• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.271-280
• /
• 1999

인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다. 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고요한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미있는 정보로 변환시켜줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망의 모형결합을 통해 기존연구과는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서는 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이브릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다. 기존의 주기분할방법론은 모형개발자입장에서 여러 가지 통계기준치중에서 최적의 기준치를 합리적으로 선택해야 하는 문제가 추가적으로 발생하며, 본 연구에서는 이상의 제반 문제들을 개선시키기 위해 통합방법론으로서 기존의 인공신경망모형을 구조적으로 확장시켰다. 이 모형에서 기존의 입력층 이전단계에 새로운 층이 정의된다. 이렇게 해서 생성된 새로운 통합모형은 기존모형에서 생성되는 기본적인 학습파라미터와 더불어, 본 연구에서 새롭게 제시된 주기분할층의 파라미터들이 모형의 학습성과를 높이기 위해 함께 고려된다. 한편, 이러한 학습과정에서 추가적으로 고려해야 할 파라미터 갯수가 증가함에 따라서, 본 모델의 학습성과가 local minimum에 빠지는 문제점이 발생될 수 있다. 즉, 웨이블릿분석과 인공신경망모형을 모두 전역적으로 최적화시켜야 하는 문제가 발생한다. 본 연구에서는 이 문제를 해결하기 위해서, 최근 local minimum의 가능성을 최소화하여 전역적인 학습성과를 높여 주는 인공지능기법으로서 유전자알고리즘기법을 본 연구이 통합모델에 반영하였다. 이에 대한 실증사례 분석결과는 일일 환율예측문제를 적용하였을 경우, 기존의 방법론보다 더 나운 예측성과를 타나내었다.

• 한국항행학회논문지
• /
• 제20권4호
• /
• pp.298-304
• /
• 2016

본 논문은 초음파 거리계를 이용하는 쿼드로터 무인항공기의 고도 제어 성능 향상을 위한 웨이블릿 패킷 변환 기법을 제시하였다. 쿼드로터의 수직 이착륙 시 많이 사용되는 초음파 거리계를 이용하여 지상시험을 수행하였다. 초음파 거리계는 정반사율 (specular reflectance)과 음향 잡음 (acoustic noise)으로 인한 신호의 스파이크가 생긴다. 짧은 시간 간격으로 발생하는 스파이크는 시간과 주파수 영역에서의 동시 분석을 필요로 한다. 이에 초음파 거리계의 스파이크를 웨이블릿 패킷 변환을 이용하여 분석하였다. DWT (discrete wavelet transform)에 비해 웨이블릿 패킷 분해가 더 풍부한 시간-주파수 국소 정보를 얻을 수 있어 초음파 신호의 스파이크를 분석하고 처리하기에 더 효과적이다. 실험결과 초음파 거리계의 스파이크를 효과적으로 제거할 수 있음을 확인하였다.

• 감성과학
• /
• 제16권4호
• /
• pp.527-534
• /
• 2013

본 연구에서는 코히어런스 분석을 통하여 시각집중 기간 동안 시간 변화에 대한 뇌기능과 관련된 공간-주파수간 연관관계를 해석하였다. 집중관련 시각자극 실험 데이터를 통해 ${\theta}$와 ${\alpha}$ 대역에서 서로 다른 두피 위치간 위상연관변화를 확인하였다. 좌우 전두엽, 전두엽과 두정엽 간 뇌유발전위는 P100, N200지점에서 위상동조를 보였으며, 전두엽과 후두엽 간 뇌유발전위는 시각 처리 정보가 반영되는 P300지점에서 위상동조를 보였다. 고정된 길이의 창을 이용하는 단구간 푸리에 변환에 비하여 연속 웨이블릿 변환은 모 웨이블릿의 파라미터 조정을 통한 다중해상도 분석이 가능하였다. 따라서 연속 웨이블릿 변환을 이용한 코히어런스 결과가 시간변화에 대한 뇌유발전위의 공간-주파수간 연관관계의 변화를 확인하는데 유효함을 확인하였다. 비 집중 자극수행에 대해서는 위상동조 현상이 나타나지 않았다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권11호
• /
• pp.1147-1155
• /
• 2005

