• The Journal of Korean Association of Computer Education
• /
• v.8 no.6
• /
• pp.113-121
• /
• 2005

Since documents on the Web are naturally partitioned into many document databases, the efficient information retrieval (IR) process requires identifying the document databases that are most likely to provide relevant documents to the query and then querying the identified document databases. We first introduce a neural net agent for such an efficient IR, and then propose the hierarchically organized multi-agent IR system in order to scale our agent with the large number of document databases. In this system, the hierarchical organization of neural net agents reduced the total training cost at an acceptable level without degrading the IR effectiveness in terms of precision and recall. In the experiment, we introduce two neural net IR systems based on single agent approach and multi-agent approach respectively, and evaluate the performance of those systems by comparing their experimental results to those of the conventional statistical systems.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.215-218
• /
• 2000

디지털 비디오 데이터를 효율적으로 브라우징 하는데 필요한 비디오 분할에 관한 연구가 활발하게 진행되고 있다. 본 연구에서는 비디오 데이터를 Shot단위로 분할하고, Shot내부에서 카메라 동작과 객체 움직임 분석을 이용한 sub-shot으로 분할하고자 한다. 연구 방법으로는 I-frame의 DC 영상을 이용하여 픽쳐그룹을 Shot(장면이 바뀐 경우), Move(카메라 동작,객체움직임), Static(영상의 변화가 거의 없는 경우)로 세분화하고 해당 픽쳐 그룹의 P, B-frame을 검사하여 정확한 컷 발생 위치, 디졸브, 카메라동작, 객체 움직임을 검출하게 된다. 픽쳐그룹 분류에서 정확성을 높이기 위해 계층적 신경망과 다중 특징을 이용한다. 정확한 컷 발생위치 검출하기 위해서 P, B프레임의 메크로블럭 타입을 이용한 통계적 방법을 이용하고, 디졸브, 카메라 동작, 객체 움직임을 검출하기 위해서 P, B-frame의 메크로블럭 타입과 움직임 벡터를 이용한 신경망으로 검출한다. 본 연구에서는 계층적 탐색을 이용하여 시간을 단축할 수 있고, 계층적 신경망과 다중 특징을 이용하여 픽쳐 그룹을 세분화 할 수 있고, 메크로 블록 타입과 통계적 방법을 이용하여 정확한 컷 검출을 할수 있고, 신경망을 이용하여 디졸브, 카메라 동작, 객체움직임을 검출 할 수 있음을 확인한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.281-284
• /
• 2003

본 연구는 웨이블릿 변환을 통하여 객체 영상에서 질감 특징 값을 추출하고, 신경망을 계층적으로 구성하여 분류하는 방법을 제안한다. 기존의 신경망을 이용한 영상의 분류는 단일 신경망을 이용하는 것이 대부분이었다. 하지만 단일 신경망은 분류하고자 하는 클래스의 수가 많거나 분류하고자 하는 대상이 유사한 입력패턴을 가질 경우 학습시간이 오래 걸리고, 인식률이 크게 떨어지는 문제를 가지고 있다. 그래서 본 연구에서는 효과적인 객체 영상 분류를 위해서 여러 개의 단일 신경망을 계층적으로 결합하는 방법을 제안한다. 실험결과 분류 대상 클래스가 증가함에도 불구하고 단일 신경망에 비해 학습시간이 단축되고, 높은 인식률을 보여주었다.

• Annual Conference on Human and Language Technology
• /
• 1990.11a
• /
• pp.183-190
• /
• 1990

본 논문에서는 인쇄체 한글문자를 실용적으로 인식하기 위하여 고안된 계층적 신경망을 소개하고, 이를 다중활자체의 한글문자를 인식하는 문제에 적용하였다. 이 신경망은 입력된 문자영상을 6가지의 유형으로 분류한 후, 해당 유형을 처리하는 신경망에서 실제 문자를 인식하도록 구성되었다. 또한 각 신경망을 모든 입력영상의 모든 출력노드에 대해 고르게 학습시키기 위하여 Backpropagation 알고리즘을 개선한 Descending Epsilon 알고리즘을 도입하였다. 그 결과 사용빈도수가 높은 한글 520자에 대해 94.4 - 98.4%의 인식률을 얻음으로써 본 논문에서 제안한 시스템이 다양한 활자체로 이루어진 실제 문서인식시스템의 문자인식부에 효과적으로 사용될 수 있음을 제시하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.321-323
• /
• 2012

스마트폰 사용의 보편화와 센서기술의 발달로 이를 응용하는 다양한 연구가 진행되고 있다. 특히 가속도, GPS, 조도, 방향센서 등의 센서들이 스마트폰에 부착되어 출시되고 있어서, 이를 이용한 상황인지, 행동인식 등의 관련 연구들이 활발하다. 하지만 다양한 클래스를 분류하면서 높은 인식률을 유지하는 것은 어려운 문제이다. 본 논문에서는 인식률 향상을 위해 계층적 구조의 순환 신경망을 이용하여 제스처를 인식한다. 스마트폰의 가속도 센서를 이용하여 사용자의 제스처 데이터를 수집하고 BLSTM(Bidirectional Long Short-Term Memory) 구조의 순환신경망을 계층적으로 사용하여, 20가지 사용자의 제스처와 비제스처를 분류한다. 약 24,850개의 시퀀스 데이터를 사용하여 실험한 결과, 기존 BLSTM은 평균 89.17%의 인식률을 기록한 반면 계층적 BLSTM은 평균 91.11%의 인식률을 나타내었다.

