KR100763602B1 - 디지털 데이터 분해능 조절 방법 - Google Patents

Abstract

본 발명은 디지털 데이터 분해능 조절방법에 관한 것으로, 비선형 방법을 이용하여 데이터 변환의 분해능을 조절할 수 있는 방법에 관한 것이다. 이를 위한 본 발명의 데이터 변환의 분해능 조절 방법은 데이터 변환이 필요한 디지털값의 범위를 정하는 단계; 상기 디지털 값에 대응하여 출력될 디지털 입력값의 범위를 정하는 단계; 상기 디지털 값의 범위 및 상기 디지털 입력값의 범위에 따라 소정 분해능을 결정하는 단계; 및 상기 결정된 분해능에 의해 상기 입력 데이터와 상기 출력 데이터 사이의 대응 관계를 신경 회로망 알고리즘에 의해서 결정하는 단계;를 포함하며, 상기 소정 분해능은 1:1 내지 N:N의 관계를 가지는 것을 특징으로 한다. 따라서 하드웨어의 분해능을 높이지 않으면서 비선형 관계를 이용한 신경 회로망 방법을 적용하여 부분적으로 필요한 부분의 분해능을 높이는 효과를 가진다.

비선형 관계, 분해능, 신경 회로망 알고리즘

Description

디지털 데이터 분해능 조절 방법{Method of resolution adjustment for digital data}

도1은 종래의 데이터 변환 방법에 사용되는 입력 데이터에 대한 출력 데이터의 관계를 보여주는 그래프.

도2는 본 발명의 일 실시예에 따른 데이터 변환 방법을 설명하는 순서도.

도3은 본 발명의 데이터 변환의 분해능 조절 방법에 사용되는 신경 회로망을 설명하기 위하여 신경 회로망으로 사용되는 다층 퍼셉트론의 기본 구조를 보여주는 구조도.

도4는 입력 데이터와 출력 데이터 사이에 비선형 관계의 일예로서 2:1의 대응 관계를 가지는 데이터를 보여주는 도면.

도5는 도4의 관계를 그래프로 표시한 도면.

도6 내지 도8은 비선형 관계에 있는 데이터 변환의 다양한 변화를 보여주는 그래프.

본 발명은 디지털 데이터 분해능 조절방법에 관한 것으로, 보다 상세하게는 비선형 방법을 이용하여 데이터 변환의 분해능을 조절할 수 있는 디지털 데이터 분해능 조절방법에 관한 것이다.

현대의 산업에서 수많은 디지털 기기를 사용함에 따라 아날로그 데이터를 디지털로 변환하거나 디지털 데이터를 아날로그 데이터로 변환하는 데이터 변환이 필수적이다. 그런데 종래에 사용되는 데이터 변환은 입력 데이터에 출력 데이터를 대응시켜서 1:1로 변환시키는 것이 일반적이다.

도1은 종래의 데이터 변환 방법에 사용되는 입력 데이터에 대한 출력 데이터의 관계를 보여주는 그래프이다.

도1에 도시된 바와 같이, 입력 데이터와 출력 데이터는 1:1로 대응하며, 선형적인 관계에 의해서 서로 대응하여 변환된다.

예를 들어 아날로그 값의 범위가 0V~10V이고, 분해능이 16000인 PLC 모듈을 이용하여 디지털 입력 값을 입력한다. 디지털 입력 값이 하나씩 변화할 때 아날로그 값은 0.625 mV가 변하게 된다.

그런데 이것은 하드웨어가 이상적인 경우이고, 대부분의 하드웨어는 디지털 입력 값이 0일 때 OV를 출력하지 못하기 때문에 도면과 같이 오프셋(offset)과 게인(gain)을 조절하여 아날로그 값의 범위를 0V~10V일 때, 디지털 입력 값은 10~15980으로 변경시킨다.

이 경우에는 디지털 입력 값이 하나씩 변화할 때 아날로그 값은 0.626 mV 변화하게 된다.

그런데 종래의 데이터 변환 방법에서 이렇게 오프셋과 게인을 조절하여도 입력 데이터에 대응하는 출력 데이터의 관계가 선형적으로 변한다면, 오프셋에 관계없이 모든 입력 데이터에 대하여 동일한 분해능을 가지게 된다.

따라서 사용자가 어느 특정한 입력 범위에서 더 높은 분해능을 필요로 하는 경우 종래의 데이터 변환 방법으로는 전체 하드웨어의 분해능을 높이지 않으면 필요한 만큼 분해능을 높일 수 있는 방법이 없다.

따라서 본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위하여 이루어진 것으로, 본 발명의 목적은 필요한 경우에 하드웨어의 분해능을 높이지 않으면서 부분적으로 분해능을 높이는 효과를 가지는 데이터 변환 방법을 제공하는데 있다.

