• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권7호
• /
• pp.1705-1720
• /
• 2013

Human face gender recognition requires fast image processing with high accuracy. Existing face gender recognition methods used traditional local features and machine learning methods have shortcomings of low accuracy or slow speed. In this paper, a new framework for face gender recognition to reach fast face gender recognition is proposed, which is based on Local Ternary Pattern (LTP) and Extreme Learning Machine (ELM). LTP is a generalization of Local Binary Pattern (LBP) that is in the presence of monotonic illumination variations on a face image, and has high discriminative power for texture classification. It is also more discriminate and less sensitive to noise in uniform regions. On the other hand, ELM is a new learning algorithm for generalizing single hidden layer feed forward networks without tuning parameters. The main advantages of ELM are the less stringent optimization constraints, faster operations, easy implementation, and usually improved generalization performance. The experimental results on public databases show that, in comparisons with existing algorithms, the proposed method has higher precision and better generalization performance at extremely fast learning speed.

• 로봇학회논문지
• /
• 제14권4호
• /
• pp.357-362
• /
• 2019

This paper proposes a model and train method that can real-time detect objects and distances estimation based on a monocular camera by applying deep learning. It used YOLOv2 model which is applied to autonomous or robot due to the fast image processing speed. We have changed and learned the loss function so that the YOLOv2 model can detect objects and distances at the same time. The YOLOv2 loss function added a term for learning bounding box values x, y, w, h, and distance values z as 클래스ification losses. In addition, the learning was carried out by multiplying the distance term with parameters for the balance of learning. we trained the model location, recognition by camera and distance data measured by lidar so that we enable the model to estimate distance and objects from a monocular camera, even when the vehicle is going up or down hill. To evaluate the performance of object detection and distance estimation, MAP (Mean Average Precision) and Adjust R square were used and performance was compared with previous research papers. In addition, we compared the original YOLOv2 model FPS (Frame Per Second) for speed measurement with FPS of our model.

• 한국인터넷방송통신학회논문지
• /
• 제22권4호
• /
• pp.195-201
• /
• 2022

학습자 주도의 지속적 원격교육 환경을 위하여 학습자의 정확한 학습 패턴을 고려한 올바른 문제 추천 가이드에 대한 필요성이 증대하고 있다. 본 논문에서는 원격교육환경에서 수집되는 학습자의 문제패턴에 대하여 상황별 가중치를 부여하여 해당 데이터를 기반의 개별 학습자의 최적 문제추천 경로를 제시하는 방법으로 블록체인 기반 스마트 컨트랙트 기술을 연구하였다. 본 연구의 성능평가를 위하여 기존 유사 학습 환경과의 학습만족도 및 문제추천가이드의 유용성과 학습자 데이터 처리속도를 분석하였으며 본 연구를 통하여 15% 이상 학습 만족도 향상과 기존 학습 환경 대비 20% 이상의 학습데이터 처리속도향상을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.447-450
• /
• 2011

This paper shows the application of P-N Learning [4] method in the soccer ball detection and improvement for increasing the speed of processing. In the P-N learning, the learning process is guided by positive (P) and negative (N) constraints which restrict the labeling of the unlabeled data, identify examples that have been classified in contradiction with structural constraints and augment the training set with the corrected samples in an iterative process. But for the long-view in the soccer game, P-N learning will produce so many ferns that more time is spent than other methods. We propose that color histogram of each frame is constructed to delete the unnecessary details in order to decreasing the number of feature points. We use the mask to eliminate the gallery region and Line Hough Transform to remove the line and adjust the P-N learning's parameters to optimize accurate and speed.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 춘계학술대회 학술발표 논문집
• /
• pp.101-104
• /
• 2001

This paper deals with the speed-up of interval regression neural network. We propose an improved method of adjusting the parameter alpha used in the interval regression neural network to improve the learning speed and regression performance. Finally, we provide numerical examples to evaluate the performance of the proposed method.

• 풍력에너지저널
• /
• 제15권2호
• /
• pp.10-22
• /
• 2024

This research is a comprehensive analysis of wind power prediction sensitivity using a Long Short-Term Memory (LSTM) deep learning neural network model, accounting for the inherent uncertainties in wind speed estimation. Utilizing a year's worth of operational data from an operational wind farm, the study forecasts the power output of both individual wind turbines and the farm collectively. Predictions were made daily at intervals of 10 minutes and 1 hour over a span of three months. The model's forecast accuracy was evaluated by comparing the root mean square error (RMSE), normalized RMSE (NRMSE), and correlation coefficients with actual power output data. Moreover, the research investigated how inaccuracies in wind speed inputs affect the power prediction sensitivity of the model. By simulating wind speed errors within a normal distribution range of 1% to 15%, the study analyzed their influence on the accuracy of power predictions. This investigation provided insights into the required wind speed prediction error rate to achieve an 8% power prediction error threshold, meeting the incentive standards for forecasting systems in renewable energy generation.

