초록

본 논문에서 항공기용 터보 축 엔진의 결함 진단 알고리즘을 개발하기 위해 Support Vector Machine(SVM)과 인공신경망(ANN)을 이용하였다. 신경망을 이용한 시스템은 비선형성이 과도한 데이터를 학습할 때 지역 최소점(Local Minima)에 빠져 분류 정확률이 낮아질 수 있다. 이러한 위험성을 보안하기 위해 SVM에 의한 ANN의 분할 학습 알고리즘(SLA)을 제안하였다. 이것은 SVM을 이용하여 결함 위치를 판별 한 후 신경망이 선택적으로 학습을 하는 방법으로 학습 데이터의 비선형성을 줄여 분류 정확률을 높이기 때문에 신경망을 단독으로 사용할 때보다 개선된 성능을 보여주었다.

Abstract

In this Paper, Support Vector Machine(SVM) and Artificial Neural Network(ANN) are used for developing the defect diagnostic algorithm of the aircraft turbo-shaft engine. The system that uses the ANN falls in a local minima when it learns many nonlinear data, and its classification accuracy ratio becomes low. To make up for this risk, the Separate Learning Algorithm(SLA) of ANN has been proposed by using SVM. This is the method that ANN learns selectively after discriminating the defect position by SVM, then more improved performance estimation can be obtained than using ANN only. The proposed SLA can make the higher classification accuracy by decreasing the nonlinearity of the massive data during the training procedure.

주제어

#지지 벡터 기계   #인공 신경망   #분할 학습 알고리즘  

저자의 다른 논문

참고문헌 (7)

1. 김기성, 황진수, "Support Vector Machine을 이용한 분류분석", 인하대학교 통계학과 대학원 석사 논문, 2003 
2. Stanislaw Osowski, Krzysztof Siwek, Tomasz Markiewicz, "MLP and SVM Networks - a Comparative Study", Proceedings of the 6th Nordic Signal Processing Symposium - NORSIG 2004 
3. 어상준, "Support Vector Machine을 이용한 문서 정보 기반의 단백질 기능 분류", 석사학위논문, 서울대학교 컴퓨터공학과, 2004 
4. K. Schittkowski, "QL: A Fortran Code for Convex Quadratic Programming - User's Guide, Version 2.1", University of Bayreuth , 2004 
5. Christopher J.C. Burges, "A Tutorial on Support Vector Machines for Pattern Recognition", Kluwer Academic Publishers, Boston, pp.1-433 
6. 오장민, "신경망 기반의 자연 언어 문서 검색", 석사학위논문, 서울대학교 컴퓨터공학과, 1999 
7. 강문식, 이상용, "데이터 마이닝을 위한 경쟁학습모델과 BP 알고리즘을 결합한 하이브리드형 신경망", 한국정보기술응용학회, 제9권 2호, 2002, pp.1-16 

이 논문을 인용한 문헌 (2)

1. Lee, Sang-Myeong ; Choi, Won-Jun ; Roh, Tae-Seong ; Choi, Dong-Whan 2007. "Defect Diagnostics of Gas Turbine with Altitude Variation Using Hybrid SVM-Artificial Neural Network" 한국추진공학회지 = Journal of the Korean Society of Propulsion Engineers, 11(1): 43~50  원문보기 상세보기
2. Yoo, Jin-Ho ; Lee, Dong-Ju 2007. "A Study on Improvement of Aiming ability using Disturbance Measurement in the Firing Vehicle" 한국추진공학회지 = Journal of the Korean Society of Propulsion Engineers, 11(2): 62~70  원문보기 상세보기