• 산업공학
• /
• 제11권2호
• /
• pp.119-124
• /
• 1998

This paper proposes a new part family classification system (IPFACS: Image Processing and Fuzzy ART based Clustering System), which incorporates image processing techniques and a modified fuzzy ART neural network algorithm. IPFACS can classify parts based on geometrical shape and manufacturing attributes, simultaneously. With a proper reduction and normalization of an image data through the image processing methods and adding method in the modified Fuzzy ART, different types of geometrical shape data and manufacturing attribute data can be simultaneously classified in the same system. IPFACS has been tested for an example set of hypothetical parts. The results show that IPFACS provides a good feasible approach to form families based on both geometrical shape and manufacturing attributes.

• Journal of information and communication convergence engineering
• /
• 제21권3호
• /
• pp.198-207
• /
• 2023

Responding to changes in artificial intelligence models and the data environment is crucial for increasing data-learning accuracy and inference stability of industrial applications. A learning model that is overfitted to specific training data leads to poor learning performance and a deterioration in flexibility. Therefore, an early stopping technique is used to stop learning at an appropriate time. However, this technique does not consider the homogeneity and independence of the data collected by heterogeneous nodes in a differential network environment, thus resulting in low learning accuracy and degradation of system performance. In this study, the generalization performance of neural networks is maximized, whereas the effect of the homogeneity of datasets is minimized by achieving an accuracy of 99.7%. This corresponds to a decrease in delay time by a factor of 2.33 and improvement in performance by a factor of 2.5 compared with the conventional method.

• International Journal of Computer Science & Network Security
• /
• 제24권7호
• /
• pp.24-30
• /
• 2024

This paper investigates the identification and modeling of a climate greenhouse. Given real climate data from greenhouse installed in the LAPER laboratory in Tunisia, the objective of this paper is to propose a solution of the problem of nonlinear time variant inputs and outputs of greenhouse internal climate. Based on fuzzy logic technique combined with least mean squares (lms) a robust greenhouse climate model for internal temperature prediction is proposed. The simulation results are presented to demonstrate the effectiveness of the identification approach and the power of the implemented Takagi-Sugeno Fuzzy model based Algorithm.

• 산업공학
• /
• 제18권4호
• /
• pp.504-511
• /
• 2005

The NP-hard channel assignment problem becomes more and more important to use channels as efficiently as possible because there is a rapidly growing demand and the number of usable channel is very limited. The hybrid genetic and local search (HGLS) method in this paper is a hybrid method of genetic algorithm with no interference channel assignment (NICA) in clustering stage for diversified search and local search in tuning stage when the step of search is near convergence for minimizing blocking calls. The new representation of solution is also proposed for effective search and computation for channel assignment.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.145-146
• /
• 2018

중앙 집중적인 단일 컨트롤러를 이용할 경우 메시지 과부하로 인해 응답이 지연될 수 있으므로 스위치들이 기존의 컨트롤러를 대신하여 새로운 컨트롤러와 연결되어 트래픽을 처리하는 다중 컨트롤러가 효율적이다. 본 논문에서는 SDN 분산 컨트롤러에서 일관성 문제를 해결하기 위해 우선순위에 기반을 둔 향상된 인공벌 군집(ABC) 알고리즘을 제안한다.

• 한국통신학회논문지
• /
• 제35권6B호
• /
• pp.888-894
• /
• 2010

무선 네트워크 기반 실내 측위는 측위를 위한 특수 장비를 필요로 하지 않고, Fingerprinting 방식은 무선 네트워크 기반 측위를 위한 기술 중에서 가장 정확도가 높기 때문에 무선 네트워크 fingerprinting 방식이 가장 적당한 실내 측위 방법이다. Fingerprinting 방식은 준비 단계와 실시간 측위 단계로 구성되고 정확한 위치 측정을 위해 보다 효율적이고 정확해야 한다. 본 논문에서는 Fingerprinting 방식에 대한 베이지안 알고리즘으로 강력한 통계적 학습 이론인 베이지안 학습을 결합한 퍼지 군집화를 이용하여 실내 측위를 결정하는 알고리즘을 제안하였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2003년도 춘계학술대회
• /
• pp.400-409
• /
• 2003

