• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.321-323
• /
• 2012

스마트폰 사용의 보편화와 센서기술의 발달로 이를 응용하는 다양한 연구가 진행되고 있다. 특히 가속도, GPS, 조도, 방향센서 등의 센서들이 스마트폰에 부착되어 출시되고 있어서, 이를 이용한 상황인지, 행동인식 등의 관련 연구들이 활발하다. 하지만 다양한 클래스를 분류하면서 높은 인식률을 유지하는 것은 어려운 문제이다. 본 논문에서는 인식률 향상을 위해 계층적 구조의 순환 신경망을 이용하여 제스처를 인식한다. 스마트폰의 가속도 센서를 이용하여 사용자의 제스처 데이터를 수집하고 BLSTM(Bidirectional Long Short-Term Memory) 구조의 순환신경망을 계층적으로 사용하여, 20가지 사용자의 제스처와 비제스처를 분류한다. 약 24,850개의 시퀀스 데이터를 사용하여 실험한 결과, 기존 BLSTM은 평균 89.17%의 인식률을 기록한 반면 계층적 BLSTM은 평균 91.11%의 인식률을 나타내었다.

• 전자공학회논문지B
• /
• 제28B권5호
• /
• pp.327-334
• /
• 1991

This paper proposes an efficient method of implementing the generalized Hough transform (GHT), which has been hindered by an excessive computing load and a large memory requirement. The conventional algorithm requires a parameter space of 4 dimensions in detection a rotated, scaled, and translated object in an input image. Prior to the application of GHT to the input image, the proposed method determines the angle of rotation and the scaling factor of the test image using the proportion of the edge components between the reference image and test image. With the rotation angle and the scaling factor already determined, the parameter spaceis to be reduced to a simple array of 2 dimensions by applying the unit GHT only one time. The experiments with the image of airplanes reveal that both of the computing time and the requires memory size are reduced by 95 percent, without any degradatationof accuracy, compared with the conventional GHT algorithm.

• 전기전자학회논문지
• /
• 제17권2호
• /
• pp.202-207
• /
• 2013

본 논문은 기존의 FAST와 BRIEF 알고리즘을 Zynq-7000 Soc Platform에서 하드웨어로 구현했다. 대표적으로 SIFT 나 SURF 알고리즘을 사용하여 특징점 기반 하드웨어 가속기로 구현 하지만, 하드웨어 비용과 내부 메모리가 많이 필요하다. 제안하는 FAST & BRIEF 가속기는 기존의 SIFT 나 SURF 가속기 보다 내부 메모리 사용량을 약 57%, 하드웨어 비용을 약 70% 정도 감소하고, 수행 시간은 Clock 당 0.17 Pixel를 처리한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.22.3-22
• /
• 2001

An attention task, in which context information should be extracted from the first presented pattern, and the recognition answer of the second presented pattern should be generated using the context information, is employed in this paper. An Elman-type recurrent neural network is utilized to extract and keep the context information. A reinforcement signal that indicates whether the answer is correct or not, is only a signal that the system can obtain for the learning. Only by this learning, necessary context information became to be extracted and kept, and the system became to generate the correct answers. Furthermore, the function of an associative memory is observed in the feedback loop in the Elman-type neural network.

• Applied Microscopy
• /
• 제51권
• /
• pp.7.1-7.9
• /
• 2021

Neuromorphic systems require integrated structures with high-density memory and selector devices to avoid interference and recognition errors between neighboring memory cells. To improve the performance of a selector device, it is important to understand the characteristics of the switching process. As changes by switching cycle occur at local nanoscale areas, a high-resolution analysis method is needed to investigate this phenomenon. Atomic force microscopy (AFM) is used to analyze the local changes because it offers nanoscale detection with high-resolution capabilities. This review introduces various types of AFM such as conductive AFM (C-AFM), electrostatic force microscopy (EFM), and Kelvin probe force microscopy (KPFM) to study switching behaviors.

• 한국정밀공학회지
• /
• 제10권1호
• /
• pp.77-88
• /
• 1993

In this paper, we propose a stereo vision system to solve correspondence problem with large disparity and sudden change in environment which result from small distance between camera and working objects. First of all, a specific feature is divided by predfined elementary feature. And then these are combined to obtain coded data for solving correspondence problem. We use Neural Network to extract elementary features from specific feature and to have adaptability to noise and some change of the shape. Fourier transformation and Log-polar mapping are used for obtaining appropriate Neural Network input data which has a shift, scale, and rotation invariability. Finally, we use associative memory to obtain coded data of the specific feature from the combination of elementary features. In spite of specific feature with some variation in shapes, we could obtain satisfactory 3-dimensional data from corresponded codes.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.53-54
• /
• 2023

본 논문에서는 키넥트 센서 기반의 아동 기억력 향상 애플리케이션을 설계하고 구현한다. 이 애플리케이션은 유아층의 기억력을 향상시키고 팔 동작으로 소근육 발달에 도움을 주는 카드 짝 맞추기 게임의 기능을 구현한다. 카드 짝 맞추기 게임은 키넥트 센서에서 인식한 사용자의 스켈레톤, 뎁스스트림, 조인트, 음성 정보를 활용하여 플레이어의 오른손을 인식하여 카드를 뒤집고 짝이 맞는 경우는 그대로 두고 짝이 맞지 않는 경우에는 다시 뒤집는다. 사용자는 카드의 위치와 그림을 기억하며 16장의 카드를 모두 맞출때까지 계속 진행한다. 이 게임은 유아들이 재미있게 게임을 즐기면서 기억력을 향상시킬 수 있다.

