• 한국생산제조학회지
• /
• 제9권2호
• /
• pp.45-51
• /
• 2000

This study proposes that analysis and evaluation method of time series ultrasonic signal using the chaotic feature extrac-tion for degradation extent. Features extracted from time series data using the chaotic time series signal analyze quantitatively material degradation extent. For this purpose analysis objective in this study if fractal dimension lyapunov exponent and strange attractor on hyperspace. The lyapunov exponent is a measure of the rate at which nearby trajectories in phase space diverge. Chaotic trajectories have at least one positive lyapunov exponent. The fractal dimension appears as a metric space such as the phase space trajectory of a dynamical syste, In experiment fractal(correlation) dimensions and lyapunov experiments showed values of mean 3.837-4.211 and 0.054-0.078 in case of degradation material The proposed chaotic feature extraction in this study can enhances ultrasonic pattern recognition results from degrada-tion signals.

• Maxillofacial Plastic and Reconstructive Surgery
• /
• 제35권3호
• /
• pp.167-173
• /
• 2013

Purpose: The aim of this study is to analyze the series of panoramic radiograph of implant patients using the system to measure peri-implant crestal bone loss according to the elapsed time from fixture installation time to more than three years. Methods: Choose 10 patients having 45 implant fixtures installed, which have series of panoramic radiograph in the period to be analyzed by the system. Then, calculated the crestal bone depth and statistics and selected the implant in concerned by clicking the implant of image shown on the monitor by the implemented pattern recognition system. Then, the system recognized the x, y coordination of the implant and peri-implant alveolar crest, and calculated the distance between the approximated line of implant fixture and alveolar crest. By applying pattern recognition to periodic panoramic radiographs, we attained the results and made a comparison with the results of preceded articles concerning peri-implant marginal bone loss. Analyzing peri-implant crestal bone loss in a regression analysis periodic filmed panoramic radiograph, logarithmic approximation had highest $R^2$ value, and the equation is as shown below. $y=0.245Logx{\pm}0.42$, $R^2=0.53$, unit: month (x), mm (y) Results: Panoramic radiograph is a more wide-scoped view compared with the periapical radiograph in the same resolution. Therefore, there was not enough information in the radiograph in local area. Anterior portion of many radiographs was out of the focal trough and blurred precluding the accurate recognition by the system, and many implants were overlapped with the adjacent structures, in which the alveolar crest was impossible to find. Conclusion: Considering the earlier objective and error, we expect better results from an analysis of periapical radiograph than panoramic radiograph. Implementing additional function, we expect high extensibility of pattern recognition system as a diagnostic tool to evaluate implant-bone integration, calculate length from fixture to inferior alveolar nerve, and from fixture to base of the maxillary sinus.

• 정보처리학회논문지B
• /
• 제11B권4호
• /
• pp.449-456
• /
• 2004

본 논문에서는 모호성을 포함하고 있는 시계열 패턴인식을 위한 새로운 인식모델인 순환퍼지기억장치를 제안한다. 순환퍼지기억장치는 기존의 퍼지기억장치에 순차적인 입력패턴를 처리하고 시간적 관련성을 표현할 수 있는 순환층을 추가함으로써 확장된 모델이다. 본 논문에서 제안하는 순환퍼지기억장치는 입력과 출력사이의 관련정도를 설정하기 위해 헤비안 방식의 학습알고리즘을 사용한다. 그리고 순환퍼지기억장치의 순환층에 필요한 가중치를 학습하기 위해서 오류역전파 알고리즘을 이용한다. 본 논문에서는 제안하는 모델을 음성신호의 경계를 추출하는 문제에 적용하여 성능을 평가한다.

• 인터넷정보학회논문지
• /
• 제6권1호
• /
• pp.105-114
• /
• 2005

본 논문에서는 다중 시계열 패턴을 분석하여 계측 값을 예측하는 방법에 관하여 기술한다. 본 논문의 목적은 표본패턴들 중에서 입력패턴과 가장 유사한 패턴을 찾은 다음 그 표본패턴이 가지는 실측값과의 오차율을 산출하는 것이다. 따라서 인식이 아니라 계측이며 하드웨어가 아닌 소프트웨어 기술을 제안하다. 본 논문에서 제안하는 방법은 초기화, 인식 및 계측 등의 단계로 구성된다. 초기화 단계에서는 중요도를 사용하여 인자들 각각의 가중치를 산출한다. 학습 단계에서는 수집된 표본패턴을 먼저 DTW와 LBG 알고리즘을 사용하여 각 인자별 독립적으로 군집화를 수행한 다음, 모든 표본패턴에 대하여 군집의 번호들로 구성된 코드열을 생성한다. 계측 단계에서는 입력패턴에 대한 코드열을 생성한 다음 해슁으로 표본패턴들 중에서 같은 코드열을 가지는 표본들을 찾고, 이 표본들 중에서 입력패턴에 가장 잘 정합되는 하나의 표본을 선택하다. 최종적으로 이 패턴이 가지고 있는 실측값과 오차율을 출력한다. 성능평가는 반도체생산장치 중에서 하나인 식각장치로부터 얻어진 자료에 적용하여 수행한다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.178-185
• /
• 2009

가속도계 신호를 대상으로 패턴 인식을 행하는 연구에서 공통적으로 사용될 수 있는 끝점 검출 방법을 제안한다. 기존의 연구 결과물은 추가적인 단추 등을 부착하여 수동으로 구분하거나, 고성능 고주파 대역 필터 등의 사용으로 알고리즘 상에서 필히 시간 지연이 발생하며 또한 알고리즘 구현상 여러 매개 변수 및 이를 위한 문턱값이 존재하였다. 본 논문에서는 가속도의 일계도 미분의 시퀀스를 입력 벡터로 사용하여, 시계열 데이터 예측과 유사한 형태로 focused Time Lagged Feedforward Network(TLFN)을 설계, 이를 학습시키는 방법을 제안 하였다. 제안한 방법을 글자 궤적에 대해 적용하여 신뢰도 있는 끝점 검출 성능과 실시간 응답 특성을 확인하였다.

