• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.261-262
• /
• 2019

본 논문에서는 신경망 모델에 키보드를 통한 주행 학습을 이용하여 자율 주행을 할 수 있는 시스템을 개발하였다. 주어진 트랙에서 키보드의 방향키를 통해 전진, 후진 등 5가지의 상태로 RC카를 수동 제어하고, 제어시 카메라를 통해 얻어진 이미지를 저장해, 키 제어 데이터와 이미지 데이터를 학습시켜서 자율 주행을 할 수 있는 시스템을 구현하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.71-77
• /
• 2021

최근 이질적인 하드웨어 특성을 고려한 IoT 응용 지원 프레임워크의 효율적인 프로그램 개발이 요구되고 있다. 또한, 인간의 뇌를 모사하여 스스로 학습 및 자율적 컴퓨팅이 가능한 뉴로모픽 아키텍처의 발전으로 하드웨어 지원의 범위가 넓어지고 있다. 하지만 기존 대부분의 IoT 통합개발환경에서는 AI(Artificial Intelligence) 기능을 지원하거나 뉴로모픽 아키텍처와 같은 다양한 하드웨어와 결합된 서비스 지원이 어렵다. 본 논문에서는 2세대 인공 신경망 및 3세대 스파이킹 신경망 모델을 모두 지원하는 AI 컴포넌트 추상화 모델을 설계하고 제안 모델 기반의 자율형 IoT 통합개발환경을 구현하였다. IoT 개발자는 AI 및 스파이킹 신경망에 대한 지식이 없어도 제안 기법을 통해 자동으로 AI 컴포넌트를 생성할 수 있으며 런타임에 따라 코드 변환이 유연하여 개발 생산성이 높다. 제안 기법의 실험을 진행하여 가상 컴포넌트 계층으로 인한 변환 지연시간이 발생할 수 있으나 차이가 크지 않음을 확인하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.151-151
• /
• 2000

The objective of this paper is to develop the new robust and adaptive control system against external environments as applying the probabilistic recognition which is one of the inherent properties of immune system, ability of learning and memorization, and regulation theory of immune network to the system under engineering point of view. In this paper, HIA(Humoral Immune Algorithm) PID controller using Neural Network Identifier was proposed to drive the autonomous guided vehicle(AGV) more effectively. To verify the performance of the proposed HIA PID controller, some experiments for the control of steering and speed of that AGV are performed.

• 한국정보통신학회논문지
• /
• 제12권4호
• /
• pp.781-790
• /
• 2008

본 논문에서는 칼만 필터 위치 추정 방식에서 노이즈 공분산에 의해 발산이 되는 문제점을 개선하기 위해 바퀴로 구성된 자율이동 로봇에 노이즈를 고려한 위치추정 방식을 제안하였다. 제안한 방식은 신경회로망을 이용한 변형된 칼만 필터 설계 방식으로, 신경회로망을 이용하여 시스템 노이즈와 측정노이즈의 공분산을 추정함으로서 발산을 방지하는 것이다. 제안한 방식의 유용성을 자체 제작한 자율이동 로봇을 대상으로 시뮬레이션 및 실험을 통하여 칼만 필터 위치 추정 방식 보다 우수함을 확인하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.271-281
• /
• 2022

Manual seed classification challenges can be overcome using a reliable and autonomous seed purity identification and classification technique. It is a highly practical and commercially important requirement of the agricultural industry. Researchers can create a new data mining method with improved accuracy using current machine learning and artificial intelligence approaches. Seed classification can help with quality making, seed quality controller, and impurity identification. Seeds have traditionally been classified based on characteristics such as colour, shape, and texture. Generally, this is done by experts by visually examining each model, which is a very time-consuming and tedious task. This approach is simple to automate, making seed sorting far more efficient than manually inspecting them. Computer vision technologies based on machine learning (ML), symmetry, and, more specifically, convolutional neural networks (CNNs) have been widely used in related fields, resulting in greater labour efficiency in many cases. To sort a sample of 3000 seeds, KNN, SVM, CNN and CNN-SVM hybrid classification algorithms were used. A model that uses advanced deep learning techniques to categorise some well-known seeds is included in the proposed hybrid system. In most cases, the CNN-SVM model outperformed the comparable SVM and CNN models, demonstrating the effectiveness of utilising CNN-SVM to evaluate data. The findings of this research revealed that CNN-SVM could be used to analyse data with promising results. Future study should look into more seed kinds to expand the use of CNN-SVMs in data processing.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.77-91
• /
• 2022

