• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.587-590
• /
• 2004

본 논문에서는 고정점 알고리즘의 독립성분분석을 이용한 얼굴인식을 제안하였다. 여기서 고정점 알고리즘은 뉴우턴법에 기초한 것으로 빠른 인식을 위함이고, 독립성분분석의 이용은 통계적으로 독립인 기저영상을 효과적으로 추출하기 위함이다. 제안된 기법을 Yale 얼굴영상 데이터베이스로부터 선택된 20개의 $320{\ast}243$ 픽셀의 영상을 대상으로 시뮬레이션한 결과, 주요성분의 개수에 따른 압축성능과 city-block, Euclidian, 그리고 negative angie의 거리척도에 따른 분류에서 우수한 인식성능이 있음을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제12권3호
• /
• pp.210-218
• /
• 2002

본 연구에서는 근사화된 학습알고리즘의 신경망 기반 독립성분분석에 의한 효율적인 복합영상 분리기법을 제안하였다. 제안된 학습알고리즘은 엔트로피 최적화론 위한 목적함수의 판을 구하기 위해, 도함수 계산을 요구하는 뉴우턴법 대신 단순히 함수 값만을 이용하여 계산을 근사화한 할선법 기초한 고정점 알고리즘이다. 이렇게 하면 뉴우턴법에서 요구되는 복잡한 도함수의 계산과정을 간략화 할 수 있어 고정점 알고리즘의 독립성분분석이 가지는 학습성능을 더욱 더 개선시킬 수 있다. 제안된 학습알고리즘의 독립성분분석 기법을 500개의 샘플을 가지는 4개 신호와 $512{\times}512$의 픽셀을 가지는 10개의 영상을 대상으로 임의의 혼합행렬에 따라 발생되는 복합신호 및 복합영상들을 시뮬레이션하였다. 시뮬레이션 결과, 기존의 뉴우턴법에 기초한 고정점 알고리즘의 분석기법보다 빠른 학습속도와 개선된 분리성능이 있음을 확인하였다. 특히 기존의 알고리즘에서 임의로 선정되는 초기값에 의존하는 학습성능과 대규모의 영상분리에서 발생될 수 있는 비현실적인 학습시간도 함께 해결할 수 있음을 확인할 수 있었다.

• 한국음향학회지
• /
• 제29권4호
• /
• pp.270-277
• /
• 2010

본 논문에서는 독립 성분 분석 기법과 적응 지각 필터를 이용하여 잡음에 오염된 신호에서 잡음을 추정 및 제거함으로서 보다 효율적으로 오디오 신호를 개선하는 방법에 대해 제안한다. 기존의 적응 지각 필터는 묵음 구간에서 추정된 고정적인 추정 잡음을 사용하기 때문에 잡음이 시간에 따라 가변적일 경우 성능이 상당히 저하된다. 그러나 제안된 알고리즘은 독립 성분 분석 기법을 이용하여 신호 구간마다 달라지는 잡음을 추정한 후 이를 적응 지각 필터에 적용시켜 준다. 제안된 알고리즘의 성능 분석을 위하여 기존 및 제안된 알고리즘을 이용한 시뮬레이션을 수행하였으며, 그 결과로 제안된 알고리즘은 기존의 알고리즘에 비해 향상된 결과를 생성하였다. 더불어 음질의 열화도 적음을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제15권4호
• /
• pp.2170-2178
• /
• 2014

본 연구에서는 작업수행시의 집중상태 변화를 검출하기 위하여 2011년 1~2월 동안 집중을 유발하는 시각유발자극에 대하여 생체신호를 측정한 피험자들 중 한명의 뇌파신호를 분석하였다. 두피에서 측정한 뇌파신호로부터 집중관련 뇌 안에서의 발원 신호와 안구운동잡음 신호를 분리하기 위하여 독립성분 분석기법을 측정뇌파 신호에 적용하였다. 안구운동잡음신호가 제거된 집중관련 신호원을 단시간 푸리에 변환하여 주파수 성분 신호를 연속적으로 축적함으로서 시변 특징 형태를 나타내는 에포크 그래프와 스펙트럴 칼라 맵에서의 도식 표현상 규칙성을 향상 시킬 수 있었다. 추출한 감각운동리듬 (SMR: 12-15Hz)과 세타파 리듬 (4-7Hz)관련 집중 지표는 집중시험시간이 경과함에 따라 증가 하였다. 실험을 통하여 단시간 푸리에 변환과 결합한 독립성분 분석기법은 참여자의 집중상태 변화를 분석하는데 사용 할 수 있을 것이다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 춘계학술발표대회논문집
• /
• pp.138-141
• /
• 2003

본 연구에서는 뉴우턴법의 고정점 알고리즘에 학습파라미터를 추가한 새로운 고정점 알고리즘의 신경망 기반 독립성분분석기법을 제안하였다. 이는 목적함수의 1차 미분을 이용하는 뉴우턴법에서 역혼합행렬의 경신을 빠르게 하기 위함이고, 모멘트는 접선을 구하는 과정에서 함수의 기울기변화에 따른 발진을 줄여 좀 더욱 더 빠른 학습을 하기 위함이다. 제안된 기법을 512×512 픽셀의 5개 영상으로부터 임의의 혼합행렬에 따라 발생되는 영상들을 각각 대상으로 시뮬레이션 한 결과, 기존의 고정점 알고리즘은 학습파리미터에 영향을 받으며, 적절한 파라미터값의 설정(학습율 1, 모멘트 0.0001)은 보다 우수한 분리성능과 빠른 분리속도를 얻을 수 있음을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.809-812
• /
• 2004

