• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 춘계종합학술대회
• /
• pp.721-723
• /
• 2007

현재 항만의 컨테이너 양하 및 적하 과정에서 획득되는 컨테이너 영상은 크기 및 위치가 정형화되어 있지 않고, Yard Tractor의 정차 차선과 컨테이너의 크기 등의 외부 환경 변화로 인해 인식에 적합한 영상을 획득하기 어렵다. 본 논문에서는 Top-Hat Transform을 이용하여 실시간 영상으로부터 문자의 영역을 추정하고, 카메라의 PAN/TILT/ZOOM 기능을 이용한 시선이동을 통해 문자인식에 적합한 영상을 획득한다. 획득된 컨테이너 영상으로부터 Top-Hat Transform 및 Histogram Projection을 이용하여 식별자 영역을 추출하고 이진화한 뒤, Labeling 된 결과를 토대로 배경과 문자영역을 구분하고 개별 문자들을 추출한다. 이후 오류역전파 알고리즘을 이용하여 추출된 개별 문자들을 인식한다. 실제 부두에 설치하여 제안된 컨테이너 식별자 영상 획득 및 인식 방법이 우수함을 확인하였다.

• 농촌계획
• /
• 제12권1호
• /
• pp.75-83
• /
• 2006

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2001년도 춘계학술대회 논문집
• /
• pp.1021-1024
• /
• 2001

Out of all metal-cutting processes, the hole-making process is the most widely used. It is estimated to be more than 30% of the total metal-cutting process. It is therefore desirable to monitor and detect drill wear during the hole-drilling process. In this paper, the vision system of the sensing methods of drill flank wear on the basis of image processing is used to detect the wear pattern by non-contact and direct method and get the reliable wear information about drill. In image processing of acquired image, median filter is applied for noise removal. The vision flank wear area of the drill was measured. Backpropagation neural networks (BPns) were used for no-line detection of drill wear. The neural network consisted of three layers: input, hidden and output. The input vectors comprised of spindle rotational speed, feed rates, vision flank wear, thrust and torque signals. The output was the drill wear state which was either usable or failure. Drilling experiments with various spindle rotational speed and feed rates were carried out. The learning process was peformed effectively by utilizing backpropagation. The detection of the abnormal states using BPNs achieved 96.4% reliability even when the spindle rotational speed and feedrate were changed.

• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.672-676
• /
• 2010

본 논문은 연결강도를 조정할 때 결정 경계선 근처에 있는 데이터를 더 반영하는 학습법칙을 제안하였다. 이 학습법칙은 outlier가 결정 경계선에 미치는 영향을 줄여 더 나은 결정 경계선을 형성하도록 한다. 제안하는 학습법칙을 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망의 구조에 적용하였다. IAFC 신경회로망은 배운 것을 유지하는 안정성이 있으면서, 새로운 것을 배울 수 있는 안정성이 있다. 이 퍼지 신경회로망의 성능과 LVQ(Learning Vector Quantization) 신경회로망 및 오류역전파 신경회로망의 성능과 비교하였다. 실험결과 제안하는 퍼지 신경회로망의 성능이 우수함을 보여주었다.

• 디지털콘텐츠학회 논문지
• /
• 제18권5호
• /
• pp.969-976
• /
• 2017

본 논문에서는 최적화 알고리즘으로 개발된 WFSO(Water Flowing and Shaking Optimization) 알고리즘을 사용한 인공신경망 과합성공 신경망의 학습 방법을 제안한다. 최적화 알고리즘은 다수의 후보 해를 기반으로 탐색해 나가기 때문에 일반적으로 속도가 느린 단점이 있으나 지역 최소값에 거의 빠지지 않고 병렬화가 용이하며 미분 불가능한 활성화함수를 갖는 인공신경망 학습도 가능하고 구조와 가중치를 동시에 최적화 할 수 있는 장점이 있다. 본 논문에서는 WFSO 알고리즘을 인공신경망 학습에 적용하는 방법을 설명하고 다층 인공신경망과 합성곱 신경망에서 오류역전파 알고리즘과 성능을 비교한다.

• 한국산학기술학회논문지
• /
• 제12권7호
• /
• pp.2913-2918
• /
• 2011

본 논문은 기계시스템의 마찰 현상 중 히스테리시스 현상을 실험적으로 규명하고 뉴럴 네트워크 알고리즘을 이용한 프라이자흐(Preisach) 모델을 제안하였다. 제안된 모델은 실험을 통해 구한 마찰 특성을 오류역전파(back propagation) 알고리즘을 이용하여 뉴럴 네트워크의 가중 행렬(weighting factor)를 갱신할 수 있도록 하였다. 학습된 가중행렬은 프라이자흐 모델의 파라미터로 활용하였다. 마찰 거동을 규명하기 위한 실험 및 제안된 프라이자흐 모델은 LabView소프트웨어를 이용하여 구현하고 마찰이 있는 기계 및 로봇 시스템의 정밀 제어 시스템 구축을 위한 알고리즘으로 활용할 수 있도록 제안하였다. 제안된 모델의 성능은 실험을 통해 규명하였다.

