• 한국인터넷방송통신학회논문지
• /
• 제12권3호
• /
• pp.201-207
• /
• 2012

RAM 기반 신경망은 2진 신경망(Binary Neural Network, BNN)에 복수개의 정보 저장 비트를 두어 교육의 반복 횟수를 누적하도록 구성된 가중치를 가지지 않는(weightless) 신경회로망으로서 한 번의 교육만으로 학습이 이루어지는 효율성이 뛰어난 신경회로망이다. 지도 학습에 기반을 둔 RAM 기반 신경망은 패턴 인식 분야에는 우수한 성능을 보이는 반면, 비지도 학습에 의해 패턴을 구분해야 하는 범주화 연구에는 적합하지 않은 모델로 분류된다. 본 논문에서는 비지도 학습 알고리즘을 제안하여 RAM 기반 신경망으로 패턴 범주화를 수행한다. 제안된 비지도 학습 알고리즘에 의해 RAM 기반 신경망은 입력 패턴에 따라 자율 학습하여 스스로 범주를 생성할 수 있으며, 이를 통해 RAM 기반 신경망이 지도 학습과 비지도 학습이 모두 가능한 복합 모델임을 증명한다. 실험에 사용한 학습 패턴으로는 0에서 9까지의 오프라인 필기체 숫자로 구성된 MNIST 데이터베이스를 사용하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권1호
• /
• pp.31-38
• /
• 2011

RAM 기반 3-D 신경망은 2진 신경망(Binary Neural Network, BNN)에 복수개의 정보 저장 비트를 두어 교육의 반복 횟수를 누적하도록 구성된 가중치를 가지지 않는 신경회로망으로서 한 번의 교육만으로 학습이 이루어지는 효율성이 뛰어난 신경회로망이다. MRD(Maximum Response Detector) 기법을 이용한 3-D 신경망의 인식 방법은 지도 학습에 기반을 둔 것으로서 학습을 통해 신경망 스스로가 범주를 구분할 수 없으며 잘 구분된 범주의 학습 데이터를 통해서만 성능을 발휘할 수 있다. 본 논문에서는 기존 3-D 신경 회로망에 학습 데이터의 구분 없이 신경망 자체가 입력 패턴에 따라 학습하여 범주를 구분하는 비지도 학습 알고리즘을 제안한다. 제안된 비지도 학습 알고리즘에 의해 신경회로망은 판별자의 수를 스스로 조절할 수 있는 구조를 가지게 되며 이는 망의 유연한 확장성을 보장한다. 0에서 9까지의 다중 패턴으로 구성된 오프라인 필기체 숫자를 무작위로 추출하여 학습 패턴으로 인식 실험을 수행하였으며 실험을 통해 신경망이 스스로 비지도 학습에 의해 판별자의 수를 결정하게 되며 이것은 신경망이 각각의 필기체 숫자에 대한 개념을 가지게 되는 것으로 해석할 수 있다.

• Journal of Information Processing Systems
• /
• 제11권3호
• /
• pp.370-388
• /
• 2015

The localization of multi-agents, such as people, animals, or robots, is a requirement to accomplish several tasks. Especially in the case of multi-robotic applications, localization is the process for determining the positions of robots and targets in an unknown environment. Many sensors like GPS, lasers, and cameras are utilized in the localization process. However, these sensors produce a large amount of computational resources to process complex algorithms, because the process requires environmental mapping. Currently, combination multi-robots or swarm robots and sensor networks, as mobile sensor nodes have been widely available in indoor and outdoor environments. They allow for a type of efficient global localization that demands a relatively low amount of computational resources and for the independence of specific environmental features. However, the inherent instability in the wireless signal does not allow for it to be directly used for very accurate position estimations and making difficulty associated with conducting the localization processes of swarm robotics system. Furthermore, these swarm systems are usually highly decentralized, which makes it hard to synthesize and access global maps, it can be decrease its flexibility. In this paper, a simple pyramid RAM-based Neural Network architecture is proposed to improve the localization process of mobile sensor nodes in indoor environments. Our approach uses the capabilities of learning and generalization to reduce the effect of incorrect information and increases the accuracy of the agent's position. The results show that by using simple pyramid RAM-base Neural Network approach, produces low computational resources, a fast response for processing every changing in environmental situation and mobile sensor nodes have the ability to finish several tasks especially in localization processes in real time.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.86-88
• /
• 2007