Various monitoring systems have been implemented in civil infrastructure to ensure structural safety and integrity. In long-term monitoring, these systems generate a large amount of data, where anomalies are not unusual and can pose unique challenges for structural health monitoring applications, such as system identification and damage detection. Therefore, developing efficient techniques is quite essential to recognize the anomalies in monitoring data. In this study, several machine learning techniques are explored and implemented to detect and classify various types of data anomalies. A field dataset, which consists of one month long acceleration data obtained from a long-span cable-stayed bridge in China, is employed to examine the machine learning techniques for automated data anomaly detection. These techniques include the statistic-based pattern recognition network, spectrogram-based convolutional neural network, image-based time history convolutional neural network, image-based time-frequency hybrid convolution neural network (GoogLeNet), and proposed ensemble neural network model. The ensemble model deliberately combines different machine learning models to enhance anomaly classification performance. The results show that all these techniques can successfully detect and classify six types of data anomalies (i.e., missing, minor, outlier, square, trend, drift). Moreover, both image-based time history convolutional neural network and GoogLeNet are further investigated for the capability of autonomous online anomaly classification and found to effectively classify anomalies with decent performance. As seen in comparison with accuracy, the proposed ensemble neural network model outperforms the other three machine learning techniques. This study also evaluates the proposed ensemble neural network model to a blind test dataset. As found in the results, this ensemble model is effective for data anomaly detection and applicable for the signal characteristics changing over time.

• 한국전자통신학회논문지
• /
• 제17권1호
• /
• pp.105-110
• /
• 2022

교통 표지 인식은 교통 관련 문제를 해결하는 데 중요한 역할을 한다. 교통 표지 인식 및 분류 시스템은 교통안전, 교통 모니터링, 자율주행 서비스 및 자율주행 차의 핵심 구성 요소이다. 휴대용 장치에 적용할 수 있는 경량 모델은 설계 의제의 필수 측면이다. 우리는 교통 표지 인식 시스템을 위한 잔여 블록이 있는 경량 합성곱 신경망 모델을 제안한다. 제안된 모델은 공개적으로 사용 가능한 벤치마크 데이터에서 매우 경쟁력 있는 결과를 보여준다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 춘계학술대회 학술발표 논문집
• /
• pp.211-214
• /
• 2000

본 논문에서는 자석이 일정간격으로 설치된 도로의 자기장을 자기저항센서를 이용하여 검출하여 자율 주행하는 것에 대하여 연구한다. 모델식으로 계산된 자기장의 분포와 실제로 자기장을 측정하여 얻은 자기장 분포를 비교하여 모델식이 시뮬레이션에 사용될 수 있음을 검증하고, 앞바퀴의 조향각 제어기는 3축 방향의 자기장값을 입력받아 조향각을 출력하는 구조를 가지며, 신경회로망을 이용하여 설계한다. 제어기의 학습을 위한 학습패턴은 컴퓨터 시뮬레이션을 통하여 얻는다. 학습패턴의 획득과 학습 그리고 설계된 제어기의 타당성을 검증하기 위하여 시뮬레이터를 개발하고, 자율주행 시뮬레이션을 통하여 설계된 제어기가 우수한 성능을 보임을 입증한다.

• International journal of advanced smart convergence
• /
• 제11권2호
• /
• pp.7-12
• /
• 2022

Safety and security are the topmost priority in every environment. With the aid of Artificial Intelligence (AI), many objects are becoming more intelligent, conscious, and curious of their surroundings. The recent scientific breakthroughs in autonomous vehicular designs and development; powered by AI, network of sensors and the rapid increase of Internet of Things (IoTs) could be utilized in maintaining safety and security in our environments. AI based on deep learning architectures and models, such as Deep Neural Networks (DNNs), is being applied worldwide in the automotive design fields like computer vision, natural language processing, sensor fusion, object recognition and autonomous driving projects. These features are well known for their identification, detective and tracking abilities. With the embedment of sensors, cameras, GPS, RADAR, LIDAR, and on-board computers in many of these autonomous vehicles being developed, these vehicles can properly map their positions and proximity to everything around them. In this paper, we explored in detail several ways in which these enormous features embedded in these autonomous vehicles, such as the network of sensors fusion, computer vision and natural image processing, natural language processing, and activity aware capabilities of these automobiles, could be tapped and utilized in safeguarding our lives and environment.

• 한국정보통신학회논문지
• /
• 제24권11호
• /
• pp.1437-1444
• /
• 2020

컴퓨터 비전 시스템의 발달로 보안, 생체인식, 의료영상, 자율주행 등의 분야에 많은 발전이 있었다. 자율주행 분야에서는 특히 딥러닝을 이용한 객체인식, 탐지 기법이 주로 사용되는데, 자동차가 갈 수 있는 영역을 판단하기 위한 도로영역 인식이 특히 중요한 문제이다. 도로 영역은 일반적인 객체탐지에서 활용되는 사각영역인식과는 달리 비정형적인 형태를 띠므로, ROI 기반의 객체인식 구조는 적용할 수 없다. 본 논문에서는 Semantic segmentation 기법을 사용한 비정형적인 도로영역 인식에 맞는 심층 신경망 구조를 제안한다. 또한 도로영역에 특화된 네트워크 구조인 Multi-scale semantic segmentation 기법을 사용하여 성능이 개선됨을 입증하였다.