• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1952-1953
• /
• 2011

본 논문에서는 다항식 기반 Radial Basis Function(RBF)신경회로망(Polynomial based Radial Basis function Neural Network)을 설계하고 이를 n-클래스 패턴 분류 문제에 적용한다. 제안된 다항식기반 RBF 신경회로망은 입력층, 은닉층, 출력층으로 이루어진다. 입력층은 입력 벡터의 값들을 은닉층으로 전달하는 기능을 수행하고 은닉층과 출력층사이의 연결가중치는 상수, 선형식 또는 이차식으로 이루어지며 경사 하강법에 의해 학습된다. Networks의 최종 출력은 연결가중치와 은닉층 출력의 곱에 의해 퍼지추론의 결과로서 얻어진다. 패턴분류기의 최적화는 PSO(Particle Swarm Optimization)알고리즘을 통해 이루어진다. 그리고 제안된 패턴분류기는 실제 얼굴인식 시스템으로 응용하여 직접 CCD 카메라로부터 입력받은 데이터를 영상 보정, 얼굴 검출, 특징 추출 등과 같은 처리 과정을 포함하여 서로 다른 등록인물의 n-클래스 분류 문제에 적용 및 평가되어 분류기로써의 성능을 분석해본다.

• Proceedings of the Korea Contents Association Conference
• /
• 2005.11a
• /
• pp.264-268
• /
• 2005

This paper describes user context awareness system, which is one of the most essential technologies in various application services of ubiquitous computing. The proposed system used two-axial accelerometer, embedded in $SenseWear^{(R)}$ PRO2 Armband (BodyMedia). It was worn on the right upper arm of the experiment subjects. Using this data, PC-based fuzzy inference system was realized to distinguish human motion states, such as, tying, sitting, walking and running. The recognition rates of human motion states were 100 %, 98.64 %, 99.27 % and 100 % respectively for tying, sitting, walking and running.

• Journal of the Korea Society of Computer and Information
• /
• v.25 no.3
• /
• pp.51-55
• /
• 2020

In this paper, an improved FAM is proposed by adopting similarity learning in the existing FAM (Fuzzy Associative Memory) used in image restoration. Image restoration refers to the recovery of the latent clean image from its noise-corrupted version. In serious application like face recognition, this process should be noise-tolerant, robust, fast, and scalable. The existing FAM is a simple single layered neural network that can be applied to this domain with its robust fuzzy control but has low capacity problem in real world applications. That similarity measure is implied to the connection strength of the FAM structure to minimize the root mean square error between the recovered and the original image. The efficacy of the proposed algorithm is verified with significant low error magnitude from random noise in our experiment.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.12a
• /
• pp.113-116
• /
• 2001

This paper describes an analysis of the music as a time series and the fuzzy logic-based modeling of it. All music is made up of a finite number of musical notations known as the musical symbols, such as clefs, staff, tine signature, notes, rests, etc. . The musical score uses musical symbols to present various characteristics, such as rhythm, melody, chord, etc,. for interpreting the music. In this paper, it is possible to transform the beat and pitch in the musical into time series from the viewpoint of recognizing beat and pitch of sounding tone at each time. On the basis of the identified features of the musical score, a musical score is represented as a time series and then is constructed to fuzzy logic-based model for predicting them. Examples are presented to illustrate the validity of the proposed method.

• Journal of Korea Multimedia Society
• /
• v.2 no.4
• /
• pp.490-495
• /
• 1999

In this paper, a method of improving the learning time and convergence rate is proposed to exploit the advantages of artificial neural networks and fuzzy theory to neuron structure. This method is applied to the XOR Problem, n bit parity problem which is used as the benchmark in neural network structure, and recognition of digit image in the vehicle plate image for practical image application. As a result of the experiments, it does not always guarantee the convergence. However, the network showed improved the teaming time and has the high convergence rate. The proposed network can be extended to an arbitrary layer Though a single layer structure Is considered, the proposed method has a capability of high speed 3earning even on large images.

