• 전자공학회논문지SC
• /
• 제47권5호
• /
• pp.62-68
• /
• 2010

적외선영상에서 표적을 효율적으로 탐지하는 새로운 자동표적탐지 알고리즘을 제안한다. 이 연구의 목적은 실제 야지환경에서 획득된 적외선영상에서 낮은 오경보 확률로 표적의 위치를 정확히 찾는 것이다. 제안한 방법이 기존의 방법과 다른 점은 초기 탐지단계에서 사용되는 모폴로지 필터링 기법을 밝기정보를 갖고 있는 원래 입력 영상이 아닌 가버(Gabor) 응답 영상에 적용한 것과 표적과 클러터를 구분하기 위해 표적의 정확한 윤곽선 추출을 필요로 하지않는 것이다. 제안한 방법은 크게 3단계로 구성된다. 첫째로, 영상에서 돌출된 영역을 찾기 위해 입력영상으로부터 4 방향의 가버 응답을 구하고 픽셀별로 가버응답 합 영상을 구한다. 이 영상에 모폴로지 기법을 적용하여 돌출된 영역의 위치를 찾는다. 둘째로, 원래의 입력영상의 돌출된 영역에서 지역적인 질감특징 정보들을 찾는다. 마지막 단계로, 찾아진 지역적 특징 정보들이 신경회로망인 다층퍼셉트론 (Multi-Layer Perceptron)으로 입력되어 학습된 훈련 데이터들과의 비교를 통해 실제 표적과 클러터를 구분한다. 실험에서는 제안한 방법을 군사용 적외선 영상장비를 사용하여 실제 야지 환경에 획득된 영상에 적용하여 우수성과 실용가능성을 확인한다.

• 전기전자학회논문지
• /
• 제17권4호
• /
• pp.459-468
• /
• 2013

본 논문에서는 비선형적 움직임에 대하여 시각적 화질 향상에 목적을 둔 프레임 보간 기법을 제안한다. 그러므로 블록 현상과 영상의 중첩을 감소시키고자 블록 크기를 128x128부터 1x1까지 순차적으로 전역탐색을 실시하여 최소 오차값이 가장 작은 블록이 포함된 프레임을 선택하고, 비선형적인 움직임 벡터를 GRNN(General Regression Neural Network) 알고리즘을 이용하여 재 추정함으로써 프레임을 보간하는 알고리즘을 제안한다. 이러한 알고리즘의 성능 분석을 위해 프레임 반복, 단방향 움직임 보상, 양방향 움직임 보상의 기법들과 비교한다. 객체의 움직임이 크거나 카메라 초점의 이동과 줌인(zoom-in), 줌아웃(zoom-out) 효과가 들어간 대상 영상에 대하여 주관적 화질면에서 성능이 향상됨을 보인다.

• Smart Structures and Systems
• /
• 제25권5호
• /
• pp.605-617
• /
• 2020

The existence of damages in structures causes changes in the physical properties by reducing the modal parameters. In this paper, we develop a two-stages approach based on normalized Modal Strain Energy Damage Indicator (nMSEDI) for quick applications to predict the location of damage. A two-dimensional IsoGeometric Analysis (2D-IGA), Machine Learning Algorithm (MLA) and optimization techniques are combined to create a new tool. In the first stage, we introduce a modified damage identification technique based on frequencies using nMSEDI to locate the potential of damaged elements. In the second stage, after eliminating the healthy elements, the damage index values from nMSEDI are considered as input in the damage quantification algorithm. The hybrid of Teaching-Learning-Based Optimization (TLBO) with Artificial Neural Network (ANN) and Particle Swarm Optimization (PSO) are used along with nMSEDI. The objective of TLBO is to estimate the parameters of PSO-ANN to find a good training based on actual damage and estimated damage. The IGA model is updated using experimental results based on stiffness and mass matrix using the difference between calculated and measured frequencies as objective function. The feasibility and efficiency of nMSEDI-PSO-ANN after finding the best parameters by TLBO are demonstrated through the comparison with nMSEDI-IGA for different scenarios. The result of the analyses indicates that the proposed approach can be used to determine correctly the severity of damage in beam structures.

