• 한국수학사학회지
• /
• 제17권2호
• /
• pp.85-96
• /
• 2004

본 연구에서 카오스 모형을 직접적으로 검정하기 위한 표준적인 기법 중의 하나인 R/S 분석(resealed range statistical analysis)과 허스트 지수를 'sinusoid' 패턴 평가하는 데 적용하였다. 이는 다소 잡음이 섞여 있으면서 동시에 준주기 성향을 갖는 시계열자료에 대해서 허스트 지수가 이를 간접적으로 평가 할 수 있는 측도(measure)로 활용될 수 있음을 논하였다.

• Communications for Statistical Applications and Methods
• /
• 제9권1호
• /
• pp.155-166
• /
• 2002

Neural networks have been studied as a popular tool for classification and they are very flexible. Also, they are used for many applications of pattern classification and pattern recognition. This paper focuses on Bayesian approach to feed-forward neural networks with single hidden layer of units with logistic activation. In this model, we are interested in deciding the number of nodes of neural network model with p input units, one hidden layer with m hidden nodes and one output unit in Bayesian setup for fixed m. Here, we use the latent variable into the prior of the coefficient regression, and we introduce the 'sequential step' which is based on the idea of the data augmentation by Tanner and Wong(1787). The MCMC method(Gibbs sampler and Metropolish algorithm) can be used to overcome the complicated Bayesian computation. Finally, a proposed method is applied to a simulated data.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제12권3호
• /
• pp.250-255
• /
• 2012

Face recognition has wide applications in security and surveillance systems as well as in robot vision and machine interfaces. Conventional challenges in face recognition include pose, illumination, and expression, and face recognition at a distance involves additional challenges because long-distance images are often degraded due to poor focusing and motion blurring. This study investigates the effectiveness of applying photon-counting linear discriminant analysis (Pc-LDA) to face recognition in harsh environments. A related technique, Fisher linear discriminant analysis, has been found to be optimal, but it often suffers from the singularity problem because the number of available training images is generally much smaller than the number of pixels. Pc-LDA, on the other hand, realizes the Fisher criterion in high-dimensional space without any dimensionality reduction. Therefore, it provides more invariant solutions to image recognition under distortion and degradation. Two decision rules are employed: one is based on Euclidean distance; the other, on normalized correlation. In the experiments, the asymptotic equivalence of the photon-counting method to the Fisher method is verified with simulated data. Degraded facial images are employed to demonstrate the robustness of the photon-counting classifier in harsh environments. Four types of blurring point spread functions are applied to the test images in order to simulate long-distance acquisition. The results are compared with those of conventional Eigen face and Fisher face methods. The results indicate that Pc-LDA is better than conventional facial recognition techniques.

• 말소리와 음성과학
• /
• 제14권2호
• /
• pp.11-17
• /
• 2022

English vowels play an important role in verbal communication. However, Korean students tend to experience difficulty pronouncing a certain set of vowels despite extensive education in English. The aim of this study is to apply speech recognition software to evaluate Korean students' pronunciation of English vowels in minimal pair words and then to examine acoustic characteristics of the pairs in order to check their pronunciation problems. Thirty female Korean college students participated in the recording. Speech recognition rates were obtained to examine which English vowels were correctly pronounced. To compare and verify the recognition results, such acoustic analyses as the first and second formant trajectories and durations were also collected using Praat. The results showed an overall recognition rate of 54.7%. Some students incorrectly switched the tense and lax counterparts and produced the same vowel sounds for qualitatively different English vowels. From the acoustic analyses of the vowel formant trajectories, some of these vowel pairs were almost overlapped or exhibited slight acoustic differences at the majority of the measurement points. On the other hand, statistical analyses on the first formant trajectories of the three vowel pairs revealed significant differences throughout the measurement points, a finding that requires further investigation. Durational comparisons revealed a consistent pattern among the vowel pairs. The author concludes that speech recognition and analysis software can be useful to diagnose pronunciation problems of English-language learners.

• 한국컴퓨터정보학회논문지
• /
• 제7권1호
• /
• pp.174-183
• /
• 2002

본 연구에서는 자동화된 데이터의 수집과 자동화된 제조환경하에서 수행될 수 있는 공정관리도의 패턴양상에 대하여 인공지능의 대표적인 기법인 인공신경망을 이용하여 각 패턴의 인식과 이의 검증, 그리고 이상패턴의 발생상황을 모니터링할 수 있는 지능형 공정관리 시스템을 개발하는데 중점을 두었다 개발된 패턴인식시스템을 이용하여 공정의 상태를 관리하는 작업자의 부담을 한층 덜어줄 수 있으며 작업자는 공정에 이상패턴이 발생하는 경우에 패턴인식시스템을 통하여 공정상태에 대한 정보를 전달받을 수 있어서 지속적인 품질개선활동을 수행할 수 있게 된다.

