• Journal of the Korean Data and Information Science Society
• /
• 제28권6호
• /
• pp.1327-1336
• /
• 2017

본 연구에서는 단기 예측을 위한 자기회귀누적이동평균모형, 역전파 신경망 및 유전자 알고리즘의 결합 적용에 대하여 논의하고 이를 통한 유전자-신경망 알고리즘의 효용성을 살펴본다. 일반적으로 역전파 알고리즘은 지역 최소값에 수렴될 수 있는 단점이 있기 때문에, 여기서는 예측 정확도를 높이기 위해 역전파 신경망 구조를 최적화하고 유전자 알고리즘을 결합한 유전자-신경망 알고리즘 기반 예측모형을 구축한다. 실험을 통한 오차 비교는 KOSPI 지수를 이용한다. 결과는 이 연구에서 제안된 유전자-신경망 모형이 역전파 신경망 모형과 비교할 때 예측 정확도에서 어느 정도 유의한 효율성을 보여주고자 한다.

• 한국정밀공학회지
• /
• 제28권6호
• /
• pp.670-677
• /
• 2011

This study is to estimate the joint torques without torque sensor using the EMG (Electromyogram) signal of agonist/antagonist muscle with Neural Network Back Propagation Algorithm during the elbow motion. Command Signal can be guessed by EMG signal. But it cannot calculate the joint torque. There are many kinds of field utilizing Back Propagation Learning Method. It is generally used as a virtual sensor estimated physical information in the system functioning through the sensor. In this study applied the algorithm to obtain the virtual senor values estimated joint torque. During various elbow movement (Biceps isometric contraction, Biceps/Triceps Concentric Contraction (isotonic), Biceps/Triceps Concentric Contraction/Eccentric Contraction (isokinetic)), exact joint torque was measured by KINCOM equipment. It is input to the (BP)algorithm with EMG signal simultaneously and have trained in a variety of situations. As a result, Only using the EMG sensor, this study distinguished a variety of elbow motion and verified a virtual torque value which is approximately(about 90%) the same as joint torque measured by KINCOM equipment.

• 한국인터넷방송통신학회논문지
• /
• 제11권6호
• /
• pp.57-62
• /
• 2011

본 논문에서는 GE 삼각 화를 이용해 LT 부호의 복호 과정을 수행함으로써 복잡도와 오버헤드 성능을 모두 개선한 효율적인 복호 방식을 제안하였다. BP 복호 방식은 간단하고 빠르기는 하나 부호 블록이 짧을수록 복호하는데 큰 오버헤드가 필요하다는 단점이 있고, OFG 알고리즘은 오버헤드는 작으나 연산 양이 많다. 시뮬레이션 결과 제안한 복호 방식은 OFG 알고리즘에 비해 연산 양이 5배 이상 감소되었으며 오버헤드는 1~5%의 적은 양을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 하계학술대회 논문집 D
• /
• pp.2821-2823
• /
• 2002

In this paper we propose the Multi-FNN (Fuzzy-Neural Networks) for optimal identification modeling of complex system. The proposed Multi-FNNs is based on a concept of FNNs and exploit linear inference being treated as generic inference mechanisms. In the networks learning, backpropagation(BP) algorithm of neural networks is used to updata the parameters of the network in order to control of nonlinear process with complexity and uncertainty of data, proposed model use a HCM(Hard C-Means)clustering algorithm which carry out the input-output dat a preprocessing function and Genetic Algorithm which carry out optimization of model The HCM clustering method is utilized to determine the structure of Multi-FNNs. The parameters of Multi-FNN model such as apexes of membership function, learning rates, and momentum coefficients are adjusted using genetic algorithms. An aggregate performance index with a weighting factor is proposed in order to achieve a sound balance between approximation and generalization abilities of the model. NOx emission process data of gas turbine power plant is simulated in order to confirm the efficiency and feasibility of the proposed approach in this paper.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제9권3호
• /
• pp.166-171
• /
• 2009

