• 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.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2003.04a
• /
• pp.581-587
• /
• 2003

독립 요소 분석 (Independent Component Analysis: ICA)는 텍스처를 의미 있는 특징으로 변환하는 강인한 영상 필터를 생성하기 위한 확률적 방법이다. ICA는 고차통계적 특성을 사용하여 ICA 필터와 독립 요소를 동시에 학습한다. 제안한 분류 방법은 fast ICA 알고리즘을 사용하여 KOMPSAT 영상으로부터 ICA 필터를 생성한 다음, 필터에 의해 투영된 텍스처들의 특징들을 독립 평면상에서 무감독 방법으로 분류한다. KOMPSAT 영상은 텍스처 성분이 뚜렷하지 않는 영역이 존재하기 때문에 본 논문에서는 투영된 특징 값들과 윈도우 내의 정규화된 평균 화소값으로 특징 벡터를 재구성하였다. 분류 방법으로는 K-means 클러스터링을 적용하였다. 6.6m 해상도를 가진 KOMPSAT 흑백 영상에 대해 제안한 방법은 우수한 분류 성능을 보인다.

• Proceedings of the Korea Contents Association Conference
• /
• 2006.05a
• /
• pp.381-384
• /
• 2006

In this paper, we have proposed an independent component analysis (ICA) technique and a median method based on GBD algorithm which classifies images. The proposed method can measure the distance between images, while it does not lose a portion of the image that changes rapidly. Our simulation results show that it not possible for ICA to recognize the relative discernment between images when K is 7. However, with the median method, it can be possible to such a recognition.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.179-182
• /
• 2004

본 논문에서는 고정점 알고리즘 독립성분분석을 이용하여 영상의 기하학적 변형에 강건한 워터마킹을 제안하였다. 여기서 고정점 알고리즘은 뉴우턴법에 기초한 것으로 워터마킹의 추출과정에서 빠른 추출과 기하학적 변형(크기, 회전)에 강건한 개선된 추출성능을 얻기 위함이고, 독립성분분석의 이용은 추출과정에서 워터마크의 위치나 크기, 원본과 키 영상 둥에 대한 사전 지식의 요구를 없애기 위함이다. 제안된 기법을 256$\times$256 픽셀의 레나 원 영상, 키 영상, 그리고 문자 워터마크에 적용한 결과, 크기와 회전의 기하학적 공격에 강하면서도 워터마크의 검출 및 추출과정에 원본 영상들에 대한 사전지식이 요구되지 않았다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04b
• /
• pp.1033-1036
• /
• 2002

본 연구에서는 Newton 기법과 모멘트에 기초를 둔 fixed point 알고리즘의 신경망 기반 독립성분분석기법을 제안하였다. 여기서 Newton 기법은 함수의 접선에 기초를 둔 해를 구하는 방법으로 역혼합행렬의 빠른 경신을 위함이고, 모멘트는 접선을 구하는 과정에서 함수의 기울기변화 계산으로 발생하는 발진을 줄여 좀 더 빠른 학습을 위함이다. 제안된 기법을 $256{\times}256$ 픽셀(pixel)의 12개 지문영상으로부터 임의의 혼합행렬에 따라 발생되는 영상들을 각각 대상으로 시뮬레이션 한 결과, 기존의 Fixed point 알고리즘에 의한 결과보다 우수한 분리성능과 빠른 학습속도가 있음을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.1031-1034
• /
• 2004

본 논문에서는 고정점 알고리즘 독립성분분석을 이용하여 잡음에 강건한 디지털영상의 워터마킹을 제안하였다. 여기서 고정점 알고리즘은 워터마킹의 추출과정에서 빠른 추출과 잡음에 강건한 개선된 추출성능을 얻기 위함이고, 독립성분분석의 이용은 추출과정에서 워터마크의 위치나 크기, 원본과 키 영상 등에 대한 사전 지식의 요구를 없애기 위함이다. 제안된 기법을 $256{\times}256$ 픽셀의 레나 원 영상, 키 영상, 그리고 문자 워터마크에 적용한 결과, 잡음과 같은 공격에 강하면서도 워터마크의 검출 및 추출과정에 원본 영상들에 대한 사전지식이 요구되지 않았다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.13 no.2
• /
• pp.200-208
• /
• 2003

This paper proposes a separation and feature extraction of image signals using the independent component analysis(ICA) based on neural networks of efficient learning rule. The proposed learning rule is a hybrid fixed-point(FP) algorithm based on secant method and momentum. Secant method is applied to improve the performance by simplifying the 1st-order derivative computation for optimizing the objective function, which is to minimize the mutual informations of the independent components. The momentum is applied for high-speed convergence by restraining the oscillation in the process of converging to the optimal solution. The proposed algorithm has been applied to the composite images generated by random mixing matrix from the 10 images of $512\times512$-pixel. The simulation results show that the proposed algorithm has better performances of the separation speed and rate than those using the FP algorithm based on Newton and secant method. The proposed algorithm has been also applied to extract the features using a 3 set of 10,000 image patches from the 10 fingerprints of $256\times256$-pixel and the front and the rear paper money of $480\times225$-pixel, respectively, The simulation results show that the proposed algorithm has also better extraction speed than those using the another methods. Especially, the 160 basis vectors(features) of $16\times16$-pixel show the local features which have the characteristics of spatial frequency and oriented edges in the images.

• The Journal of the Korea Contents Association
• /
• v.6 no.12
• /
• pp.89-95
• /
• 2006

The performance of blind source separation(BSS) using independent component analysis (ICA) declines significantly in a reverberant environment. A post-processing method proposed in this paper was designed to remove the residual component precisely. The proposed method used modified NLMS(normalized least mean square) filter in frequency domain, to estimate cross-talk path that causes residual cross-talk components. Residual cross-talk components in one channel is correspond to direct components in another channel. Therefore, we can estimate cross-talk path using another channel input signals from adaptive filter. Step size is normalized by input signal power in conventional NLMS filter, but it is normalized by sum of input signal power and error signal power in modified NLMS filter. By using this method, we can prevent misadjustment of filter weights. The estimated residual cross-talk components are subtracted by non-stationary spectral subtraction. The computer simulation results using speech signals show that the proposed method improves the noise reduction ratio(NRR) by approximately 3dB on conventional FDICA.

• The Journal of the Acoustical Society of Korea
• /
• v.41 no.3
• /
• pp.326-334
• /
• 2022

In this paper, we propose speech enhancement algorithm as a pre-processing for robust speech recognition in noisy environments. Auxiliary-function-based Independent Vector Analysis (AuxIVA) is performed with weighted covariance matrix using time-varying variances with scaling factor from target masks representing time-frequency contributions of target speech. The mask estimates can be obtained using Neural Network (NN) pre-trained for speech extraction or diffuseness using Coherence-to-Diffuse power Ratio (CDR) to find the direct sounds component of a target speech. In addition, outputs for omni-directional noise are closely chained by sharing the time-varying variances similarly to independent subspace analysis or IVA. The speech extraction method based on AuxIVA is also performed in Independent Low-Rank Matrix Analysis (ILRMA) framework by extending the Non-negative Matrix Factorization (NMF) for noise outputs to Non-negative Tensor Factorization (NTF) to maintain the inter-channel dependency in noise output channels. Experimental results on the CHiME-4 datasets demonstrate the effectiveness of the presented algorithms.