http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
평형 상태로의 수렴을 보장하는 병렬 Hopfield 신경망
박찬희(Chanhee Park),낭종호(Jongho Nang),김진석(Jinsuk Kim),윤현수(Hyunsoo Yoon) 한국정보과학회 1994 정보과학회논문지 Vol.21 No.2
본 논문에서는 대세 프로토콜이라 불리는 새로운 상태 변경 법칙을 갖는 병렬 Hopfield 신경망 모델을 제안한다. 기존의 Hopfield 신경망은 병렬로 작동할 경우 진동할 수 있다는 문제점을 가지고 있다. 그러나 본 논문에서 제안한 병렬 Hopfield 신경망은 대세 프로토콜의 특성으로 인해 평형 상태로의 수렴을 보장한다. 대세 프로토콜에 의해 동작하는 신경망의 상태 변경이 있을 때면 언제나 신경망의 consensus가 단조 증가함을 보임으로서 제안한 모델의 평형 상태로의 수렴 성질을 수학적으로 증명하였다. 대세 프로토콜의 유용성을 보이기 위해 Hopfield 신경망에 잘 알려진 최적화 문제를 적용해 순차적 처리를 하는 컴퓨터와 실제의 병렬 컴퓨터상에서 시뮬레이션한다. 시뮬레이션 결과 대세 프로토콜을 갖고 병렬로 동작하는 새로운 Hopfield 모델은 기존의 Hopfield 모델의 해의 최적도를 유지하면서 빠르게 평형 상태로 수렴함을 알 수 있다. In this paper, a parallel Hopfield model with a new state updating rule, called the majority protocol is proposed While the original Hopfield network may oscillate if it operates in parallel, the stable-state convergence of the proposed parallel Hopfield network is guaranteed thanks to the novel concept of the majority protocol. The stable-state convergence property of the proposed network is theoretically proved. In order to demonstrate the usefulness of the majority protocol, we simulate the parallel Hopfield network applied to well-known combinatorial optimization problems on sequential computer and actual parallel computer. Simulation results show that new Hopfield model operates in parallel with the stable-state convergence and comparable solution-quality to the original sequential Hopfield model.
Virtual Metrology Modeling of Time-Dependent Spectroscopic Signals Using a Fused Lasso Algorithm
Chanhee Park(박찬희),Seoung Bum Kim(김성범),Jae Hong Yu(유재홍),Yong Joon Park(박영준),Su Gon Cho,Hyun Lee(이현),Baejin Lee(이배진),Younghoon Son(손영훈),Sangkil Lee(이상길),Chunsam Jun(전춘삼),Kyupil Lee(이규필) 한국경영과학회 2014 한국경영과학회 학술대회논문집 Vol.2014 No.5
Multi-Channel PCNN 모델을 활용한 약물-약물 상호작용 관계 추출
박찬희(Chanhee Park),조민수(Minsoo Cho),박장원(Jangwon Park),박상현(Sanghyun Park) 한국컴퓨터정보학회 2019 한국컴퓨터정보학회 학술발표논문집 Vol.27 No.1
DDI 추출은 생물 의학 문헌으로부터 약물-약물 상호작용(Drug-Drug Interaction) 관계를 추출하는 작업으로, 기존에 알려지지 않은 인체 내 약물 간의 효과 또는 부작용 정보를 제공하는데 중요한 역할을 한다. 본 연구에서는 PCNN 모델을 활용하여 특징추출 과정을 자동화하고 약물 개체 간의 구조 정보를 포착해 개체 간 관계를 효율적으로 추출하였으며, 생물 의학 문헌에서 쓰이는 생소한 용어를 보다 풍부하게 표현하기 위해 5가지 버전의 단어 임베딩을 PCNN의 채널로 사용하였다. 본 연구에서 제안하는 MC-PCNN 모델의 성능 평가를 위해 DDI’13 Corpus 데이터를 사용하여 비교 실험을 진행하였으며, 그 결과 기존 연구 보다 F1 점수 기준 최대 2.05%p 향상된 성능을 보이며 DDI 관계 추출에서 효과적인 방법론임을 확인하였다.
박찬희(Chanhee Park),김민유(Minyu Kim),최재완(Jaewan Choi),최영훈(Younghoon Choi) 항공우주시스템공학회 2024 항공우주시스템공학회 학술대회 발표집 Vol.2024 No.5
최근 AI 기술이 발전함에 따라 항공분야에서도 AI 기반 기술을 적용하려는 노력이 늘고 있다. 이러한 항공산업계의 움직임과 함께 세계 주요국에서는 체계적인 AI 활용을 위해서 AI 로드맵을 개발하고 있다. 유럽은 신뢰성 분석과 이를 뒷받침할 AI 보증, 인간-AI 상호작용, AI 안전 위험 완화라는 기술 구성 요소에 대한 지침을 만들고 있고 미국은 AI 사용 사례에 관한 검증 과제와 요구 사항의 목록을 작성하여 이를 해소할 방안을 모색하고 있다. 본 논문에서는 유럽과 미국의 AI 로드맵을 비교분석하여 국내 항공분야에서 AI 기반 기술 개발 및 활용을 위한 기초 정보를 제공하고자 한다.