In the semiconductor manufacturing industry, the heterodyne laser interferometer plays as an ultra-precise measurement system. However, the heterodyne laser interferometer has some unwanted nonlinearity error which is caused from frequency-mixing. This is an obstacle to improve the measurement accuracy in nanometer scale. In this paper we propose a compensation algorithm based on RLS(recursive least square) method and artificial intelligence method, which reduce the nonlinearity error in the heterodyne laser interferometer. With the capacitance displacement sensor we get a reference signal which can be transformed into the intensity domain. Using the back-propagation Neural Network method, we train the network to track the reference signal. Through some experiments, we demonstrate the effectiveness of the proposed algorithm in measurement accuracy.

• 한국인터넷방송통신학회논문지
• /
• 제9권5호
• /
• pp.205-211
• /
• 2009

가중치가 없는 램 기반 신경망은 가중치를 재조정하는 기존 신경망에 비해 계산량 및 인식 시간이 적은 장점을 가지고 있다. 특히 연속적인 연관성을 갖는 제스처와 같은 행위 정보는 각각의 정보들이 시계열적 상관관계를 갖는다. 이와 같은 행위 정보를 인식하려면 일반적으로 많은 계산량과 처리 시간이 요구된다. 이런 문제점을 해결하기 위해 일반적으로 전처리 과정의 삽입 및 하드웨어 인터페이스 활용 등을 이용한다. 본 논문에서는 이와 같은 추가적인 방법 없이 순차 램 기반 누적 신경망으로 연속적인 행위 정보인 한글 복합어 수화 인식 시스템을 구현하였다. 제안된 모델의 성능을 검증하기 위하여 카메라로부터 입력받은 연속적인 복합어 수화 영상을 최소한의 이미지 처리인 경계선 검출만으로 수화 인식을 실험하였다. 경계선 검출 후 이진 영상을 전처리 과정 없이 제안된 순차 램 기반 누적 신경망 시스템으로 처리된 결과는 93%의 인식률을 얻었다.

• 융합신호처리학회논문지
• /
• 제10권3호
• /
• pp.164-169
• /
• 2009

본 논문에서는 고해상도 위성영상에 대해서 분할된 후보영역의 텍스처 정보를 기반으로 BP 신경회로망을 이용한 도로영역검출방법을 제안한다. 먼저, N.Otsu가 제안한 히스토그램 기반의 이진화와 열림연산을 수행하여 배경영역으로부터 일차적으로 도로영역인 전경부분을 분할한다. 그리고 전경부분의 색상 히스토그램을 이용하여 주요색상을 추출한 후 ${\pm}25$ 범위 이내에 있는 영역을 도로영역 후보를 검출한다. 마지막으로, 분할된 후보 도로영역에 대해서 동시발생행렬을 이용하여 텍스처 정보를 추출한 후 BP 신경회로망을 이용하여 최종적인 도로영역을 검출한다. 제안한 방법은 도로영역이 일정한 밝기값과 형태를 가진다는 사실에 착안한 것으로, 실험에서 다양한 위성영상들을 대상으로 평균 90% 이상의 검출율을 보여 그 유효함을 보였다.

• 한국멀티미디어학회논문지
• /
• 제13권2호
• /
• pp.216-224
• /
• 2010

RAM 기반 신경망은 빠른 처리 속도와 하드웨어 구현의 용이성 등의 장점을 가지고 있지만 반면에 메모리의 포화 문제, 반복학습, 일반화 패턴 추출의 어려움 등의 단점도 가지고 있다. 이런 단점을 극복하기 위해 누적 다중 판별자를 가지는 3차원 뉴로 시스템(3DNS) 등이 제안되었지만 메모리 포화 문제는 해결하지는 못하였다. 본 논문에서는 메모리 포화 문제를 해결하기 위하여 적응적 가중치를 가지는 AWN (Adaptive Weight Neuron)을 사용한 적응적 가중치 누적 신경망(AWCNN)을 제안한다. 제안된 모델은 AWN으로 3DNS을 개선하여 인식률과 메모리 포화 문제 해결을 향상하였다. 제안된 시스템의 평가는 전처리 과정 없이 NIST의 MNIST에서 제공하는 자료를 이용하여 실험하였다. AWCNN은 3DNS보다 1.5%이상의 향상된 인식률을 보였고 일반화 패턴을 이용한 인식에서는 모든 입력 패턴의 교육된 것과 비슷한 성능을 얻었다.

