• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.130-132
• /
• 2004

본 연구에서는 FMM 신경망을 이용한 패턴 분류 문제에서 학습 패턴에 포함되는 특징의 발생 빈도와 특징 값의 분포를 고려하는 네트워크 구조와 학습 방법론을 소개한다. 이를 위하여 하이퍼박스 소속함수의 산출 과정에 세부특징에 대한 가중치 개념이 적용되는 새로운 활성화 특성을 제안한다. 또한 하이퍼박스의 특징 범위와 빈도 및 특징 값의 분포를 유지하고 새롭게 정의된 하이퍼박스 생성, 확장, 축소기법을 적용한다 이는 가중치 개념을 통하여 각 특징별 중요도를 서로 다른 값으로 반영할 수 있게 하며, 특징의 분포 정보가 고려되어 기존 FMM 모델에 비하여 노이즈에 의한 영향을 개선하여 학습 효과를 증진시킬 뿐만 아니라 하이퍼박스의 생성 및 확장 과정 중에 학습패턴의 순서에 상관없이 동일한 특성을 보일 수 있게 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.691-693
• /
• 2005

본 연구에서는 FMM 신경망의 학습 알고리즘에서 하이퍼박스 확장과정에 수반되는 중첩현상을 분석하고, 이에 대한 축소 과정의 특성과 이를 보완하기 위한 새로운 활성화 함수에 관하여 고찰한다. 하이퍼박스 중첩 영역에 속하는 패턴 데이터는 그 분류 결과가 왜곡될 수 있다. 왜냐하면 학습과정에서 하이퍼박스상의 특징범위는 특징값의 빈도요소를 고려하지 않음으로 인하여 극소수의 비정상적 데이터에 관해서도 동일 수준으로 민감하게 확장되기 때문이다. 본 논문에서는 특징집합에서 가중치와 빈도요소를 반영하는 모델로서 이러한 중첩현상의 영향을 개선하는 방법론을 소개한다. 제안된 이론은 단순화된 패턴집합에 대하여 그 유용성을 이론적으로 고찰하며, 실제 패턴분류 문제에 적용하여 실험적으로 평가한다.

• 기계저널
• /
• 제54권7호
• /
• pp.51-55
• /
• 2014

이 글에서는 풍력발전기 핵심부품인 유성기어박스의 구조 및 특징에 대해 알아본 후 고장 진단을 위해 어떤 기술들이 개발되었는지를 알아본다. 그리고 유성기어박스 고장 진단에 있어 예상되는 어려움과 그것을 해결하기 위한 고장 진단 기술 및 향후 연구 방향을 제시하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.521-524
• /
• 2004

본 논문에서는 기존의 FMM 신경망의 학습 단계 중 하이퍼박스 축소 단계에서 발생하는 정보의 왜곡 현상을 보완하여, 패턴분류 성능을 향상시키는 방법론을 제안하고 그 유용성을 고찰한다. 제안된 학습방법에서는 기존 FMM 신경망의 하이퍼박스 생성, 확장, 축소의 3 가지 학습 과정 중 축소과정을 생략하고, 각 특징 범위와 빈도를 고려한 학습으로 대치함으로써 축소과정에서 나타나는 부작용을 보완할 수 있도록 하였다. 이는 가중치 개념을 통해 각 특징값의 상대적 중요도를 서로 다른 값으로 반영할 수 있도록 하며 하이퍼박스 중첩영역에서 발생하는 분류 오류를 최소화한다. 본 연구에서는 개선된 학습기법의 이론을 제시하고, 이를 아이리스 데이터 분류 실험에 적용하여 그 유용성을 고찰하였다.

• 자동차안전학회지
• /
• 제13권4호
• /
• pp.123-128
• /
• 2021

This paper present box feature estimation from LiDAR point cluster using maximum likelihood Method. Previous LiDAR tracking method for autonomous driving shows high accuracy about velocity and heading of point cluster. However, Assuming the average position of a point cluster as the vehicle position has a lower accuracy than ground truth. Therefore, the box feature estimation algorithm to improve position accuracy of autonomous driving perception consists of two procedures. Firstly, proposed algorithm calculates vehicle candidate position based on relative position of point cluster. Secondly, to reflect the features of the point cluster in estimation, the likelihood of the particle scattered around the candidate position is used. The proposed estimation method has been implemented in robot operating system (ROS) environment, and investigated via simulation and actual vehicle test. The test result show that proposed cluster position estimation enhances perception and path planning performance in autonomous driving.

