In Phase I, a cluster partitioning algorithm like the Kohonen's self-organizing feature map or the leader clustering algorithm is used as the front end that determines the cluster to which the input data belongs. In Phase II, this cluster selects a subset of the hidden layer nodes that combines the input and outputs nodes into a subnet of the full scale backpropagation network. The proposed net has been applied to two mapping problems, one rather smooth and the other highly nonlinear. Namely, the inverse kinematic problem for a 3-link robot manipulator and the 5-bit parity mapping have been chosen as examples. The results demonstrate the proposed net's superior accuracy and convergence properties over the original backpropagation network or its existing improvement techniques.

• 대한전기학회논문지
• /
• 제39권9호
• /
• pp.985-996
• /
• 1990

An inverse kinematic solution of a robot manipulator using multilayer perceptrons is proposed. Neural networks allow the solution of some complex nonlinear equations such as the inverse kinematics of a robot manipulator without the need for its model. However, the back-propagation (BP) learning rule for multilayer perceptrons has the major limitation of being too slow in learning to be practical. In this paper, a new algorithm named Dynamically Reconfiguring BP is proposed to improve its learning speed. It uses a modified version of Kohonen's Self-Organizing Feature Map (SOFM) to partition the input space and for each input point, select a subset of the hidden processing elements or neurons. A subset of the original network results from these selected neuron which learns the desired mapping for this small input region. It is this selective property that accelerates convergence as well as enhances resolution. This network was used to learn the parity function and further, to solve the inverse kinematic problem of a robot manipulator. The results demonstrate faster learning than the BP network.

• 천문학회지
• /
• 제37권5호
• /
• pp.509-515
• /
• 2004

We present results from an extensive synthetic observation analysis of numerically-simulated radio galaxy (RG) jets. This analysis is based on the first three-dimensional simulations to treat cosmic ray acceleration and transport self-consistently within a magnetohydrodynamical calculation. We use standard observational techniques to calculate both minimum-energy and inverse-Compton field values for our simulated objects. The latter technique provides meaningful information about the field. Minimum-energy calculations retrieve reasonable field estimates in regions physically close to the minimum-energy partitioning, though the technique is highly susceptible to deviations from the underlying assumptions. We also study the reliability of published rotation measure analysis techniques. We find that gradient alignment statistics accurately reflect the physical situation, and can uncover otherwise hidden information about the source. Furthermore, correlations between rotation measure (RM) and position angle (PA) can be significant even when the RM is completely dominated by an external cluster medium.

• 한국CDE학회논문집
• /
• 제11권1호
• /
• pp.20-26
• /
• 2006

This paper presents a procedure to compute pencil curves from a triangular mesh which is offset with the radius of a given ball-end mill. An offset triangular mesh has numerous self-intersections caused by an abundance of invalid triangles, which do not contribute to the valid CL-surface. Conceptually, we can obtain valid pencil curves by combining all intersections tying on the outer skin of the offset triangular mesh, i.e., the valid CL-surface. The underlying concept of the proposed algorithm is that visible intersections are always valid for pencil curves, because visible intersections lie on the outer skin of the offset model. To obtain the visibility of intersections efficiently, the proposed algorithm uses a graphics board, which performs hidden surface removal on up to a million polygons per second.

• 한국정보통신설비학회:학술대회논문집
• /
• 한국정보통신설비학회 2009년도 정보통신설비 학술대회
• /
• pp.382-386
• /
• 2009

Online or sequential learning is one of the most basic and powerful method to train neuron network, and it has been widely used in disease detection, weather prediction and other realistic classification problem. At present, there are many algorithms in this area, such as MRAN, GAP-RBFN, OS-ELM, SVM and SMC-RBF. Among them, SMC-RBF has the best performance; it has less number of hidden neurons, and best efficiency. However, all the existing algorithms use signal normal distribution as kernel function, which means the output of the kernel function is same at the different direction. In this paper, we use multi-variable normal distribution as kernel function, and derive EKF learning formulas for multi-variable normal distribution kernel function. From the result of the experience, we can deduct that the proposed method has better efficiency performance, and not sensitive to the data sequence.