• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.9 no.3
• /
• pp.684-689
• /
• 2005

In this paper, we propose car license plate recognition using morphological information and an enhanced neural network. Morphological information on horizontal and vertical edges was used to extract the license plate from a car image. We used a contour tracking algorithm combined with the method of histogram and location information to extract individual characters in the extracted plate. The enhanced neural network is proposed for recognizing them, which has the method of combining the ART-1 and the supervised teaming method. The proposed method has applied to real world car images. The experimental results show that the proposed method has better the extraction rates than the methods with information of the thresholding, the RGB and the HSI, respectively. And the proposed neural network has better recognition performance than the conventional neural networks.

• Journal of the Korean Society of Propulsion Engineers
• /
• v.10 no.2
• /
• pp.102-109
• /
• 2006

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.

• Journal of KIISE:Software and Applications
• /
• v.28 no.2
• /
• pp.132-140
• /
• 2001

야외에서 인지되는 자연 경치는 다양한 개체, 빛의 산란, 또는 변화를 주는 많은 요소들 때문에 컴퓨터 영상처리에서 인식하기가 쉽지 않다. 본 논문에서는 다층 인지 신경망을 이용하여 도로가 포함된 야외영상에 나타나는 개체들을 인식하는 방법을 연구하였다. 자연 영상을 영역화한 후, 각각의 영역들에 대하여 색상과 기하학적인 특성에 근거하여 특성벡터를 추출하고 이를 신경망에 입력하여 각 영역을 구분하는 2단계의 알고리듬을 제안한다. 먼저 야외 영상들을 개선된 영역 확장법과 병합과정에 의하여 개체별로 영역화하였다. 영역화된 연상은 자연 영상과 함께 영상 데이타베이스에 저장되고, 이 자료들을 이용하여 각 영역의 특성벡터를 계산하였다. 이 특성 벡터를 구성된 신경망의 입력층에 전달하면, 각 영역은 27개의 개체 중의 하나로 출력층에서 인식된다. 제안된 방법은 학습에 사용된 데이타, 학스베 사용되지 않은 새로운 데이타, 그리고 모두 합하여 놓은 데이타의 세가지 데이타 군에서 무작위로 선별하여 인식률을 측정하였다. 학습된 데이타에서는 99.4%까지의 인식률을 보여주었고, 학습되지 않은 데이타에 대해서도 최고 89.1%까지의 인식률을 나타내었다. 제안된 방법은 평균적으로 88.1%~97.9%의 인식률을 보여주어 자연 경치의 인식에 신뢰성이 있는 방법으로 사용될 수 있음을 증명하였다.

• Annual Conference of KIPS
• /
• 2022.05a
• /
• pp.528-530
• /
• 2022

심층강화학습에 완전 연결 신경망과 합성곱 신경망은 잘 활용되는 것에 반해 순환 신경망은 잘 활용되지 않는다. 이는 강화학습이 마르코프 속성을 전제로 하기 때문이다. 지금까지의 강화학습은 환경이 마르코프 속성을 만족하도록 사전 작업이 필요했다, 본 논문에서는 마르코프 속성을 따르지 않는 환경에서 이러한 사전 작업 없이도 순환 신경망의 은닉 상태를 통해 마르코프 속성을 학습함으로써 학습 성능을 개선할 수 있다는 것을 소개한다.

