• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.22 no.6
• /
• pp.137-141
• /
• 2022

The method of estimating the azimuth by measuring the geomagnetism has been used for a very long time. However, there are many cases where an error occurs in the estimated azimuth due to disturbances in the earth's magnetic field due to metal structures inside and outside the room. Although many studies have been conducted to correct this, there is a limit to reducing the error. In this paper, we propose a method of estimating the azimuth by applying the measured geomagnetic sensor data to the neural network of the LSTM structure. Data preprocessing is very important for learning a neural network. In this paper, data is collected using the built-in acceleration sensor, gyro sensor, and geomagnetic sensor in the smartphone, and the geomagnetic sensor data is uniformly sampled using EKF. As a result, an average azimuth estimation error of 0.9 degrees was obtained using four hidden layers.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.63-63
• /
• 2020

최근 머신러닝 기술의 발전에 따라 비선형 시계열자료에 대한 예측이 가능해졌으며, 기존의 과정기반모형을 대체하여 지하수, 하천수 예측 등 다양한 수문분야에 활용되고 있다. 본 연구에서는 기존의 연구들과 달리 과정기반모형을 이용한 하천수 모의결과를 개선하기 위해 과정기반모형과 결합하는 방식으로 머신러닝 기술을 활용하였다. 머신러닝 기술을 통해 관측값과 모의값 간의 차이를 예측하고 과정기반모형의 모의결과에 반영함으로써 관측값을 정확히 재현할 수 있도록 하는 시스템을 구축하고 평가하였다. 과정기반모형으로는 Weather Research and Forecasting model-Hydrological modeling system (WRF-Hydro)을 소양강 유역을 대상으로 구축하였다. 머신러닝 모형으로는 순환 신경망 중 하나인 Long Short-Term Memory (LSTM) 신경망을 이용하여 장기시계열예측이 가능하게 하였다(WRF-Hydro-LSTM). 머신러닝 모형은 2013년부터 2017년까지의 기상자료 및 유입량 잔차를 이용하여 학습시키고, 2018년 기상자료를 이용하여 예상되는 유입량 잔차를 모의하였다. 모의된 잔차를 WRF-Hydro 모의결과에 반영시켜 최종 유입량 모의값을 보정하였다. 또한, 연구에서 제안된 새로운 방법론의 성능을 비교평가하기 위해 머신러닝 단독 모형으로 유입량을 학습 후 모의하였다(LSTM-only). 상관계수와 Nash-Sutcliffe 효율계수(NSE)를 사용해 평가한 결과, LSTM을 이용한 두 방법(WRF-Hydro-LSTM과 LSTM-only) 모두 기존의 과정기반모형(WRF-Hydro-only)에 비해 높은 정확도의 하천수 모의가 가능했으며, PBIAS 지수를 사용하여 평가한 결과, LSTM을 단독으로 사용하였을 때보다 WRF-Hydro와 결합했을 때 더 관측값과 가까운 모의가 가능함을 확인할 수 있었다.

• Journal of Digital Convergence
• /
• v.10 no.6
• /
• pp.219-224
• /
• 2012

In the communication mobile terminal, Vocabulary recognition system has low recognition rates, because this problems are due to phoneme feature extract from inaccurate vocabulary. Therefore they are not recognize the phoneme and similar phoneme misunderstanding error. To solve this problem, this paper propose the system model, which based on the two step process. First, input phoneme is represent by number which measure the distance of phonemes through phoneme likelihood process. next step is recognize the result through the reliability measure. By this process, we minimize the phoneme misunderstanding error caused by inaccurate vocabulary and perform error correction rate for error provrd vocabulary using phoneme likelihood and reliability. System performance comparison as a result of recognition improve represent 2.7% by method using error pattern learning and semantic pattern.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1952-1953
• /
• 2011

본 논문에서는 다항식 기반 Radial Basis Function(RBF)신경회로망(Polynomial based Radial Basis function Neural Network)을 설계하고 이를 n-클래스 패턴 분류 문제에 적용한다. 제안된 다항식기반 RBF 신경회로망은 입력층, 은닉층, 출력층으로 이루어진다. 입력층은 입력 벡터의 값들을 은닉층으로 전달하는 기능을 수행하고 은닉층과 출력층사이의 연결가중치는 상수, 선형식 또는 이차식으로 이루어지며 경사 하강법에 의해 학습된다. Networks의 최종 출력은 연결가중치와 은닉층 출력의 곱에 의해 퍼지추론의 결과로서 얻어진다. 패턴분류기의 최적화는 PSO(Particle Swarm Optimization)알고리즘을 통해 이루어진다. 그리고 제안된 패턴분류기는 실제 얼굴인식 시스템으로 응용하여 직접 CCD 카메라로부터 입력받은 데이터를 영상 보정, 얼굴 검출, 특징 추출 등과 같은 처리 과정을 포함하여 서로 다른 등록인물의 n-클래스 분류 문제에 적용 및 평가되어 분류기로써의 성능을 분석해본다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2003.05a
• /
• pp.111-114
• /
• 2003

