• Progress in Medical Physics
• /
• v.18 no.1
• /
• pp.20-26
• /
• 2007

It is expected that synaptic construction and electrical characteristics In degenerate retina might be different from those In normal retina. Therefore, we analyzed the retinal waveform recorded with multielectrode array in normal and degenerate retina using principal component analysis (PCA) and Independent component analysis (ICA) and compared the results. PCA Is a well established method for retinal waveform while ICA has not tried for retinal waveform analysis. We programmed ICA toolbox for spatiotemporal analysis of retinal waveform. In normal mouse, the MEA spatial map shows a single hot spot perfectly matched with PCA-derived ON or OFF ganglion cell response. However In rd/rd mouse, the MEA spatial map shows numerous hot and cold spots whose underlying interactions and mechanisms need further Investigation for better understanding.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.325-329
• /
• 2002

본 연구에서는 할선법과 모멘트를 조합한 학습알고리즘의 신경망 기반 독립성분분석 기법을 제안하였다. 제안된 알고리즘은 할선법과 모멘트에 기초를 둔 고정점 알고리즘의 독립성분분석 기법이다. 여기서 할선법은 독립성분 상호간의 정보를 최소화하기 위해 negentropy를 최대화는 과정에서 요구되는 1차 미분에 따른 계산량을 줄이기 위함이고, 모멘트는 최대화 과정에서 발생하는 발진을 억제하여 보다 빠른 학습을 위함이다. 제안된 기법을 256×256 픽셀의 8개 지문영상에서 임의 혼합행렬에 따라 발생되는 혼합지문들을 각각 대상으로 시뮬레이션한 결과, 할선법만에 기초한 기법보다 우수한 분리성능과 빠른 학습속도가 있음을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11b
• /
• pp.569-572
• /
• 2003

본 연구에서는 뉴우턴법에 기초한 고정점 알고리즘의 신경망 기반 독립성분분석에 kurtosis를 추가한 독립성분의 군집화를 제안하였다. 여기서 뉴우턴법의 고정점 알고리즘은 엔트로피에 기초한 목적 함수의 근을 구하는 근사화 방법으로 빠른 성분분석을 위함이고, kurtosis는 독립성분의 추출순서를 고려하지 않는 속성을 개선하기 위함이다. 제안된 기법을 256$\times$256 픽셀의 8개 혼합영상의 분리에 적용한 결과, 제안된 방법은 기존의 독립성분분석에서 분석순서를 고려치 않는 제약을 효과적으로 해결 할 수 있음을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.336-341
• /
• 2002

본 연구에서는 엔트로피 최적화를 위한 목적함수의 근을 구하기 위해 단순히 함수 값만을 이용하여 계산을 근사화한 할선법에 기초한 고정점 알고리즘의 독립성분분석 기법을 제안하였다. 이렇게 하면 기존의 뉴우턴법에 기초한 고정점 알고리즘에서 요구되는 복잡한 도함수의 계산과정을 간략화 할 수 있어 더 우수한 학습성능의 독립성분분석이 가능하다. 제안된 학습알고리즘의 독립성분분석 기법을 512$\times$512의 픽셀을 가지는 10개의 영상을 대상으로 임의의 혼합행렬에 따라 발생되는 혼합영상들을 실험하였다. 실험결과, 기존의 뉴우턴법에 기초한 고정점 알고리즘의 분석기법보다 빠른 학습속도와 개선된 분리성능이 있음을 확인하였다. 특히 기존의 알고리즘에서 임의로 설정되는 초기값에 덜 의존하는 학습성능이 있음도 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04b
• /
• pp.1037-1040
• /
• 2002

본 연구에서는 효율적인 학습알고리즘을 가지는 신경망 기반 독립성분분석 기법을 제안하였다. 제안된 기법은 할선법에 기초를 둔 fixed point 알고리즘의 신경망 기반 독립성분분석 기법이다. 여기서 할선법은 독립성분 상호간의 정보를 최소화하기 위해 negentropy를 최대화는 과정에서 요구되는 1차 미분에 따른 계산량을 줄이기 위함이다. 제안된 기법을 500개의 데이터를 가지는 4개 신호들로부터 임의의 혼합 행렬에 따라 발생되는 혼합신호들을 각각 대상으로 시뮬레이션 한 결과, 우수한 분리성능과 빠른 학습 속도가 있음을 확인하였다.

