• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.509-514
• /
• 2015

본 논문에서는 인공 신경망의 일종인 Extreme Learning Machine의 학습 알고리즘을 기반으로 하여 노이즈에 강한 특성을 보이는 퍼지 집합 이론을 이용한 새로운 패턴 분류기를 제안 한다. 기존 인공 신경망에 비해 학습속도가 매우 빠르며, 모델의 일반화 성능이 우수하다고 알려진 Extreme Learning Machine의 학습 알고리즘을 퍼지 패턴 분류기에 적용하여 퍼지 패턴 분류기의 학습 속도와 패턴 분류 일반화 성능을 개선 한다. 제안된 퍼지패턴 분류기의 학습 속도와 일반화 성능을 평가하기 위하여, 다양한 머신 러닝 데이터 집합을 사용한다.

• 한국정보통신학회논문지
• /
• 제16권1호
• /
• pp.41-47
• /
• 2012

본 논문에서는 초음파 송신 시간을 일정 패턴으로 계획하여 송신하고 연속해서 수신되는 거리 데이터 값을 이전상태의 데이터를 통해 예측된 거리값으로 매핑 시키는 알고리즘을 제시하였다. 에러값에 대한 패턴을 인식하여 다중반사에 의한 에러를 판별 및 제거할 수 있다. 그리고 이동 로봇을 이용하여 다중반사 환경에서 실험을 통하여 거리값의 손실 없이 정확한 데이터를 획득할 수 있음을 실험을 통하여 보였다. 이동로봇에 다양한 센서기술들을 이용하여 실내에서 활용하기 적합한 지능적 역할을 수행할 수 있는 다목적용 자율 이동 로봇에 환경인식을 위한 다중 초음파센서를 장착하여 초음파 반사에 따른 크로스토크 실험결과를 제하였다. 또한, 기존 로봇에 장착된 초음파를 이용하여 계획송신(Scheduling firing)방법을 적용하여 임의의 환경에서의 실험결과를 통해 제시한 방법에 대한 유효성을 검증하였다.

• 한국항행학회논문지
• /
• 제24권5호
• /
• pp.393-407
• /
• 2020

불법 무인기에 의한 위협을 줄이기 위해, 음향 기반 기법에 의한 추적시스템을 구현하였다. 드론 음향 추적 방식에는 3가지 주요 사항이 있다. 첫째, 가변 빔 형성을 통해 공간을 스캔하여 음원을 찾아 마이크 어레이를 사용하여 소리를 녹음한다. 둘째, 음원의 존재 유·무 여부를 알기 위해 은닉 마르코프 모델(HMM)로 분류한다. 마지막으로 음원이 드론인 경우, 적응형 빔 패턴을 기반의 추적기준 신호로 기록 및 저장된 음원을 사용한다. 시뮬레이션은 배경 노이즈 및 간섭 사운드가 없는 이상적인 상태와 배경 노이즈 및 간섭 사운드가 있는 비이상적인 조건 모두에서 수행되며 불법적인 드론의 추적 성능을 평가하였다. 드론 추적 시스템은 마이크 어레이 성능에 따른 탐색 거리 성능향상 및 음향 패턴 일치 정도에 따른 드론 유무 판정 기준을 설계하여 음성판독 회로설계에 반영하였다.

• 전자공학회논문지SC
• /
• 제43권1호
• /
• pp.39-44
• /
• 2006

델타시그마 변환기에서 limit cycle 에 의한 패턴 노이즈 문제는 오래 동안 설계자들을 괴롭혀 온 문제이다. 델타시그마 변환기의 동작과 출력은 입력과 초기치에 의해 결정된다. 본 논문은 델타시그마 변환기의 구조에 따른 패턴잡음의 발생정도를 널리 쓰이는 네 가지 모델로 비교 하였다. 델타시그마 변환기 중 적분기형 과 공진기형의 차이와 부궤환 방식에 따른 차이를 비교 하였으며 그 결과는 적분기 형식의 증폭단을 사용하는 델타시그마 변환기가 패턴잡음을 적게 발생시키는 것으로 판명되었다.

• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.94-99
• /
• 2008

속성선택 (Feature Selection)은 패턴분류 문제에서 분류기들의 성능을 향상시킬 수 있는 중요한 기법이다. 특히, 많은 속성들을 가지는 데이터의 분류문제에서 관련이 적은 데이터, 중복되거나 또는 노이즈 있는 데이터를 제거한 주요 속성부분집합을 선택하여 이용함으로써 분류기의 정확도를 향상시킬 수 있다. 본 논문에서는 유전자 알고리즘과 정보이론의 상호정보량을 이용하여 속성선택을 하는 기법을 제안하였다. 실험을 통하여 제안된 알고리즘이 패턴인식문제에서 다른 방법들보다 성능이 우수함을 보였다.

• 한국지능시스템학회논문지
• /
• 제16권4호
• /
• pp.396-401
• /
• 2006

순환결합형 신경회로망은 복수 개의 리미트사이클을 생성하며 따라서, 많은 동적 정보를 저장할 수 있는 메모리 시스템으로 사용할 수 있다는 것이 알려져 있다. 본 논문에서는 각 뉴런이 최근접 뉴런에만 이진화한 결합하중 ${\pm}1$로 연결된 연속 시간모델 순환결합형 신경회로망을 구현하였다. 그리고 이런 회로망을 통해 생성되는 리미트사이클의 수와 패턴을 시뮬레이션을 통하여 나타내었다. 또한 카오스 신호를 인가하여 리미트사이클 사이의 천이 가능성을 입증하였다. 특히, 카오스 신호 이외의 랜덤 노이즈를 이용한 해석을 통하여 동적 신경회로망에 카오스 노이즈를 인가하는 경우의 유효성을 검토하였다.

• 한국지능시스템학회논문지
• /
• 제13권3호
• /
• pp.348-354
• /
• 2003

본 논문에서는 홍채인식과 화자식별 방법을 결합한 고도의 개인확인 시스템을 제안한다. 제안된 방법은 홍채인식과 화자식별의 장점만을 부각시켜 최종적으로 결정법칙에 의해 화자를 인식하는 구조로 되어 있으며, 특히 음성에 노이즈가 첨가된 환경하에서도 우수한 성능을 보일 수 있도록 시스템을 구성하였다. 제안된 알고리즘의 성능을 검증하기 위하여 실험한 결과, 보안의 정도가 높은 상급(High)에 해당하는 인식률은 홍채만을 이용한 경우보다 56.7%, 음성을 이용한 화자식별 방법만을 사용한 경우보다 10% 정도 인식률이 향상되었다. 또한 음성에 노이즈를 첨가한 경우에도 보안의 정도가 높은 상급(High)에 해당하는 인식률은 홍채만 이용한 경우보다 인식률이 30%, 노이즈가 첨가된 음성만 이용한 경우보다 60% 정도 향상된 인식률을 보였다.

• 한국방사선학회논문지
• /
• 제17권6호
• /
• pp.911-917
• /
• 2023

임상 초음파 검사를 사용한 간 표면의 결절성 변화를 관찰하는 방법은 간경변 진단에 유용하게 사용되고 있다. 하지만 초음파 영상에서 필연적으로 발생되는 speckle 노이즈는 간표면과 echo 패턴 변화의 식별을 어렵게 하므로 간경변 진단에 부정적인 영향을 끼친다. 본 연구의 목적은 간경변 초음파 영상의 노이즈를 효율적으로 줄일 수 있는 변형된 중간값 위너 필터(median modified Wiener filter, MMWF)를 모델링하여 적용 가능성을 확인하는 것이다. ACR 팬텀과 실제 간경변 환자를 통해 초음파 영상을 획득하였고, 각각의 영상마다 제안하는 MMWF 알고리즘과 conventional filter 들을 적용하였다. 획득된 초음파 영상들의 정량적 화질 평가인자로는 변동 계수(coefficient of variation, COV)와 가장자리 상승 거리(edge rise distance, ERD)를 사용하였다. ACR 팬텀과 실제 간경변 환자의 초음파 영상 모두에서 MMWF 알고리즘이 conventional filter 보다 COV와 ERD 값이 모두 향상되었음을 확인하였다. 결론적으로 제안하는 MMWF 알고리즘은 노이즈 레벨을 줄일 수 있음과 동시에 공간 분해능을 향상시킬 수 있어 간경변 환자의 진단률 향상에 기여할 수 있을 것으로 기대한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권5호
• /
• pp.551-555
• /
• 2010