Collaborative filtering (CF) recommendation is a knowledge sharing technology for distribution of opinions and facilitating contacts in network society between people with similar interests. The main concerns of the CF algorithm are about prediction accuracy, speed of response time, problem of data sparsity, and scalability. In general, the efforts of improving prediction algorithms and lessening response time are decoupled. We propose a three-step CF recommendation model which is composed of profiling, inferring, and predicting steps while considering prediction accuracy and computing speed simultaneously. This model combines a CF algorithm with two machine learning processes, SOM (Self-Organizing Map) and CBR (Case Based Reasoning) by changing an unsupervised clustering problem into a supervised user preference reasoning problem, which is a novel approach for the CF recommendation field. This paper demonstrates the utility of the CF recommendation based on SOM cluster-indexing CBR with validation against control algorithms through an open dataset of user preference.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.534-537
• /
• 2009

센서 네트워크에서 클러스터링은 클러스터 헤드 노드가 일반 노드의 데이터를 모아 싱크로 전송함으로써 노드 간의 통신의 양을 줄이게 하고 일반 노드의 스케쥴을 조정함으로써 노드의 슬립타임을 연장하게 한다. 제안하는 CHS(Cluster Head Self-election) 알고리즘은 노드 자신만의 변수 즉, 자신의 초기 에너지 및 현재 에너지, 클러스터 헤드에 의해 병합된 클러스터 내 노드들의 데이터가 싱크로 전송되는 각 라운드, 노드 자신이 클러스터 헤드로 선출된 수를 이용하여 확률적인 방법으로 클러스터 헤드를 스스로 선출하여 에너지가 제한되는 센서 네트워크의 수명을 연장하였다.

• 전자공학회논문지CI
• /
• 제44권3호
• /
• pp.14-22
• /
• 2007

센서 네트워크를 구성하는 센서 노드들은 제한적인 에너지를 가지고 있으며, 한번 배치되면 더 이상 에너지의 추가 공급이 어렵다. 따라서 제한적인 에너지를 효율적으로 이용하는 기법이 중요하다. 일반적으로 인접한 센서 노드는 유사한 정보를 가지므로, 유사한 정보의 중복 전송으로 인한 에너지 낭비가 크다. 따라서 로컬 클러스터를 형성하고, 클러스터 헤드가 자신의 클러스터 멤버로부터 수집된 데이터를 집약(data aggregation)하는 클러스터링 기법이 유사한 정보의 중복 전송을 예방할 수 있어 저전력 구동에 효과적이다. 그러나 클러스터링 기법의 성능은 클러스터 헤드의 선출 방법, 클러스터의 크기 및 수 등에 따라 달라진다. 따라서 클러스터링 기법의 에너지 절감 효과를 최대화하기 위해 이러한 요인들을 최적화해야 한다. 본 논문에서는 대표적인 클러스터링 알고리즘인 LEACH의 에너지 소비량을 모델링하고, 이를 바탕으로 최적의 클러스터 수를 구한다. 본 논문에서 도출한 모델링 기법은 시뮬레이션을 통해 측정한 실제 네트워크의 에너지 소비량과 비교할 때 최소 80% 이상의 정확도를 보여 기존의 모델링과 비교하여 우수하다.

• 지능정보연구
• /
• 제8권2호
• /
• pp.1-13
• /
• 2002

본 논문에서는 연속적으로 입력되는 칼라영상에서 물체의 이동에 의하여 형성된 동작영역을 확인하고, 영상의 시컨스(sequence)를 대상으로 움직이는 물체의 형태인 보행자 혹은 자동차들의 이동방향을 추적하는 시스템을 제안하였다. 카메라가 고정되어 있고 물체가 이동하는 상황에서 카메라시계에 진입하는 물체를 포착하여, 포착된 물체의 영역을 차 영상 분석을 통해 이진화하여 추출하고, 추출된 영역을 co-occurrence matrix의 RGB full 칼라의 특징 벡터를 추출하는 것을 제시하였다 추출되어지는 칼라 특징벡터를 분석하여 인접 프레임간의 이동물체 영역끼리의 대응관계를 조사함으로서, 이동물체를 추적한다. 군집화(clustering) 단계에서는 이전 단계에서 추출한 특징 벡터들 가운데 에너지, 엔트로피만을 가지고 인접 프레임간의 군집화를 조사하기 위하여 이동물체 영역들 간의 퍼지동적물체 정합 알고리즘을 적용시켰다. 인접 프레임간의 움직임 영역의 물체들에 대하여 멤버 쉽 함수를 근거로 중심 값을 계산하면, 동일 물체일 경우 중심 값 부근에서 군집이 형성되며, 이를 바탕으로 이동물체를 추출할 수 있는 방안을 제안하였다.