• 스마트미디어저널
• /
• 제5권3호
• /
• pp.35-41
• /
• 2016

본 논문에서는 심층 학습 모델 방법을 이용하여 EPS(Electronic Potential Sensor) 기반의 손동작 신호를 인식하는 시스템을 제안한다. 전기장 기반 센서인 EPS로부터 추출된 신호는 다량의 잡음이 포함되어 있어 이를 제거하는 전처리과정을 거쳐야 한다. 주파수 대역 특징 필터를 이용한 잡음 제거한 후, 신호는 시간에 따른 전압(Voltage) 값만 가지는 1차원적 특징을 지닌다. 2차원 데이터를 입력으로 하여 컨볼루션 연산을 하는 알고리즘에 적합한 형태를 갖추기 위해 신호는 차원 변형을 통해 재구성된다. 재구성된 신호데이터는 여러 계층의 학습 층(layer)을 가지는 심층 학습 기반의 모델을 통해 분류되어 최종 인식된다. 기존 확률 기반 통계적 모델링 알고리즘은 훈련 후 모델을 생성하는 과정에서 초기 파라미터에 결과가 좌우되는 어려움이 있었다. 심층 학습 기반 모델은 학습 층을 쌓아 훈련을 반복하므로 이를 극복할 수 있다. 실험에서, 제안된 심층 학습 기반의 서로 다른 구조를 가지는 컨볼루션 신경망(Convolutional Neural Networks), DBN(Deep Belief Network) 알고리즘과 통계적 모델링 기반의 방법을 이용한 인식 결과의 성능을 비교하였고, 컨볼루션 신경망 알고리즘이 다른 알고리즘에 비해 EPS 동작신호 인식에서 보다 우수한 성능을 나타냄을 보였다.

• 한국정보통신학회논문지
• /
• 제12권9호
• /
• pp.1682-1688
• /
• 2008

CP(Counterpropagation) 알고리즘은 Kohonen의 경쟁 네트워크와 Grossberg의 아웃스타(Outstar) 구조의 결합으로 이루어진 것으로 패턴 매칭, 패턴 분류, 통계적인 분석 및 데이터 압축 등 활용분야가 다양하고, 다른 신경망 모델에 비해 학습이 매우 빠르다는 장점이 있다. 그러나 CP 알고리즘은 충분한 경쟁층의 수가 설정되지 않아 경쟁층에서 학습이 불안정하고, 다양한 패턴으로 구성된 경우에는 패턴들을 정확히 분류할 수 없는 경우가 발생한다. 그리고 CP 알고리즘은 출력층에서 연결 강도를 조정할 때, 학습률에 따라 학습 및 인식 성능이 좌우된다. 본 논문에서는 효과적인 패턴인식을 위해 다수 경쟁층을 설정하고, 입력 벡터와 승자 뉴런의 대표 벡터간의 차이와 승자 뉴런의 빈도수를 학습률 조정에 반영하고 학습률을 동적으로 조정하여 경쟁층에서 안정적으로 학습되도록 하고, 출력층의 연결강도를 조정할 때 모멘텀(Momentum) 방법을 적용한다. 제안된 CP 학습 성능을 확인하기 위해서 실제 여권에서 추출된 개별 코드를 대상으로 실험한 결과, 개선된 CP 알고리즘이 기존의 CP 알고리즘보다 학습 성능, 분류의 정확성 및 인식 성능이 개선된 것을 확인하였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2016년도 춘계 종합학술대회 논문집
• /
• pp.11-12
• /
• 2016

SVM (Support Vector machine) is powerful machine-learning method, and obtains better performance than traditional methods in the applications of muti-dimension nonlinear pattern classification. For the case of SVM model training and low efficiency in large samples, this paper proposes a combination of statistical parameters of the GMM-UBM (Universal Background Model) model. It is very effective to solve the problem of the large sample for the SVM training. The experiment is carried on four special dynamic hand gestures using the EPIC sensors. And the results show that the improved dynamic hand gesture recognition system has a high recognition rate up to 96.75%.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 추계학술대회 논문집 전기물성,응용부문
• /
• pp.251-254
• /
• 2004

The aging diagnosis technique using partial discharge detection method detects partial discharge signals cause of power equipment failuer and able to forecast the aging state of insulation system through analysis algorithm, in this paper accumulates HFPD signal during constant scheduled cycles to build HFPD pattern and then analyzes HFPD pattern using statistical parameters and ${\Delta}F$ pattern. The 3D pattern is composed of detected signal frequency, amplitude and repeated number and the FRPDA(frequency resolved partial discharge analysis) technique is used in 3D pattern construction. The ${\Delta}F$ pattern shows variation characteristics of amplitude gradient of consecutive HFPD signal Pulses and able to classify discharge types-internal discharge, surface discharge and coronal discharge etc. Fractal mathematics applied to ${\Delta}F$ pattern quantification and neural networks is used in aging diagnostic algorithm.

• 대한토목학회논문집
• /
• 제34권3호
• /
• pp.747-754
• /
• 2014

마할라노비스 거리 이론에 기초한 통계적 패턴 인식 기술은 안정된 외부하중에 대한 구조물 상태 평가에 대한 유용성에도 불구하고 지진과 같이 큰 변동성의 외부하중에 대한 구조물의 건전도 모니터링에는 취약하다. 손상은 일반적으로 손상되지 않은 구조물의 측정된 값의 평균과 손상된 구조물의 측정값 사이의 차이에 의해 결정된다. 외부 하중의 변동성이 커질수록 더 큰 차이가 발생하고, 이는 손상으로 인식되기 쉽다. 본 논문에서는 이러한 문제를 극복하고 불확실한 외부 하중을 받는 구조물을 지속적으로 모니터링 할 수 있도록 외부 변동성을 감소시키기 위해 마할라노비스 거리 이론을 수정한 통계적 패턴 인식 기술인 개선된 마할라노비스 거리 이론을 개발하였다. 이 방법은 일반적인 임의의 하중과 지진하중에서 정확하게 사장교의 건전도를 평가하는 것을 실험적으로 확인 하였다. 그 결과, IMDT는 손상되지 않은 케이블로부터 획득한 데이터로 손상된 케이블에 의한 구조물의 손상을 파악하는 데 유효한 것을 확인하였다. 따라서 변동성을 지닌 외부하중에 의한 교량의 건전도 모니터링에 효과적으로 적용할 수 있음을 입증하였다.