• 인터넷정보학회논문지
• /
• 제10권5호
• /
• pp.127-133
• /
• 2009

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)을 이용하여 간질 증세를 가진 사람과 건강한 사람의 뇌파(electroencephalogram, EEG)로부터 정상 파형과 간질(epilepsy) 파형을 분류하는 방안을 제시하고 있다. NEWFM에서 사용할 특징입력을 추출하기 위해서 첫 번째 단계에서는 웨이블릿 변환(wavelet transform, WT)을 이용하였다. 두 번째 단계에서는 첫 번째 단계에서 생성한 웨이블릿 계수들을 주파수 분포와 주파수 변동량을 이용하여 24개의 특징입력을 추출하였다. NEWFM은 이들 24개의 특징입력을 이용하여 정상 파형과 간질 파형을 분류하였을 때 98%의 분류성능을 나타내었다.

• 인터넷정보학회논문지
• /
• 제9권1호
• /
• pp.129-135
• /
• 2008

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)을 사용하여 생성된 퍼지규칙과 비중복면적 분산 측정법에 의해 추출된 최소의 특징입력을 이용하여, 1일 후의 KOSPI 예측을 하는 방안을 제안하고 있다. NEWFM은 KOSPI의 최근 32일 동안의 CPPn,m(Current Price Position of day n for n-1 to n-m days)을 이용하여 1일 후의 KOSPI 상승과 하락을 예측한다. 특징입력으로써 CPPn,m과 최근 32일간의 CPPn,m을 웨이블릿 변환한 38개의 계수들 중 비중복면적 분산 측정법을 적용하여 추출된 5개의 계수가 사용되었다. 제안된 방법으로 1991년부터 1998년까지의 실험군을 사용한 결과 평균 67.62%의 예측율을 나타내었다.

• 인터넷정보학회논문지
• /
• 제10권2호
• /
• pp.179-186
• /
• 2009

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)을 이용하여 Creighton University Ventricular Tachyarrhythmia DataBase(CUDB)의 심전도(ECG) 신호로부터 정상리듬(Normal Sinus Rhythm, NSR)과 심실빈맥/심실세동(Ventricular Tachycardia/Ventricular Fibrillation, VT/VF)을 분류하는 방안을 제시하고 있다. NEWFM에서 사용할 특징입력을 추출하기 위해서 첫 번째 단계에서는 웨이블릿 변환(wavelet transform, WT)을 이용하였다. 두 번째 단계에서는 첫 번째 단계에서 생성된 웨이블릿 계수들을 위상공간 재구성(Phase Space Reconstruction, PSR)과 첨단(Peak) 추출 기법의 입력 값으로 이용하여 2개의 특징입력을 추출하였다. NEWFM은 이들 2개의 특징입력을 이용하여 정상리듬과 심실빈맥/심실세동을 분류하였고 그 결과로 90.13%의 분류성능을 나타내었다.

• 한국지능시스템학회논문지
• /
• 제17권4호
• /
• pp.563-568
• /
• 2007

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)을 이용하여 클래스의 분류강도를 구하고 비선형 시계열 추이선을 예측하는 방안을 제안하고 있다. NEWFM에 의하여 추출된 가중퍼지 소속함수(BSWFM)를 이용하여 입력값에 대한 분류강도를 구하게 되고, 이들에 대한 가중평균 역퍼지화를 통하여 비선형 시계열 추이선을 작성한다. 실증분석결과 NEWFM은 목표 클래스로 설정된 GDP에 대하여 92.22%의 분류성능을 보여 주었다. 따라서 동 비선형 시계열 추이선은 대표적인 경기지표인 GDP 추이에 비교적 높은 유사도를 나타내는 가운데 분석대상기간인 제5순환기-제8순환기 중 정점(peak)에서 평균 12개월, 저점(trough)에서 평균 6개월의 선행성(look-ahead)을 보여 줌으로써 경기변동에 앞서 상당기간의 시차를 둔 예측지표로서 활용가능성이 입증되었다. NEWFM은 그 특징선택(feature selection)에 의하여 선행지표 10개 중 3개의 축소를 기할 수 있게 해 줌으로써 보다 적은 수의 경제지표를 가지고도 분류성능을 90.0%에서 92.22%로 향상을 기하는 가운데 효율적인 예측기능을 수행할 수 있음이 입증되었다.

• 한국지능시스템학회논문지
• /
• 제16권3호
• /
• pp.378-382
• /
• 2006

본 논문은 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)을 이용하여 심전도(ECG) 신호로부터 조기심실수축(premature ventricular contractions, PVC)을 자동 탐지하는 방안을 제시하고 있다. NEWFM은 MIT-BIH 데이터베이스의 부정맥 심전도를 웨이블릿 변환(wavelet transform, WT)한 계수로부터 학습하여 정상 파형과 PVC 파형을 구분한다. 비중복면적 분산 측정법을 적용하여 중요도가 가장 높은 계수 2개를 추출하여 분류규칙을 최소화하였고, 이를 사용하여 99.90%의 PVC 분류성능을 나타내었다. 또한 추출된 두 계수의 R파를 기준으로 한 위치를 제시함으로써 두 위치의 정보만으로 PVC를 탐지할 수 있음을 보여주었다.

