• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.4
• /
• pp.475-480
• /
• 2011

In this paper, we propose a collision risk assesment system. First, using Kalman Filter, we estimate the information of pedestrian, and second, we compute the collision probability using Monte Carlo Simulations(MCS) and neural network(NN). And we update the collision risk using time history which is called belief. Belief update consider not only output of Kalman Filter of only current time step but also output of Kalman Filter up to the first time step to current time step. The computer simulations will be shown the validity of our proposed method.

• Journal of the Korea Society for Simulation
• /
• v.28 no.1
• /
• pp.99-107
• /
• 2019

Until now it has had the limitation of the target in the US JMEM to calculate the Pk with the existing method by our study. In this study, we focused on deriving a method to calculate the Pk of the actual targets except JMEM targets using ANN. We study the initial predictive model of ANN(Artificial Neural Network) from the targets data of the specification and the vulnerable area in the US JMEM(Joint Munitions Effectiveness Manuals), and calculate the actual targets vulnerable area by using this method. Finally, we propose a method to calculate the Pk by applying those data to the existing method of us.

• Journal of the Korean Geotechnical Society
• /
• v.32 no.11
• /
• pp.31-42
• /
• 2016

Usually the seismic stability analysis of slope uses the pseudostatic analysis considering the inertial force by the earthquake as a static load. Geostructures such as slope include the uncertainty of soil properties. Therefore, it is necessary to consider probabilistic method for stability analysis. In this study, the probabilistic stability analysis of slope considering the uncertainty of soil properties has been performed. The fragility curve that represents the probability of exceeding limit state of slope as a function of the ground motion has been established. The Monte Carlo Simulation (MCS) has been implemented to perform the probabilistic stability analysis of slope with pseudostatic analysis. A procedure to develop the fragility curve by the pseudostatic horizontal acceleration has been presented by calculating the probability of failure based on the Artificial Neural Network (ANN) based response surface technique that reduces the required time of MCS. The results showed that the proposed method can get the fragility curve that is similar to the direct MCS-based fragility curve, and can be efficiently used to reduce the analysis time.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.28 no.1C
• /
• pp.1-8
• /
• 2008

Recently, there have been many construction projects on soft ground with growth of industry and economy. Therefore foundation piles of abutments and(or) buildings had been suffering from a lot of stability problems of inordinary displacement due to lateral flow of soft ground. Although many researches about lateral flow have been carried out, it is still difficult to assess the mechanism of lateral flow in soft ground quantitatively. And reasonable design method for judgement of lateral flow occurrence in soft ground is not established yet. In this study, six PNN (Probabilistic Neural Network) models were developed according to input variables and database compiled from Korea and Japan for the judgment of lateral flow occurrence. PNN models were compared with present empirical methods. It was found that the developed PNN models can give more precise and reliable judgment of lateral flow occurrence than empirical methods.

• Annual Conference on Human and Language Technology
• /
• 1994.11a
• /
• pp.318-321
• /
• 1994

한국어에 있어서 품사 태깅은 형태소 분석결과의 모호성을 제거하는 것으로, 기존의 방법을 보면, 확률을 이용하는 방법, 퍼지망을 이용하는 방법, 신경망을 이용하는 방법등 다양하다. 현재의 주류가 확률을 이용한 방법이다. 하지만, 이 방법은 제한된 윈도우 크기와 품사사이의 관계만을 이용한다는 한계점을 지니고 있다. 본 논문에서는 확률을 이용한 결과에, 확률에서 다루지 못하는 범위에 대하여 자동 학습된 규칙을 추가로 적용하여 이 한계점을 극복한다. 규칙 적용시 윈도우 크기를 임의로 정할 수 있고, 품사사이의 관계외에 어절사이의 관계도 고려할 수 있으므로 확률적 방법이 다루지 못하는 부분에 대하여 어휘단계에서의 교정이 가능하게 된다. 현재 20가지 정도의 규칙을 수작업 코딩하여 사용한 결과 확률적 방법의 성능을 3% 정도 향상시킬 수 있었으며, 앞으로 규칙생성을 자동학습할 경우 더 큰 성능향상을 기대해 볼 수 있다.