본 논문은 단순한 형태의 개인 착인 및 검증방법의 한계를 극복하여 절도나 누출에 의해 도용될 수 없고 변경되거나 분실할 위험성이 없는 새로운 형태의 인증 방법인 홍채인식을 연구하였다. 사람의 홍채는 태어날 때 한번 정해지면 평생 변화하지 않는 특성을 가지고 있으며, 개개인별로 모양이 모두 다른 것으로 알려져 있다. 이에, 본 논문에서는 홍채영상 취득 시 조명에 의한 동공의 크기 변화에 민감하지 않은 2차원의 홍채패턴을 취득하여, 2차 가버 웨이블릿과 퍼지 선형판별분석기법(LDA)을 이용하여 특징 벡터를 추출하고 인식한다. 인식과정에서는 상관관계 계수를 이용하여 다른 홍채의 특징간과 매칭값을 측정하고 유사도가 가장 큰 대상을 찾게 된다. 이때, 입력영상에 대하여 4개 방향의 가버 웨이블릿을 거쳐 얻어진 4개의 상관관계 계수 간 중 가장 큰 값을 갖는 대상자를 인식 대상자로 선정하므로 오인식될 확률을 최소화 할 수 있다. 제안한 알고리듬의 유용성을 확인하기 위해 대상자 50명에 대하여 각각 6회씩 촬영한 두 가지 데이타베이스(CASIA, CBNU)를 이용하였으며, 실험 결과 $90\%$ 이상의 인식률을 얻었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제22권1호
• /
• pp.48-55
• /
• 2018

본 연구의 목적은 구조 시스템의 구조적 손상에 의한 고유주파수 감소율과 감쇠변수 증가율을 비교 분석하는 것이다. 이를 위하여 저주파 영역의 고유주파수와 비교적 높은 감쇠변수 특성을 갖는 2경간 H-Beam을 대상으로 실내실험과 수치해석을 수행하였으며, 충격하중에 대한 손상 전과 손상 후 응답신호를 각각 14개 위치에서 분석하였다. 각 위치에 대한 손상 전과 손상 후 응답신호는 푸리에 변환을 통하여 고유주파수 감소율을 분석하였으며, 감쇠변수 증가율은 웨이블릿 변환을 통하여 수행되었다. 웨이블릿 변환은 최대 웨이블릿 계수에 대응되는 스케일의 시간함수 분리가 가능하기 때문에 감쇠변수 평가에 대한 정확성을 높일 수 있다. 손상 전과 손상 후 계측된 응답신호에 대하여 고유주파수 감소율은 민감하지 못한 결과로 평가되었고, 감쇠변수 증가율은 비교적 큰 변화량을 보여 구조 시스템의 손상도 평가에 신뢰할 수 있는 결과를 보여주었다.

• 한국통신학회논문지
• /
• 제33권11C호
• /
• pp.905-916
• /
• 2008

본 논문에서는 이산 웨이블릿 패킷 변환을 이용하여 디지털 홀로그램의 중요 성분을 추적하고 암호화하는 새로운 방법을 제안한다. 공간과 주파수 영역에서 디지털 홀로그램의 특성을 분석하여 디지털 홀로그램을 다루는데 필요한 정보를 얻는다. 얻어진 정보들을 종합하여 웨이블릿 변환과 부대역의 패킷화를 이용한 암호화 방법을 제안한다. 웨이블릿 변환의 레벨과 에너지 값을 선택함으로써 다양한 강도로 암호화가 가능하다. 암호화 효과를 수치 및 시각적으로 분석하여 최적의 파라미터를 제시한다. 따라서 별도의 분석과정 없이 본 논문에서 제시된 파라미터를 이용하여 효율적으로 암호화를 수행할 수 있다. 실험결과를 살펴보면 전체 데이터 중에서 단지 0.032%의 데이터만을 암호화하더라도 객체를 분간할 수 없다. 부대역의 패킷화 정보와 암호화 시 이용한 키를 전체 암호키로 이용할 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.480-481
• /
• 2008

