http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
전홍태,강훈,심귀보 한국뇌학회 2003 한국뇌학회지 Vol.3 No.1
생리학적인 대뇌 피질의 정보처리 모델을 모듈라 신경망을 이용하여 구현하였다. 컬러공간의 분류를 위해 향상된 가산 경쟁학습 모델을 제안하였으며, 강화학습의 한 분야인 분류자 시스템을 실제 환경에 적용할 때 생길 수 있는 문제를 해결하는 계층적 분류자 시스템을 제안한다. Biological information process of cerebral cortex has been implemented using modular neural network, We propose Additive Competitive Learning model that classifies color space and show that classify color space efficiently by using this competitive learning model. Layered classifier system to solve problems when we apply classifier system to real world problem is proposed.
시간-주파수 분석을 이용한 모듈라 신경망의 최적 구조 설계
전홍태,서재용 중앙대학교 미래신기술연구소 2001 미래신기술연구소 논문집 Vol.10 No.1
본 논문에서는 새로운 구조의 모듈라 시스템의 최적구조 설계 알고리즘을 제안하였다. 모듈라 시스템은 구조의 단순화와 시간-주파수 분석법을 이용하기 위해 웨이블릿 신경망으로 구성하였다. 제안한 최적구조 설계 알고리즘을 이용하여 근사화대상함수의 시간-주파수 특성을 분석하여 모듈의 개수와 부-시스템의 노드의 개수를 결정할 수 있다. 제안한 최적구조 설계 알고리즘은 시스템의 특성을 분석하여 모듈라 웨이블릿 신경망의 최적구조를 설계할 수 있는 방법론을 제공할 수 있다. 제안한 새로운 구조와 최적구조 설계 알고리즘을 근사화 문제에 적용하여 우수성을 검증하였다.
유전 알고리즘을 이용한 직교 기저함수 기반의 혼합 신경회로망 구조
전홍태,김성주 중앙대학교 미래신기술연구소 2001 미래신기술연구소 논문집 Vol.10 No.2
신경회로망의 차원 확장에 따른 기하급수적인 학습량의 증가 문제를 극복하기 위해 직교성을 지닌 웨이블릿 함수로 구성된 웨이블릿 신경회로방이 제안되었다. 웨이블릿 함수의 경우 스케일링 함수에서 비롯되었으며, 스케일과 중심을 결정함으로써 신경회로망의 노드로 구성된다. 본 논문에서는 웨이블릿 함수를 이용하여 망을 구성하는 과정에 스케일링 함수를 함께 사용하여 은닉층의 노드로 복합 구성한 구조를 제안하고자 한다. 제안한 구조의 특징은 스케일링 함수를 이용하여 미세 근사(fine approximation)를 행하도록 신경회로망의 은닉층을 복합 구성하는데 있다. 또한, 복합 신경회로망을 구성하는 과정에서 미세 근사에 필요한 웨이블릿 함수의 개수를 유전 알고리즘을 이용하여 결정하여 초기 구조의 최적화를 도모하고자 한다. 이렇게 구성된 신경회로망은 오차역전과 알고리즘을 이용하여 가중치를 학습한다. To overcome the curse of dimensionality in the neural network, the wavelet neural network(WNN) which uses the orthogonal basis function in the fidden node is proposed. The wavelet functions are from scaling function and can be used as a activation function in the hidden node of the network by deiding two parameters such as scale and center, In this paper, we would like to propose the mixed structure. When we compose the WNN using wavelet functions, we set a single scale function as a node function together. The properties of the proposed structure is that while one scale function approximates the target function roughly, the other wavelet functions approximate it finely. During the determination of the parameters, the wavelet functions can be determined by the global search algorithm such as genetic algorithm to be suitable for the suggested problem. Finally, we use the back-propagation algorithm in the learning of the weight.