• 한국지능시스템학회논문지
• /
• 제19권1호
• /
• pp.54-61
• /
• 2009

본 논문에서는 비전 패턴인식 알고리즘인 시공간적 계층 메모리 학습 알고리즘을 이용한 새로운 근전도 패턴인식 방법을 제시한다. 효율적인 근전도 신호의 학습과 분류를 위하여 단순화된 2 레벨의 공간적 집합, 시간적 집합, 그리고 관리 맵퍼를 이용한 수정된 시공간적 계층 메모리 학습 알고리즘을 제안한다. 인식 성능을 향상시키기 위해서 관리 맵퍼 학습뿐만 아니라 시간적 집합 학습에도 카테고리 정보를 사용한다. 실험을 통하여 열 가지 손동작이 성공적으로 인식됨을 검증한다.

• 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.

• 로봇학회논문지
• /
• 제15권1호
• /
• pp.62-69
• /
• 2020

This paper proposes a pattern recognition and classification algorithm based on a circular structure that can reflect the characteristics of the sEMG (surface electromyogram) signal measured in the arm without putting the placement limitation of electrodes. In order to recognize the same pattern at all times despite the electrode locations, the data acquisition of the circular structure is proposed so that all sEMG channels can be connected to one another. For the performance verification of the sEMG pattern recognition and classification using the developed algorithm, several experiments are conducted. First, although there are no differences in the sEMG signals themselves, the similar patterns are much better identified in the case of the circular structure algorithm than that of conventional linear ones. Second, a comparative analysis is shown with the supervised learning schemes such as MLP, CNN, and LSTM. In the results, the classification recognition accuracy of the circular structure is above 98% in all postures. It is much higher than the results obtained when the linear structure is used. The recognition difference between the circular and linear structures was the biggest with about 4% when the MLP network was used.

• 비파괴검사학회지
• /
• 제31권4호
• /
• pp.351-359
• /
• 2011

최근 토목, 기계 및 항공 분야에서 구조물의 안전성 및 적정 성능 수준 확보를 위하여 구조물의 결함 및 노후화에 의한 성능저하 등을 상시적으로 모니터링하기 위한 관심이 높아지고 있다. 실제 구조물에서는 내부 미세 균열에서부터 국부 좌굴, 볼트 풀림, 피로 균열 등과 같이 다양한 형태의 손상이 복합적으로 발생 가능한데, 복합 손상을 단일 모드 계측 시스템으로부터 진단하기는 매우 어렵다. 따라서 본 연구에서는 이러한 복합 손상을 효율적으로 진단하기 위하여 선행 연구에서 제안된 압전센서를 이용한 자가 계측 회로 기반의 다중 모드 계측 시스템을 적용하였다. 자가 계측 회로 기반 다중 모드 계측 시스템은 크게 두 가지 형태의 신호를 계측한다. 첫 번째 모드는 임피던스 계측으로부터 특정 주파수 대역의 구조 응답을 계측하며, 두 번째 모드는 유도 초음파 계측으로부터 단일 중심 주파수에 해당하는 구조 응답을 계측한다. 복합 손상을 손상 유형별로 분류하기 위하여 E/M 임피던스와 유도 초음파의 계측으로부터 추출한 특성을 이용하여 2차원 손상지수를 계산하고 이를 지도학습 기반 패턴인식 기법 중 확률론적 신경망 기법에 적용한다. 제안된 기법의 적용성 검토를 배관 구조물에 인위적으로 다중 손상을 생성시켜 실험을 수행하였다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2011년도 춘계학술대회 논문집
• /
• pp.1735-1741
• /
• 2011

The safety of station structures among railway infrastructures should be considered as a top priority because hundreds of thousands passengers a day take a subway. The station structures, which have been being operated since the 1970s, are especially vulnerable to the earthquake and long-term vibrations such as ambient train vibrations as well. This is why the structural-health monitoring system of station structures should be required. For these reason, Korean government has made an effort to develop the structural health-monitoring system of them, which can evaluate the health-state of station structures as well as can monitor the vulnerable structural members in real-time. Then, through the monitoring system, the vulnerable structural members could be retrofitted. For the development of health-state evaluation method for station structures with the real-time sensing data measured in the fields, authors carried out the numerical simulations to develop evaluation algorithms based on statistical pattern recognition techniques. In this study, the dynamic behavior of Chungmuro station in Seoul was numerically analyzed and then critical members were chosen. Damages were artificially simulated at the selected critical members of the numerical model. And, the supervised and unsupervised learning based pattern recognition algorithms were applied to quantify and localize the structural defects.

• Journal of Information Processing Systems
• /
• 제8권4호
• /
• pp.575-588
• /
• 2012

Exploiting unlabeled text data with a relatively small labeled corpus has been an active and challenging research topic in text mining, due to the recent growth of the amount of biomedical literature. Biomedical named-entity recognition is an essential prerequisite task before effective text mining of biomedical literature can begin. This paper proposes an Active Co-Training (ACT) algorithm for biomedical named-entity recognition. ACT is a semi-supervised learning method in which two classifiers based on two different feature sets iteratively learn from informative examples that have been queried from the unlabeled data. We design a new classification problem to measure the informativeness of an example in unlabeled data. In this classification problem, the examples are classified based on a joint view of a feature set to be informative/non-informative to both classifiers. To form the training data for the classification problem, we adopt a query-by-committee method. Therefore, in the ACT, both classifiers are considered to be one committee, which is used on the labeled data to give the informativeness label to each example. The ACT method outperforms the traditional co-training algorithm in terms of f-measure as well as the number of training iterations performed to build a good classification model. The proposed method tends to efficiently exploit a large amount of unlabeled data by selecting a small number of examples having not only useful information but also a comprehensive pattern.