본 논문은 U-Health 장치 인터페이싱을 위하여 표면 근전도를 이용한 손동작 특징들의 모델링 알고리즘에 대하여 제안하였다. 지금까지 연구에서는 표면 근전도를 측정하기 위하여 전완의 여러 부위에서 신호를 측정하였지만 휴대용 U-Health 장치들의 특성상 센서를 부착 할 수 있는 공간이 한정 되어있기 때문에 한 채널당 손동작의 인식률이 높아야하고 착용하기 편한 위치예서 신호를 측정해야 한다. 따라서 본 논문에서는 손목 근처의 수지신근(finger extensor)과 소지신근(extensor digiti minimi) 사이에 생체신호 센서를 부착하는 것을 제안했으며, 적은 수의 센서에서도 손동작에 따른 충분한 근전도 패턴을 구분해 내기 위하여 3차원 공간상에서 시간과 스케일 정보를 분석할 수 있는 다해상도 웨이블릿을 이용하였다. 정밀한 근전도 분석을 위하여 모 웨이블릿을 신경 신호의 활동전위(action potential)와 가장 유사한 형태를 가지고 있는 Daubechies 4 (db4)로 선택하였고, 이렇게 웨이블릿 분석을 통하여 1차원 신호를 16레벨로 나누어 각 신호에 대하여 에너지를 200 ms 간격으로 평가함으로서 7가지 손동작 인식을 위한 패턴 모델을 구하였다.

• 대한전자공학회논문지SD
• /
• 제40권4호
• /
• pp.34-41
• /
• 2003

혼성신호 회로에 발생할 수 있는 각종 파라메트릭 폴트를 검사하기 위한 새로운 기법을 제안한다. LFSR에서 발생하는 랜덤신호를 사용하여 테스트 입력으로 사용하며, 웨이블릿으로 테스트 출력을 분석하고 압축하는 방법을 사용한다. 웨이블릿은 테스트 출력을 다른 여러 주파수 대역으로 분석하여 각각에 대한 응답 신호를 발생시킨다. 각각의 신호는 디지털 적분기를 사용하여 압축된다. LFSR에서 발생된 테스트 입력신호는 전체 주파수 영역에서 일정한 값을 유지하게 되며 따라서 multi-frequency 응답을 발생시켜 준다. 제안된 방법은 실험을 통하여 성능을 검증하였다.

• 융합신호처리학회논문지
• /
• 제5권4호
• /
• pp.263-270
• /
• 2004

최근 웨이블릿 변환은 많은 분야에서 다양하게 적용된다. 본 논문에서 tasks뇌파의 중요한 몇가지 특성파 검출을 위한 다비치 웨이블릿은 뇌파분석에 필요하다. 우리가 제안한 시스템은 다른 방법보다는 특성파 검출에 높은 성능을 가졌다. 본 연구의 뉴럴시스템의 구조는 하나의 은닉층과 3계층 피드포워드층은 오류 BP 학습알고리즘을 적용하였다. 4명의 피험자에게 알고리즘을 적용하여 92% 분류율을 보였다. 제안된 시스템은 웨이블릿과 신경망으로 tasks 뇌파의 보다 정확하게 분석함을 보였다. 모의실험결과 tasks 뇌파는 의사의 노동력을 줄일수 있고 정량적 해석이 가능함을 보였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2008년도 춘계학술대회 학술발표회 논문집
• /
• pp.3-6
• /
• 2008

베어링은 각종 설비에서 활용하는 중요한 기계요소 중 하나이다. 설비고장의 상당수는 베어링의 결함이나 파손에 기인하고 있다. 따라서 베어링에 대한 온라인모니터링기술은 설비의 정지를 예방하고 손실을 줄이는 데 필수적이다. 본 논문은 진동신호를 이용하여 베어링의 상태를 예측하기 위한 온라인모니터링에 대해 연구한다. 프로파일로 주어지는 진동신호는 이산웨이블릿변환을 통해 분석되고, 분해수준별 웨이블릿계수로부터 얻은 통계적 특징 중 유의한 것을 선별하고자 분산분석 (ANOVA)을 이용한다. 선별된 특징벡터는 Support Vector Machine (SVM)의 입력이 되는 데, 본 논문에서는 다중클래스 분류문제를 다루기 위한 계층적 SVM 네트워크를 제안한다.