• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 하계종합학술대회 논문집(3)
• /
• pp.9-12
• /
• 2001

Learning vector quantization (LVQ) is a supervised learning technique that uses class information to move the vector quantizer slightly, so as to improve the quality of the classifier decision regions. In this paper we propose a selection method of initial codebook vectors for a teaming vector quantization (LVQ3) using support vector machines (SVM). The method is experimented with artificial and real design data sets and compared with conventional methods of the condensed nearest neighbor (CNN) and its modifications (mCNN). From the experiments, it is discovered that the proposed method produces higher performance than the conventional ones and then it could be used efficiently for designing nonparametric classifiers.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.207-208
• /
• 2018

본 논문에서는 기계학습의 하나인 Learning Vector Quantization 알고리즘을 이용하여 컨트롤러 순서를 정하는 모델을 제안하였다. 제안한 모델은 모든 컨트롤러 정보를 수집하여 Learning Vector Quantization의 LVQ1와 LVQ2 기법을 이용하여 컨트롤러의 순서를 정한다. 이를 통해, 효율적인 컨트롤러 동기화가 이뤄질 것으로 기대된다.

• 한국통신학회논문지
• /
• 제29권12A호
• /
• pp.1333-1339
• /
• 2004

IS-95와 IMT-2000 시스템에서 사용되고 있는 여러 종류의 길쌈 부호기를 부호율 1/2, 구속장 3인 길쌈 부호기로 한정하여, neural network의 LVQ(Learning Vector Quantization)과 PVSL(Prototype Vector Selecting Logic)을 적용하여 비터비 복호기에서 사용되는 PM(Path Metric)과 BM(Branch Metric) 메모리 수와 산술$.$비교 연산량을 줄임으로써 시스템의 단순화와 순방향 복호를 가능하게 한다. 구속장의 확장성 여부와 관계없이 간단한 응용으로 기존의비터비 복호기에 적용할 수 있는 새로운 비터비 복호기의 구조와 적용 알고리즘을 제시하고, 제시된 비터비 복호기의 합리성을 VHDL 시뮬레이션으로 검증 후, 기존의 복호기와의 성능을 비교 분석한다.

• International Journal of Computer Science & Network Security
• /
• 제24권3호
• /
• pp.101-106
• /
• 2024

This article aims to compare the accuracy of the Backpropagation Neural Network (BPNN) and Learning Vector Quantization (LVQ) approaches in recognizing Sundanese characters. Based on experiments, the level of accuracy that has been obtained by the BPNN technique is 95.23% and the LVQ technique is 66.66%. Meanwhile, the learning time that has been required by the BPNN technique is 2 minutes 45 seconds and then the LVQ method is 17 minutes 22 seconds. The results indicated that the BPNN technique was better than the LVQ technique in recognizing Sundanese characters in accuracy and learning time.

• 한국전자통신학회논문지
• /
• 제6권1호
• /
• pp.34-42
• /
• 2011

음성타자기의 구현에 접근하려는 노력의 일환으로서, 우리는 본 논문에서 자음의 분류에 대해 연구한다. 많은 자음들은 시간에 따른 주기적 거동을 보이지 않고 따라서 그들에 대한 푸리에 해석의 타당성에 확신을 갖기 어렵다. 그러므로, 우선 음성 신호로부터 추출되는 MFCC와 LPCC 특징벡터들이 자음에 대해 어느 정도의 의미가 있는지를 파악하기 위하여 LBG 클러스터링을 통한 벡터양자화를 수행한다. VQ의 실험적 결과는 자음에 대한 푸리에 해석의 타당성에 관해 분명한 결론을 내리는 것이 쉽지 않음을 보여주었다. 자음의 분류를 위해 SOM과 LVQ의 두 가지 신경망이 사용되었다. SOM의 결과는 몇 쌍의 자음들이 나뉘어 분류되지 않음을 보여주었다. LVQ에서는 본질적으로 이 문제가 사라지지만 자음의 분류 정확도는 낮은 수준이었다. 이로부터, LVQ에 의한 자음 분류에 있어서는 MFCC 및 다른 특징 벡터들이 함께 사용되어야 함이 사료된다. 하지만 본 연구에서 도입한 MFCC/LVQ의 결합은 기존의 언어모델을 기반으로 하는 음소 분류에 비해 그 결과가 나쁘지 않은 것으로 나타났다. 모든 경우에 LPCC 특징벡터는 MFCC에 비해 그 결과가 좋지 않았다.