• The Korean Journal of Applied Statistics
• /
• v.19 no.1
• /
• pp.135-148
• /
• 2006

Independent component analysis (ICA) is a statistical method for transforming an observed high-dimensional multivariate data into statistically independent components. ICA has been applied increasingly in wide fields of spectrum application since ICA is able to extract unknown components of a mixture from spectra. We focus on application of ICA for separating independent sources and predicting each composition using extracted components. The theory of ICA is introduced and an application to a metal surface spectra data will be described, where subsequent analysis using non-negative least square method is performed to predict composition ratio of each sample. Furthermore, some simulation experiments are performed to demonstrate the performance of the proposed approach.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05b
• /
• pp.883-886
• /
• 2003

본 연구에서는 할선법과 모멘트의 고정점 알고리즘 독립성분분석을 이용하여 영상의 특징을 추출하는 기법을 제안하였다. 여기서 할선법은 독립성분 상호간의 정보를 최소화하기 위한 목적함수의 최적화 과정에서 요구되는 1차 미분에 따른 계산을 간략화하기 위함이고, 모멘트는 최적화 과정에서 발생하는 발진을 억제하여 보다 빠른 학습을 위함이다. 제안된 기법을 $256{\times}256$ 픽셀의 10개 지문영상에서 선택된 각각 10,000개의 3가지 영상패치들을 대상으로 적용한 결과, 제안된 기법은 뉴우턴법이나 할선법의 알고리즘 보다도 빠른 특징추출 속도가 있음을 확인하였다 한편 추출된 $16{\times}16$ 펙셀의 160개 독립성분 기저벡터 각각은 영상 각각에 포함된 공간적인 주파수 특성과 방향성을 가지는 경계 특성이 잘 드러나는 국부적인 특징들임을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.320-324
• /
• 2002

본 연구에서는 모멘트와 뉴우턴법 및 모멘트와 할선법에 각각 기초한 고정점 알고리즘의 신경망 기반 독립성분분석 기법을 제안하였다. 여기서 뉴우턴법과 할선법은 각각 엔트로피에 기초한 목적함수의 근을 구하는 근사화 방법으로 빠른 경신을 위함이고, 모멘트는 근사화에 의한 역혼합행렬의 경신과정에서 발생하는 발진을 줄여 좀 더 빠른 학습을 위함이다. 제안된 기법을 256×256 픽셀(pixel)의 8개 지문영상으로부터 임의의 혼합행렬에 따라 발생되는 영상들을 각각 대상으로 시뮬레이션 한 결과, 모멘트와 할선법에 기초한 알고리즘이 모멘트와 뉴우턴에 기초한 알고리즘보다 우수한 분리성능과 빠른 학습속도가 있음을 확인하였다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2001.06a
• /
• pp.285-288
• /
• 2001

In this paper, we proposed new method of speech feature extraction using ICA(Independent Component Analysis) which minimized the dependency and correlation among speech signals on purpose to separate each component in the speech signal. ICA removes the repeating of data after finding the axis direction which has the greatest variance in input dimension. We verified improvement of speech recognition ability with training and recognition experiments when ICA compared with conventional mel-cepstrum features using HMM. Also, we can see that ICA dealt with the situation of recognition ability decline that is caused by environmental noise.

• Journal of the Korean Institute of Telematics and Electronics C
• /
• v.35C no.10
• /
• pp.48-58
• /
• 1998

We present a method that can recognize face images using independent component analysis that is used mainly for blind sources separation in signal processing. We assumed that a face image can be expressed as the sum of a set of statistically independent feature images, which was obtained by using independent component analysis. Face recognition was peformed by projecting the input image to the feature image space and then by comparing its projection components with those of stored reference images. We carried out face recognition experiments with a database that consists of various varied face images (total 400 varied facial images collected from 10 per person) and compared the performance of our method with that of the eigenface method based on principal component analysis. The presented method gave better results of recognition rate than the eigenface method did, and showed robustness to the random noise added in the input facial images.