• Journal of Information Processing Systems
• /
• 제11권1호
• /
• pp.39-56
• /
• 2015

Continuous multi-interval prediction (CMIP) is used to continuously predict the trend of a data stream based on various intervals simultaneously. The continuous integrated hierarchical temporal memory (CIHTM) network performs well in CMIP. However, it is not suitable for CMIP in real-time mode, especially when the number of prediction intervals is increased. In this paper, we propose a real-time integrated hierarchical temporal memory (RIHTM) network by introducing a new type of node, which is called a Zeta1FirstSpecializedQueueNode (ZFSQNode), for the real-time continuous multi-interval prediction (RCMIP) of data streams. The ZFSQNode is constructed by using a specialized circular queue (sQUEUE) together with the modules of original hierarchical temporal memory (HTM) nodes. By using a simple structure and the easy operation characteristics of the sQUEUE, entire prediction operations are integrated in the ZFSQNode. In particular, we employed only one ZFSQNode in each level of the RIHTM network during the prediction stage to generate different intervals of prediction results. The RIHTM network efficiently reduces the response time. Our performance evaluation showed that the RIHTM was satisfied to continuously predict the trend of data streams with multi-intervals in the real-time mode.

• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.1586-1588
• /
• 2010

디지털 비디오 압축기술은 대용량의 영상을 화질 손실을 최소화하면서 압축률을 높이는 데에 그 목적이 있다. 모바일 디바이스에서 인코딩/디코딩시에는 프로세싱 오버헤드를 최소화 시켜야 할 필요성이 있다. 또한 특정 동영상을 압축할 시 불필요한 영상을 줄여 압축률을 높이고 타겟 오브젝트에 집중할 수 있도록 하기 위해서 Hierarchical Temporal Memory 를 사용해 오브젝트를 인식하고 타겟 오브젝트만 선택 압축하는 기술을 제안하고자 한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제1권1호
• /
• pp.11-20
• /
• 2012

스트림 데이터는 시간에 따라 연속적으로 변화하는 일련의 값들로 나타난다. 이러한 스트림 데이터의 특성상 다양한 시간 간격의 기준에 따라 계속적으로 그 동향이 달라질 수 있다. 이 때문에 스트림 데이터의 추세 예측은 간격이 갱신될 때 마다 연속적인 환경에서 여러 간격들을 기준으로 동시에 이루어지는 연속 다중 예측(Continuous Multiple Prediction, CMP)이 지원되어야 한다. 본 논문은 스트림 데이터의 연속 다중 예측을 효과적으로 지원하기 위하여, 신피질 학습 모델인 계층형 시간적 메모리(Hierarchical Temporal Memory, HTM) 모델을 확장하여 연속통합 HTM(Continuous Integrated HTM, CIHTM) 네트워크를 제안한다. 이를 위해 우리는 HTM 네트워크를 구성하는 기존 노드들 외에 새롭게 이동 벡터 파일 센서, 시공간 분류 노드, 다중 통합 노드를 고안하였다. 그리고 이들을 바탕으로 CIHTM 네트워크의 학습과 추론 알고리즘을 개발하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권7호
• /
• pp.558-567
• /
• 2010

데이터 스트림을 위한 효율적인 예측 방법을 개발하기 위하여 많은 연구들이 진행 되어왔다. 하지만, 이들 방법들은 대부분 고정된 시간 구간에 대한 하나의 예측 결과만을 제공하고 있기 때문에 많은 경우에 다양한 시간 간격을 기초로 얻어진 예측 결과들이 다를 수 있다. 따라서 다중-간격 예측(Multi-Interval Prediction; MIP)을 위한 새로운 방법의 개발이 요구된다. 본 논문은 계층형 시간적 메모리(HTM) 기술을 이용하여 데이터 스트림을 다중-간격 기반으로 예측할 수 있는 새로운 방안을 제시한다. 우리는 원래의 HTM 네트워크에 새로운 노드 형태인 Zeta1LastNode를 도입하여 통합된 계층형 시간적 메모리(Integrated Hierarchical Temporal Memory; IHTM) 네트워크를 제안한다. 특히, 이 IHTM 네트워크의 계층적인 통합 특성을 이용하여, 데이터 스트림에 대한 다중-간격 예측이 효과적으로 이루어질 수 있도록 하였다. 성능 분석을 통해 IHTM이 다중-간격 예측을 함에 있어서 예측 간격이 늘어날수록 원래의 HTM에 비하여 메모리와 계산 시간의 소비를 획기적으로 줄일 수 있다는 것을 보였다.