• 한국통신학회논문지
• /
• 제30권4C호
• /
• pp.185-190
• /
• 2005

IS-95와 IMT-2000 시스템에서 사용되고 있는 여러 종류의 길쌈 부호기를 부호율 1/2, 구속장 3인 길쌈 부호기로 한정하여, 비터비 복호기에 복호길이 6인 Sliding-Window와 Neural Network의 LVQ(Learning Vector Quantization)및 PVSL(Prototype Vectors Selecting Logic)을 적용하여 순방향 실시간 복호기를 구현한다. 이론적으로 제한된 AWGN 채널환경에서의 심볼 전송전력 $S/(N_{0}/2)=1$을 성능비교 조건으로 하여 순방향 실시간 복호기와 기존의 비터비 복호기의 $강\cdot연판정$ BER 성능과 하드웨어 구성을 $비교\cdot분석$하여, 본 논문에서 제시된 순방향 실시간 복호기의 BER 성능의 우수성과 비화통신의 장점 및 하드웨어 구성의 단순합을 검증하였다.

• 지능정보연구
• /
• 제8권1호
• /
• pp.15-25
• /
• 2002

본 논문에서는 차량 번호판에서 추출된 문자영역의 DCT(Digital Cosine Transform) 계수와 LVQ(Learning Vector quantization) 신경회로망을 이용하여 상대적으로 간결한 구조로 잡음의 영향을 적게 받는 차량 번호판 인식 시스템을 제안하였다. 입력된 차량영상의 RGB칼라정보를 이용하여 번호판 영역을 추출하고 추출된 번호판의 히스토그램과 문자의 상대적 위치정보를 병합하여 문자영역을 추출하였다. 이렇게 추출된 문자영역의 명암도 영상에 DCT를 적용하여 얻은 특징 벡터를 LVQ신경회로망의 입력으로 사용하여 인식 과정을 수행한다. 본 논문의 실험과정에서는 다양한 환경에서 촬영된 109대의 자가용 차량영상에 대하여 제안된 시스템을 실험하였으며 상대적으로 높은 번호판 영역 추출율과 인식률을 보였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.427-430
• /
• 2007

기존의 LVQ(Learning Vector Quantization) 방법을 이용하여 물체를 분류하면 데이터의 학습이 빠르고 연산량이 적어 실시간으로 물체를 분류할 수 있는 장점이 있다. 하지만 데이터의 훈련시 output neuron의 개수를 정확히 예측할 수 없고 output neuron의 개수에 따라 물체를 분류하는 정확도가 매우 달라질 수 있다. 그러므로 본 논문에서는 output neuron의 개수를 데이터의 특성에 맞게 결정해주는 알고리즘을 제시한다. DLVQ(Dynamic Learning Vector Quantization) 알고리즘은 승자로 결정된 가중치 벡터의 부류가 샘플 데이터의 부류와 같으면 업데이트하고 다르면 새로운 가중치 벡터로 생성한다. 제한한 알고리즘의 가장 다른 부분은 미리 output neuron의 개수를 정하는 것이 아니라 훈련 과정에서 동적으로 output neuron의 개수를 생성하는 것이다. 그리고 클러터의 구분 방법을 제시하여 사람, 차, 클러터를 구분할 수 있다.

• 대한전기학회논문지:전력기술부문A
• /
• 제49권1호
• /
• pp.31-36
• /
• 2000

To enhance the fault diagnosis ability for the dissolved gas analysis(DGA) of the power transformer, this paper proposes a learning vector quantization(LVQ) for the incipient fault recognition. LVQ is suitable expecially for pattern recognition such as fault diagnosis of power transformer using DGA because it improves the performance of Kohonen neural network by placing emphasis on the classification around the decision boundary. The capabilities of the proposed diagnosis system for the transformer DGA decision support have been extensively verified through the practical test data collected from Korea Electrical Power Corporation.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.742-745
• /
• 2009

본 논문에서는 신경회로망을 이용한 RSSI(Received Signal Strength Indication) 기반 위치인식 시스템을 제안하였다. 위치를 지정한 다수의 고정노드를 구성하고, 이동노드로부터 수신되는 RSSI를 측정한다. LVQ(Learning Vector Quantization) 네트워크의 학습을 위해 정해진 위치 정보를 목표값으로 하여 고정노드에서 측정된 RSSI를 입력으로 사용하여 학습을 진행한다. 실내에 고정노드를 배치하고, 실험을 통해서 삼각측량법과 위치 추적 성능을 검토하였다.