• 한국지능시스템학회논문지
• /
• 제13권6호
• /
• pp.635-642
• /
• 2003

강화학습은 제어, 스케쥴링 등 많은 응용분야에서 성공적인 학습 결과를 얻었다. 기본적인 강화학습 알고리즘인 Q-Learning, TD(λ), SARSA 등의 학습 속도의 개선과 기억장소 등의 문제를 해결하기 위해서 여러 함수 근사방법(function approximation methods)이 연구되었다. 대부분의 함수 근사 방법들은 가정을 통하여 강화학습의 일부 특성을 제거하고 사전지식과 사전처리가 필요하다. 예로 Fuzzy Q-Learning은 퍼지 변수를 정의하기 위한 사전 처리가 필요하고, 국소 최소 자승법은 훈련 예제집합을 이용한다. 본 논문에서는 온-라인 퍼지 클러스터링을 이용한 함수 근사 방법인 Fuzzy Q-Map을 제안하다. Fuzzy Q-Map은 사전 지식이 최소한으로 주어진 환경에서, 온라인으로 주어지는 상태를 거리에 따른 소속도(membership degree)를 이용하여 분류하고 행동을 예측한다. Fuzzy Q-Map과 다른 함수 근사 방법인 CMAC와 LWR을 마운틴 카 문제에 적용하여 실험 한 결과 Fuzzy Q-Map은 훈련예제를 사용하지 않는 CMAC보다는 빠르게 최고 예측율에 도달하였고, 훈련 예제를 사용한 LWR보다는 낮은 예측율을 보였다.

• 대한교통학회지
• /
• 제20권1호
• /
• pp.131-139
• /
• 2002

본 연구는 도로의 설계일관성 평가를 위해 지방부 2차로 도로의 평면 곡선부 85백분위 주행속도 예측모형을 기존의 회귀모형에 비해 보다 효율적이고 신뢰성 높은 인공신경 망 이론을 적용하여 개발하였다. 곡선반경, 곡선길이, 교차각, 시거, 차로폭, 차선(안쪽, 바깥쪽)과 같은 기하구조 특성에 의해 속도가 결정된다는 가정하에 30개 조사지점을 통해 얻어진 자료를 모형의 입력층 자료로 이용하였고, 입력층 변수에 따라 네 가지 유형의 신경망 모형을 제시하였다. 신경망 모형 중 다층신경 망 모형을 적용하여 은닉충의 유니트 수, 학습계수, 모멘텀계수, 학습횟수의 변화에 따른 최적 모형 구조를 도출하였다. 신경망 모형의 학습성능을 검증하기 위하여 선정된 30개 조사지점에서 20개 지점을 모형의 학습자료로 나머지 학습되지 않은 10개 지점을 예측자료로 활용하였다. 분석결과, 네 가지 유형의 신경망 모형 중에서 모형 D가 통계적 검증결과 $R^2$값이 85%이며, %RMSE=0.0204로 가장 실제값에 유사한 모형으로 평가되었다.

• 한국정보통신학회논문지
• /
• 제24권4호
• /
• pp.467-473
• /
• 2020

최근 우리나라의 자동차 보급률이 증가함에 따라 교통사고 발생 건수 또한 증가하고 있다. 특히, 차량간 사고뿐만 아니라 횡단보도 근처에서의 인명 사고 또한 증가하고 있어 횡단보도 교통안전에 대한 주의가 더욱 요구되고 있다. 본 논문에서는 NVIDIA Jetson Nano급의 엣지 디바이스를 이용하여 횡단보도에 접근하는 차량을 인식하고 속도를 추정함으로써 횡단보도 주위 안전 상태를 예측하는 시스템을 제안한다. 딥러닝 기반 차량 위치 인식을 통하여 얻은 정보들을 바탕으로 다양한 기계 학습 기법을 학습시켜 차량 속도에 따른 위험 정도를 예측한다. 마지막으로, 실제 주행 영상을 이용한 실험 및 웹 시뮬레이션을 통해 제안하는 시스템의 성능과 활용 가능성을 검증하였다.

• 전력전자학회논문지
• /
• 제11권1호
• /
• pp.29-37
• /
• 2006

본 논문에서는 LM-FNN(learning Mechanism-Fuzzy Neural Network) 제어기를 이용하여 IPMSM 드라이브의 고성능 속도를 제어한다. 고성능제어를 위하여 신경회로망과 퍼지제어를 혼합 적용한 FNN을 설계한고 더욱 성능을 개선하기 위하여 학습 메카니즘을 이용하여 FNN 제어기의 파라미터를 갱신시킨다. 그리고 ANN(Artificial Neural Network)을 이용하여 IPMSM 드라이브의 속도 추정기법을 제시한다. 추정속도의 타당성을 입증하기 위하여 시스템을 구성하여 제어특성을 분석한다. 그리고 추정된 속도를 지령속도와 비교하여 전류제어와 공간벡터 PWM을 통하여 IPMSM의 속도를 제어한다. 본 연구에서 제시한 LM-FNN과 ANN 제어기의 제어특성과 추정성능을 분석하고 그 결과를 제시한다.