• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 추계학술대회 학술발표 논문집 제14권 제2호
• /
• pp.153-157
• /
• 2004

본 논문은 패턴인식을 위해 사용할 수 있는 감독학습을 이용한 supervised IAFC neural network 1과 supervised IAFC neural network 2를 제안하였다 Supervised IAFC neural network 1과 supervised IAFC neural network 2는 LVQ(Learning Vector Quantization)를 퍼지화한 새로운 퍼지 학습법칙을 사용하고 있다. 이 새로운 퍼지 학습 법칙은 기존의 학습률 대신에 퍼지화된 학습률을 사용하고 있는데, 이 퍼지화된 학습률은 조건 확률을 퍼지화 한 것에 근간을 두고 있다. Supervised IAFC neural network 1과 supervised IAFC neural network 2의 성능과 오류역전파 신경회로망의 성능을 비교하기 위하여 iris 데이터를 사용하였는데, 실험결과 supervised IAFC neural network 2 의 성능이 오류역전파 신경회로망의 성능보다 우수함이 입증되었다.

• 한국지능시스템학회논문지
• /
• 제15권7호
• /
• pp.800-804
• /
• 2005

본 논문에서는 LVQ(Learning )rector Quantization)을 퍼지화한 새로운 퍼지 학습 법칙을 제안하였다. 퍼지 학습 법칙 3은 기존의 학습률 대신에 퍼지 학습률을 사용하였는데, 기존의 LVQ와는 달리 비대칭인 학습률을 사용하였다. 기존의 LVQ에서는 분류가 맞거나 틀렸을 때 같은 학습률을 사용하고 부호만 달랐으나, 새로운 퍼지 학습 법칙에서는 분류가 맞거나 틀렸을 때 부호가 다를 뿐만 아니라 학습률도 다르다. 이 새로운 퍼지 학습 법칙을 무감독 신경회로망인 improved IAFC (Integrated Adaptive Fuzzy Clustering) 신경회로망에 적용하여 감독 신경회로망으로 변형하였다. Improved IAFC 신경회로망은 유연성이 있으면서도 안정성이 있다. 제안한 supervised IAFC 신경회로망 3의 성능과 오류 역전파 신경회로망의 성능을 비교하기 위하여 iris 데이터를 사용하였는데, supervised IAFC 신경회로망 3가 오류 역전파 신경회로망보다 성능이 우수하였다.

• 한국지능시스템학회논문지
• /
• 제16권4호
• /
• pp.460-465
• /
• 2006

본 논문은 입력 벡터와 클래스들의 대표값들간의 유클리디안 거리들을 사용한 새로운 퍼지 학습법칙을 제안한다. 이 새로운 퍼지 학습을 supervised IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망 4에 적용하였다. 이 신경회로망은 안정성을 유지하면서도 유연성을 가지고 있다. iris 데이터를 사용하여 테스트한 결과 supervised IAFC 신경회로망 4는 오류역전파 신경회로망과 LVQ 알고리듬보다 성능이 우수하였다.

• 한국지능시스템학회논문지
• /
• 제19권1호
• /
• pp.6-12
• /
• 2009

본 논문에서는 입력된 차량영상에서 번호판을 추출하여 인식하는 시스템을 제안하였다. 개선된 IAFC 퍼지 신경회로망을 사용하여 자동차 번호판의 후보영역을 추출하고, 형태학적 필터를 사용하여 잡음을 제거하였다. 추출한 자동차 번호판을 정형화하기 위하여 허프 변환과 기하학적 변환을 사용하였다. 투영기법을 사용하여 분리한 숫자를 오류역전파 신경회로망을 사용하여 인식하였다.

• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.672-676
• /
• 2010

본 논문은 연결강도를 조정할 때 결정 경계선 근처에 있는 데이터를 더 반영하는 학습법칙을 제안하였다. 이 학습법칙은 outlier가 결정 경계선에 미치는 영향을 줄여 더 나은 결정 경계선을 형성하도록 한다. 제안하는 학습법칙을 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망의 구조에 적용하였다. IAFC 신경회로망은 배운 것을 유지하는 안정성이 있으면서, 새로운 것을 배울 수 있는 안정성이 있다. 이 퍼지 신경회로망의 성능과 LVQ(Learning Vector Quantization) 신경회로망 및 오류역전파 신경회로망의 성능과 비교하였다. 실험결과 제안하는 퍼지 신경회로망의 성능이 우수함을 보여주었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.109-112
• /
• 2006

본 논문은 클래스들의 대표값들과 입력 벡터와의 거리를 사용한 새로운 퍼지 학습법칙을 제안한다. 이 새로운 퍼지 학습을 supervised IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망에 적용하였다. 이 새로운 신경회로망은 안정성을 유지하면서도 유연성을 가지고 있다. iris 데이터를 사용하여 테스트한 결과 supervised IAFC 신경회로망 4는 오류 역전파 신경회로망과 LVQ 알고리즘보다 성능이 우수하였다.

