• 전자공학회논문지B
• /
• 제33B권9호
• /
• pp.135-143
• /
• 1996

In this paper, we popose a neural network that detects edges of moving objects in an image using a neural network of hierarchical spatial filter with orientation selectivity. We modify the temporal difference network by adding a self loop to each neuraon cell to reduce the problems of phantom edge detected by the neural network proposed by kwon yool et al.. The modified neural network alleviates the phantom edges of moving objects, and also can detect edges of miving objects even for the noisy input. By computer simulation with real images, the proposed neural netowrk can extract edges of different orientation efficiently and also can reduce the phantom edges of moving objects.

• 전자공학회논문지B
• /
• 제33B권10호
• /
• pp.130-138
• /
• 1996

In this paper, we propose a neural network which detect edges of different orentation and spatial frequency in arbitrary image data. We constructed the proposed neural network iwth two different types neural network. A diffusion network performs the gaussian operation efficiently by the diffusion process. And the spatial difference network has specially designed connections suitble to detect the contours of a specific oriention. Simulation results showed that the proposed neural network can extract the edges of selected orientation efficiently by applying the neural network to a test pattern and the real image.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1994년도 추계학술대회 논문집
• /
• pp.790-795
• /
• 1994

This paper describes multiple fault diagnosis method in complex system with hierarchical structure. Complex system is divided into subsystem, item, component. For diagnosing this hierarchical complex system, it is necessary to implement special neural network. We introducd to Hierarchical Artificial Neural Network(HANN) for this purpose. HANN consists of four level neural network, first level for symptom classification, second level for item fault diagnosis, third level for component symptom classification,forth level for component fault diagnosis. Each network is multi layer perceptron with 7 inputs, 30 hidden node and 7 outputs trainined by backpropagation. UNIX IPC(Inter Process Communication) is used for implementing HANN with multitasking and message transfer between processes in SUN workstation. We tested HANN in reactor system.

• 제어로봇시스템학회논문지
• /
• 제4권4호
• /
• pp.499-505
• /
• 1998

In developing an automated surface inspect algorithm, we have designed a hierarchical classifier using neural network. The defects which exist on the surface of cold mill strip have a scattering or singular distribution. We have considered three major problems, that is preprocessing, feature extraction and defect classification. In preprocessing, Top-hit transform, adaptive thresholding, thinning and noise rejection are used Especially, Top-hit transform using local minimax operation diminishes the effect of bad lighting. In feature extraction, geometric, moment, co-occurrence matrix, and histogram ratio features are calculated. The histogram ratio feature is taken from the gray-level image. For defect classification, we suggest a hierarchical structure of which nodes are multilayer neural network classifiers. The proposed algorithm reduced error rate by comparing to one-stage structure.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2002년도 춘계학술대회 논문집
• /
• pp.195-200
• /
• 2002

ART (Adaptive Resonance Theory [1]) neural network and its variations perform non-hierarchical clustering by unsupervised learning. We propose a scheme "arboART" for hierarchical clustering by using several ART1.5-SSS networks. It classifies multidimensional vectors as a cluster tree, and finds features of clusters. The Basic idea of arboART is to use the prototype formed in an ART network as an input to other ART network that has looser distance criteria (Ishihara, et al., [2,3]). By sending prototype vectors made by ART to one after another, many small categories are combined into larger and more generalized categories. We can draw a dendrogram using classification records of sample and categories. We have confirmed its ability using standard test data commonly used in pattern recognition community. The clustering result is better than traditional computing methods, on separation of outliers, smaller error (diameter) of clusters and causes no chaining. This methodology is applied to Kansei evaluation experiment data analysis.

• IEIE Transactions on Smart Processing and Computing
• /
• 제3권6호
• /
• pp.366-371
• /
• 2014

This paper reports a machine learning approach for image object detection. Object detection and localization in a wild image, such as a STL-10 image dataset, is very difficult to implement using the traditional computer vision method. A convolutional neural network is a good approach for such wild image object detection. This paper presents an object detection application using a convolutional neural network with pretrained feature vector. This is a very simple and well organized hierarchical object abstraction model.