본 논문에서는 다중해상도에서 기존의 그레이 블록 거리(grey block distance; GBD, 이하 GBD)알고리즘과 비교하여 이차원 영상간의 상대적 식별을 더 용이하게 하기 위한 새로운 GBD 알고리즘 방법을 제안한다. 이 제시된 방법은 다중해상도에서 기존의 GBD 알고리즘과 비교해서 영상이 급격히 변화하는 부분의 정보를 잃지 않게 개선할 수 있었다. 모의 실험 예로서 주성분분석(principal component analysis; 이하 PCA)기법과 독립성분분석(independent component analysis; 이하 ICA)기법을 적용하여 유용성과 제안된 방법이 이전의 연구보다 k가 감소할 때 편차는 줄어들어 좋은 영상 분류 특징을 보였으며, ICA가 PCA에 비하여 영상간의 상대적 식별을 용이하게 하여 빨리 수렴이 되는 것을 모의 실험을 통하여 확인하였다.

• 소음진동
• /
• 제2권1호
• /
• pp.3-14
• /
• 1992

음장의 공간적 변환(Spatial Transformation of Sound Field; STSF)기법의 주요 원리를 간단히 소개한 뒤, STSF에서 Reference 신호의 사용을 보다 상세히 취급하고자 한다. Reference의 보통의 형태(표준 Reference)는 음장 모델에 포함될 전체음장의 일부분, 즉 이 Reference의 연관이 있어 포함될 부분을 결정한다. 결국 한 개 의 표준 Reference는 항상 적용되어져야 한다. 2번째 Reference의 형태(삭제용 Reference)는 모델로부터 원치 않는 무관한 음장성분을 제거하는데 적용된다. 이 Reference와 밀접한 음장 부분이 모델로부터 제거될 것이고, 그렇지 않는 경우는 포함된다. 실제 예에서는 삭제용 Reference가 암소음의 억제와, 음원의 어떤 독립 적인 성분의 억제를 위해 어떻게 적용되는가를 보인다.

• 한국음향학회지
• /
• 제35권2호
• /
• pp.110-117
• /
• 2016

수동소나 시스템에서는 함정의 소음원에서 발생하는 방사 소음을 분석하여 표적을 탐지 및 식별한다. 소나의 탐지 범위 안에 다수의 소음원이 존재하면 신호를 분석할 때 각 소음원에서 나오는 성분들이 혼합되어 각각의 소음원을 규명하기가 어렵다. 이를 해결하기 위해 일반적으로는 배열 센서를 이용한 빔을 형성하여 소음원의 신호를 공간적으로 분리하는 기법이 사용되지만 환경에 따라 여전히 어려운 점이 있다. 본 연구에서는 수동소나 표적신호를 분리하기 위한 새로운 방법으로 주파수영역 독립성분분석(FDICA: Frequency Domain Independent Component Analysis)을 적용하고, 혼합된 표적신호를 분리하는 모의실험을 수행하여 그 타당성을 검증하였다. 표적신호 합성을 위한 특징 정보로는 기계류 토널 성분 및 프로펠러 성분을 사용하였고, 분리 전 후의 결과를 LOFAR(Low Frequency Analysis and Recording), DEMON(Detection Envelope Modulation On Noise) 분석을 통해 비교하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 춘계학술발표논문집 (상)
• /
• pp.313-316
• /
• 2001

본 논문에서는 입력변수들의 차원을 감소시켜 polynomial adaline의 성능을 개선하는 방법을 제안하였다. 제안된 방법에서는 적응적 학습알고리즘의 주요성분분석 기법을 이용하여 입력변수의 특징을 추출하고 이를 polynomial adaline의 학습데이터로 이용하였다. 이는 주요성분분석 기법이 가지는 대용량의 입력 데이터를 통계적으로 독립인 특징들의 집합으로 변환시키는 속성을 살려 입력데이터의 차원을 감소시킴으로서 고차원의 데이터에 따른 polynomial adaline이 가지는 제약을 해결하기 위함이다. 제안된 기법의 polynomial adaline을 5 개의 입력변수를 가진 패턴분류 문제에 적용하여 시뮬레이션한 결과, 기존의 다차원 polynomial adaline보다 더욱 우수한 분류성능이 있음을 확인할 수 있었다. 그리고 커널함수의 평활요소 설정 면에서도 우수한 특성이 있음을 확인할 수 있었다.

• 한국정보처리학회논문지
• /
• 제7권11호
• /
• pp.3408-3416
• /
• 2000

본 논문에서는 독립변수들의 특징을 추출하여 패턴층 뉴런의 중앙값을 이용함으로써 일반회귀 신경망의 성능을 개선하는 방법을 제안하였다. 제안된 방법에서는 적응적 학습 알고리즘의 주요성분분석 기법을 이용하여 회귀분석에 이용되는 데이터의 각 독립변수들의 집합으로 변환시키는 특징을 살려 일반회귀 신경망의 성능을 더 개선하기 위함이다. 제안된 기법의 일반회귀 신경망을 2개의 독립변수 집합을 가진 Solow의 경제문제와 4개의 독립변수 집합을 가진 국내 유선전화문제에 각각 적용하여 시뮬레이션한 결과, 중심값을 각 독립변수들의 평균이나 가중평균을 이용하는 일반회귀 신경망에 의한 결과와 비교할 때 더욱 우수한 회귀성능이 있음을 확인할 수 있었다. 그리고 신경망의 뉴런 수나 평활요소의 설정 면에서도 우수한 특성이 있음을 확인할 수 있었다.