• 한국지능시스템학회논문지
• /
• 제23권5호
• /
• pp.431-435
• /
• 2013

아로마는 오래전부터 치유를 위하여 사용되어 왔고, 아로마의 종류에 따라서 치유하는 효능이 다르다. 아로마의 분류를 체계적으로 하기 위하여 가스센서 어레이 시스템을 제작하였다. 센서에서 출력한 신호를 신경회로망의 입력으로 사용하여 아로마를 분류하였다. 신경회로망은 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망을 사용하였다. 실험결과 라벤더(Lavendula angustifolia), 쟈스민 (Jasminum Officiale), 오렌지(Citrus Sinensis), 로만 카모마일(Chamaemelum nobile)를 성공적으로 4개의 부류로 분류하였고 오류가 없었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2005년도 춘계학술대회
• /
• pp.186-189
• /
• 2005

본 논문에서는 LVQ를 퍼지화한 새로운 퍼지 학습 법칙들을 제안하였다. 퍼지 LVQ 학습법칙 1은 기존의 학습률 대신에 퍼지 학습률을 사용하였는데 이는 조건 확률의 퍼지화에 기반을 두고 있다. 퍼지 LVQ 학습법칙 2는 클래스들 사이에 존재하는 입력벡터가 결정 경계선에 대한 정보를 더 가지고 있는 것을 반영한 것이다. 이 새로운 퍼지 학습 법칙들을 improved IAFC(Integrted Adaptive Fuzzy Clustering)신경회로망에 적용하였다. improved IAFC신경회로망은 ART-1 (Adaptive Resonance Theory)신경회로망과 Kohonen의 Self-Organizing Feature Map의 장점을 취합한 퍼지 신경회로망이다. 제안한 supervised IAFC 신경회로망 1과 supervised IAFC neural 신경회로망 2의 성능을 오류 역전파 신경회로망의 성능과 비교하기 위하여 iris 데이터를 사용하였는데 Supervised IAFC neural network 2가 오류 역전파 신경회로망보다 성능이 우수함을 보여주었다.

• 한국지능시스템학회논문지
• /
• 제17권4호
• /
• pp.472-476
• /
• 2007

학습법칙은 신경회로망의 성능에 중요한 영향을 미친다. 본 논문은 데이터와 클래스들의 대표값들 사이의 거리를 고려하여 학습률을 정하는 새로운 퍼지 학습법칙을 제안한다. 클래스들의 대표값을 조정할 때, 이러한 고려는 outlier에 비하여 결정경계선 근처에 있는 데이터의 반영도를 높임으로써 outlier의 클래스의 대표값에 미치는 영향도를 낮출 수 있다. 따라서 outlier들이 결정경계선을 악화시키는 것을 방지할 수 있다. 이 새로운 퍼지 학습법칙을 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망에 적용하였다. 제안한 퍼지 신경회로망과 다른 감독 신경회로망들의 성능을 비교하기 위하여 iris 데이터를 사용하였다. iris 데이터를 사용하여 테스트한 결과 제안한 퍼지 신경회로망의 성능이 우수함을 보였다.

• 한국지능시스템학회논문지
• /
• 제17권2호
• /
• pp.226-231
• /
• 2007

본 논문에서는 퍼지 신경회로망을 사용하여 영상에서 색상을 가진 물체를 배경으로부터 추출해내는 방법을 제시하였다. 퍼지 신경회로망은 영상을 2개의 부류로 구성되어 있는 것으로 보고, 임계 파라미터를 조종하여 물체 영역의 Cb와 Cr의 대표값들과 배경영역의 Cb와 Cr의 대표값들을 추출하였다. 이 대표값들을 이용하여 색상을 가진 물체를 배경으로부터 추출하였다. 제안한 방법은 물체의 위치 및 크기와 밝기에 상관없이 물체를 추출하였다. 여러 가지 영상들을 사용하여 제안한 방법의 성능과 주관적 임계값을 사용한 방법의 성능을 비교하였다. 또한 영상들에 잡음을 첨가하여 제안한 방법의 성능과 주관적 임계값을 사용한 방법의 물체를 추출하는 능력을 비교하였다.