단백질 2-DE 이미지 분석에서 단백질 자체가 가지고 있는 불안정성과 2-DE 실험이 가지고 있는 근본적인 문제점으로 인하여 이미지 스팟 매칭 분석의 정확도가 낮아지게 된다. 이 논문에서는 다중 참조이미지를 사용하여, 스팟 매칭 패턴의 정확도에 큰 영향을 주는 이미지 찌그러짐을 보완하고, 그에 따른 노이즈 스팟 제거와 참조 이미지 품질에 의한 정확도 저하를 최소화하는 방법을 제안하였다. 또한 2-DE 이미지의 데이터 특성에 의하여 이미지 수가 증가할 때 성능이 급격히 떨어지는 문제를 해결하기 위하여, 다중 참조이미지를 사용하여 구축한 스팟 매칭 데이터베이스를 이미지의 생물학적 특성에 의하여 "분할 및 확장" 방법을 사용하여, 정확도를 향상시키는 동시에 패턴 길이를 보장하는 스팟 매칭 패턴을 효과적으로 생성하였다. 실험에서는 실제 인간 2-DE 이미지 데이터를 사용하여 제안한 방법의 타당성을 보여준다.

• 한국빅데이터학회지
• /
• 제4권2호
• /
• pp.1-12
• /
• 2019

인공지능 기술이 발전하면서 이미지, 음성, 텍스트 등 다양한 분야에 적용되고 있으며, 데이터가 충분한 경우 기존 기법들에 비해 좋은 결과를 보인다. 주식시장은 경제, 정치와 같은 많은 변수에 의해 영향을 받기 때문에, 주식 가격의 움직임 예측은 어려운 과제로 알려져 있다. 다양한 기계학습 기법과 인공지능 기법을 이용하여 주가 패턴을 연구하여 주가의 등락을 예측하려는 시도가 있어왔다. 본 연구는 딥러닝 기법 중 컨볼루셔널 뉴럴 네트워크(CNN)를 기반으로 주가 패턴 예측률 향상을 위한 데이터 증강 방안을 제안한다. CNN은 컨볼루셔널 계층을 통해 이미지에서 특징을 추출하여 뉴럴 네트워크를 이용하여 이미지를 분류한다. 따라서, 본 연구는 주식 데이터를 캔들스틱 차트 이미지로 만들어 CNN을 통해 패턴을 예측하고 분류하고자 한다. 딥러닝은 다량의 데이터가 필요하기에, 주식 차트 이미지에 다양한 데이터 증강(Data Augmentation) 방안을 적용하여 분류 정확도를 향상 시키는 방법을 제안한다. 데이터 증강 방안으로는 차트를 랜덤하게 변경하는 방안과 차트에 가우시안 노이즈를 적용하여 추가 데이터를 생성하였으며, 추가 생성된 데이터를 활용하여 학습하고 테스트 집합에 대한 분류 정확도를 비교하였다. 랜덤하게 차트를 변경하여 데이터를 증강시킨 경우의 분류 정확도는 79.92%였고, 가우시안 노이즈를 적용하여 생성된 데이터를 가지고 학습한 경우의 분류 정확도는 80.98%이었다. 주가의 다음날 상승/하락으로 분류하는 경우에는 60분 단위 캔들 차트가 82.60%의 정확도를 기록하였다.