• 한국지능시스템학회논문지
• /
• 제23권3호
• /
• pp.226-231
• /
• 2013

의약품을 자동 포장하는 시스템에서는 캐니스터(Canister)에 해당 약을 정확히 보충할 수 있는 해당 약통과 캐니스터와의 일치 여부를 판단하는 정합 알고리즘이 필수적이다. 본 논문에서는 약화사고 방지를 위해 많은 종류의 약통을 분류하기 위한 분류 성능뿐만 아니라 실시간으로 처리할 수 있는 상 하 계층으로 구성된 계층적 신경회로망을 제안한다. 먼저 약통 정보를 나타내는 라벨 영상으로부터 다수의 저 차원 특징 벡터를 추출한다. 추출된 특징 벡터를 사용하여 하위계층의 다층 퍼셉트론(MLP, Multi-layer Perceptron) 신경회로망을 학습한다. 다음으로 학습된 MLP의 중간층 출력을 입력으로 사용하여 상위계층의 MLP를 학습한다. 100개의 약통에 대해 좌우 30도까지 회전한 영상에 대해 제안한 계층적 신경회로망의 분류 성능 시험과 실시간 연산처리 성능의 우수함을 보였다.

• 대한전기학회논문지
• /
• 제41권4호
• /
• pp.331-338
• /
• 1992

The application of Connectionist expert system using neural network to fault diagnosis of power system is presented and compared with rule-based expert system. Also, the merits of Connectionist model using neural network is presented. In this paper, the neural network for fault diagnosis is hierarchically composed by 3 neural network classes. The whole power system is divided into subsystems, the neural networks (Class II) which take charge of each subsystem and the neural network (Class III) which connects subsystems are composed. Every section of power system is classified into one of the typical sections which can be applied with same diagnosis rules, as line-section, bus-section, transformer-section. For each typical section, only one neural network (Class I) is composed. As the proposed model has hierarchical structure, the great reduction of learning structure is achieved. With parallel distributed processing, we show the possibility of on-line fault diagnosis.

• 한국산업정보학회논문지
• /
• 제11권1호
• /
• pp.77-85
• /
• 2006

본 논문에서는 내용기반 영상 분류를 위한 방법론으로써 신경망을 이용한 계층적 분류 방법을 제안한다. 분류 대상 영상은 인터넷상의 다양한 영상들 중에서 전경과 배경의 구분이 있는 객체 영상이다. 전처리 과정에서 영역 분할을 이용하여 영상 내에서 배경을 제거하고 객체 영역을 추출한다. 분류를 위한 특징으로는 웨이블릿 변환 후 추출된 형태 특징과 질감 특징을 이용한다. 추출된 특징 값들을 Principal Component Analysis(PCA)와 K-means를 이용해서 군집화 시키고 유사한 군집들을 묶으면서, 5단계의 계층적 분류기를 구성한다. 계층적 분류기는 BP를 학습 알고리즘으로 사용하는 59개의 신경망분류기로 구성된다. 배경을 제거하고 질감특징 중 가장 높은 분류율을 보이는 대각 모멘트를 사용하여 실험하였을 때, 100종류에서 각 10개씩, 총 1000개의 학습 데이터와 1000개의 테스트 데이터에 대하여 각각 81.5%와 75.1%의 정분류율을 보였다.

• 한국정보통신학회논문지
• /
• 제7권4호
• /
• pp.839-844
• /
• 2003

본 연구에서는 염색체의 영상패턴을 인식하고 분류하는 방법을 개선하기 위해 패턴인식의 특징정보로 사용되는 비선형적인 염색체 영상을 선형적으로 재구성하는 영상 재구성 알고리즘을 사용하여 선형화된 특징정보를 추출하여 패턴분류기인 신경회로망의 입력정보로 사용한다. 중앙축 변환방법과, 영상 재구성방법을 사용하여 임상적으로 정상인으로 판명된 20명의 염색체 영상의 특징정보를 추출하였다. 중앙축 변환방법에 의하여 추출된 특징정보의 패턴조합과 영상 재구성방법에 의하여 추출된 특징정보의 패턴조합을 구성하였으며, 10명에 대하여 추출한 특징정보를 계층적인 신경회로망(Hierarchical Multilayer Neural Network : HMNN)의 학습입력으로 사용하여 염색체를 분류하기 위한 패턴인식기를 구현하였다. 그리고 나머지 10명에 대하여 학습입력과 동일하게 조합된 패턴조합을 HMNN의 분류입력으로 사용하여 수행한 결과 약 98.26%의 우수한 인식률을 나타내는 최적화된 패턴인식기를 구현할 수 있었다.