In recent years, video detection systems have been implemented in various infrastructures such as airport, public transportation, power generation system, water dam and so on. Recognizing moving objects in video sequence is an important problem in computer vision, with applications in several fields, such as video surveillance and target tracking. Segmentation and tracking of multiple vehicles in crowded situations is made difficult by inter-object occlusion. In the system described in this paper, the mean shift algorithm is firstly used to filter and segment a color vehicle image in order to get candidate regions. These candidate regions are then analyzed and classified in order to decide whether a candidate region contains a license plate or not. And then some characters in the license plate is recognized by using the fuzzy ARTMAP neural network, which is a relatively new architecture of the neural network family and has the capability to learn incrementally unlike the conventional BP network. We finally design a license plate recognition system using the mean shift algorithm and fuzzy ARTMAP neural network and show its performance via some computer simulations.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2009년도 IWAIT
• /
• pp.547-550
• /
• 2009

The object recognition mechanism of human being is not well understood yet. On research of animal experiment using an ape, however, neurons that respond to simple shape (e.g. circle, triangle, square and so on) were found. And Hypothesis has been set up as human being may recognize object as combination of such simple shapes. That mechanism is called Figure Alphabet Hypothesis, and those simple shapes are called Figure Alphabet. As one way to research object recognition algorithm, we focused attention to this Figure Alphabet Hypothesis. Getting idea from it, we proposed the feature extraction algorithm for object recognition. In this paper, we described recognition of binarized images of multifont alphabet characters by the recognition model which combined three-layered neural network in the feature extraction algorithm. First of all, we calculated the difference between the learning image data set and the template by the feature extraction algorithm. The computed finite difference is a feature quantity of the feature extraction algorithm. We had it input the feature quantity to the neural network model and learn by backpropagation (BP method). We had the recognition model recognize the unknown image data set and found the correct answer rate. To estimate the performance of the contriving recognition model, we had the unknown image data set recognized by a conventional neural network. As a result, the contriving recognition model showed a higher correct answer rate than a conventional neural network model. Therefore the validity of the contriving recognition model could be proved. We'll plan the research a recognition of natural image by the contriving recognition model in the future.

• 한국강구조학회 논문집
• /
• 제16권4호통권71호
• /
• pp.443-452
• /
• 2004

인간의 뇌와 유사한 병렬 연산 모델을 활용하여 다양하고 복잡한 비선형적인 문제에 효과적으로 연관관계를 조직화 할 수 있는 인공신경망에 관한 연구가 근래에 공학의 넓은 분야에서 도입되고 그에 따른 많은 성과가 나타나고 있다. 본 연구에서는 설계자의 판단력과 경험에 의존 하던 기존의 예비구조설계 단계에 효과적인 인공신경망을 적용하여 예비 구조설계 단계에 컴퓨터를 이용한 정형화된 방법을 제시하고자 한다. 이를 위해 각 구조물의 일반적인 설계과정에 따른 다단계 신경망을 제시하고 인공신경망의 학습은 역전파알고리즘과 유전알고리즘을 적용하여 예비구조설계의 원형을 구현한다. 이와 같이 구성된 다단계 신경망을 사장교의 예비구조설계 단계에 활용하여 본 연구의 적용성과 두가지 학습기법에 따른 결과를 비교 분석 한다.

