• 한국통신학회논문지
• /
• 제23권4호
• /
• pp.1045-1050
• /
• 1998

데이타의 분류기법은 공장자동화나 로보틱스 분야에서 사용되는 지능시스템의 중요한 기능이다. 일반적으로 이러한 분류시스템을 설계하고자 할때, 준비된 데이타는 레이블링 되어야 하고, 분류하고자하는 클래스의 수도 설정되어야한다. 본 연구에서는 이러한 사전 정보없이 분류 시스템을 설계하고자 최적 클러스터 분석 모델, OFCAM을 제안한다. 이때 사용되는 최적 클러스터 분석 모델은 데이타의 구조에 대한 사전정보 없이, 주어진 데이타의 최적 클러스터의 수와 클러스터 중심점 및 각 데이타에 대한 소속정보를 구해준다. 이를 위하여 OFCAM에서는 목적합수를 가지는 비교사 학습신경망과 클러스터 타당성 전략을 결합하고 있다. OFCAM의 결과를 바탕으로 분류시스템의 데이터베이스, PCSDB가 구축되며 이는 결정 모듈에서 쉽게 활용될 수 있음을 보인다. 이와같은 방법은 하나의 데이타베이스 안에서 필요한 테이블만을 첨가하므로 독립적으로 여러 응용의 분류문제를 다룰 수 있다.

• Educational Technology International
• /
• 제9권1호
• /
• pp.49-77
• /
• 2008

As clearly suggested in the case of Wikipedia, collective intelligence is predicted to develop into the most important platform of knowledge and information in the future society. But it just remains at the level of activities for group projects in the present frame of education and so it doesn't lead to creating collective intelligence. This study looks into an 'information repository model of collective intelligence' that makes it possible to deliver an education process a priori of Shared Knowledge Reservoir to "Junior Digital Nomad", who is definitely and will be in existence, and that further enables them to be active there in reality. Based on this storage model, it suggests a practicable web system model; Junior Maphistory e-encyclopedia, which is appropriately consistent with the features of Web 2.0 and can grow into a general historical and geographical information service.

• Journal of Information Processing Systems
• /
• 제12권1호
• /
• pp.149-168
• /
• 2016

The Active Appearance Model (AAM) is a class of deformable models, which, in the segmentation process, integrates the priori knowledge on the shape and the texture and deformation of the structures studied. This model in its sequential form is computationally intensive and operates on large data sets. This paper presents another framework to implement the standard version of the AAM model. We suggest a distributed and parallel approach justified by the characteristics of the model and their potentialities. We introduce a schema for the representation of the overall model and we study of operations that can be parallelized. This approach is intended to exploit the benefits build in the area of advanced image processing.

• 한국통신학회논문지
• /
• 제30권6A호
• /
• pp.481-487
• /
• 2005

이동형 로봇의 자율주행 능력을 높이기 위해서는 미리 알려진 주위 환경 특징들을 효과적으로 인식하는 방법의 개발이 매우 중요하다. 본 논문은 실내 로봇 주행 환경 내에서 위치 및 방향 정보가 미리 알려져 있는 벽과 모퉁이 같은 환경 특징들을 초음파 센서를 이용하여 실시간적으로 인식하는 방법을 제안한다. 초음파 센서는 한 개의 초음파 송신기와 이를 중심으로 적절한 거리에 대칭적으로 위치된 두 개의 초음파 수신기로 구성된다. 초음파 센서로부터 얻어진 정보는 확장 칼만 필터를 이용하여 기존 방법과는 달리 실시간적으로 처리됨으로써 인식된 환경 특징들에 대해 상대적으로 로봇의 위치 및 방향의 보정을 가능하게 한다.

• 한국지능시스템학회논문지
• /
• 제1권3호
• /
• pp.4-19
• /
• 1991

In this paper, we propose a fuzzy neural network pattern classifier utilizing fuzzy information. This system works without any a priori information about the number of clusters or cluster centers. It classifies each input according to the distance between the weights and the normalized input using Bezdek's [1] fuzzy membership value equation. This model returns the correct membership value for each input vector and find several cluster centers. Some experimental studies of comparison with other algorithms will be presented for sample data sets.

