• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2573-2575
• /
• 2003

In this paper, we discuss a fuzzy neural network classifier with immune algorithm. The fuzzy neural network classifier is constructed with the fuzzy classifier and the neural network classifier based on fuzzy rules. To maximize performance of classifier, the immune algorithm and the back propagation algorithm are used. For the generalized classification ability, the simulation results from the iris data demonstrate superiority of the proposed classifier in comparison with other classifier.

• 제어로봇시스템학회논문지
• /
• 제21권6호
• /
• pp.518-523
• /
• 2015

This paper proposes a gait phase classifier using a Recurrent Neural Network (RNN). Walking is a type of dynamic system, and as such it seems that the classifier made by using a general feed forward neural network structure is not appropriate. It is known that an RNN is suitable to model a dynamic system. Because the proposed RNN is simple, we use a back propagation algorithm to train the weights of the network. The input data of the RNN is the lower body's joint angles and angular velocities which are acquired by using the lower limb exoskeleton robot, ROBIN-H1. The classifier categorizes a gait cycle as two phases, swing and stance. In the experiment for performance verification, we compared the proposed method and general feed forward neural network based method and showed that the proposed method is superior.

• 한국지능시스템학회논문지
• /
• 제10권2호
• /
• pp.94-102
• /
• 2000

본 논문에서는 미지의 비선형 계통에 대한 동적 퍼지모델 기반 고장 검출 및 진단(FDI) 계통 설계 기법을 제시한다. 비선형 계통에 대한 일반적인 모델 기반 FDI 계통에서는 선형화된 모델을 이용하고 있다 이러한 방법은 계통에 대한 정확한 수학적 모델을 요구하게 되어 복잡한 비선형 계통에의 적용시 많은 어려움이 있다 제안되는 FDI계통에서는 미지의 비선형 계통을 다수의 선형 모델을 갖는 동적 퍼지모델 형태로 식별한다. 잔차벡터는 온라인 알고리즘에 의해 추정되는 파라미터의 변동치와 비선형 계통의 동작 영역을 나타내는 퍼지 규칙들의 소속값들로 구성된다. 계통의 고장 검출 및 진단은 잔차벡터와 고장종류간의 관계를 학습한 신경망 분류기에 의해 수행된다. 제안된 FDI 계통 설계법을 이용하여 2 탱크 계통에 대한 FDI 계통을 설계하고 시뮬레이션 연구를 통하여 그 유용성을 보였다.

• 한국전자통신학회논문지
• /
• 제14권6호
• /
• pp.1171-1180
• /
• 2019

감정은 인간의 상호 작용에서 중요한 역할을 하는 심리 생리학적 과정이다. 감성 컴퓨팅은 감정을 이해하고 조절할 수 있는 인간 인지 인공 지능의 개발하는데 중점을 둔다. 우울증, 자폐증, 주의력 결핍 과잉 행동 장애 및 게임 중독과 같은 정신 질환이 감정과 관련되어 있기 때문에 이러한 분야의 연구가 중요하다. 감정 인식에 대한 노력에도 불구하고, 비정상적인 EEG 신호로부터의 감정 검출은 여전히 높은 수준의 추상화를 요구하기에 정교한 학습 알고리즘이 필요하다. 이 논문에서는 EEG 기반으로 효율적인 감정 분류를 위해 LSTM을 위한 최적의 하이퍼파라미터를 파악하고자 다양한 실험을 수행하여 이를 분석한 결과를 제시하였다.

• 대한전자공학회논문지
• /
• 제27권8호
• /
• pp.1239-1249
• /
• 1990

In this paper, using the neural network design techniques, an adaptive Mahalanobis distance classifier(AMDC) is designed. This classifier has three layers: input layer, internal layer and output layer. The connection from input layer to internal layer is fully connected, and that from internal to output layer has partial connection that might be thought as an Oring. If two ormore clusters of patterns of one class are laid apart in the feature space, the network adaptively generate the internal nodes, whhch are corresponding to the subclusters of that class. The number of the output nodes in just same as the number of the classes to classify, on the other hand, the number of the internal nodes is defined by the number of the subclusters, and can be optimized by itself. Using the method of making the subclasses, the different patterns that are of the same class can easily be distinguished from other classes. If additional training is needed after the completion of the traning, the AMDC does not have to repeat the trainging that has already done. To test the performance of the AMDC, the experiments of classifying 500 Hangeuls were done. In experiment, 20 print font sets of Hangeul characters(10,000 cahracters) were used for training, and with 3 sets(1,500 characters), the AMDC was tested for various initial variance \ulcornerand threshold \ulcorner and compared with other statistical or neural classifiers.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1995년도 춘계학술대회
• /
• pp.160-163
• /
• 1995

An optimal EEG and artifact classifier is proposed using neural network operating characteristics. The neural network operating characteristics are two dimensional parametric representations of the right and false identification probabilities of the network classifier. Since the EEG and EP signals acquired from multi -channel electrodes placed on the head surface are often interfered by other relatively large physiological signals such as electromyogram (EMG) or electroculogram (EOG), the removal of the artifact-affected EEGs is one of the key elements in neuro-functional mapping. Conventionally this task has been carried out by human experts spending lots of examination time. Using the neural-network based classification, human expert's efforts and time can be substantially reduced. From experiments, the neural-network based classification performs as good as human experts: variation of decisions between the neural network and human expert appears even smaller than that between human experts.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권5호
• /
• pp.412-421
• /
• 2001

