• 한국통신학회논문지
• /
• 제32권9C호
• /
• pp.881-887
• /
• 2007

본 논문에서는 농구 비디오의 내용기반 자동 요약 방법을 제안하였다. 의미 있는 요약을 위해, 농구 비디오에 포함되어 있는 스코어 정보를 이용하였다. 스코어 정보는 비디오에 포함된 스코어 자막의 숫자들을 인식한 후, 인식된 스코어의 변화를 분석함에 의해 획득된다. 일반적으로 농구경기의 중요한 이벤트는 3점 슛, 일방적 리드, 역전 등이다. 제안된 요약방법은 스코어 정보를 활용해 이러한 이벤트들을 검출하였으며, 이를 기반으로 농구 비디오의 요약 및 하이라이트를 생성하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 1995년도 제7회 한글 및 한국어 정보처리 학술대회
• /
• pp.39-42
• /
• 1995

문장 안에서 한 단어가 가지는 올바른 의미를 얻기 위해 모듈화된 신경망을 이용하였다. 앞부분에 놓인 신경망은 코호넨 신경망으로 사용자의 지도가 개입되지 않은 상태로 자율학습(Unsupervised learning)이 이루어지고, 뒤에 놓인 신경망은 앞에서 결과로 얻은 2차원의 자기 조직화 형상지도(Self-organizing feature map)를 바탕으로 역전파 신경망을 이용한 지도학습(Supervised learning)을 하게 하였다. 입력 자료는 구문분석된 문장의 조사 정보를 활용하여 입력 위치를 정해준 명사의 의미표지와 동사의 의미표지를 사용하였다. 중의성이 있는 단어를 가지는 문장은 중의성의 가지수 만큼 테스트 입력 자료가 되어 신경망을 통과하여 의미를 결정하도록 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 춘계학술발표대회
• /
• pp.305-308
• /
• 2007

본 논문은 교통표지판을 자동으로 인식하는 방법에 관한 연구로 기존의 교통표지판 인식시스템에서는 인식하는데 걸리는 시간이 길고 잡음환경에서 인식률이 저하되며 변경된 교통표지판은 인식하지 못하는 문제점이 있다. 본 논문에서는 이와 같은 문제점을 해결하기위해 컬러정보를 이용하여 교통표지판 영역을 추출하고 추출된 이미지를 인식하는데 다층퍼셉트론 신경망 알고리즘을 적용하여 교통표지판 인식시스템을 제안한다. 제안된 방법은 교통표지판의 컬러를 분석하여 영상에서 교통표지판 영역을 추출한다. 영역을 추출하는 방법은 RGB 컬러 공간으로부터 YUV, YIQ, CMYK 컬러 공간이 가지는 특성을 이용한다. 형태처리는 교통표지판의 기하학적 특성을 이용하여 군집화한다. 교통표지판 인식은 학습이 가능한 다층퍼셉트론의 오류역전파알고리즘을 적용하여 인식한다. 다층퍼셉트론 신경망 알고리즘은 패턴인식 분야에서 우수한 성능이 입증 되었다.

• 한국통신학회논문지
• /
• 제32권8C호
• /
• pp.738-744
• /
• 2007

본 논문에서는 농구 비디오의 내용기반 자동 요약 방법을 제안하였다. 의미 있는 요약을 위해, 농구 비디오에 포함되어 있는 스코어 정보를 이용하였다. 스코어 정보는 비디오에 포함된 스코어 자막의 숫자들을 인식한 후, 인식된 스코어의 변화를 분석함에 의해 획득된다. 일반적으로 농구경기의 중요한 이벤트는 3점 슛, 일방적 리드, 역전 등이다. 제안된 방법은 스코어 정보를 활용해 이러한 이벤트들을 검출하였으며, 이를 기반으로 농구 비디오의 요약 및 하이라이트를 생성하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.177-178
• /
• 2007

플라즈마 공정은 집적회로 제작을 위한 미세 박막의 증착과 패턴닝에 핵심적으로 이용되고 있다. 본 연구에서는 플라즈마공정감시와 제어에 응용될 수 있는 모델을 제안한다. 본 모델은 광방사분광기 (Optical emission spectroscopy-OES)정보와 역전파 신경망을 이용해서 개발하였다. 제안된 기법은 Oxide 식각공정에서 수집한 데이터에 적용하였으며, 체계적인 모델링을 위해 공정데이터는 통계적 실험계획법을 적용하여 수집되었다. Raw OES 정보대신, Actinometric OES 정보를 이용하였으며, 신경망의 예측성능은 유전자 알고리즘을 이용해서 증진시켰다. OES의 차수를 줄이기 위해 주인자 분석 (Principal Component Analysis-PCA)을 세 종류의 분산(100, 99, 98%)에 대해서 적용하였다. 최적화한 모델의 예측에러는 323 $\AA/min$이었다. 이전에 PCA를 적용하고 은닉층 뉴런의 함수로 최적화한 모델의 예측에러는 570 $\AA/min$이었으며, 개발된 모델은 이에 비해 43% 증진된 예측 성능을 보이고 있다.

• 한국컴퓨터정보학회논문지
• /
• 제3권1호
• /
• pp.95-112
• /
• 1998

역전도 알고리즘은 연관 기억장치, 음성 인식, 패턴인식, 로보틱스등 여러 응용 분야에 다양하게 사용되고 있다. 그러나 새로운 학습 패턴을 추가적으로 학습시키려면 이전에학습했던 모든 패턴과 추가되는 패턴을 갖고 처음부터 새로운 학습을 수행하여야 한다. 이는 패턴의 개수가 점차 늘어날수록 학습에 소요되는 시간이 기하 급수적으로 길어지는 결과를 초래하게 된다. 따라서 주기적으로 다량의 데이터를 추가로 학습을 할 경우에 이러한 점진적 학습은 반드시 해결해야 할 문제점으로 간주된다. 본 논문에서는 기존의 신경망 구조는 그대로 유지하면서 대표 패턴을 추출해 추가 학습을 수행하는 방법을 제안하고 제안된 기법의 효율성을 위해 기계 학습 분야의 벤치마크로 많이 사용되는 Monk's data와 Iris data에 적용해 보았다.

