• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2010.05a
• /
• pp.189-192
• /
• 2010

본 논문에서는 개선된 Fuzzy ART 알고리즘을 이용하여 한의학을 기반으로 증상에 대한 질병을 진단하고 민간요법을 제시하는 한방 자가 검진 시스템을 제안한다. 제안된 방법은 신체 부위를 전신, 머리, 배, 다리 등 17부위로 분류하여 사용자가 증상을 선택하도록 제시하고, 사용자가 선택한 증상과 질병에 포함된 증상 그리고 결과로 도출될 질병간의 선택증상 비율에 대한 우선순위를 개선된 Fuzzy ART 알고리즘에 적용하여 증상을 분류한 후, 퍼지 추론 규칙을 적용하여 질병을 도출한다. 도출된 질병과 그 질병에 대한 원인 및 민간요법을 결과로 제시한다. 데이터베이스에 구축되어 있는 질병 데이터는 통계청에서 정리하여 배포한 한국표준질병 사인분류(K.C.D)를 토대로 표준 질병 정보를 얻어 각 질병의 증상과 원인, 민간요법을 정리한 후, 마지막으로 한의학 전문의의 검증을 거쳐 데이터베이스를 구축하였다. 제안된 한방 자가 검진 시스템에 대한 한의학 전문의의 분석 및 검증 결과, 본 시스템의 증상에 대한 질병 도출이 높은 정확도를 보임을 확인하였다.

• Journal of Korea Multimedia Society
• /
• v.6 no.7
• /
• pp.1312-1320
• /
• 2003

In this paper, we consider a multilayer neural network, with a single hidden layer. Error backpropagation learning method used widely in multilayer neural networks has a possibility of local minima due to the inadequate weights and the insufficient number of hidden nodes. So we propose a fuzzy supervised learning algorithm by using self-generation that self-generates hidden nodes by the compound fuzzy single layer perceptron and modified ART1. From the input layer to hidden layer, a modified ART1 is used to produce nodes. And winner take-all method is adopted to the connection weight adaptation, so that a stored pattern for some pattern gets updated. The proposed method has applied to the student identification card images. In simulation results, the proposed method reduces a possibility of local minima and improves learning speed and paralysis than the conventional error backpropagation learning algorithm.

• Journal of the Korea Society of Computer and Information
• /
• v.15 no.2
• /
• pp.27-34
• /
• 2010

Recently, lots of internet service companies provide on-line health diagnosis systems. But general persons not having expert knowledge are difficult to use, because most of the health diagnosis systems present prescriptions or dietetic treatments for diseases based on western medicine. In this paper, a self health diagnosis system of oriental medicine coinciding with physical characteristics of Korean using fuzzy ART algorithm, is proposed. In the proposed system, three high rank of diseases having high similarity values are derived by comparing symptoms presented by a user with learned symptoms of specific diseases based on treatment records using neural networks. And also the proposed system shows overall symptoms and folk remedies for the three high rank of diseases. Database on diseases and symptoms is built by several oriental medicine books and then verified by a medical specialist of oriental medicine. The proposed self health diagnosis system of oriental medicine showed better performance than conventional health diagnosis systems by means of learning diseases and symptoms using treatment records.

• Journal of Korea Multimedia Society
• /
• v.11 no.11
• /
• pp.1615-1623
• /
• 2008

This paper proposes methods to classify scanned insect footprints. We propose improved SOM and ART2 algorithms for extracting segments, basic areas for feature extraction, and utilize Trace transform and fuzzy weighted mean methods for extracting feature values for classification of the footprints. In the proposed method, regions are extracted by a morphological method in the beginning, and then improved SOM and ART2 algorithms are utilized to extract segments regardless of kinds of insects. Next, A Trace transform method is used to find feature values suitable for various kinds of deformation of insect footprints. In the Trace transform method, Triple features from reconstructed combination of diverse functions, are used to classify the footprints. In general, it is very difficult to decide automatically whether the extracted footprint segment is meaningful for classification or not. So we use a fuzzy weighted mean method for not excluding uncertain footprint segments because the uncertain footprint segments may be possible candidates for classification. We present experimental results of footprint segment extraction and segment classification by the proposed methods.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2008.06a
• /
• pp.149-154
• /
• 2008