• Journal of Digital Contents Society
• /
• v.18 no.4
• /
• pp.641-647
• /
• 2017

In this paper, we propose a method to automatically generate a configured song with melodies composed of front/middle/last parts by using hierarchical artificial neural networks in automatic composition. In the first layer, an artificial neural network is used to learn an existing song or a random melody and outputs a song after performing rhythm post-processing. In the second layer, the melody created by the artificial neural network in the first layer is learned by three artificial neural networks of front/middle/last parts in the second layer in order to make a configured song. In the artificial neural network of the second layer, we applied a method to generate repeatability using measure identity in order to make song with repeatability and after that the song is completed after rhythm, chord, tonality post-processing. It was confirmed from experiments that our proposed method produced configured songs well.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.480-482
• /
• 2021

최근 다수의 문서를 고려해야하는 다중홉(multi-hop) 추론과 같은 복잡한 문제를 해결하기 위해 계층적 그래프 신경망기반 질의응답 시스템이 제안되었다. 계층적 그래프 신경망 기반 질의응답 시스템은 사람의 정확도를 뛰어넘었으나 제한된 문서를 통해 추론을 진행하기 때문에 문서에 충분한 정보가 없을 경우 추론에 실패할 가능성이 존재한다. 따라서 본 논문에서는 위 문제를 해결하기 위해 정보를 재탐색하고 기존의 그래프 정보와 병합하여 기존의 정보와 새로운 정보를 고려하여 재추론 할 수 있는 그래프 병합 기법을 제안한다. 제안하는 그래프 병합 기법은 사전에 정의된 규칙에 의해 수행되며 노드의 병합 및 연결을 통해 새로운 그래프를 도출한다. 새로운 그래프는 그래프 신경망을 통해 추론을 진행하여 기존 정보와 새로운 정보를 고려한 정답을 도출할 수 있다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.1
• /
• pp.1-8
• /
• 2018

Recently, the convolutional neural network shows high performance in many computer vision tasks. However, convolutional neural networks require enormous amount of operation, so it is difficult to adopt them in the embedded environments. To solve this problem, many studies are performed on the ASIC or FPGA implementation, where an efficient representation method is required. The fixed-point representation is adequate for the ASIC or FPGA implementation but causes a performance degradation. This paper proposes a separate optimization of representations for the convolutional layers and the batch normalization layers. With the proposed method, the required bit width for the convolutional layers is reduced from 16 bits to 10 bits for the ResNet-50 neural network. Since the computation amount of the convolutional layers occupies the most of the entire computation, the bit width reduction in the convolutional layers enables the efficient implementation of the convolutional neural networks.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.297-300
• /
• 2004

기존에 성격이 다른 두 가지 이상의 센서를 이용하기 위해서는 각각의 센서의 입력 데이터를 처리하는 알고리즘이 필요하게 되고, 적용한 알고리즘에 의해 출력된 최종 값 중에서 그 상황에 알맞은 값을 선택하여 사용하는 계층적 구조를 사용하게 된다. 계층적 구조가 아니더라도 비슷한 형태의 데이터를 얻어 이를 가지고 최종 로봇을 제어하기 위한 출력을 만들게 된다 본 논문에서는 비전 센서와 초음파 센서에서 입력되는 성격이 다른 데이터를 가지고, 신경망을 이용하여 최종 출력을 얻어냄으로써 2가지 센서의 입력 데이터를 처리하기 위한 과정을 간단히 하고 두 가지 센서가 서로를 보완 할 수 있도록 하는 방법을 제시한다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.11 no.1
• /
• pp.77-85
• /
• 2006

In this paper, we propose a hierarchical classifier of object images using neural networks for content-based image classification. The images for classification are object images that can be divided into foreground and background. In the preprocessing step, we extract the object region and shape-based texture features extracted from wavelet transformed images. We group the image classes into clusters which have similar texture features using Principal Component Analysis(PCA) and K-means. The hierarchical classifier has five layes which combine the clusters. The hierarchical classifier consists of 59 neural network classifiers learned with the back propagation algorithm. Among the various texture features, the diagonal moment was the most effective. A test with 1000 training data and 1000 test data composed of 10 images from each of 100 classes shows classification rates of 81.5% and 75.1% correct, respectively.