• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권10호
• /
• pp.4117-4135
• /
• 2020

Due to the angle of view, illumination and scene diversity, real-time dynamic face detection and recognition is no small difficulty in those unrestricted environments. In this study, we used the intrinsic correlation between detection and calibration, using a multi-task cascaded convolutional neural network(MTCNN) to improve the efficiency of face recognition, and the output of each core network is mapped in parallel to a compact Euclidean space, where distance represents the similarity of facial features, so that the target face can be identified as quickly as possible, without waiting for all network iteration calculations to complete the recognition results. And after the angle of the target face and the illumination change, the correlation between the recognition results can be well obtained. In the actual application scenario, we use a multi-camera real-time monitoring system to perform face matching and recognition using successive frames acquired from different angles. The effectiveness of the method was verified by several real-time monitoring experiments, and good results were obtained.

• 한국정보통신학회논문지
• /
• 제23권8호
• /
• pp.975-980
• /
• 2019

본 논문에서는 차세대 이동통신 시스템의 핵심 요소 기술 중의 하나로 각광 받고 있는 다중 사용자 다중 안테나 네트워크에서 사용자 선택을 위한 심화 학습 기반 스케쥴링 기법을 제안한다. 제안된 신경망을 학습시키기 위하여 기존의 최적 방식을 통해서 90,000 데이터 샘플을 확보하였으며, 추가적인 10,000 데이터 샘플을 이용하여 최종 학습된 신경망의 과최적화 여부를 확인하였다. 제안된 신경망 기반의 스케쥴링 알고리즘은 초기 학습 시에는 상당한 복잡도와 학습 시간이 필요하지만, 일단 학습이 완료된 이후에는 추가적인 복잡도가 유발되지 않는 장점이 있다. 반면에, 기존의 최적 방식은 매 스케쥴링마다 동일한 복잡도의 계산이 지속적으로 요구된다. 다양한 컴퓨터 시뮬레이션 결과에 따르면, 제안된 심화 학습 기반의 스케쥴링 기법은 10dB 보다 낮은 SNR에서는 기존 최적 알고리즘의 약 88~96%에 이르는 평균 전송 속도의 합을 얻을 수 있으며, 10dB 이상의 SNR에서는 최적의 평균 전송 속도의 합을 얻을 수 있다.

• Journal of Positioning, Navigation, and Timing
• /
• 제10권1호
• /
• pp.49-54
• /
• 2021

Indoor positioning system becomes of increasing interests due to the demands for accurate indoor location information where Global Navigation Satellite System signal does not approach. Wi-Fi access points (APs) built in many construction in advance helps developing a Wi-Fi Received Signal Strength Indicator (RSSI) based indoor localization. This localization method first collects pairs of position and RSSI measurement set, which is called fingerprint database, and then estimates a user's position when given a query measurement set by comparing the fingerprint database. The challenge arises from nonlinearity and noise on Wi-Fi RSSI measurements and complexity of handling a large amount of the fingerprint data. In this paper, machine learning techniques have been applied to implement Wi-Fi based localization. However, most of existing indoor localizations focus on single position estimation. The main contribution of this paper is to develop multi-target localization by using deep neural, which is beneficial when a massive crowd requests positioning service. This paper evaluates the proposed multilocalization based on deep learning from a multi-story building, and analyses its learning effect as increasing number of target positions.

• 한국정보통신학회논문지
• /
• 제22권1호
• /
• pp.40-48
• /
• 2018

본 논문은 차량과 함께 카메라의 위치가 이동하는 블랙박스 영상을 위한 차량 번호판 인식 알고리즘을 제안한다. 카메라의 흔들림이나 빛의 변화가 많은 블랙박스 영상에서 다단계 신경 회로망을 사용하여 한글 문자의 인식률을 높여 전체적인 차량 번호판의 인식률을 높이고자 한다. 제안한 알고리즘은 차량 번호판의 한글 문자의 모음과 자음을 분리하여 인식한다. 먼저, 1차 신경 회로망으로 모음을 인식하고, 종모음('ㅏ','ㅓ')과 횡모음('ㅗ','ㅜ')로 구분한 뒤 각각의 모음군에 2차 신경 신경회로망을 이용하여 자음을 구분한다. 실제 블랙박스 영상을 획득하여 차량 번호판 인식 시뮬레이션을 수행하였으며, 그 결과 제안한 인식 시스템이 기존의 신경 회로망 기법을 사용한 차량 번호판 인식 시스템보다 높은 인식률을 보임을 확인하였다.