• Journal of Digital Convergence
• /
• v.10 no.9
• /
• pp.357-362
• /
• 2012

We have compared and predicted for non-linear time series data which are real data having different variences using GRCA(1) model and neural network method. In particular, using Korea Composite Stock Price Index rate, mean square errors of prediction are obtained in genaralized random coefficient autoregressive model and neural network method. Neural network method prove to be better in short-term forecasting, however GRCA(1) model perform well in long-term forecasting.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.27-30
• /
• 2000

본 논문은 HMM(Hidden Markov Model)을 이용하여 인식을 수행할 경우의 오류를 최소화 할 수 있는 후 처리 과정으로 신경망을 결합시켜 HMM 단독으로 사용하였을 때 보다 높은 인식률을 얻을 수 있는 HMM과 신경망의 하이브리드시스템을 제안한다. HMM을 이용하여 학습한 후 학습에 참여하지 않은 데이터를 인식하였을 때 오인식 데이터를 정인식으로 인식하도록 HMM의 출력으로 얻은 각 출력확률을 후 처리에 사용될 MLP(Multilayer Perceptrons)의 학습용으로 사용하여 MLP를 학습하여 HMM과 MLP을 결합한 하이브리드 모델을 만든다. 이와 같은 HMM과 신경망을 결합한 하이브리드 모델을 사용하여 단독 숫자음과 4연 숫자음 데이터에서 실험한 결과 HMM 단독으로 사용하였을 때 보다 각각 약 $4.5\%$, $1.3\%$의 인식률 향상이 있었다. 기존의 하이브리드 시스템이 갖는 많은 학습시간이 소요되는 문제점과 실시간 음성인식시스템을 구현할 때의 학습데이터의 부족으로 인한 인식률 저하를 해결할 수 있는 방법임을 확인할 수 있었다.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.837-840
• /
• 2000

동영상에서 움직이는 객체 분할 및 모션 예측을 동시에 수행할 수 있는 연구는 다양한 방법으로 시도 되어 왔다. 실제 이미지를 서로 다른 움직임이나 서로 다른 공간적인 특정 영역으로 분리 될 수 있다고 가정 한다면 복수의 객체 또는 객체의 움직임으로 표현 할 수 있다. 객체 분할 측면에서 볼 때 효율적인 분할을 위해서는 특징 입력 벡터의 선택이 중요한 변수로 작용한다. 본 연구에서는 정밀한 객체 분할을 위해 밝기, 질감(Texture) 정보와 같은 정지영상의 특징 입력 벡터와 움직임 벡터 같은 동영상의 특징 입력 벡터를 동시에 사용한다. 분리된 객체는 각각의 클래스를 구성하게 되고 이를 위한 클래스 분류기로서 Median Radial Basis 신경 회로망을 사용한다. 객체 분할과 움직임 예측을 위해서 확률적 방법을 통한 에너지 함수를 구하고 비용함수를 도입한다. 신경 회로망의 각 Basis 함수는 영상의 특정한 영역에서 활성화되며 객체의 분류를 위해 신경 회로망 출력으로 가중치의 합으로서 나타나게 된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.380-384
• /
• 2010

기후온난화, 국지성 호우 및 대규모 태풍으로 인한 피해가 증대되면서 사회 경제적 손실 또한 날로 증가하고 있어 재해로 인한 피해 발생가능성을 효율적으로 예측하는 모델을 통한 선제적 대응이 필요하다. 재난 재해의 위험성 분석 방법은 주로 확률 통계기법을 기반으로 하는 연구가 주류를 이루었으나, 본 논문에서는 포착된 현상의 데이터를 이용해 그 데이터를 지배하는 경험적 규칙성을 학습하고 획득하는데 다른 기법보다 탁월한 성능을 가진 신경망 모델을 적용하여 자연재해 피해예측 모델을 연구하였다. 1991년부터 2005년 사이에 우리나라에서 발생한 자연재해의 피해자료와 기상개황 자료를 이용하여 지역별 자연재해로 인한 피해를 예측하는 신경망 모델은 우리나라 232개 행정구역에 대하여 누적강우량과 최대풍속, 그리고 재해사상 발생 5일 이내의 선행강우량을 입력변수로 하고 총 피해액을 출력변수로 한다. 또한 학습을 통한 최적의 해를 찾기 위해 신경망의 매개변수 학습률, 모멘텀, 편의값을 유전자알고리즘으로 결정하여 학습을 수행 하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.21 no.12
• /
• pp.2291-2297
• /
• 2017

This paper describe to extract speech measure algorithm for evaluating a speech database, and presents generating method of a speech quality measure using DNN(Deep Neural Network). In our previous study, to produce an effective speech quality measure, we propose a combination of various speech measures which are highly correlated with WER(Word Error Rate). The new combination of various types of speech quality measures in this study is more effective to predict the speech recognition performance compared to each speech measure alone. In this paper, we describe the method of extracting measure using DNN, and we change one of the combined measure from GMM(Gaussican Mixture Model) score used in the previous study to DNN score. The combination with DNN score shows a higher correlation with WER compared to the combination with GMM score.