• 한국지능시스템학회논문지
• /
• 제23권4호
• /
• pp.354-359
• /
• 2013

본 논문을 통해서 우리는 최적화 알고리즘인 binary harmony search (BHS) 알고리즘을 이용하여 unsupervised nonlinear classifier를 구현하는 방안을 제시하였다. 패턴인식을 위한 기계학습이나 뇌파 신호의 분석 과정과 같이 벡터로 표현되는 특징들을 분류하는데 있어 다양한 알고리즘들이 제시되었다. 교사 학습기반의 분류 방식으로는 support vector machine과 같은 기법이 사용되어왔고, 비교사 학습 방법을 통한 분류 기법으로는 fuzzy c-mean (FCM)과 같은 알고리즘들이 사용되어 왔다. 그러나 기존에 사용해 왔던 분류 방법들은 비선형 데이터 분류에 적용하기 힘들거나 교사 학습을 적용하기 위해서 사전정보를 필요로 하는 문제점이 있다. 본 논문에서는 경험적 접근을 통해 공간상에 분포된 벡터 사이의 기하학적 거리를 최소로 만드는 벡터 집합을 선택하고 이를 하나의 클래스로 간주하는 방법을 적용한 분류법을 제시하였다. 비교 대상으로 FCM과 artificial neural network (ANN) 기반의 self-organizing map (SOM)을 제시하였다. 시뮬레이션에는 KEEL machine learing dataset을 사용하였고 그 결과, 제안된 방식이 기존 알고리즘에 비해 더 나은 우수성을 지니고 있음을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권11호
• /
• pp.5427-5445
• /
• 2019

While deep neural networks have achieved remarkable performance in representation learning, a huge amount of labeled training data are usually required by supervised deep models such as convolutional neural networks. In this paper, we propose a new representation learning method, namely generative adversarial networks (GAN) based bagging deep convolutional autoencoders (GAN-BDCAE), which can map data to diverse hierarchical representations in an unsupervised fashion. To boost the size of training data, to train deep model and to aggregate diverse learning machines are the three principal avenues towards increasing the capabilities of representation learning of neural networks. We focus on combining those three techniques. To this aim, we adopt GAN for realistic unlabeled sample generation and bagging deep convolutional autoencoders (BDCAE) for robust feature learning. The proposed method improves the discriminative ability of learned feature embedding for solving subsequent pattern recognition problems. We evaluate our approach on three standard benchmarks and demonstrate the superiority of the proposed method compared to traditional unsupervised learning methods.

• 한국구조물진단유지관리공학회 논문집
• /
• 제15권3호
• /
• pp.134-141
• /
• 2011

최근 사회 기반 시설물에서 구조물의 안전성 및 적정 성능 수준을 확보하기 위하여 구조물의 결함 빛 노후화에 의한 성능 저하 등을 상시적으로 모니터링하기 위한 관심이 높아지고 있다. 이 중 배관 구조물은 국가 주요 자원의 수송을 책임지는 핵심 사회 기반 시설물임에도 불구하고 지중에 매립된다는 위치적 특성 상 상시적으로 구조물의 상태를 모니터링하기는 매우 어렵다. 또한 배관 구조물에서는 내부 미세 균열에서부터 국부 좌굴, 볼트 풀림, 피로 균열 등과 같이 다양한 형태의 손상이 복합적으로 발생 가능하다. 따라서 본 연구에서는 이러한 복합 손상을 효율적으로 진단하기 위하여 압전센서를 이용한 자가 계측 회로 기반의 유도 초음파 계측 시스템을 복합 손상 진단에 적용하였다. 유도 초음파 자가 계측으로부터 특정 중심 주파수에 해당하는 구조물의 웨이블렛 응답을 계측한다. 복합 손상을 유형별로 분류하기 위하여 유도 초음파 계측으로부터 추출한 특성을 이용하여 손상지수를 계산하고 이를 지도학습 기반 패턴인식 기법에 적용한다. 제안된 기법의 적용성 검토를 위하여 배관 구조물에 인위적으로 다중 손상을 생성시켜 시험을 수행하였다.

• 토지주택연구
• /
• 제2권4호
• /
• pp.407-413
• /
• 2011

본 논문에서는 콘크리트 보의 표면에 부착된 CFRP (Carbon Fiber Reinforced Plastic) 보강재의 박리 손상 진단을 위한 구조 건전성 모니터링 기법을 소개한다. 이를 위해 압전 능동 센서를 이용한 셀프센싱 회로 기반의 다중 스케일 계측 기법이 적용되었다. 다중 스케일 계측 시스템으로부터 셀프센싱 임피던스 계측을 통한 주파수 영역 구조 응답 및 셀프센싱 유도 초음파 계측을 통한 특정 주파수에서의 구조 응답을 획득할 수 있다. 박리 손상의 정량화를 위하여 임피던스 및 유도 초음파 신호로부터 추출된 손상 특성을 이용하여 2차원 손상 지수를 도출하고 이를 지도학습 기반 확률론적 패턴인식 기법에 적용하였다.