• Structural Engineering and Mechanics
• /
• 제63권2호
• /
• pp.237-249
• /
• 2017

The Self-Organization Feature Map as an unsupervised network is very widely used these days in engineering science. The applied network in this paper is the Self Organization Feature Map with constant weights which includes Kohonen Network. In this research, Reinforced Concrete Shear Wall buildings with different stories and heights are analyzed and a database consisting of measured fundamental periods and characteristics of 78 RC SW buildings is created. The input parameters of these buildings include number of stories, height, length, width, whereas the output parameter is the fundamental period. In addition, using Genetic Algorithm, the structure of the Self-Organization Feature Map algorithm is optimized with respect to the numbers of layers, numbers of nodes in hidden layers, type of transfer function and learning. Evaluation of the SOFM model was performed by comparing the obtained values to the measured values and values calculated by expressions given in building codes. Results show that the Self-Organization Feature Map, which is optimized by using Genetic Algorithm, has a higher capacity, flexibility and accuracy in predicting the fundamental period.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2002년도 추계학술대회논문초록집
• /
• pp.382.1-382
• /
• 2002

This paper presents a new approach integrated Case-Based Reasoning with Self- Organization Map(SOM) in diagnosis systems. The causes of faults are obtained by case-base trained from SOM. When the vibration problem of rotating machinery occurs, this provides an exact diagnosis method that shows the fault cause of vibration problem. In order to verify the performance of algorithm, we applied it to diagnose the fault cause of the electric motor.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2002년도 추계학술대회논문집
• /
• pp.832-835
• /
• 2002

This paper presents a new approach integrated Case-Based Reasoning with Self. Organization Map(SOM) in diagnosis systems. The causes of faults are obtained by case-base trained from SOM. When the vibration problem of rotating machinery occurs, this provides an exact diagnosis method that shows the fault cause of vibration problem. In order to verify the performance of algorithm, we applied it to diagnose the fault cause of the electric motor.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 추계학술대회
• /
• pp.995-998
• /
• 2013

본 논문에서는 자기 조직화 기능을 갖는 Kohonen의 SOM(Self Organization Map) 신경회로망에 2단계의 학습과정을 활용하여 항공영상에서 물체를 인근의 물체와 효과적으로 구별하기 위한 접근방법을 제안하고 실제의 항공영상에 적용하여 기존의 고전적인 K-means 알고리즘 및 원래의 SOM 알고리즘보다 우수함을 보인다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1168-1171
• /
• 2003

The visuo-motor map is based on the Kohonen's self-organizing map. The map is learned the relation of the end effecter coordinates and the joint angles. In this paper, a 3 d-o-fmanipulator which moves in the 2D space is targeted. A CCD camera is set beside the manipulator, and the end effecter coordinates are given from the image of a manipulator. As a result of learning, the end effecter can be moved to the destination without exact teaching.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.43-54
• /
• 2005

이본 논문에서는 Bayesian 영상 분할법과 SOM(Self Organization feature Map)을 이용한 텍스쳐(Texture) 분할 방법을 제안한다. SOM의 입력으로 다중 스케일에서의 웨이블릿 계수를 사용하고, 훈련된 SOM으로부터 관측 데이터에 대한 우도(尤度, likelihood)와 사후확률을 구하는 방법을 제시한다. 훈련된 SOM들로부터 구한 사후확률과 MAP(Maximum A Posterior) 분류법을 이용하여 텍스쳐 분할을 얻는다. 그리고 문맥 정보를 이용하여 텍스쳐 분할 결과를 개선하였다. 제안 방법은 HMT(Hidden Markov Tree)을 이용한 텍스쳐 분할보다 더 우수한 결과를 보여준다. 또한 SOM과 HMTseg라고 불리는 다중스케일 Bayesian 영상 분할 기법을 이용한 텍스쳐 분할 결과는 HMT와 HMTseg을 이용한 결과보다 더 우수한 성능을 보여준다.

• 한국경영과학회지
• /
• 제25권4호
• /
• pp.97-109
• /
• 2000

This work proposes a neural network approach to solve vehicle routing problems which have diverse application areas such as vehicle routing and robot programming. In solving these problems, classical mathematical approaches have many difficulties. In particular, it is almost impossible to implement a real-time vehicle routing with multiple vehicles. Recently, many researchers proposed methods to overcome the limitation by adopting heuristic algorithms, genetic algorithms, neural network techniques and others. The most basic model for path planning is the Travelling Salesman Problem(TSP) for a minimum distance path. We extend this for a problem with dynamic upcoming of new positions with multiple vehicles. In this paper, we propose an algorithm based on SOM(Self-Organization Map) to obtain a sub-optimal solution for a real-time vehicle routing problem. We develope a model of a generalized multiple TSP and suggest and efficient solving procedure.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2003년도 추계종합학술대회
• /
• pp.188-191
• /
• 2003

본 논문에서는 분산환경에서 데이터마이닝을 효율적으로 하기 위해 데이터 일반화과정으로 데이터 일반화 기법과 데이터 큐브구성 기법을 제안하였다. 그리고 일반화 과정 이후 생성된 데이터 큐브로부터 가장 유용한 데이터를 찾기 위한 방법으로 신경망의 전통적인 자기형상화기법을 응용한 동적 자기구성 지도기법을 제안하였고 이를 위한 시스템 구조를 설계하였다.

• 한국항공우주학회지
• /
• 제39권8호
• /
• pp.689-701
• /
• 2011

본 연구에서는 착빙 환경 요소와 결빙 형상 파라미터의 관계를 자가조직도와 분산분석을 활용하여 분석하였다. 결빙 형상에 영향을 미치는 외기 조건으로 자유류 속도, 대기온도, 대기중 물방울 함유량(LWC), 액적의 평균 직경(MVD)을 선정하였다. 그리고 결빙 형상의 특징이 되는 파라미터로 최대 두께, 결빙한계(Icing limit), 결빙 진행 방향, 결빙면적을 선정하였다. 자가 조직도의 결과는 결빙형상 파라미터에 관계가 있는 외기 조건에 대한 정성적인 관계를 제시하였고 분산분석의 결과는 형상 파라미터에 대한 외기 조건의 영향력의 상대적인 크기와 순위를 정량적으로 제시하였다.

• 한국물환경학회지
• /
• 제24권5호
• /
• pp.611-617
• /
• 2008

It is necessary to analysis the data characteristics of discharge and water quality for efficient water resources management, aggressive alternatives to inundation by flood and various water pollution accidents, the basic information to manage water quality in lakes and to make environmental policy. Therefore, the present study applied Self-Organizing Map (SOM) showing excellent performance in classifying patterns with weights estimated by self-organization. The result revealed five patterns and TOC versus rainfall-storage data according to the respective patterns were depicted in two-dimensional plots. The visualization presented better understanding of data distribution pattern. The result in the present study might be expected to contribute to the modeling procedure for data prediction in the future.