상기의 목적을 달성하기 위한 본 발명의 실시예에 따른 디지털 데이터의 분해능 조절 방법은, 데이터 변환이 필요한 디지털값의 범위를 정하는 단계; 상기 디지털값에 대응하여 출력될 디지털 입력값의 범위를 정하는 단계; 상기 디지털값의 범위 및 상기 디지털 입력값의 범위에 따라 소정 분해능을 결정하는 단계; 및 상기 결정된 분해능에 의해 상기 입력 데이터와 상기 출력 데이터 사이의 대응 관계를 신경 회로망 알고리즘에 의해서 결정하는 단계;를 포함하며, 상기 소정 분해능은 1:1 내지 N:N의 관계를 가지는 것을 특징으로 한다.

상기 신경 회로망 알고리즘은 다층 퍼셉트론 구조를 사용한다.

그리고, 상기 다층 퍼셉트론 구조는 입력층, 은닉층, 출력층으로 구성되어 각 층별로 다수의 노드를 가지며, 각각의 노드는 이전 층으로부터 전달되는 데이터에 가중치(W)를 곱하여 각 곱해진 데이터를 전부 합친 것을 해당 노드의 입력데이터로 받아들이는 것을 특징으로 하며,

이때 상기 가중치(W)는,

학습을 위한 입력데이터와 출력 데이터를 수집하여 입력 데이터에 대하여 목표하는 출력 데이터의 쌍을 구하는 단계; 입력 데이터에 의해서 신경 회로망의 각 출력 노드에서 실제 출력되는 데이터와 목표하는 출력 데이터를 비교하여 에러를 계산하는 단계; 각 출력 노드의 에러를 이용하여 이전 층의 노드와 연결되는 가중치를 조정하고 이전 층의 각 노드의 에러를 계산하는 단계; 및 상기 각 단계를 반복하여 모든 가중치를 변경함으로써 최종 출력 데이터의 허용 오차 범위 이내이면 가중치 변경을 완료하는 단계;에 의해 결정된다.

이하 첨부한 도면을 참조하여 본 발명의 일 실시예를 상세히 설명한다.

도2는 본 발명의 일 실시예에 따른 데이터 변환 방법을 설명하는 순서도이다.

도2에 도시된 바와 같이, 본 발명의 데이터 변환 방법에 따라서 데이터 변환이 사용되는 용도에 따라서 데이터 변환에 사용되는 입력 데이터의 범위를 정한다. 이때 사용되는 데이터 변환은 예를 들어 디지털과 아날로그 사이의 데이터 변환 등이 있다.

다음에 데이터 변환에 의해서 입력 데이터에 대응하는 출력 데이터의 범위가 정해진다. 그리고 사용되는 입력 데이터의 범위와 출력 데이터의 범위에 대하여 구 간에 따라 용도에 적합한 분해능을 결정한다.

여기서 입력 데이터는 도 5 내지 도 8에 도시된 디지털값이고, 출력 데이터는 도 5 내지 도 8의 디지털 입력값을 의미한다.

이때 분해능을 종래와 같이 입력 데이터 전체 범위나 출력 데이터 범위에서 일정한 분해능을 가지도록 하는 것이 아니고 데이터 변환의 용도에 따라서 입력 데이터의 범위나 출력 데이터의 범위를 예를 들어 2개 이상의 구간으로 분류하여 구간 별로 다른 분해능을 정하는 것이다.

이렇게 구간 별로 분해능을 조절함으로써, 데이터의 범위에 따라 높은 분해능을 필요로 하는 구간은 상대적으로 더 높은 분해능을 할당한다. 이는 다른 구간에 대하여 상대적으로 낮은 분해능을 할당함으로써 달성된다.

이렇게 결정된 분해능에 대응하는 입력 데이터와 출력 데이터의 관계를 신경 회로망 알고리즘에 의해서 결정한다.

신경 회로망은 인간의 뇌구조를 모델링한 인공 지능 제어 이론으로 본 발명에서는 데이터 변환을 위한 분해능을 증가시키는 용도로 적용하는 것이다.

도3은 본 발명의 데이터 변환의 분해능 조절 방법에 사용되는 신경 회로망을 설명하기 위하여, 신경 회로망으로 사용되는 다층 퍼셉트론의 기본 구조를 보여주는 구조도이다.

신경 회로망으로 사용된 다층 퍼셉트론은 입력층, 은닉층, 출력층으로 나누어지며, 각 층은 많은 수의 노드를 가지게 된다. 노드수가 많을수록 정확한 연산과 복잡한 비선형 계산이 가능하지만, 학습을 위한 데이터의 수와 학습시간에 많은 시 간이 필요하게 된다. 각 노드는 노도의 이전층에서 전달되는 데이터에 가중치(W)를 곱하고, 곱해진 데이터를 전부 더하면 해당 노드의 입력 데이터가 된다.

각 노드에서 다음층의 노드로 데이터가 전달될 때 곱해지는 가중치는 연결강도라고 불리며, 학습에 의해서 각 연결강도가 변경되어 최종 출력 값이 목표값에 도달하도록 한다.