• 한국멀티미디어학회논문지
• /
• 제12권12호
• /
• pp.1718-1727
• /
• 2009

Traditional character recognition systems usually aim at characters with simple variation. With the development of multimedia technology, printed characters may appear more diversely. Existing recognition technologies can't deal with Hangul recognition effectively in diverse environments. This paper presents a recognition system for multi-form Korean characters called RSMFK, which is based on the model of Hierarchical Temporal Memory (HTM). Our system can effectively recognize the printed Korean characters of different fonts, scales, rotation, noise and background. HTM is a model which simulates the neocortex of human brain to recognize and memorize intelligently. Experimental results show that RSMFK performs a good recognition rate of 97.8% on average, which is proved to be obviously improved over the conventional methods.

• 한국멀티미디어학회논문지
• /
• 제13권10호
• /
• pp.1494-1505
• /
• 2010

하나의 프레스로 여러 종류의 부품을 소량으로 생산하는 중 소형 공장에서는 부품 생산 과정에 발생하는 소리가 다양하게 나타난다. 이에 우리는 제품의 생산 순간의 소리를 인식하여 제품의 양 불량을 판별하는 시스템을 계층형 시간적 메모리(HTM Hierarchical Temporal Memory) 기술을 이용하여 개발하였다. HTM 이론은 인간 두뇌의 신피질(neocortex)의 동작 원리를 컴퓨터에 접목시킨 이론이다. 이는 실세계에 대한 시공간적인 패턴을 계층적으로 기억하는 것으로 기존의 인식 기술보다 여러 경우에 인식률이 뛰어난 것으로 알려져 있다. 우리는 이 HTM 기술을 소리 인식에 적용하여 부품에 대한 양 불량 판별 시스템을 개발하였다. 개발 결과를 검증하기 위해 실제 공장에서 부품 생산 순간의 다양한 소리들을 녹음하고, 소리 HTM 네트워크를 구성한 후, 학습과 훈련을 반복하여 해당 부품의 불량여부를 판정하도록 하였다. 그 결과 잡음이 많은 생산 현장에서도 판정의 정확도가 높은 것으로 확인하였다.

• 지능정보연구
• /
• 제10권2호
• /
• pp.15-37
• /
• 2004

최근 데이터 양이 급증하면서 데이터 마이닝에 대한 연구가 활발하게 진행되고 있으며 특히 GPS 시스템, 감시시스템, 기상 관측 시스템과 같은 다양한 응용 시스템으로부터 수집된 데이터를 분석하고자 하는 시공간 데이터 마이닝 연구에 대한 관심이 더욱 높아지고 있다. 기존의 시공간 데이터 마이닝 연구들에서는 비시공간 데이터 기반의 일반적인 클러스터링 기법들을 그대로 적용하고 있으나 데이터의 속성이 다른 시공간 데이터 마이닝에서 기존의 알고리즘들이 어느 정도의 성능을 보장하는지, 데이터의 시공간 속성에 따라 적절한 마이닝 알고리즘을 선택하기 위한 기준이 무엇인지 등에 대한 연구는 미흡한 실정이다. 본 논문에서는 기존의 시공간 데이터 마이닝 연구에서 일반적으로 많이 사용되어 온 알고리즘인 SOM(Self-Organizing Map)을 기반으로 시공간 데이터 마이닝 모듈을 개발하고, 개발된 클러스터링 모듈의 성능을 K-means과 두 가지 응집 계층(Hierarchical Agglomerative) 알고리즘들과 균질도, 분리도, 반면영상 너비, 정확도의 네 가지 평가 기준을 기반으로 비교하였다. 또한 입력 데이터의 특성 가시화 및 클러스터링 결과의 정확한 분석을 위해 시공간 데이터 클러스터링을 위한 가시화 모듈을 개발하였다.