본 논문은 문서 영상에 존재하는 개별 단어들에 대한 속성정보 추출 방법을 제안한다. 단어 단위의 속성 인식은 단어 영상 매칭의 정확도 및 속도 개선, OCR 시스템에서 인식률 향상, 문서의 재생산 등 다양한 응용 가치를 찾을 수 있으며, 메타정보(meta-information) 추출을 통해 영상 검색(image retrieval)이나 요약(summary) 생성 등에 활용할 수 있다. 제안하는 시스템에서 고려하는 단어 영상의 속성은 언어의 종류(한글, 영문), 스타일(볼드, 이탤릭, 보통, 밑줄), 문자 크기(10, 12, 14 포인트), 문자 개수 (한글: 2, 3, 4, 5, 영문: 4, 5, 6, 7, 8, 9, 10), 서체(명조, 고딕)의 다섯 가지 정보이다. 속성 인식을 위한 특징은, 언어 종류 인식에 2개, 스타일 인식에 3개, 문자 크기와 개수는 각각 1개, 한글 서체 인식은 1개, 영문 서체 인식은 2개를 사용한다. 분류기는 신경망, 2차형 판별함수(QDF), 선형 판별함수(LDF)를 계층적으로 구성한다. 다섯 가지 속성이 조합된 26,400개의 단어 영상을 사용한 실험을 통해, 제안된 방법이 소수의 특징만으로도 우수한 속성 인식 성능을 보임을 입증하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권1호
• /
• pp.120-124
• /
• 2010

이 논문은 오래된 영화에서 스크래치, 블로치등의 여러 종류의 손상요인을 자동으로 검출하는 방법을 제안한다. 제안된 방법은 후보 검출과 검증 단계로 이루어져 있다. 후보검출 단계에서는 스크래치와 블로치를 각각 공간적인 영역에서 주변에 비해 높은 대비를 가지는 특성과, 시공간적 불연속성에 따른 프레임의 최대범위를 찾아냄으로써 후보영역을 검출한다. 그 후, 생성된 몇몇의 오 검출을 제거하기 위해, 텍스처 분류기와 형태 필터링을 통한 검증단계를 거쳐 손상영역을 검출한다. 스크래치와 블로치의 텍스처 특징을 신경망(NNs)를 통해 학습되고, 그 형태는 모폴로지필터(morphological filter)에 의해 표현된다. 실험은 몇몇 오래된 영화를 대상으로 이루어졌고, 그에 따른 결과는 제안된 방법의 정확도는 81%의 정확도와 79%의 정밀도를 보였다.

• 한국산업정보학회논문지
• /
• 제12권3호
• /
• pp.60-68
• /
• 2007

본 논문에서는 자동으로 사용자의 얼굴 표정을 인식할 수 있는 시스템을 제안한다. 제안된 시스템은 휴리스틱 정보를 기반으로 설계된 트리 구조를 이용하여 행복, 역겨움, 놀람의 감정과 무표정을 인식한다. 카메라로부터 영상이 들어오면 먼저 얼굴 특징 검출기에서 피부색 모델과 연결성분 분석을 이용하여 얼굴 영역을 획득한다. 그 후에 신경망 기반의 텍스처 분류기를 사용하여 눈 영역과 비 눈 영역으로 구분한 뒤 눈의 중심 영역과 에지 정보를 기반으로 하여 눈, 눈썹, 입 등의 얼굴 특징을 찾는다. 검출된 얼굴 특징들은 얼굴 표정 인식기에 사용되며 얼굴 인식기는 이를 기반으로 한 decision tree를 이용하여 얼굴 감정을 인식한다. 제안된 방법의 성능을 평가하기 위해 MMI JAFFE, VAK DB에서 총 180장의 이미지를 사용하여 테스트하였고 약 93%의 정확도를 보였다.

• 정보처리학회논문지B
• /
• 제18B권3호
• /
• pp.147-156
• /
• 2011

본 논문에서는 유도전동기 고장 검출 및 분류를 위한 3-단계 (고장 신호의 전 처리, 고장 신호의 특징 추출, 고장 신호의 고장 유형별 분류) 알고리즘을 제안한다. 먼저 전 처리 단계에서는 저역 통과 필터를 통해 취득한 신호의 고주파 대역에 영향을 미칠 수 있는 잡음 성분을 제거하며, 다음으로는 이산 코사인 변환(discrete cosine transform)과 통계적 방법을 이용하여 고장 유형별 신호의 특징을 추출하고, 마지막 단계에서는 추출된 특징을 입력으로 하는 역 전파 신경 회로망(back propagation neural network)를 이용하여 신호를 고장 유형별로 분류한다. 시스템의 성능을 평가하기 위해 모의실험에 사용된 신호는 유도전동기의 진동 신호로, 정상 및 각종 이상 상태에 대해 8kHz의 샘플링율을 갖는 1초 길이의 데이터를 사용하였다. 모의실험 결과, 제안한 알고리즘은 학습된 상황의 고장 분류에서는 100%의 정확도를 보였으며, 기존의 공분산을 이용한 고장 검출 및 분류 알고리즘과 비교하여 약 50%의 정확도 향상을 보였다. 또한 고장 신호 취득 시 사용하는 센서의 종류나 주변 환경으로 인해 잡음이 추가될 수 있는 상황을 고려하여 취득한 데이터에 백색 가우시안 잡음을 인위적으로 추가한 모의실험에서도 98%이상의 고장 분류 정확도를 보였다. 더불어, 본 논문에서는 TI사의 TMS320F2812 디지털 신호 처리기에 제안한 고장 검출 및 분류 알고리즘을 탑재하여 실제 산업현장에서의 사용여부를 검증하였다.