• 대한전자공학회논문지SP
• /
• 제47권4호
• /
• pp.79-89
• /
• 2010

최근 초경량 비디오 부호를 위해 분산 비디오 부호 (Distributed Video Coding)에 대한 연구가 활발하게 진행되고 있다. 분산 비디오 부호는 H.264/AVC와 같은 종래의 비디오 부호 기술보다 부호화 복잡도는 훨씬 낮지만, 복호기 복잡도는 높은 특징이 있다. 본 논문에서는 분산 비디오 부호의 낮은 부호 및 복호 복잡도를 갖는 관심 영역 (Region-Of-Interest, ROI) 기반의 분산 비디오 부호를 제안하였다. 제안하는 분산 비디오 부호화는 기존의 분산 비디오 부호화와 달리 Wyner-Ziv (WZ) 프레임 전체를 WZ 부호화 하지 않고, 움직임이 많은 영역을 ROI로 두어 ROI 영역만 WZ 부/복호화 함으로서 부/복호화의 복잡도 감소 뿐만 아니라 비트율을 절감 하는 장점을 가지고 있다. 실험을 통해서 제안된 ROI기반의 분산 비디오 부호가 Hall Monitor 영상에서 최대 0.95dB 이득과 Salesman 영상에서 최대 1.87dB의 PSNR 성능 향상을 보였다. 또한, 기존의 분산 비디오 부호 구조보다 부호화 복잡도는 최대 73.7%, 복호기 복잡도는 최대 63.3%를 낮추는 것을 확인하였다. 낮은 복호 복잡도를 위해 기존의 Low-Density Parity-Check (LDPC) 복호 알고리즘으로 사용된 Belief Propagation (BP) 알고리즘 대신 수렴 속도가 최대 41.71% 빠른 Layered BP (LBP) 알고리즘을 이용하였다.

• Journal of Microbiology and Biotechnology
• /
• 제19권3호
• /
• pp.323-330
• /
• 2009

Nontuberculous mycobacteria (NTM) are a major cause of opportunistic infections in immunocompromised patients, making the reliable and rapid identification of NTM to the species level very important for the treatment of such patients. Therefore, this study evaluated the usefulness of the novel target genes tuf and tmRNA for the identification of NTM to the species level, using a PCRrestriction fragment length polymorphism analysis (PRA). A total of 44 reference strains and 17 clinical isolates of the genus Mycobacterium were used. The 741 bp or 744 bp tuf genes were amplified, restricted with two restriction enzymes (HaeIII/MboI), and sequenced. The tuf gene-PRA patterns were compared with those for the tmRNA (AvaII), hsp65 (HaeIII/HphI), rpoB (MspI/HaeIII), and 16S rRNA (HaeIII) genes. For the reference strains, the tuf gene-PRA yielded 43 HaeIII patterns, of which 35 (81.4%) showed unique patterns on the species level, whereas the tmRNA, hsp65, rpoB, and 16S rRNA-PRAs only showed 10 (23.3%), 32 (74.4%), 19 (44.2%), and 3 (7%) unique patterns after single digestion, respectively. The tuf gene-PRA produced a clear distinction between closely related NTM species, such as M. abscessus (557-84-58) and M. chelonae (477-84-80-58), and M. kansasii (141-136-80-63-58-54-51) and M. gastri (141-136-117-80-58-51). No difference was observed between the tuf-PRA patterns for the reference strains and clinical isolates. Thus, a diagnostic algorithm using a tuf gene-targeting PRA is a promising tool with more advantages than the previously used hsp65, rpoB, and 16S rRNA genes for the identification of NTM to the species level.

• 한국정보처리학회논문지
• /
• 제5권11호
• /
• pp.3010-3023
• /
• 1998

유전자 알고리즘은 염색체 집단을 이용하는 탐색이므로 전역적인 최적해의 탐색 성능은 우수하여 최적해에 근접한 한점까지의 수렴속도는 빠르지만 탐색 메카니즘이 없기 때문에 최적해 근처의 탐색에서는 수렴 속도가 떨어지는 단점이 있고, 역전파 알고리즘은 개체 수준의 탐색이므로 지역적 미세조정의 탐색능력은 우수하지만 전역적 탐색기능이 없어 지역적 최적해로 수렴하는 경우가 있다. 본 논문에서는 수렴 속도가 향상된 윤곽선 추출을 위하여 유전자와 역전파 알고리즘을 병행해서 실행하는 윤곽선 추출방법을 제안하였다. 윤곽선 추출 방법은 먼저 유전자 알고리즘을 이용하여 최적의 연결강도와 오프셋 값을 계산한다. 다음으로 이 값을 역전파 학습 알고리즘 학습의 파라미터의 초기값으로 한 반복 학습으로 최적의 윤곽선 구조를 추출하였다. 제안된 알고리즘은 유전자 알고리즘 또는 역전파 알고리즘 단독으로 실행한 경우보다 수렴속도가 향상된 결과를 보여 주었다.