• 한국컴퓨터정보학회논문지
• /
• 제24권2호
• /
• pp.139-147
• /
• 2019

A false alarm, which is an incorrect report of an emergency, could trigger an unnecessary action. The predictive maintenance framework developed in our previous work has a feature whereby a machine alarm is triggered based on sensor data evaluation. The sensor data evaluator performs three essential evaluation steps. First, it evaluates each sensor data value based on its threshold (lower and upper bound) and labels the data value as "alarm" when the threshold is exceeded. Second, it calculates the duration of the occurrence of the alarm. Finally, in the third step, a domain expert is required to assess the results from the previous two steps and to determine, thereby, whether the alarm is true or false. There are drawbacks of the current evaluation method. It suffers from a high false-alarm ratio, and moreover, given the vast amount of sensor data to be assessed by the domain expert, the process of evaluation is prolonged and inefficient. In this paper, we propose a method for automatic false-alarm labeling that mimics how the domain expert determines false alarms. The domain expert determines false alarms by evaluating two critical factors, specifically the duration of alarm occurrence and identification of anomalies before or while the alarm occurs. In our proposed method, Hierarchical Temporal Memory (HTM) is utilized to detect anomalies. It is an unsupervised approach that is suitable to our main data characteristic, which is the lack of an example of the normal form of sensor data. The result shows that the technique is effective for automatic labeling of false alarms in sensor data.

• 인지과학
• /
• 제33권2호
• /
• pp.109-133
• /
• 2022

일화기억은 핵심 이벤트와 그에 연합된 맥락으로 구성된다. 해마와 해마 주변 영역이 일화기억의 부호화에서 맥락을 표상하는 역할에 관해 연구되어왔지만, 시공간적 맥락 외에 다양한 맥락-특이적 정보들에 대한 표상에 관한 연구는 많지 않다. 본 연구에서는 고해상도 자기기능공명기법을 이용하여 여러 맥락정보(예, 육하원칙 - 누가, 왜, 무엇을 언제, 어디서, 어떻게)의 부호화에 관여하는 내측두엽 및 대뇌피질 신경연결성의 특징을 탐색하였다. 참가자들은 두 명의 얼굴과 하나의 사물로 구성된 실험 이벤트를 보면서 여섯가지 맥락 부호화 과제를 수행하였다. 휴지기 기능적 자기공명영상 정보를 활용해 내측두엽의 세부 영역을 기능적으로 구분하였고 맥락 기억 과제별 기능적 신경연결성 네트워크를 탐색하였다. 일반선형화 모델 분석을 통해 시공간적 맥락정보를 처리할 때보다 사회적, 행동적, 의도 맥락을 연합할 때 내측두엽의 세부영역, 전전두엽, 하부두정엽 영역이 유의미하게 증가한 활성화를 보이며 관여함을 확인하였다. 나아가 이 영역들과 내측두엽 영역이 맥락조건간 차이에 관여하는 기능적 연결성 특징을 탐색하기 위하여 맥락부호화 과제를 수행하는 동안의 해마세부영역들과 전전두엽, 하부두정엽 등 간의 과제기반 기능적 연결성 정보들을 다변량 패턴분석의 주요입력변수로 선정하였고, 기계학습을 통해 맥락 조건 간 연결성 패턴분류를 시도하였다. 네트워크 패턴분류에서도 시공간 맥락 조건과 각 사회적, 행동적, 의도 맥락처리 조건 간에는 기능적 연결성의 차이가 두드러졌다. 본 연구결과를 통해 일화기억에서 특정 맥락을 처리하는 신경학적 기제의 특성과 맥락 조건 간 차이를 제시하였다.