FCM 기반 RBF 네트워크는 서로 다른 학습 구조가 결합된 혼합형 모델로서, 입력층과 중간층의 학습 구조는 FCM 알고리즘을 적용하고, 중간층과 출력층 사이의 학습 구조는 Max_Min 신경망을 적용한다. 입력층과 중간층의 학습시 입력벡터와 중간층의 노드중에서 중심과 입력벡터간의 가장 가까운 노드를 승자 노드로 선택하여 출력층으로 전달한다. 그리고 중간층과 출력층 사이의 학습 구조는 Max_Min 신경망을 적용하여 중간층의 승자 뉴런이 출력층의 입력벡터로 적용한다. 하지만 많은 패턴이 입력벡터로 제시될 경우 학습 성능이 저하되는 단점이 있다. 따라서 본 논문에서는 중간층과 출력층의 학습 구조인 Max_Min 알고리즘의 학습 성능을 개선시키기 위해 퍼지 제어시스템을 이용하여 학습률을 동적으로 조정하는 퍼지 제어 기법을 이용한 FCM 기반 RBF 네트워크를 제안한다. 제안된 방법의 학습 성능을 평가하기 위하여 컨테이너 영상에서 추출한 숫자, 영문 식별자를 학습 데이터로 적용한 결과, 기존의 ART2 기반 RBF 네트워크보다 학습 시간이 적게 소요되고, 학습의 수렴성이 개선된 것을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.05a
• /
• pp.207-210
• /
• 2000

학습법칙은 신경회로망의 성능을 좌우하는 중요한 요소의 하나이다. Kohonen의 합습법칙등이 개발되어 사용되어 왔으나 Underutilization 문제가 있어 실제 사용사에 문제가 있어 왔다. 본 논문에서 제시하는 학습법칙은 이를 부분적으로 해결하였다. 또한 이 학습법칙을 ART(Adaptive Resonance Theory)-1과 Kohonen의 자기 구조 특징 지도의 장점을 조합한 개선된 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망에 적용하였고, 성능을 평가하기 위해 가우시안 분포의 데이터와 IRIS 데이터를 각각 사용하여 실험하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.1
• /
• pp.497-503
• /
• 2005

본 논문에서는 퍼지 RBF 네트워크를 이용한 운송 컨테이너 식별자 인식 시스템을 제안한다. 일반적으로 운송 컨테이너의 식별자들은 크기나 위치가 정형화되어 있지 않고 외부 잡음으로 인하여 식별자의 형태가 변형될 수 있기 때문에 일정한 규칙으로 찾기는 힘들다. 본 논문에서는 이러한 특성을 고려하여 컨테이너 영상에 대해 Canny 마스크를 이용하여 에지를 검출하고, 검출된 에지 정보에서 영상획득 시 외부 광원에 의해 수직으로 길게 발생하는 잡음들을 퍼지 추론 방법을 적용하여 제거한 후에 수직 블록과 수평 블록을 검출하여 컨테이너의 식별자 영역을 추출하고 이진화한다. 이진화된 식별자 영역에 대해 검정색의 빈도수를 이용하여 흰바탕과 민바탕을 구분하고 4방향 윤광선 추적 알고리즘을 적용하여 개별 식별자를 추출한다. 개별 식별자 인식을 위해 퍼지 C-Means 알고리즘을 이용한 퍼지 RBF 네트워크를 제안하여 개별 식별자에 적용한다. 제안된 퍼지 RBF 네트워크는 퍼지 C-Means 알고리즘을 중간층으로 적용하고 중간층과 출력층 간의 학습에는 일반화된 델타 학습 방법과Delta-bar-Delta 알고리즘을 적용하여 학습 성능을 개선한다. 실제 컨테이너 영상을 대상으로 실험한 결과, 기존의 식별자 추출 방법보다 제안된 식별자 추출방법이 개선되었다. 그리고 기존의 ART2 기반 RBF 네트워크보다 제안된 퍼지 RBF 네트워크가 컨테이너 식별자의 학습 및 인식에 있어서 우수함을 확인하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.7 no.6
• /
• pp.1318-1324
• /
• 2003