• 한국정보전자통신기술학회논문지
• /
• 제6권2호
• /
• pp.113-118
• /
• 2013

본 논문에서는 효율적인 번호판 인식을 위하여 번호판 영역 식별과 문자 분리, 문자 인식에 적합한 번호판 인식 시스템을 위한 방법들을 제안하고자한다. 번호판 영역 식별에는 실시간 처리가 가능하도록 속도가 빠르고, 번호판 영역의 누락이 없는 방법이 필요하다. 제안된 알고리즘은 효율성을 입증하기 위하여 역전파 알고리즘만을 이용한 인식시스템과 SVM만을 이용한 인식시스템 그리고 제안한 인식 시스템을 각각 실험하였다. 그 결과 역전파 알고리즘을 이용한 경우 87.9%, SVM의 경우91.4%의 번호판 인식을 한 반면 제안된 알고리즘은 98.6%의 인식률을 나타내어 최소 7.9%에서 최대 12.2%의 인식률이 향상되었다.

• 한국정보통신학회논문지
• /
• 제13권5호
• /
• pp.1008-1013
• /
• 2009

본 논문에서는 피실험자의 체온, 맥박, 호흡수, 혈압을 수집할 수 있는 무선 센서를 이용하여 수집된 생체 신호를 분석하는 시스템을 제안하였으며, 생체 신호를 분석하기 위하여 전문가 시스템을 사용하여 역전파 신경망을 설계 하였다. 제안된 시스템은 하드웨어 (UStar-2400 ISP, UStar-2400, Wireless sensors) 부분과 소프트웨어 부분 (Knowledge Base module, Inference Engine module, User Interface module)으로 구성되며 소프트웨어 부분은 HOST PC에 삽입된다. 그리고 시스템의 정확도를 개선하기 위하여 전방향 에러 정정 시스템(LDPC)을 구현하였다. 지식기반 모듈에서 100개의 데이터 집합을 사용하여 역전파 신경망을 훈련하였으며, 지식기반 모듈의 128개의 데이터 집합을 사용하여 실험한 결과 약 95%의 정확도를 가졌으며, 무선 센서를 사용하여 13명의 학생을 대상으로 실험한 결과 약 85%의 정확도를 획득하였다.

• 한국정보처리학회논문지
• /
• 제2권5호
• /
• pp.619-625
• /
• 1995

본 연구에서는 역전파(backpropagationlk)학습 알고리즘에 대체될 수 있는 전방향 학습 알고리즘에 준하는 혼합 인식모형을 구성한다. 본 알고리즘은 Nikhil R. Pal (1993)이 제안한 GLVQ(Generalized Learning Vector Quantization)를 이용하여 패턴을 클러스터링 한 다음 비유사성(dissimilarity)을 가진 패턴끼리 재구성(regrouping) 하여 단순 퍼셉트론(simple perceptron)을 이용하여 group별 학습을 한다. 일반적으로 역전파학습인 학습시간이 많이 소요된다는 단점이 있다［1］. 본 알고리즘의 특징으로 는 feed-forward학습이기 때문에 학습시간이 단축될 뿐만 아니라 전체 패턴을 그룹별 로 나누어 학습을 하기 때문에 인식률도 향상 시킬 수 있다. 본 알고리즘에 적용한 데 이타는 250개의 ASCII코드를 16$\times$8격자에 정규화시킨 비트 패턴(bit pattern)을 이용 하였다. 실험결과 250개의 패턴을 10개의 클러스터로 나누어 학습을 시켰을 때 각 클 러스터별 평균반복횟수 94.7회만에 250개의 ASCII코드를 100% 인식할 수 있었다.

• 전자공학회논문지S
• /
• 제36S권7호
• /
• pp.81-89
• /
• 1999

통신에 의한 전송 영상은 잡음이나 번짐 또는 일그러짐 등을 항상 포함한다. 본 논문에서는 적응형 일반스텍 최적화 필터(OAGSF: optimal adaptive generalized stack filter)라는 영상복원 공간 필터를 제안하였는데, 이는 영상의 복원에서 잡음 제거율과 외곽선 정보의 보존률의 증가을 위해 신경회로맘의 역전파 학습 알고리즘의 가중치 학습 알고리즘을 기반으로 적응형 일반스택 필터(AGSF)를 최적화 시킨 것이다. 적응형 일반스택 필터는 일반스택 필터(GSF: generalized stack filter)와 적응형 다단계 메디안 필터(AMMF; adaptive multistage median filter)로 구분하고, 일반스텍 필터는 스택 필너치 기능을 보완한것이고, 적응형 다단계 메디안 필터는 메디안 필터의 외곽선 정보 보존률을 높인 것이다. 신경회로망의 역전파 학습 알고리즘에 대하여 두가지 가중치 학습 알고리즘인 최소평균절대 (LMA:Least Mean Absolute) 알고리즘과 최소평균자승(LMS: Least Mean Square) 알고리즘을 이용하여 적응형 일반스택 필터를 최적화하였다. 본 논문에서 제시한 신경회로망을 이용한 영상복원 공간필터에 대해 실험결과를 통해 제시하였다.