• 한국전자파학회논문지
• /
• 제28권10호
• /
• pp.794-801
• /
• 2017

본 논문에서는 DTV(Digital Television) 기반의 수동형 레이다와 다중 채널 융합 기법을 이용한 항공기 표적 인식 방법을 제안하였다. DTV에서 송신되는 다수의 채널을 융합하여 표적인식에 필요한 해상도의 HRRP(High Resolution Range Profile)를 획득하였다. HRRP는 AR(Auto Regressive) 기법 또는 제로 패딩 기법을 이용하여 획득하였다. 획득한 HRRP로부터, 경사하강법을 이용한 CLEAN 기법을 통해 산란점을 추출한 후 특성벡터를 생성하였으며, 이를 신경망 구분기에 학습시켜 표적 인식을 수행하였다. 제안된 방법의 성능을 검증하기 위하여 실제 국내에서 운용되고 있는 3개의 송신소(관악산, 용문산, 견월악)의 주파수 대역을 가정하고, 4종의 항공기 실스케일 3D 캐드 모델을 이용하여 제안된 방법과 각 송신소의 단일 채널 주파수를 이용하였을 때의 표적인식 성능을 비교하였다. 시뮬레이션 결과, 제안된 방법이 3개의 송신소 모두에서 각 송신소의 단일 채널 주파수를 이용하였을 때보다 높은 표적 인식 성능을 보였다.

• 한국기계가공학회지
• /
• 제19권7호
• /
• pp.7-15
• /
• 2020

Recently, the fourth industrial revolution has been presented as a new paradigm and additive manufacturing (AM) has become one of the most important topics. For this reason, process monitoring for each cross-sectional layer of additive metal manufacturing is important. Particularly, deep learning can train a machine to analyze, optimize, and repair defects. In this paper, image classification is proposed by learning images of defects in the metal cross sections using the convolution neural network (CNN) image labeling algorithm. Defects were classified into three categories: crack, porosity, and hole. To overcome a lack-of-data problem, the amount of learning data was augmented using a data augmentation algorithm. This augmentation algorithm can transform an image to 180 images, increasing the learning accuracy. The number of training and validation images was 25,920 (80 %) and 6,480 (20 %), respectively. An optimized case with a combination of fully connected layers, an optimizer, and a loss function, showed that the model accuracy was 99.7 % and had a success rate of 97.8 % for 180 test images. In conclusion, image labeling was successfully performed and it is expected to be applied to automated AM process inspection and repair systems in the future.

• 한국멀티미디어학회논문지
• /
• 제6권5호
• /
• pp.788-796
• /
• 2003

본 논문에서는 순차적 학습 방법에서의 동적 모멘트를 제안한다. 동적 모멘트에서의 가변적인 모멘트를 이용하여 수렴 속도와 학습 성능을 향상시키며 회귀율에서도 이를 확인할 수 있다 제안된 학습 방법은 기존의 정적모멘트와는 달리 수렴 정도에 따라 현재의 학습에 과거의 학습률을 달리 반영하는 방법이다. 기존의 정적 상수로 정의된 모멘트가 전체 학습에 동등하게 영향을 주는 반면 제안된 동적모멘트를 이용한 학습 방법은 학습 수행에 따라 동적으로 모멘트를 변경함으로써 수렴 속도와 학습 성능을 효과적으로 제어할 수 있다. 이전의 분류문제와 회귀문제의 분리확인과는 달리 본 논문에서는 제안된 동적모멘트의 성능과 회귀율을 동시에 확인한다. 본 논문에서 사용한 회귀방법은 RMS 오류율을 사용하였으며 제안된 학습방법인 동적모멘트를 SVM(Support Vector Machine)의 순차 학습방법인 KA(Kernel Adatron)과 KR(Kernel Relaxation)에 적용하여 RMS 오류율을 확인하였다. 공정한 학습 성능 평가를 위해 신경망 분류기표준평가데이터인 SONAR 데이터를 이용하였으며 실험 결과 동적모멘트를 이용한 학습 성능과 수렴 속도 및 RMS 오류율이 정적모멘트를 이용한 학습방법보다 향상되었음을 확인하였다.

• Journal of Multimedia Information System
• /
• 제7권1호
• /
• pp.1-10
• /
• 2020

The image analysis is an important and predominant task for classifying the different parts of the image. The analysis of complex image analysis like histopathological define a crucial factor in oncology due to its ability to help pathologists for interpretation of images and therefore various feature extraction techniques have been evolved from time to time for such analysis. Although deep reinforcement learning is a new and emerging technique but very less effort has been made to compare the deep learning and deep reinforcement learning for image analysis. The paper highlights how both techniques differ in feature extraction from complex images and discusses the potential pros and cons. The use of Convolution Neural Network (CNN) in image segmentation, detection and diagnosis of tumour, feature extraction is important but there are several challenges that need to be overcome before Deep Learning can be applied to digital pathology. The one being is the availability of sufficient training examples for medical image datasets, feature extraction from whole area of the image, ground truth localized annotations, adversarial effects of input representations and extremely large size of the digital pathological slides (in gigabytes).Even though formulating Histopathological Image Analysis (HIA) as Multi Instance Learning (MIL) problem is a remarkable step where histopathological image is divided into high resolution patches to make predictions for the patch and then combining them for overall slide predictions but it suffers from loss of contextual and spatial information. In such cases the deep reinforcement learning techniques can be used to learn feature from the limited data without losing contextual and spatial information.