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1081-1088
• /
• 2020

본 논문에서는 합성곱 신경망을 기반으로 CCTV 이미지를 통한 해무 탐지 방법을 제안한다. 학습에 필요한 자료로 시정 1km 기준으로 총 11개의 항만 또는 해수욕장(부산항, 부산신항, 평택항, 인천항, 군산항, 대산항, 목포항, 여수광양항, 울산항, 포항항, 해운대해수욕장)에서 수집된 해무와 해무가 아닌 이미지 10004장을 랜덤 추출하였다. 전체 10004장의 데이터셋 중에 80%를 추출하여 합성곱 신경망 모델 학습에 사용하였다. 사용된 모델은 16개의 합성곱층과 3개의 완전 연결층을 가지고 있으며, 마지막 완전 연결층에서 Softmax 분류를 수행하는 합성곱 신경망을 활용하였다. 나머지 20%를 이용하여 모델 정확도 평가를 수행하였고 정확도 평가 결과 약 96%의 분류 정확도를 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제14권9호
• /
• pp.11-19
• /
• 2009

다중 판별자를 가지는 RAM 기반 신경망은 단일판별자의 신경 망보다 다범주에서 더 우수한 성능 가진다. 다중 판별자를 가지는 경험유관이진신경망과 3차원 뉴로 시스템(3DNS)은 RAM 기반 이진신경망의 단점인 추가 및 반복 학습, 일반화 패턴 추출 등을 개선하였다. 다중 판별자를 사용하는 신경망의 범주 결정 방법은 MRD 기법으로, 각 판별자의 출력합들 중 최대응답 값으로 결정된다. 그러나 학습 패턴량이 증가하면 신경소자와 판별자의 메모리 포화 문제가 발생되며 이는 MRD의 변별력 저하로 전체 성능이 떨어지는 원인이 된다. 이를 해결하기 위해 기존 MRD의 성능을 향상시킬 수 있는 연구가 필요하다고 본다. 본 논문에서는 최적의 MRD 방법을 찾기 위해 사상 매칭, 누적 필터비 인형 응답 차 그리고 제안된 MRD 기법들을 이용한 최적 MRD 기법 등을 제안하였다. 제안된 MRD의 평가는 3DNS에 전처리 과정 없이 MNIST의 NIST에서 제공하는 숫자 자료를 이용하였다. 제안된 기법들은 기존 MRD보다 우수한 인식률과 입력 패턴의 변형 및 노이즈에 대하여 안정적인 결과를 보였다.

• 농업과학연구
• /
• 제50권4호
• /
• pp.675-696
• /
• 2023

Terpenoids, also referred to as terpenes, are a large family of naturally occurring chemical compounds present in the essential oils extracted from medicinal plants. In this study, a nondestructive methodology was created by combining ATR-FT-IR (attenuated total reflectance-Fourier transform infrared), and Raman spectroscopy for the terpenoids assessment in medicinal plants essential oils from ten different geographical locations. Partial least squares regression (PLSR) and support vector regression (SVR) were used as machine learning methodologies. However, a deep learning based model called as one-dimensional convolutional neural network (1D CNN) were also developed for models comparison. With a correlation coefficient (R²) of 0.999 and a lowest RMSEP (root mean squared error of prediction) of 0.006% for the prediction datasets, the SVR model created for FT-IR spectral data outperformed both the PLSR and 1 D CNN models. On the other hand, for the classification of essential oils derived from plants collected from various geographical regions, the created SVM (support vector machine) classification model for Raman spectroscopic data obtained an overall classification accuracy of 0.997% which was superior than the FT-IR (0.986%) data. Based on the results we propose that FT-IR spectroscopy, when coupled with the SVR model, has a significant potential for the non-destructive identification of terpenoids in essential oils compared with destructive chemical analysis methods.