• 대한전자공학회논문지SP
• /
• 제42권5호
• /
• pp.55-62
• /
• 2005

본 논문에서는 인간의 인지학적인 두뇌 원리인 대뇌피질과 해마 신경망을 공학적으로 모델링하여 얼굴 영상의 특징 벡터들을 고속 학습하고, 각 영상의 최적의 특징을 구성할 수 있는 해마 신경망 모델링 알고리즘인 HNMA(Hippocampal Neuron Modeling Algorithm)을 이용한 얼굴인식 시스템을 제안한다. 시스템은 크게 특징추출 부분과 학습 및 인식 부분으로 구성 되어 있으며, 특징추출 부분에서는 PCA(Principal Component Analysis)와 LDA (Linear Discriminants Analysis)를 순차적으로 적용하여 분별력이 좋은 특징들로 구성한다. 학습부분에서는 해마 신경망 구조의 순서에 따라 입력되는 영상 데이터의 특징들을 치아 이랑 영역에서 호감도 조정에 따라서 반응 패턴으로 이진화 하고, CA3 영역에서 자기 연상 메모리 단계를 거쳐 노이즈를 제거한다. CA3의 정보를 받는 CAI영역에서는 신경망에 의해 학습되어 장기기억이 만들어 진다. 제안한 시스템의 성능을 평가하기 위하여 실험은 표정과 포즈변화 그리고 저 화질 이미지를 각각 구분하여 인식률을 확인하였다. 실험 결과, 본 논문에서 제안하는 특징 추출 방법과 학습 방법을 다른 방법들과 비교하였을 때, 학습시간비용과 인식률에서 우수함을 확인하였다.

• 한국항행학회논문지
• /
• 제25권5호
• /
• pp.426-432
• /
• 2021

CW (continuous wave) 도플러 레이다는 카메라와 달리 사생활 침해 문제를 해결할 수 있고, 비접촉 방식으로 신호를 얻을 수 있다는 장점이 있다. 따라서, 본 논문에서는 CW 도플러 레이다를 이용한 사람 행동 인식 시스템을 제안하고, 가속을 위한 하드웨어 설계 및 구현 결과를 제시한다. CW 도플러 레이다는 사람의 연속된 동작에 대한 신호를 측정한다. 이에, 동작 분류를 위한 단일 스펙트로그램을 얻기 위해 운동 동작의 횟수를 세는 기법을 제안하였다. 또한, 연산의 복잡도와 메모리 사용량을 최소화하기 위해 동작 분류에 BNN (binarized neural network)을 사용하였고, 검증 결과 94%의 정확도를 보임을 확인하였다. BNN의 복잡한 연산을 가속하기 위해 FPGA를 이용하여 BNN 가속기가 설계 및 구현되었다. 제안된 사람 행동 인식 시스템은 logic 7,673개, register 12,105개, combinational ALUT (adaptive look up table) 10,211개, block memory 18.7 Kb를 사용하여 구현되었으며, 성능 평가 결과 소프트웨어 구현 대비 연산 속도가 99.97% 향상되었다.

• 인지과학
• /
• 제20권3호
• /
• pp.357-381
• /
• 2009

이전의 연구들이 외부 피드백 정보에 대한 반응민감도에 성격특성적 개인차가 반영된다는 사실을 밝힌바 있지만, 재인기억과 관련한 의사결정에서 이러한 기질 혹은 특성적 개인차가 어떻게 관여하는지는 아직 알려진 바가 없다. 본 연구는 재인기억 과제에서 피드백에 근거한 의사결정 준거의 순응적 변화정도와 피드백에 대한 일반적 반응민감도의 개인차간 관계를 살펴보았다. 통제 조건인 실험 1에서는 올바른 피드백 조건이 의사결정 준거의 유동성에 영향을 미치지 않음을 보인 반면 피드백 조작이 이루어진 실험 2에서는 확신도가 높은 오기억 반응에만 선택적으로 편향된 피드백이 주어졌음에도 전반적인 Old/New 반응 범주의 결정준거 또한 순응적으로 이동함이 나타났다. 보다 중요하게 이 피드백에 근거한 의사결정 준거 학습에 나타나는 개별 피험자들의 반응민감도 차이가 강화 추구 혹은 불안 회피와 밀접하게 관련된 안정적 성격(Behavioral Activation System-BAS 혹은Behavioral Inhibition System-BIS)의 개인차에 의해 유의미하게 예측될 수 있음이 나타났다. 이러한 결과는 그동안 외현적인 재인 기억 의사 결정에 있어서 중요하게 여기지 않았던 점증적 강화학습 기제가 결정 준거의 설정에 관여할 수 있음을 보여준다는 데에서 중요한 의미를 찾을 수 있다.