• 전자공학회논문지CI
• /
• 제39권3호
• /
• pp.44-52
• /
• 2002

본 논문에서는 결정경계(decision boundary)를 이용한 신경망의 특징추출을 해석적으로 구현할 수 있는 방법을 제안한다. 최근 발표된 신경망의 결정경계 기반의 특징추출 방법은 기존의 특징추출 방법보다 우수한 성능을 보여 주었다. 이러한 결정경계 특징추출 방법은 패턴 분류기(pattern classifier)의 결정경계에 수직한 벡터가 패턴 클래스(class)간을 분류하는데 유용한 정보를 포함한다는 사실을 기반으로 원래의 데이터로부터 분류에 필요한 정보들만을 추출하게 된다. 그러나 기존의 결정경계 특징추출 알고리즘은 신경망 결정경계의 수직벡터를 구하기 위해 결정경계의 변화율(gradient) 근사 방법을 사용하였다. 그 결과 결정경계 수직벡터가 부정확하게 계산될 가능성이 있고 계산 시간이 길어지는 문제점이 존재한다. 본 논문에서는 이러한 문제점을 해결하기 위해 수직벡터를 하나의 방정식으로부터 해석적으로 계산하는 방법을 제안한다. 제안된 방법을 원격탐사 데이터의 패턴분류에 적용하여 그 성능을 확인한 결과 특징추출에 필요한 연산 시간을 대폭 줄일 수 있고 또한 더 향상된 특징추출 성능을 얻음을 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.327-329
• /
• 2022

본 논문에서는 AI Hub의 개방 데이터인 '유형별 두피 이미지'를 사용하여 두피 상태에 대한 신경망을 학습한다. 이 두피 상태에는 6가지 상태가 있는데, 각각의 상태들에 대한 평가를 양호(0)부터 심각(3)까지 분류하여 학습한 신경망 모델로 실제 어플리케이션으로 구현하여 사람들의 두피 사진을 찍어서 두피 상태를 진단한다. 이 과정에서 기존 개방 데이터에서 사용했던 값 비싼 두피 진단기를 사용하는 것이 아닌 값싸게 구할 수 있는 스마트폰용 현미경을 사용하여 좀 더 효율적으로 두피 상태를 진단 할 수 있는 어플리케이션을 만들었다. 몇백만 원 상당의 비싼 두피 진단기로 촬영한 사진과 비교하였을 시 평균적으로 65%의 정확도를 보여주고 있으며 데이터가 많은 유형은 77%의 정확도까지도 보여주었다.

• 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.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2006년도 춘계학술대회 논문집
• /
• pp.61-62
• /
• 2006

A new neural network classifier is proposed for the automatic real-time surface inspection of high-speed cold steel strips having 11 different types of defects. 46 geometrical and gray-level features are extracted for the defect classification. 3241 samples of Posco's Kwangyang steel factory are used for training and testing the neural network classifier. The developed classifier produces plausible 15% error rate which is much better than 20-30% error rate of human vision inspection adopted in most of domestic steel factories.

• 한국정밀공학회지
• /
• 제24권4호
• /
• pp.76-83
• /
• 2007

A new neural network classifier is proposed for the automatic real-time surface inspection of high-speed cold steel strips having 11 different types of defects. 46 geometrical and gray-level features are extracted for the defect classification. 3241 samples of Posco's Kwangyang steel factory are used for training and testing the neural network classifier. The developed classifier produces plausible 15% error rate which is much better than 20-30% error rate of human vision inspection adopted in most of domestic steel factories.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 G
• /
• pp.2815-2817
• /
• 1999

본 연구에서는 영상처리 기법을 이용하여 조각으로 나누어진 강판의 표면정보를 계산하여 표면정보를 검사하는 새로운 검사 기법을 제안한다. 이는 냉연 표면의 입력영상으로부터 wavelets 변환기법을 이유하여 영상을 정량화하고, 이 영상으로 co-occurrence 행렬을 이용하여 데이터들 간의 주된 특징들을 추출하여, 표면 정보를 인식 후 흠을 분류하기 위한 분류기로서 신경망을 이용하여분류하는 과정을 거치게 된다. 제시하는 알고리즘은 기존의 벡터양자화 기법과 비교하여 우수한 성능을 보임을 실험을 통해 입증하였으며, 실시간 구현에 효과적으로 적용될 수 있음을 보였다.