• 정보과학회 논문지
• /
• 제44권7호
• /
• pp.674-679
• /
• 2017

대용량의 텍스트 문서가 매일 만들어지는 빅데이터 환경에서 제목은 문서의 핵심 아이디어를 빠르게 집어내는데 매우 중요한 단서가 된다. 그러나 블로그 기사나 소셜 미디어 메시지와 같은 많은 종류의 문서들은 제목을 갖고 있지 않다. 본 논문에서는 주의집중 및 복사 작용을 가진 sequence-to-sequence 순환신경망을 사용한 제목 생성 모델을 제안한다. 제안 모델은 양방향 GRU(Gated Recurrent Unit) 네트워크에 기반 하여 입력 문장을 인코딩(encoding)하고, 입력 문장에서 자동 선별된 키워드와 함께 인코딩된 문장을 디코딩함으로써 제목 단어들을 생성한다. 93,631문서의 학습 데이터와 500문서의 평가 데이터를 가진 실험에서 주의집중 작용방법이 복사 작용방법보다 높은 어휘 일치율(ROUGE-1: 0.1935, ROUGE-2: 0.0364, ROUGE-L: 0.1555)을 보였고 사람이 정성평가한 지표는 복사 작용방법이 높은 성능을 보였다.

• 컴퓨터교육학회논문지
• /
• 제23권1호
• /
• pp.37-44
• /
• 2020

최근 초·중등학교에서의 인공지능 교육의 중요성이 강조됨에 따라 전 세계적으로 관련 교육과정의 구성 및 지원을 위한 연구와 정책들이 추진되고 있다. 본 연구에서는 최근 연구 및 활용되고 있는 국내외 초·중등학교 학생들을 위한 인공지능 교육과정, 가이드라인, 코스 등을 종합적으로 비교 분석하였다. 연구 결과, 한국과 미국은 국가 교육과정 표준을 제안함으로써 학교 현장에서의 교육과정 수립의 기초를 제공할 뿐 아니라, 교사 연수 프로그램 등 다양한 관련 정책에 가이드라인으로 활용할 수 있도록 하는데 중점을 두고 있다. 유럽연합의 인공지능 교육은 특정 학교급의 학생이나 대상을 지정하기보다, 유럽연합의 모든 시민들이 인공지능 문해력을 갖출 수 있도록 교육과정을 구성하고 온라인 코스를 운영하고 있다는 특성을 보인다. 교육내용 및 수준 측면에서는 연구 대상의 모든 국가에서 인공지능의 기본 개념 및 원리를 토대로 머신러닝, 인공신경망 관련 기초와 응용을 포함하고 있으며, 인공지능의 사회적 영향에 관한 비판적 시각을 가질 수 있도록 구성하고 있다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2008년 영문 학술대회
• /
• pp.16-21
• /
• 2008

Aero-engine, as one kind of rotating machinery with complex structure and high rotating speed, has complicated vibration faults. Therefore, condition monitoring and fault diagnosis system is very important for airplane security. In this paper, a vibration data acquisition and intelligent fault diagnosis system is introduced. First, the vibration data acquisition part is described in detail. This part consists of hardware acquisition modules and software analysis modules which can realize real-time data acquisition and analysis, off-line data analysis, trend analysis, fault simulation and graphical result display. The acquisition vibration data are prepared for the following intelligent fault diagnosis. Secondly, two advanced artificial intelligent(AI) methods, mapping-based and rule-based, are discussed. One is artificial neural network(ANN) which is an ideal tool for aero-engine fault diagnosis and has strong ability to learn complex nonlinear functions. The other is data mining, another AI method, has advantages of discovering knowledge from massive data and automatically extracting diagnostic rules. Thirdly, lots of historical data are used for training the ANN and extracting rules by data mining. Then, real-time data are input into the trained ANN for mapping-based fault diagnosis. At the same time, extracted rules are revised by expert experience and used for rule-based fault diagnosis. From the results of the experiments, the conclusion is obvious that both the two AI methods are effective on aero-engine vibration fault diagnosis, while each of them has its individual quality. The whole system can be developed in local vibration monitoring and real-time fault diagnosis for aero-engine.