• Computers and Concrete
• /
• 제31권5호
• /
• pp.405-417
• /
• 2023

The submerged floating tunnel (SFT) is tethered by mooring lines anchored to the seabed, therefore, the structural integrity of the anchor should be sensitively managed. Despite their importance, reaction forces cannot be simply measured by attaching sensors or load cells because of the structural and environmental characteristics of the submerged structure. Therefore, we propose an effective method for estimating the reaction forces at the seabed anchor of a submerged floating tunnel using a structural pattern model. First, a structural pattern model is established to use the correlation between tunnel motion and anchor reactions via a deep learning algorithm. Once the pattern model is established, it is directly used to estimate the reaction forces by inputting the tunnel motion data, which can be directly measured inside the tunnel. Because the sequential characteristics of responses in the time domain should be considered, the long short-term memory (LSTM) algorithm is mainly used to recognize structural behavioral patterns. Using hydrodynamics-based simulations, big data on the structural behavior of the SFT under various waves were generated, and the prepared datasets were used to validate the proposed method. The simulation-based validation results clearly show that the proposed method can precisely estimate time-series reactions using only acceleration data. In addition to real-time structural health monitoring, the proposed method can be useful for forensics when an unexpected accident or failure is related to the seabed anchors of the SFT.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.55-67
• /
• 2022

센서 데이터를 활용하여 설비의 이상 진단이 가능해졌다. 하지만 설비 이상에 대한 원인 분석은 미비한 실정이다. 본 연구에서는 센서 기반 시계열 데이터 분류 모델을 위한 해석가능한 합성곱 신경망 프레임워크를 제안한다. 연구에서 사용된 센서 기반 시계열 데이터는 실제 차량에 부착된 센서를 통해 수집되었고, 반도체의 웨이퍼 데이터는 공정 과정에서 수집되었다. 추가로 실제 기계 설비에서 수집된 주기 신호 데이터를 이용 하였으며, 충분한 학습을 위해 Data augmentation 방법론인 Scaling과 Jittering을 적용하였다. 또한, 본 연구에서는 3가지 합성곱 신경망 기반 모델들을 제안하고 각각의 성능을 비교하였다. 본 연구에서는 ResNet에 Jittering을 적용한 결과 정확도 95%, F1 점수 95%로 가장 뛰어난 성능을 보였으며, 기존 연구 대비 3%의 성능 향상을 보였다. 더 나아가 결과의 해석을 위한 XAI 방법론으로 Class Activation Map과 Layer Visualization을 제안하였으며, 센서 데이터 분류에 중요 영향을 끼치는 시계열 구간을 시각적으로 확인하였다.

• 한국안전학회지
• /
• 제15권2호
• /
• pp.1-7
• /
• 2000

This paper presents the approach involving fault detection and diagnosis of gears using pattern recognition and Wavelet transform. It describes result of the comparison between KDI (Kullback Discrimination Information) with the nearest neighbor classification rule as one of pattern recognition methods and Wavelet transform to know a way to detect and diagnosis of gear damages experimentally. To model the damages 1) Normal (no defect), 2) one tooth is worn out, 3) All teeth faces are worn out 4) One tooth is broken. The vibration sensor was attached on the bearing housing. This produced the total time history data that is 20 pieces of each condition. We chose the standard data and measure distance between standard and tested data. In Wavelet transform analysis method, the time series data of magnitude in specified frequency (rotary and mesh frequency) were earned. As a result, the monitoring system using Wavelet transform method and KDI with nearest neighbor classification rule successfully detected and classified the damages from the experimental data.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2001년도 The Pacific Aisan Confrence On Intelligent Systems 2001
• /
• pp.122-127
• /
• 2001

This study investigates the effectiveness of time delay neural networks(TDNN) for the time dependent prediction domain. Although it is well-known fact that the back-propagation neural network(BPN) performs well in pattern recognition tasks, the method has some limitations in that it can only learn an input mapping of static (or spatial) patterns that are independent of time of sequences. The preliminary results show that the accuracy of TDNN is higher than the standard BPN with time lag. Our proposed approaches are demonstrated by the stork market prediction domain.

• 제어로봇시스템학회논문지
• /
• 제16권6호
• /
• pp.517-523
• /
• 2010

In this paper, we proposed an algorithm to detect aggressive driving status by analysing six kinds of driving patterns, which was achieved by comparing for the feature vectors using mahalanobis distance. The first step is to construct feature matrix of $6{\times}2$ size using frequency response of the time-series accelerometer data. Singular value decomposition makes it possible to find the dominant eigenvalue and its corresponding eigenvector. We use the eigenvector as the feature vector of the driving pattern. We conducted real experiments using three drivers to see the effects of recognition. Although there exists differences from individual drivers, we showed that driving patterns can be recognized with about 80% accuracy. Further research topics will include the development of aggressive driving warning system by improving the proposed technique and combining with post-processing of accelerometer signals.