• 한국공작기계학회논문집
• /
• 제15권5호
• /
• pp.114-122
• /
• 2006

This paper presents a new control scheme that combines a sliding mode control and a neural network. In the proposed sliding mode control, a continuous control is employed removing the switching phenomena and the equivalent control within the boundary layer is estimated through on-line teaming of the neural network. The performances of the proposed control are compared with off-line neural network and on-line neural sliding mode control by computer simulation. The simulation results show that the proposed control reduces high frequency chattering and tracking error in example of the two link manipulator.

• 융합신호처리학회논문지
• /
• 제3권4호
• /
• pp.62-66
• /
• 2002

SOCMAC 신경망에 의하여 Mackey-Glass의 비선형 시계열 예측을 시도하였다 다차원 연속 입력 변수를 가지는 문제는 요구되는 기억용량의 규모가 너무 커서 CMAC에서는 일반적으로 취급이 곤난한 대상이었으나 SOCMAC에서는 이것이 가능함을 보였다. 또한 학습과정에서 수용영역(receptive field)을 가변으로 하는 개선된 방법을 제시하였다. 예측오차는 TDNN(time-delayed neural network)이나 BP(back-propagation) 수준이었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.159-162
• /
• 2007

The inverse kinematics problem in robotics is an essential work for grasping and manipulation tasks by robotic and humanoid hands. In this paper, an intelligent neural learning scheme for solving such inverse kinematics of humanoid fingers is presented. Specifically, a multi-layered neural network is utilized for effective inverse kinematics, where a dynamic neural learning algorithm is employed. Also, a bio-mimetic feature of general human fingers is incorporated to the learning scheme. The usefulness of the proposed approach is verified by simulations.

• 전자공학회논문지S
• /
• 제35S권1호
• /
• pp.80-87
• /
• 1998

In this study, a multi-element ultrasound transducer has been developed aiming at basic experiment of three-dimension endovascular ultrasound endscopy for clinical diagnos, and experimental results of two-dimensional object imaging in the water are presented by the ultrasound tranducer and neural network. Each ultrasound echo received by thirty-six angular transducer elements is inputed to the eural network, and then backpropagation is used as a learning algorithm. A three-layer artificial neural network is used for learning and imaging of targetw placed in front of the transducer. The object shape of imaging is restricted to rectangular shapes by considering experimental restraint conditions. As a result, rough visualization can be realized even for objects with unlearned shapes through the training by primitive patterns of a various sized rectangular targets.

• 한국컴퓨터정보학회논문지
• /
• 제23권11호
• /
• pp.43-49
• /
• 2018

In this paper, we propose a displacement measurement method based on deep learning using image data obtained from tensile tests of a material specimen. We focus on the fact that the sequential images during the tension are generated and the displacement of the specimen is represented in the image data. So, we designed sample generation model which makes sequential images of specimen. The behavior of generated images are similar to the real specimen images under tensile force. Using generated images, we trained and validated our model. In the deep neural network, sequential images are assigned to a multi-channel input to train the network. The multi-channel images are composed of sequential images obtained along the time domain. As a result, the neural network learns the temporal information as the images express the correlation with each other along the time domain. In order to verify the proposed method, we conducted experiments by comparing the deformation measuring performance of the neural network changing the displacement range of images.

• 한국정보과학회논문지:정보통신
• /
• 제29권4호
• /
• pp.386-396
• /
• 2002

본 논문은 신경망을 이용한 최단 경로 문제를 풀기 위해 흡필드 신경망(Hopfield Neural Network)을 변형한 준최적 라우팅 알고리즘(suboptimal routing algorithm)을 다룬다. 이 알고리즘은 기존의 흡필드 신경망 알고리즘과는 달리 뉴런(neuron)의 진화를 위해 모든 주변 뉴런 정보뿐만 아니라, 상관 관계성이 높은 자신의 뉴런 정보도 동시에 이용함으로써, 수렴 성능 및 경로의 최적성을 향상하고자 하였다. 이 알고리즘의 수렴 속도는 흡필드 신경망을 이용하는 기존의 알고리즘보다 더 우수하며, 탐색 경로의 최적성도 높다는 것을 컴퓨터 시뮬레이션을 통해 확인한다. 이 결과는 거의 모든 출발지와 도착지 쌍에 대해 기존의 흡필드 신경망 기반의 최단 경로 탐색 알고리즘에 비해 네트워크 토폴로지에 비교적 덜 민감한 것으로 나타난다. 따라서, mobile ad-hoc network과 같이 네트워크 토폴로지가 시변하는 다중-흡 무선 패킷망(Multi-hop Packet Radio Network)에서의 경로 설정 알고리즘을 구현하는데 유용할 것으로 보인다.