• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.90-93
• /
• 2006

본 논문에서는 자율신경망 중 ART2(Adaptive Resonance Theory 2)를 이용하여 지문의 매칭알고리즘에 적용하였다. 지문의 영상을 센서로부터 입력 받아, 전 처리와 후처리 과정을 거친 후 각각의 지문에 대한 특징값을 구하고, 지문 영상을 분류 및 매칭 할 수 있도록 하였다. 다음으로 제시한 알고리즘을 바탕으로 PC(Personal Computer) 없이 독립적으로 사용 할 수 있는 실시간 임베디드 지문 인식 시스템을 구현 하였다. 실시간 임베디드 지문 인식 시스템 설계에 있어 크기와 기능면을 고려해 메인 모듈의 프로세서로 최근 신호 처리에 많이 사용되고 있는 DSP(Digital Signal Processor)를 사용 하였으며, 지문을 입력 받기 위한 센서로는 반도체 지문 센서를 사용하였다. 메인 모듈과 센서를 가지고 간단한 디스플레이 및 통신 테스트를 위해 PIC Micro-Processor를 사용해 컨트롤 보드를 제작하여 간단한 인식 테스트를 하였다. 제작한 보드를 가지고 다양한 어플리케이션이 가능하나, 본 논문에서는 하드웨어나 소프트웨어 개발에 사용 가능한 RDK(Reference Design Kit)를 최종으로 구현하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.986-988
• /
• 1995

The ART(Adaptive Resonance Theory) model is self- organized with nonstationary input patterns in real time. But there is a multirun problem caused by fault clustering, or pertubated clustering and confines the advantage of the stationary real-time processing in ART model. In this paper, we propose the incremental vigilance threshold approach to decrease the number of multiruns. The incremental vigilance threshold approach is to learn with incremental vigilance threshold and competition with clusters.

• 제어로봇시스템학회논문지
• /
• 제3권3호
• /
• pp.244-251
• /
• 1997

In this paper, we propose a fault diagnosis algorithm to detect and isolate multiple faults in a system. The proposed fault diagnosis algorithm is based on a multiple fault classifier which consists of two ART2 NN(adaptive resonance theory2 neural network) modules and the algorithm is composed of three main parts - parameter estimation, fault detection and isolation. When a change in the system occurs, estimated parameters go through a transition zone in which residuals between the system output and the estimated output cross the threshold, and in this zone, estimated parameters are transferred to the multiple faults classifier for fault isolation. From the computer simulation results, it is verified that when the proposed diagnosis algorithm is performed successfully, it detects and isolates faults in the position control system of a DC motor.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (1)
• /
• pp.640-642
• /
• 2001

침입 탐지 시스템의 초점이 호스트와 운영체제 탐지에서 네트워크 탐지로 옮겨가고 있고 단순만 오용 탐지 기법에서 이를 개선한 지능적인 비정상 행위 탐지 기법에 관한 연구들이 진행되고 있다. 이러한 연구들 중에는 네트워크 프로토콜의 트래픽 특성을 이용하여 비표준 포트의 사용이나 표준 포트에 대한 비표준 방법에 의한 침입을 탐지하고자 하는 노력도 있다. 본 연구에서는 실시간으로 패턴 매칭이 가능하고, 적응력이 뛰어난 신경망 알고리즘을 이용하여 네트워크 서비스들에 대한 트래픽을 수집, 특성에 따라 분석.클러스터링하고 그 결과를 바탕으로 보다 향상된 침입 탐지가 가능한 시스템을 제안한다.

• 말소리와 음성과학
• /
• 제1권2호
• /
• pp.3-8
• /
• 2009

In an effort to improve speech recognition, we investigated the effect of the number of clusters. In usual LBG clustering, the number of codebook clusters is doubled on each bifurcation and hence cannot be chosen arbitrarily in a natural way. To have the number of clusters at our control, we combined adaptive resonance theory (ART2) with LBG and perform the clustering in two stages. The codebook thus formed was used in subsequent processing of fuzzy vector quantization (FVQ) and HMM for speech recognition tests. Compared to conventional LBG, our method was shown to reduce the best recognition error rate by 0${\sim$}0.9% depending on the vocabulary size. The result also showed that between 400 and 800 would be the optimal number of clusters in the limit of small and large vocabulary speech recognitions of isolated words, respectively.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 합동 추계학술대회 논문집 정보 및 제어부문
• /
• pp.206-209
• /
• 2002

This paper proposes a fractal dimension method for measurement of degree of similarity between prototype pattern and input pattern at ART1 (Adaptive Resonance Theory 1) neural network. In order to confirm the validity of proposed method, comparison of the performance has made between the conventional method and the proposed method through simulation. The results show that the proposed method has considerably improved the performance.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.974-976
• /
• 1995

Segmentation of image data is an important problem in computer vision, remote sensing, and image analysis. Most objects in the real world have textured surfaces. Segmentation based on texture information is possible even if there are no apparent intensity edges between the different regions. There are many existing methods for texture segmentation and classification, based on different types of statistics that can be obtained from the gray-level images. In this paper, we use a neural network model --- ART-2 (Adaptive Resonance Theory) for textures in an image, proposed by Carpenter and Grossberg. In our experiments, we use Walsh matrix as feature value for textured image.

• 대한기계학회논문집
• /
• 제18권8호
• /
• pp.1939-1951
• /
• 1994

This study introduces a new tool breakage detecting technology comprised of an unsupervised neural network combined with adaptive time series autoregressive(AR) model where parameters are estimated recursively at each sampling instant using a parameter adaptation algorithm based on an RLS(Recursive Least Square). Experiment indicates that AR parameters are good features for tool breakage, therefore it can be detected by tracking the evolution of the AR parameters during milling process. an ART 2(Adaptive Resonance Theory 2) neural network is used for clustering of tool states using these parameters and the network is capable of self organizing without supervised learning. This system operates successfully under the wide range of cutting conditions without a priori knowledge of the process, with fast monitoring time.

• 한국지능시스템학회논문지
• /
• 제14권7호
• /
• pp.830-837
• /
• 2004

본 논문에서는 비선형시스템에서 발생한 고장을 감지하고 분류하기 위한 신경회로망기반 고장진단 방법을 제안한다. 제안한 알고리듬에서는 시스템의 출력과 다층신경회로망 공칭모델 출력 사이의 오차가 미리 설정한 문턱값을 넘으면 고장을 감지한다. 고장이 감지되면 다층신경회로망과 ART2 신경회로망을 이용한 고장분류기에서 시스템에서 발생한 고장을 분류한다. 컴퓨터 시뮬레이션 결과로부터 제안한 고장진단방법이 비선형시스템에서의 고장감지 및 분류문제에 잘 적용됨을 알 수 있다.

• 한국공작기계학회논문집
• /
• 제18권1호
• /
• pp.42-49
• /
• 2009

This study proposes a web-based remote monitoring system for evaluating degradation of machine tools using ART2(Adaptive Resonance Theory 2) neural network. A number of studies on the monitoring of machine tools using neural networks have been reported. However, when normal condition is changed due to factors such as maintenance, tool change etc., or a new failure signal is generated, such algorithms need to be entirely retrained in order to accommodate the new signals. To cope with such problems, this study develops a remote monitoring system using ART2 in which new signals when required are simply added to the classes previously trained. This system can monitor degradation as well as failure of machine tools. To show the effectiveness of the proposed approach, the system is experimentally applied to monitoring a simulator similar to the main spindle of a machine tool, and the results show that the proposed system can be extended to monitoring of real industrial machine tools and equipment.