There are two problems in the conventional ART1 algorithm. One is in similarity testing method of the conventional ART1 between input patterns and stored patterns. The other is that vigilance threshold of conventional ART1 influences the number of clusters and the rate of recognition. In this paper, new similarity testing method and dynamical vigilance threshold method are proposed to solve these problems. The former is similarity test method using the rate of norm of exclusive-NOR between input patterns and stored patterns and the rate of nodes have equivalence value, and the latter method dynamically controls vigilance threshold to similarity using fuzzy operations and the sum operation of Yager. To check the performance of new methods, we used 26 alphabet characters and nosed characters. In experiment results, the proposed methods are better than the conventional methods in ART1, because the proposed methods are less sensitive than the conventional methods for initial vigilance and the recognition rate of the proposed methods is higher than that of the conventional methods.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2003.05a
• /
• pp.469-473
• /
• 2003

다층 구조 신경망에서 널리 사용되는 오류 역전파 알고리즘은 초기 가중치와 불충분한 은닉층의 노드수로 인하여 지역 최소화에 빠질 가능성이 있다. 따라서 본 논문에서는 오류 역전파 알고리즘에서 은닉층의 노드 수를 설정하는 문제와 ARTI에서 경계 변수의 설정에 따라 인식률이 저하되는 문제점을 개선하기 위하여 ARTI과 Max-Min 신경망을 결합한 퍼지 다층 퍼셉트론을 제안한다. 제안된 자가 생성을 이용한 퍼지 다층 퍼셉트론은 입력층에서 은닉층으로 노드를 생성시키는 방식은 ARTI을 적용하였고, 가중치 조정은 특정 패턴에 대한 저장 패턴을 수정하도록 하는 winner-take-all 방식을 적용하였다. 제안된 학습 방법의 성능을 평가하기 위하여 학생증 영상을 대상으로 실험한 결과, 기존의 오류 역전파 알고즘보다 연결 가중치들이 지역 최소화에 위치할 가능성이 줄었고 학습 속도 및 정체 현상이 개선되었다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.05a
• /
• pp.169-185
• /
• 2005

신경계의 뉴런 구조는 흥분 뉴런과 억제 뉴런으로 구성되며 각각의 흥분 뉴런과 억제 뉴런은 주동근 뉴런(agonistic neuron)에 의해 활성화되며 길항근 뉴런(antagonist neuron)에 의해 비활성화 된다. 본 논문에서는 인간 신경계의 생리학적 뉴런 구조를 분석하여 퍼지 논리를 이용한 생리학적 퍼지 신경망을 제안한다. 제안된 구조는 주동근 뉴런에 의해 흥분 뉴런이 될 수 있는 뉴런들을 선택하여 흥분시켜 출력층으로 전달하고 나머지 뉴런들을 억제시켜 출력층에 전달시키지 않는다. 신경계를 기반으로 한 제안된 생리학적 퍼지 신경망의 학습구조는 입력층, 학습 데이터의 특징을 분류하는 중간층, 그리고 출력층으로 구성된다. 제안된 퍼지 신경망의 학습 및 인식 성능을 평가하기 위해 정확성이 요구되는 의학의 한 분야인 기관지 편평암 영상인식과 영상 인식의 주요 응용 분야인 차량 번호판 인식에 적용하여 기존의 신경망과 성능을 비교 분석하였다. 실험 결과에서는 제안된 생리학적 퍼지 신경망이 기존의 신경망보다 학습 시간과 수렴성이 개선되었을 뿐만 아니라, 인식에 있어서도 우수한 성능이 있음을 확인하였다.