It has well known that MUSIC and ESPRIT algorithms estimate angle of arrival(AOA) with high resolution by eigenvalue decomposition of the covariance matrix which were obtained from the array antennas. In the case that 2-D large-sized array antenna is required, however, one of the disadvantages of MUSIC and ESPRIT is that they are computationally ineffective, and then they are difficult to implement in real time. To alleviate the computational complexity, several method using neural model have been study. For multiple signals, those methods require huge training data prior to AOA estimation. This paper proposes the algorithm for AOA estimation by interconnected hopfield neural model. Computer simulations show the validity of the proposed algorithm.

• Journal of KIISE:Computing Practices and Letters
• /
• v.15 no.3
• /
• pp.216-220
• /
• 2009

In this paper we propose a motion recognition method for handheld controller 3-D acceleration signals, generated by 3 axis accelerometer in the controller, are transmitted to the computer by Bluetooth communication. We extract motion segments from continuous acceleration signals and apply to each motion model, which is trained in training phase. Hidden Markov Model was used to model each motion. We applied proposed method to three motion sets, the recognition result was good enough to practical use.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.42 no.2
• /
• pp.536-544
• /
• 2017

Wireless RSSI (Received Signal Strength Indication) fingerprinting is one of the most popular methods for indoor positioning as it provides reasonable accuracy while being able to exploit existing wireless infrastructure. However, the process of radio map construction (aka fingerprint calibration) is laborious and time consuming as precise physical coordinates and wireless signals have to be measured at multiple locations of target environment. This paper proposes a method to build the map from a combination of RSSIs without location information collected in a crowdsourcing fashion, and a handful of labeled RSSIs using a semi-supervised self organizing map learning algorithm. Experiment on simulated data shows promising results as the method is able to recover the full map effectively with only 1% RSSI samples from the fingerprint database.

• Journal of the Korean Institute of Telematics and Electronics B
• /
• v.31B no.9
• /
• pp.57-66
• /
• 1994

In this paper, we present an iterative learning method of compensating for position sensor error. The previously known compensation algorithms need a special perfect position sensor or a priori information about error sources, while ours does not. to our best knowledge, any iterative learning approach has not been taken for sensor error compensation. Furthermore, our iterativelearning algorithm does not have the drawbacks of the existing interativelearning control theories. To be more specivic, our algorithm learns an uncertain function itself rather than its special time-trajectory and does not reuquest the derivatives of measurement signals. Moreover, it does not require the learning system to start with the same initial condition for all iterations. To illuminate the generality and practical use of our algorithm, we give the rigorous proof for its convergence and some experimental results.

• Journal of Broadcast Engineering
• /
• v.25 no.1
• /
• pp.58-66
• /
• 2020

The blur effect, which is generated by various external factors such as out-of-focus and object movement, degrades high-frequency components in the original sharp image. Based on this observation, we propose a novel method for blur detection using textural features. Specifically, the proposed method simultaneously adopts learning-based and watershed-based textural features, which effectively detect the blur on various situations. Moreover, we employ the region-based refinement to improve the processing time while also increasing detection accuracy. Experimental results demonstrate that the proposed method provides the competitive performance compared to previous approaches in literature.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.515-520
• /
• 2006

계량기 숫자 인식은 일반적으로 사용되고 있는 아날로그 계량기에 카메라를 부착하여, 검침 시 숫자 계기판 영상을 전송받고, 그 영상으로부터 숫자를 추출 및 인식하는 기술이다. 계량기 숫자 인식에서는 카메라의 설치 상태 및 기타 환경적인 요인들로 인해 숫자 계기판 영상의 일관성 있는 취득이 어렵게 된다. 본 논문에서는 숫자 인식에 악영향을 미치는, 취득 영상의 상태 변화를 보정해주기 위해 잡영 제거 및 윤곽보존 숫자강화를 제안하였다. 잡영 제거를 위해 잡영을 분포 위치에 따라서 세 가지 타입으로 나누었으며, 각 타입별로 잡영 제거를 하였다. 윤곽보존 숫자강화 과정에서는 일반적인 이진화 기법이 가지는 테두리 정보손실을 최소화할 수 있도록, 숫자 테두리의 명도를 보존하면서 숫자 중심부분의 밝기를 강화시켰다. 전처리 전/후의 인식률 비교 실험을 위해 SVM(Support Vector Machines)을 사용하였으며, 학습 데이터 1,409장과 조명 상태를 달리하여 취득한 1,782의 테스트 데이터를 실험 데이터로 사용하였다. 실험 결과, 81.09%라는 성능 향상을 확인하였으며 이는 제안한 전처리 기법이 조명으로 인한 데이터의 상태 변화 문제를 해결해줌으로써 인식 성능 향상에 크게 기여한다는 것을 입증해준다.