이러한 학습을 위한 방법으로 오차 역전파 학습(error back propagation)을 적용하는 것이 바람직하다. 오차 역전파 학습은 다음과 같다.

우선 학습을 위한 입력 데이터 및 출력 데이터를 수집하고, 입력 데이터에 대하여 목표하는 출력 데이터의 쌍을 구한다. 이때 본 발명에서는 정해진 분해능을 가지도록 조절된 입력 데이터와 출력 데이터의 쌍을 의미한다.

다음에 입력 데이터에 의해서 신경 회로망의 각 출력 노드에서 실제 출력되는 데이터와 목표로 하는 출력 데이터를 비교하여 에러를 계산한다. 각 출력 노드의 에러를 이용하여 이전층의 노드와 연결되는 가중치를 조정하고 이전층에서 각 노드의 에러를 계산하게 된다.

그리고 이러한 과정을 반복하여 모든 가중치를 변경하고, 최종 출력 데이터의 오차가 허용오차 이하로 적어질 때까지 가중치를 변경한다. 이렇게 최종적으로 변경되어 결정된 가중치에 의해서 신경 회로망이 완성된다.

도4는 입력 데이터와 출력 데이터 사이에 비선형 관계의 일예로서 2:1의 대응 관계를 가지는 데이터를 보여주는 도면이고, 도5는 도4의 관계를 그래프로 표시한 도면이다.

도4 및 도5에 표시된 입력 데이터와 출력 데이터의 관계를 이용하여 예를 들어 디지털 입력값과 디지털값 사이의 데이터 변환을 조절하는 신경 회로망을 형성한다.

도6 내지 도8은 비선형 관계에 있는 데이터 변환의 다양한 변화를 보여주는 그래프이다.

본 발명의 데이터 변환 방법에 의해서 도6 내지 도8에 보인 다양한 비선형 관계의 데이터 변환을 실시하여 분해능을 조절할 수 있다.

이상에서, 본 발명의 구성 및 동작을 상기한 설명 및 도면에 따라 도시하였지만, 이는 예를 들어 설명한 것에 불과하며 본 발명의 기술적 사상 및 특허청구 범위를 벗어나지 않는 범위 내에서 다양한 변화 및 변경이 가능함은 물론이다.

상술한 바와 같이, 본 발명의 데이터 변환 방법에 의해서 하드웨어의 분해능을 높이지 않으면서 비선형 관계를 이용한 신경 회로망 방법을 적용하여 부분적으로 필요한 구간의 분해능을 높이는 효과를 가진다.

Claims (5)

1. 삭제
2. 디지털 데이터 분해능 조절 방법에 있어서,

   데이터 변환이 필요한 디지털값의 범위를 정하는 단계;

   상기 디지털값에 대응하여 출력될 디지털 입력값의 범위를 정하는 단계;

   상기 디지털값의 범위 및 상기 디지털 입력값의 범위에 따라 소정 분해능을 결정하는 단계; 및

   상기 결정된 분해능에 의해 상기 입력 데이터와 상기 출력 데이터 사이의 대응 관계를 신경 회로망 알고리즘에 의해서 결정하는 단계;를 포함하며,

   상기 소정 분해능은 1:1 내지 N:N의 관계를 가지는 것을 특징으로 하는 디지털 데이터 분해능 조절 방법.
3. 제 2항에 있어서,

   상기 신경 회로망 알고리즘은 다층 퍼셉트론 구조를 사용하는 것을 특징으로 하는 디지털 데이터 분해능 조절 방법.
4. 제 3항에 있어서,

   상기 다층 퍼셉트론 구조는 입력층, 은닉층, 출력층으로 구성되어 각 층별로 다수의 노드를 가지며, 각각의 노드는 이전 층으로부터 전달되는 데이터에 가중치(W)를 곱하여 각 곱해진 데이터를 전부 합친 것을 해당 노드의 입력데이터로 받아들이는 것을 특징으로 하는 디지털 데이터 분해능 조절 방법.
5. 제 4항에 있어서, 상기 가중치(W)는,

   학습을 위한 입력데이터와 출력 데이터를 수집하여 입력 데이터에 대하여 목표하는 출력 데이터의 쌍을 구하는 단계;

   입력 데이터에 의해서 신경 회로망의 각 출력 노드에서 실제 출력되는 데이터와 목표하는 출력 데이터를 비교하여 에러를 계산하는 단계;

   각 출력 노드의 에러를 이용하여 이전 층의 노드와 연결되는 가중치를 조정하고 이전 층의 각 노드의 에러를 계산하는 단계; 및

   상기 각 단계를 반복하여 모든 가중치를 변경함으로써 최종 출력 데이터의 허용 오차 범위 이내이면 가중치 변경을 완료하는 단계;에 의해 결정되는 것을 특징으로 하는 디지털 데이터 분해능 조절 방법.

Images