• 대한전자공학회논문지SP
• /
• 제41권5호
• /
• pp.235-249
• /
• 2004

본 논문은 등방성 초점열화함수의 추정 기법 및 사전 추정 점확산함수 집합을 이용한 완전 디지털 자동초점 시스템의 구조를 제안한다. 제안하는 등방성 점확산함수 추정 기법은 초점 열화과정에서 점확산함수를 새로운 이산 등방성 점확산함수 모델을 이용하여 모델링하고 이를 열화된 영상의 에지로부터 추정해 내는 방법이다. 점확산함수 추정기법을 이용하여 여러 단계의 점확산함수를 사전에 추정한 후, 제안하는 완전 디지털 자동초점 시스템은 두 단계에 걸쳐 초점이 맞지 않은 입력 영상을 복원해 낸다. 첫째, 저장된 점확산함수 집합으로부터 최적의 점확산함수를 선택한다. 둘째, 선택된 점확산함수와 디지털 영상복원 기법을 이용하여 초점이 잘 맞은 영상으로 복원해 낸다.

• 지구물리와물리탐사
• /
• 제16권1호
• /
• pp.27-35
• /
• 2013

본 연구를 통하여 3차원 자력역산 소프트웨어 시작품(KMag3D, 가칭)을 개발하고 개발 시 역점사항을 사용자 매뉴얼 형식으로 소개하였다. KMag3D는 다음 두 가지 사항을 기본 뼈대로 구성되었다. 첫째, 지금까지 자력역산에 일반적으로 적용되는 최소제곱법에 의한 방법 대신 대수적 재구성법에 기반한 알고리즘을 도입하였다. 이는 계산시간과 기억용량을 획기적으로 줄여 3차원 자력역산을 매우 효율적으로 수행한다. 둘째, 대수적 재구성법에 의한 3차원 역산에 필요한 초기모형과 사전정보 모형을 결정하는 데 2차원 수치모델링 및 역산 집합과 주향방향 내삽을 이용하는 방법을 제시하였다. 이는 3차원 역산 알고리즘에 사전정보를 효율적으로 적용하며 특히 매우 실용적임을 보여주었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.176-176
• /
• 2018

This study presents a regional, probabilistic framework for estimating streamflow via spatial scaling in the Great Lakes basin, which is the largest lake system in the world. The framework follows a two-fold strategy including (1) a quadratic-programming based optimization model a priori to explore the model structure, and (2) a time-varying hierarchical Bayesian model based on insights found in the optimization model. The proposed model is developed to explore three innovations in hierarchical modeling for reconstructing historical streamflow at ungaged sites: (1) information of physical characteristics is utilized in spatial scaling, (2) a time-varying approach is introduced based on climate information, and (3) heteroscedasticity in residual errors is considered to improve streamflow predictive distributions. The proposed model is developed and calibrated in a hierarchical Bayesian framework to pool regional information across sites and enhance regionalization skill. The model is validated in a cross-validation framework along with four simpler nested formulations and the optimization model to confirm specific hypotheses embedded in the full model structure. The nested models assume a similar hierarchical Bayesian structure to our proposed model with their own set of simplifications and omissions. Results suggest that each of three innovations improve historical out-of-sample streamflow reconstructions although these improvements vary corrsponding to each innovation. Finally, we conclude with a discussion of possible model improvements considered by additional model structure and covariates.

• 전자공학회논문지S
• /
• 제35S권3호
• /
• pp.166-175
• /
• 1998

When we make a speaker adapted model using MAPE (maximum a posteriori estimation), the adapted model has one mixture in each state. This is because we cannot estimate a number of a priori distribution from a speaker-independent model in each state. If the model is represented by one mixture in each state, it is not well adadpted to specific speaker because it is difficult to represent various speech informationof the speaker with one mixture. In this paper, we suggest the method using several mixtures to well represent various speech information of the speaker in each state. But, because speaker-specific training dat is not sufficient, this method can't be used in every state. So, we make the number of mixtures in each state variable in proportion to the number of frames and to the determinant ofthe variance matrix in the state. Using the proposed method, we reduced the error rate than methods using one branch in each state.

• 음성과학
• /
• 제11권4호
• /
• pp.75-88
• /
• 2004

In this paper, we propose a new approach to sequential linear regression adaptation of continuous density hidden Markov models (CDHMMs) based on transformation space model (TSM). The proposed TSM which characterizes the a priori knowledge of the training speakers associated with maximum likelihood linear regression (MLLR) matrix parameters is effectively described in terms of the latent variable models. The TSM provides various sources of information such as the correlation information, the prior distribution, and the prior knowledge of the regression parameters that are very useful for rapid adaptation. The quasi-Bayes (QB) estimation algorithm is formulated to incrementally update the hyperparameters of the TSM and regression matrices simultaneously. Experimental results showed that the proposed TSM approach is better than that of the conventional quasi-Bayes linear regression (QBLR) algorithm for a small amount of adaptation data.