• 한국지능시스템학회논문지
• /
• 제21권5호
• /
• pp.602-608
• /
• 2011

본 논문에서는, 신경망을 이용한 뉴로 인터페이스 설계를 통해 논홀로노믹 이동 로봇을 제어하는 방법을 제시하였다. 특히, 가상의 마스터-슬레이브 로봇 개념을 이용하여, 부분적으로 안정된 마스터 로봇의 역 동적모델이 피드백-에러 학습법을 적용한 신경망을 통해 온라인으로 획득되도록 하였다. 이 피드백 제어기는 PD 보상기에 기초를 두고 있다. 온라인 학습을 위한 신경망은 입력층이 6개의 입력세포들($x_i$, i=1~6)로 구성되어있으며, 1개의 은닉층에는 2개의 은닉세포($o_j$, j=1~2), 출력층은 2개의 출력세포(${\tau}_k$, k=1~2)로 구성되었고, 신경망의 온라인 학습을 위하여 최소자승법에 의한 오류역전파 알고리즘을 이용하였다. 본 연구에서 개발된 뉴로 인터페이스의 경로추적제어에 관한 성능은 2-wheel 독립구동이 가능한 논홀로노믹 이동 로봇의 시뮬레이션으로 증명하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1968-1969
• /
• 2011

본 논문에서는 패턴 인식을 위한 다중 출력을 가지는 Interval Type-2 퍼지 집합을 이용한 퍼지 집합 기반 퍼지 뉴럴 네트워크를 소개한다. Interval Type-2 퍼지 집합 기반 퍼지 뉴럴 네트워크는 각 입력 변수에 따른 서로 분리된 입력 공간을 분할함으로서 네트워크 및 규칙을 구성한다. 규칙의 전반부는 퍼지 입력 공간을 개별적으로 분할하여 표현하고, 각 공간은 Interval Type-2 퍼지 집합으로 구성된다. 규칙의 후반부는 패턴 인식을 위한 다중 출력을 가지며 Interval 집합을 이용하여 다항식으로서 표현된다. 다항식의 계수인 연결가중치는 오류역 전파 알고리즘을 이용하여 학습한다. 또한 실수 코딩 유전자 알고리즘을 이용하여 제안된 네트워크를 최적화한다. 제안된 네트워크는 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 제37회 하계학술대회 논문집 D
• /
• pp.2081-2082
• /
• 2006

본 논문에서는 지능형 로봇 시스템에서 신경 회로망을 이용한 인간 몸의 제스처 추출 기법을 제안 하였다. 지능형 로봇 시스템에서 사용된 컴퓨터 시각 기반에서는 시간상의 변화에 따른 특징 벡터 추출을 필요로 한다. 이를 위해 본 논문에서는 신경 회로망을 이용한 제스처 추출 기법을 제안 하였다. 신경 회로망을 이용한 제스처 추출은 오류 역 전파 학습방법을 사용하여 시간상에서 변화하는 영상 시퀀스에 정보를 생성하고 움직임 모델을 통해 두 정보간의 따른 제스처 추출에 가중치를 준다. 마지막으로 본 연구에서 제안한 기법은 실험을 통해 그 우수성을 확인하였다.

• 지질공학
• /
• 제30권4호
• /
• pp.457-468
• /
• 2020

플랜트, 토목 및 건축 사업에서 말뚝(Pile) 설계 시 어려움을 겪는 주된 요인은 지반 특성의 불확실성이다. 특히 표준관입시험(Standard Penetration Test, SPT)을 통해 측정되는 N치를 얻는 것이 가장 중요한 자료이나 광범위한 모든 지역에서 구하는 것은 어려운 현실이다. 짧은 해외사업 입찰기간 내에 시추조사를 할 경우 인허가, 시간, 비용, 장비접근, 민원 등 많은 제약요건이 존재하여 전체적인 시추조사가 어렵다. 미시추 지점에서 지반 특성은 엔지니어의 경험적 판단에 의존하여 파악되고 있고, 이는 말뚝의 설계 및 물량산출 오류로 이어져서, 공기 지연 및 원가 증가의 원인이 되고 있다. 이를 극복하기 위해서, 한정된 최소한의 지반 실측 자료를 활용하여 미시추 지점에서도 N치를 예측 할 수 있는 기술이 요구되며, 본 연구에서는 AI기법 중 하나인 인공신경망을 적용하여 N치를 예측하는 연구를 수행하였다. 인공신경망은 제한된 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성 있는 결과를 제공하여 준다. 본 연구에서는 최소한의 시추자료의 지반정보를 입력항목으로 하여 다층퍼셉트론과 오류역전파 알고리즘에 의하여 학습된 패턴을 가지고 미시추 지점에서 N치를 예측하는데 그 목적을 두고 있다. 이를 위하여 2개 현장(필리핀, 인도네시아)에 AI기법 적용시 실측값과 예측값에 대한 적정성을 검토하였고, 그 결과 예측값에 대한 신뢰도가 높은 것으로 연구 검토되었다.