• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.627-630
• /
• 2009

MicroC/OS-II에서는 우선순위 역전 현상에 대한 해결 기법으로 뮤텍스를 사용한 기본적인 우선순위 상속(Basic Priority Inheritance)을 사용한다. 뮤텍스를 구현하려면 리얼타임 커널이 우선순위가 같은 여러 태스크를 지원해야 한다. 하지만 MicroC/OS-II는 우선순위가 같은 여러 태스크를 지원하지 않는다. 이를 해결하기 위해 MicroC/OS-II는 우선순위 예약을 사용할 수밖에 없었으며 이로 인해 불필요한 메모리공간 및 우선순위 자원을 낭비하게 된다. 본 논문에서는 MicroC/OS-II에서의 불필요한 메모리 낭비와 우선순위 낭비를 줄여, 적은 용량의 메모리를 가지는 임베디드 장비에 효율적으로 운영되도록 제안 하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.623-624
• /
• 2009

본 논문에서는 신경망의 오류 역전파(Backpropagation) 학습 알고리즘을 이용한 얼굴의 정상 비정상을 인식하는 보안 시스템을 제안하였다. 제안된 시스템은 정지영상 및 동영상에서 입력된 얼굴영상을 전처리 단계에서 얼굴영역을 검출하여 $160{\times}160$ 크기의 고정 크기로 확대 및 축소 작업을 거친다. Mosaic 처리와 LaplacianEdge 처리를 거쳐 $40{\times}40$ 크기로 이진화한 정규화 데이터를 Gravity-Center 처리를 한다. 오류 역전파 학습 알고리즘으로 얼굴의 특징을 학습한 후 각종 정상 및 비정상 얼굴 데이터를 이용하여 인식률을 실험 하였다. 실험데이터는 이 분야의 공인 자료인 LFW Face Database[7] 데이터를 사용하였으며, 실험결과는 제안된 방법이 문제 해결에 적합한 접근임을 보여준다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.15 no.2
• /
• pp.49-57
• /
• 2010

This paper proposes a Korean document. categorization algorithm using Back Propagation Neural Network(BPNN) with Singular Value Decomposition(SVD). BPNN makes a network through its learning process and classifies documents using the network. The main difficulty in the application of BPNN to document categorization is high dimensionality of the feature space of the input documents. SVD projects the original high dimensional vector into low dimensional vector, makes the important associative relationship between terms and constructs the semantic vector space. The categorization algorithm is tested and compared on HKIB-20000/HKIB-40075 Korean Text Categorization Test Collections. Experimental results show that BPNN algorithm with SVD achieves high effectiveness for Korean document categorization.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.5 no.5
• /
• pp.471-476
• /
• 2010

In this paper, we propose an effective method that recognizes the vehicle license plate using RGB color information and back-propagation neural network algorithm. First, the image of the vehicle license plate is adjusted by the Mean of Blue values in the vehicle plate and two candidate areas of Red and Green region are classified by calculating the differences of pixel values and the final Green area is searched by back-propagation algorithm. Second, our method detects the area of the vehicle plate using the frequence of the horizontal and the vertical histogram. Finally, each of codes are detected by an edge detection algorithm and are recognized by error back-propagation algorithm. In order to evaluate the performance of our proposed extraction and recognition method, we have run experiments on a new car plates. Experimental results showed that the proposed license plate extraction is better than that of existing HSI information model and the overall recognition was effective.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.10 no.6
• /
• pp.1153-1158
• /
• 2006

The classification of the background and cell areas is very important research area because of the ambiguous boundary. In this paper, the region of cell is extracted from an image of uterine cervical cytodiagnosis using the region growing method that increases the region of interest based on similarity between pixels. Segmented image from background and cell areas is binarized using a threshold value. And then 8-directional tracking algorithm for contour lines is applied to extract the cell area. First, the extracted nucleus is transformed to RGB color that is the original image. Second, the K-means clustering algorithm is employed to classify RGB pixels to the R, G, and B channels, respectively. Third, the Hue information of nucleus is extracted from the HSI models that is the transformation of the clustering values in R, G, and B channels. The backpropagation algorithm is employed to classify and identify the normal or abnormal nucleus.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.162-165
• /
• 2002