• 디지털융복합연구
• /
• 제14권4호
• /
• pp.277-283
• /
• 2016

본 논문에서는 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions; NEWFM) 기반의 웨이블릿 변환(wavelet transform)과 힐버트 변환(Hilbert transform)에 의해 추출한 첨점(peak)을 사용하여 뇌파(EEG)로부터 정상 파형과 간질 파형을 분류하는 새로운 방안을 제안하였다. NEWFM의 입력을 추출하는데 다음과 같은 3개의 단계가 수행되었다. 첫 번째 단계에서는 뇌파로부터 잡음을 제거하기 위해서 웨이블릿 변환을 사용하였다. 두 번째 단계에서는 웨이블릿 계수로부터 첨점(peak)을 추출하기 위해서 힐버트 변환을 사용하였다. 또한 크기가 큰 첨점을 추출하기 위해서 첨점의 평균값보다 큰 첨점만을 선택하였다. 세 번째 단계에서는 통계적 방법을 이용하여 첨점으로부터 NEWFM의 입력으로 사용할 16개의 특징을 추출하였다. NEWFM은 이들 16개의 특징을 입력으로 사용하여 99.25%, 99.4%, 99%의 정확도, 특이도, 민감도를 각각 구하였다. 향후 연구에서는 특징선택을 이용하여 16개의 특징으로부터 좋은 특징을 선택하여 정확도를 향상시킬 계획이다.

• 한국콘텐츠학회논문지
• /
• 제12권2호
• /
• pp.1-9
• /
• 2012

본 논문은 가중 퍼지소속함수 기반 신경망 (Neural Network with Weighted Fuzzy Membership functions, NEWFM)과 심박수 변이도(Heart Rate Variability, HRV)를 이용하여 우울증 진단알고리즘을 제안하고 있다. 본 알고리즘에서 사용할 NEWFM의 입력특징을 추출하기 위해서 주파수도메인 특징추출, 시간도메인 특징추출, 웨이블릿변환 특징추출, 포인케어변환 특징추출 방법을 이용하여 22개의 초기 HRV 특징들을 추출하였다. 또한 NEWFM에서 제공하는 비중복면적 분산측정법 (Non-overlap Area Distribution Measurement, NADM)에 의해 입력특징의 중요도를 평가하여 22개의 초기특징으로부터 중요도가 가장 높은 6개 최적입력특징을 선택하였다. 이 6개 특징을 이용하여 우울증을 진단한 결과는 95.8% 의 정확도를 나타내었다.

• 한국콘텐츠학회논문지
• /
• 제9권7호
• /
• pp.19-26
• /
• 2009

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with weighted Fuzzy Membership Functions, NEWFM)과 웨이블릿 변환(wavelet transforms, WT)을 이용하여 Creighton University Ventricular Tachyarrhythmia Database(CUBD)의 심전도 신호로부터 정상리듬(normal sinus rhythm, NSR)과 심실 빈맥/세동(Ventricular tachycardia/fibrillation VT/VF)을 검출하는 방안을 제시하고 있다. NEWFM에서 사용할 특정입력을 추출하기 위해서 첫 번째 단계에서는 웨이블릿 변환을 이용하여 스케일 레벨 3과 레벨 4의 주파수 대역에서 d3과 d4의 계수들을 각각 선택하였다. 두 번째 단계에서는 d3과 d4의 계수들에 대한 구간별 표준편차를 이용하여 8개의 특징입력을 추출하였다. NEWFM은 이들 8개의 특정입력을 이용하여 정상리듬과 심실 빈맥/세동을 검출하였고 그 결과로 90.1%의 검출성능을 나타내었다.

• 인터넷정보학회논문지
• /
• 제10권3호
• /
• pp.17-25
• /
• 2009

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)기반의 특징추출기법을 사용하여 낙상을 검출하는 방안을 제안하고 있다. 비중복면적 분산 측정법에 의해 중요도가 가장 낮은 특징입력을 하나씩 제거하면서 최소의 특징입력을 선택하였다. 특징입력으로써 가속도 센서를 통해 입력된 가속도 변화랑을 웨이블릿 변환한 33개의 계수들 중 비중복면적 분산측정법에 의해서 추출된 19개의 계수가 사용되었다. 제안된 방법으로 민감도가 95%, 특이도가 97.25%, 정확도가 96.125%를 나타내었다.

• 인터넷정보학회논문지
• /
• 제8권1호
• /
• pp.125-132
• /
• 2007

본 논문은 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)을 이용하여 심전도(ECG) 신호로부터 조기심실수축(premature vedtricular contractions, PVC)을 자동 탐지하는 방안을 제시하고 있다. NEWFM은 MIT-BIH 데이터베이스의 부정맥 심전도를 웨이블릿 변환(wavelet transform, WT)한 계수로부터 학습하여 정상 파형과 PVC 파형을 구분한다. 비중복면적 분산 측정법을 적용하여 중요도가 가장 높은 웨이블릿 변환의 d3과 d4의 8개 계수를 추출하였다. 이들 특징입력을 3개의 실험군에 사용하여 각각 99.80%, 99.21%, 98.78%의 신뢰성 있는 전체분류율을 나타내었고, 이는 각 실험군에 대한 특징입력의 종속성이 적음을 보여준다. 추출된 8개 계수의 ECG 신호 구간과 퍼지소속함수를 제시함으로써 특징입력에 대한 명시적인 해석을 가능하게 하였다.