• The KIPS Transactions:PartB
• /
• v.8B no.4
• /
• pp.327-334
• /
• 2001

본 논문에서는 기울기하강과 동적터널링이 조합된 학습알고리즘의 다층신경망을 이용한 고신회성의 회귀분석 모델을 제안하였다. 기울기하강은 빠른 수렴속도의 최적화가 가능하도록 하기 위함이고, 동적터널링은 국소최적해를 만났을 때 이를 벗어난 새로운 연결가중치를 설정하여 전역최적해로 수렴되도록 하기 위함이다. 또한 대용량의 입력 데이터를 통계적으로 독립인 특징들의 집합으로 변환시키는 주요성분분석 기법의 속성을 살려 학습데이터의 차원을 감소시킴으로서 고차원의 학습데이터에 따른 회귀분석 모델의 제약도 동시에 해결하였다. 제안된 기법의 신경망을 3개의 독립변수 패턴을 가진 암모니아 제조공정문제와 10개의 독립변수 패턴을 가진 자동차 연비문제에 각각 적용하여 시뮬레이션한 결과, 기존의 역전과 알고리즘의 신경망이나 주요성분분석에 의한 차원을 감소시키지 않은 학습패턴을 이용한 신경망보다 각각 더욱 우수한 학습성능과 회귀성능이 있음을 확인할 수 있었다. 또한 학습패턴의 영평균 정규화로 회귀용 신경망의 성능을 더욱 더 개선하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.1
• /
• pp.63-69
• /
• 2010

Ensemble is one of widely used methods for improving the performance of classification and prediction models. Two popular ensemble methods, Bagging and Boosting, have been applied with great success to various machine learning problems using mostly decision trees as base classifiers. This paper performs an empirical comparison of Boosted neural networks and traditional neural networks on bankruptcy prediction tasks. Experimental results on Korean firms indicated that the boosted neural networks showed the improved performance over traditional neural networks.

• Proceedings of the KIEE Conference
• /
• 2002.07d
• /
• pp.2152-2154
• /
• 2002

신경망을 이용한 적응제어는 학습능력에 따라 외란작용에 스스로 대처하고, 정밀한 제어가 가능하지만 학습파라미터가 최적화되기 전에는 불안정한 제어응답을 보인다. 퍼지논리는 전문가의 경험을 논리화한 것으로 제어특성은 좋으나, 외란에 대한 적응력이 부족하여 계속적인 오프셋이 발생할 수 있다. 따라서, 퍼지와 신경망을 시스템의 동특성에 따라 혼용한 제어방식을 제시하고, 시뮬레이션으로 시간지연이 있는 CSTH의 온도와 비선형 공정인 pH 중화공정에 적용하여 단순신경망 제어어보다 개선된 제어응답 특성을 얻었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.350-352
• /
• 2000

위성이 보내어오는 영상의 량은 인간이 일일이 실시간으로 검색할 수 없을 정도의 방대한 양이다. 그러므로 위성이 보내어오는 영상을 자동적으로 빠른 시간내에 분석하기 위하여 원패스로 성질이 유사한 영역을 묶어서 분류하는 알고리즘이 필요하다. 본 연구에서는 자기조직화 신경망(SOM)을 인공위성 영상을 원패스에 분할할 수 있도록 학습방법을 개선하였으며 개선된 SOM 알고리즘이 같은 원패스 알고리즘인 온라인 K-means과 비교하여 유효함을 알 수 있었다.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.6
• /
• pp.1327-1336
• /
• 2017

In this study, the problems in the short term stock market forecasting are analyzed and the feasibility of the ARIMA method and the backpropagation neural network is discussed. Neural network and genetic algorithm in short term stock forecasting is also examined. Since the backpropagation algorithm often falls into the local minima trap, we optimized the backpropagation neural network and established a genetic algorithm based on backpropagation neural network for forecasting model in order to achieve high forecasting accuracy. The experiments adopted the korea composite stock price index series to make prediction and provided corresponding error analysis. The results show that the genetic algorithm based on backpropagation neural network model proposed in this study has a significant improvement in stock price index series forecasting accuracy.

• The Transactions of the Korea Information Processing Society
• /
• v.7 no.11
• /
• pp.3408-3416
• /
• 2000

This paper proposes an efficient method for improving the performance of a general regression neural network by using the feature to the independent variables as the center for partern-layer neurons. The adaptive principal component analysis is applied for extracting, efficiently the fcarures by reducing the dimension of given independent variables. In can acluevc a supertor property of the principal component analysis that converts input data into set of statistically independent features and the general regression neuralnetwork, espedtively. The proposed general regression neural network has been applied to regress the Solow's economy(2-independent variable set) and the wie elephone(1-independent vanable set). The simulation results show that the proposed meural networks have better performances of the regressionfor the lest data, in comparison with those using the means or the weighted means of independent variables. Also,it is affected less by the number of neurons and the scope of the smoothing factor.