Q-learning은 강화학습의 한 방법으로서, 여러 분야에 널리 응용되고 있는 기법이다. 최근에는 Linear Quadratic Regulation(이하 LQR) 문제에 성공적으로 적용된 바 있는데, 특히, 시스템모델의 파라미터에 대한 구체적인 정보가 없는 상태에서 적절한 입력과 출력만을 가지고 학습을 통해 문제를 해결할 수 있어서 상황에 따라서 매우 실용적인 대안이 될 수 있다. Neural Q-learning은 이러한 Q-learning의 Q-value를 MLP(multilayer perceptron) 신경망의 출력으로 대치시킴으로써, 비선형 시스템의 최적제어 문제를 다룰 수 있게 한 방법이다. 그러나, Neural Q방식은 신경망의 구조를 먼저 결정한 후 역전파 알고리즘을 이용하여 학습하는 절차를 취하기 때문에, 시행착오를 통하여 신경망 구조를 결정해야 한다는 점, 역전파 알고리즘의 적용으로 인해 신경망의 연결강도 값들이 지역적 최적해로 수렴한다는 점등의 문제점을 상속받는 한계가 있다. 따라서, 본 논문에서는 Neural-0 학습의 도구로, 역전파 알고리즘으로 학습되는 MLP 신경망을 사용하는 대신 최근 들어 여러 분야에서 그 성능을 인정받고 있는 서포트 벡터 학습법을 사용하는 방법을 택하여, $\varepsilon$-SVR(Epsilon Support Vector Regression)을 이용한 Q-value 근사 기법을 제안하고 관련 수식을 유도하였다. 그리고, 모의 실험을 통하여, 제안된 서포트 벡터학습 기반 Neural-Q 방법의 적용 가능성을 알아보았다.

• The Korean Journal of Financial Management
• /
• v.24 no.4
• /
• pp.163-199
• /
• 2007

This paper studies the stock market in which there are two types of investor, institutional and individual, whose information gathering and processing abilities are different. The institutional investor manages large funds and has powerful information sources. Whereas, the individual investor trades with a small amount of money and an information disadvantage. The model assumes that the institutional investor is more experienced and able to acquire relevant information earlier than the individual investor. On these assumptions, this paper shows a price continuation in the short run and a price reversal in the long run. The price continuation, or momentum, in the short run can be explained as follows. The early-informed institutional investor trades a stock, and as a result the stock price changes. Then the late-informed individual investor trades the same stock, and the stock price continues to move in the same direction in the short run. The reason for the price reversal in the long run is that since the individual investor has inferior information on the fundamental value of the stock, he tends to overreact to new information. So the stock price changes over its fundamental value initially and then regresses toward its fundamental value. In sum, both the price continuation and the price reversal are caused by the overreaction of the individual investor. The essay illustrates how these phenomena are stronger in the case where the proportion of the individual investor is higher. It also shows how the stock price goes up when the institutional investor buys a stock, while it goes down when the individual investor buys one.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.737-740
• /
• 2004

본 논문에서는 차종 식별을 위해 차량 영상의 질감 특징을 사용하였다. 차량의 질감 특징 정보를 얻기 위한 관심영역으로 라디에이터 그릴 부분을 선택하였다. 추출된 관심영역으로부터 GLCM(Gray Level Co-occurrence Matrix)을 사용하여 질감 특징 값을 추출하였고, 그 특징 값들을 입력으로 취하는 3층의 신경회로망을 구성한 후 역전파 학습 알고리즘을 사용하여 학습을 시켜서 차종 식별을 시도하였다.

• Annual Conference on Human and Language Technology
• /
• 1989.10a
• /
• pp.137-141
• /
• 1989

본 논문에서는 신경망 구조의 한 모델인 feed-forward multi-layered network에 역전파 학습(back-propagation learning) 기법을 이용하여 필기체 한글 숫자를 인식하고 그 가능성을 보였다. 문자 인식에 있어 입력 대상의 모양이 왜곡되거나, 대상의 크기 혹은 위치의 변화 등과 같은 잡음 (noise)에 대해서 정확히 대상을 인식하는 데는 대상의 구조 추출에 크게 관여되므로 한글의 구조 추출에 적합하다고 생각되는 bar mask 투사법을 제안하였다. 모델의 학습을 필기체 한글 숫자 16자의 입력 패턴과 타겟 ( target) 입력의 쌍을 이용해 학습시켰다. 또한, 모델의 인식 정도를 측정해 보기 위해 시험패턴을 적용하여 훈련된 패턴과 훈련되지 않은 패턴간의 인식률을 비교하여 보았다.

• Journal of Internet Computing and Services
• /
• v.5 no.5
• /
• pp.93-103
• /
• 2004

The main function of the intrusion Detection System (IDS) usee to be more or less passive detection of the intrusion evidences, but recently it is developed with more diverse types and methodologies. Especially, it is required that the IDS should process large system audit data fast enough. Therefore the data mining or neural net algorithm is being focused on, since they could satisfy those situations. In this study, we first surveyed and analyzed the several recent intrusion trends and types. And then we designed and implemented an IDS using back-propagation algorithm of the neural net, which could provide more effective solution. The distinctive feature of our study could be stated as follows. First, we designed the system that allows both the Anomaly dection and the Misuse detection. Second, we carried out the intrusion analysis experiment by using the reliable KDD Cup ‘99 data, which would provide us similar results compared to the real data. Finally, we designed the system based on the object-oriented concept, which could adapt to the other algorithms easily.