• 한국음향학회지
• /
• 제41권2호
• /
• pp.115-121
• /
• 2022

본 논문에서는 음악 청취 시에 나타나는 뇌파 특징을 이용하여 사용자 감정에 따른 음악 분류 시스템을 제안한다. 제안된 시스템에서는 뇌파 신호로부터 추출한 감정별 뇌파 특징과 음악신호에서 추출한 청각적 특징 간의 관계를 회귀 심층신경망을 통해 학습한다. 실제 적용 시에는 이러한 회귀모델을 기반으로 제안된 시스템은 입력되는 음악의 청각 특성에 매핑된 뇌파 신호 특징을 자동으로 생성하고, 이 특징을 주의집중 기반의 심층신경망에 적용함으로써 음악을 자동으로 분류한다. 실험결과는 제안된 자동 음악분류 프레임 워크의 음악 분류 정확도를 제시한다.

• 한국산업정보학회논문지
• /
• 제9권2호
• /
• pp.32-43
• /
• 2004

이동중인 차량에 카메라를 설치하여 주행 중에 정지 또는 주행중인 자동차의 영상을 획득하여, 이를 인식하는 시스템을 제안한다. 주행 중에 획득한 영상에서 번호판 영역을 추출하기 위하여, 번호판 영역에서 나타나는 강한 수직 에지 성분을 이용하여 번호판 후보 영역들을 찾고 이진화 된 영상에서의 배경과 문자의 구성비를 따져 번호판 영역을 추출하는 방법을 사용한다. 자동차 번호판 인식을 위하여 다중 클래스 인식을 지원하는 SVM과 모듈라 신경망 인식 성능을 비교하였으며, 인식률을 높이기 위하여 SVM을 모듈라 신경망과 결합하여 다중 클래스 분류기로 확장하는 방법을 제안하고 실험하였다. 실험결과, 제안하는 분류기를 이용한 방법이 번호판 인식에 우수한 성능을 보임을 확인하였다.

• 전자공학회논문지C
• /
• 제36C권6호
• /
• pp.44-51
• /
• 1999

HMM-Net은 은닉 마르코프 모델(HMM)의 계산과정을 신경망 구조로 구현한 것으로, HMM이 갖고 있는 시계열 모델링 능력과 신경망이 갖고 있는 우수한 변별력을 결합한 것이다. HMM-Net 분류기를 학습하는 방법으로는 HMM의 학습에 이용되는 最尤法(ML)과 신경망 학습의 最小二乘誤差法(MMSE)를 적용할 수 있다. 이들 중 ML이 MMSE보다 안정된 학습을 보장하는 반면 초기 학습조건을 적절하게 설정하였을 경우에는 MMSE가 ML보다 우수하다고 알려져 있다[3]. 따라서 이 논문에서는 먼저 ML을 이용하여 초기학습을 수행한 다음 보다 학습성능이 우수한 MMSE로 바꾸어 최적 또는 준최적으로 학습하는 하이브리드 학습법(ML/MMSE)을 제안한다. 실험용 시계열 패턴으로 /0/부터 /9/까지의 고립 숫자음을 이용하여 실험한 결과, 제안한 방법이 학습특성 및 인식률면에서 ML이나 MMSE만을 이용하는 기존의 방법보다 우수하였음을 확인하였다.

• 전자공학회논문지SC
• /
• 제37권6호
• /
• pp.50-63
• /
• 2000

본 논문에서는 소프트 컴퓨팅 기법을 이용한 새로운 근전도 신호 패턴 분류 방법을 제안한다. 재활 로봇시스템에서 기존에 사용되었던 여러 가지 입력 장치(음성, 레이저 포인터, 키패드, 3차원 입력기 등)에 비해 근전도 신호를 이용한 방식이 가지는 장점을 서술한다. 기존의 근전도 신호 분류 방법의 문제점인 사용자 의존성을 줄이기 위해 제안한 사용자 독립적인 특징 선택 방법에 대해 상술한다. 선택된 특징 집합을 이용하여 퍼지 패턴 분류기 및 퍼지 최대-최소 신경망을 구성하여 학습 전(퍼지 패턴 분류기)과 학습 후(퍼지 최대-최소 신경망)에 각각 83%와 90%의 분류 성공률을 얻어 제안된 방법의 유용성을 확인할 수 있었다.