• 한국게임학회 논문지
• /
• 제19권4호
• /
• pp.49-64
• /
• 2019

본 연구는 세 가지 유형의 이중랜덤박스를 비교하여 살피고, 각각의 이중랜덤박스의 특징과 구조를 실제 게임 사례 중심으로 분석하였다. 유형은 1) 이중 마일리지 가챠, 2) 이중 기간한정 가챠, 3) 콤프 가챠로 분류된다. 연구의 결과 도출된 이중랜덤박스의 특징은 1) 다양한 종류의 가챠를 복합적으로 설계하는 경향이 있으며, 2) 최종 보상물은 게임에서 얻기 어렵거나, 게임상점에서 판매하지 않는다는 것이다. 해당 특징들로 말미암아 이중랜덤박스는 사행성이 있는 판매 전략이 될 수 있었으며, 본 연구에서는 이를 해결하기 위해 효과적인 자율 규제안의 재적용, 모니터링단의 전문성 강화, 게임사의 자발적 자정 노력이 필요함을 제언하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.441-442
• /
• 2022

교통사고 예측은 차량의 블랙박스 동영상을 통해 사고 발생을 최대한 빨리 예측하는 것을 목표로 한다. 이는 안전한 자율주행 시스템을 보장하는 데 중요한 역할을 한다. 다양한 교통 상황과 카메라의 제한된 시야로 인해 프레임에서 사고 가능성을 조기에 관찰하는 것은 어려운 도전이다. 예측의 핵심 기술은 객체의 시공간 관계를 학습하는 것이다. 본 논문에서는 블랙박스 동영상에서 사고 예측을 위한 계산 모델을 제안한다. 이것을 사용하여 사고 예방을 강화한다. 이 모델은 사고 위험에 대한 운전자의 시각적 인식에서 영감을 받았다. 객체 탐지기는 동영상 프레임에서 다양한 객체를 탐지한다. 탐지한 객체는 노드 생성기와 특징 추출기 동시에 통과한다. 노드 생성기에서 생성한 노드는 GCN 실행기를 사용한다. GCN 실행기는 각 프레임에 대한 객체의 3D 위치 관계를 계산한 후 공간 특징을 취득한다. 동시에 공간 특징과 특징 추출기에서 얻은 객체의 특징은 GRU 실행기로 보내진다. GRU 실행기 안에 시공간 특징을 암기하고 분석하여 교통사고 확률을 예측한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 춘계학술발표대회
• /
• pp.415-418
• /
• 2007

본 논문에서는 일반화된 퍼지 최대-최소 신경망 모델에서 학습 패턴의 빈도요소를 고려하여 개선된 활성화 함수와 학습 방법을 제안한다. 특징공간상에서 하이퍼박스의 활성화를 위한 새로운 기준과 방법을 제시하며, 학습 패턴의 빈도요소가 학습효과에 미치는 영향을 분석한다. 또한 제안된 모델에서 개별 특징값과 하이퍼박스간의 상대적인 연관성을 고려하여 이득치를 계산함으로써, 기존 모델의 하이퍼박스 축소 기법을 대체한 학습효과에 관하여 고찰한다. 실험을 통하여 학습 패턴의 순서 변화와 왜곡된 정보에 안정된 분류기의 성능을 확인한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권5호
• /
• pp.341-346
• /
• 2013

본 연구에서는 수정된 구조의 FMM 신경망으로부터 패턴 인식을 위한 규칙 추출 방법을 제안한다. 제안된 방법은 학습데이터에서 특징값에 대한 빈도 요소를 반영하는 하이퍼박스 정의를 기반으로 하는데, 이로부터 특징과 패턴클래스 간의 상호 연관도 요소를 정의 하였다. 이는 기존의 모델에서 사용되는 하이퍼박스 중첩테스트 및 축소(contraction) 기법을 사용하지 않아도 하이퍼박스의 중첩에 의한 분류의 모호성을 해결할 수 있게 한다. 본 연구에서는 패턴 클래스의 각 차원별로 퍼지 분할을 기반으로 하는 수정된 하이퍼박스 멤버쉽 함수와 이를 사용하는 학습방법을 제시한다. 제안된 기법으로부터 특정패턴의 분류를 위한 자극성(excitatory) 특징 및 억제성(inhibitory) 특징을 구분하고 이들 정보는 규칙 생성과정에 적용된다. 수화 인식에 관한 실험에 제안된 방법론을 적용함으로써 제안된 이론의 타당성을 실험적으로 고찰하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권1호
• /
• pp.1-9
• /
• 2005

본 논문에서는 패턴 분류를 위한 수정된 퍼지 최대최소 신경망 모델을 제안하고 그의 유용성을 고찰한다. 이를 위하여 하이퍼박스 내에서 각 특징들에 대하여 가중치 요소론 갖는 새로운 하이퍼큐브 소속함수를 정의한다. 이 가중치 요소는 분류과정에서 임의의 클래스에 대한 각 특징의 상대적인 기여도를 반영한다. 본 연구에서는 이를 위하여 새롭게 정의된 하이퍼박스 생성, 확장 및 축소의 3단계로 이루어지는 학습 방법론을 소개한다. 또한 제안된 모델을 기반으로 하여 학습된 분류기로부터 하이퍼박스 소속함수와 연결가중치를 사용하여 주어진 클래스에 대한 특징의 연관도를 산출하는 형태의 이른바 특징 분석 기법을 제안한다. 이를 위하여 세부적으로 각 특징에 대하여 연관도 척도와 퍼지 소속함수간의 유사도 척도를 정의한다. 또한 실제 패턴 분류문제에 적용한 실험결과를 통하여 제안된 이론의 타당성을 평가한다.