• The Transactions of The Korean Institute of Electrical Engineers
• /
• v.62 no.5
• /
• pp.705-711
• /
• 2013

In this paper, we introduce an design of multi-output fuzzy neural networks based on Interval Type-2 fuzzy set. The proposed Interval Type-2 fuzzy set-based fuzzy neural networks with multi-output (IT2FS-based FNNm) comprise the network structure generated by dividing the input space individually. The premise part of the fuzzy rules of the network reflects the individuality of the division space for the entire input space and the consequent part of the fuzzy rules expresses three types of polynomial functions with interval sets such as constant, linear, and modified quadratic inference for pattern recognition. The learning of fuzzy neural networks is realized by adjusting connections of the neurons in the consequent part of the fuzzy rules, and it follows a back-propagation algorithm. In addition, in order to optimize the network, the parameters of the network such as apexes of membership functions, uncertainty factor, learning rate and momentum coefficient were automatically optimized by using real-coded genetic algorithm. The proposed model is evaluated with the use of numerical experimentation.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.137-140
• /
• 2003

캐리커처의 일반적인 의미는 어떤 사람이나 사물의 특징을 추출하여 익살스럽게 풍자한 그림이나 글이다. 다시 말해, 캐리커처는 사람의 얼굴에서 특징을 잡아 과장하거나 왜곡하여 그린 데생이라고 한다. 컴퓨터를 이용한 기존의 캐리커처 제작방법으로는, 입력 이미지 좌표의 통계적인 차이값을 이용하는 PICASSO System 방법[1], 제작자의 애매한 느낌을 퍼지 논리를 이용하여 표현하는 방법, 이미지를 와핑하는 방법, 여러 단계의 벡터 필드 변환을 이용하는 방법등이 연구되어 왔다. 본 논문에서는 실시간 또는 준비된 영상을 입력으로 받아 저장한 후, 네 단계의 과정으로 처리한 후 최종적으로 캐리커처된 이미지를 생성하게 된다. 각 단계별 처리 내용으로는 첫번째 단계에서는 영상에서 얼굴을 검출하고 두번째 단계에서는 특정 얼굴부위의 기하학적 정보를 좌표값으로 추출한다. 세번째 단계에서는 전 단계에서 얻은 좌표값으로 로컬 와핑 기법을 이용하여 영상을 변환한다. 네 번째 단계에서는 변형된 영상으로 퍼지 논리를 이용하여 보다 개선된 윤곽선 이미지로 변환하여 캐리커처 이미지를 얻는다. 본 논문에서는 영상 인식, 변환 및 윤곽선 검출 및 둥의 여러 가지 영상 처리 기법을 이용하여 기존의 캐리커처 제작 방식보다 간단하고, 복잡한 연산 과정이 없는 캐리커처 제작 시스템을 구현하였다.

• Proceedings of the KWS Conference
• /
• 2009.11a
• /
• pp.111-111
• /
• 2009

전 세계적으로 환경 보호의 차원에서 자동차 업체는 자동차의 연비 향상을 위한 차체의 경량화가 큰 이슈로 대두되고 있다. 이를 위해 알루미늄과 같은 경량화 소재를 이용하여 차체 조립에 투입하고자 연구 중에 있다. 이와 같은 레이저 용접 공정이 현장에 적용되기 위해서는 용접부의 품질을 실시간으로 모니터링하고 품질을 판단하여야 생산성을 극대화 할 수 있다. 그러므로 본 연구에서는 알루미늄 AA5182 알루미늄 판재의 용가 와이어를 이용한 레이저 용접에서 용접부를 모니터링 할 수 있는 시스템을 구축하였다. 이를 위하여 레이저는 4kW급 Nd:YAG 레이저를 사용하였고, 차체용 알루미늄 판재 AA5182 1.4t를 AA5356 와이어를 이용하여 용접을 수행하였다. 모니터링 센서로는 반응 범위가 190 mn~680 nm인 센서를 이용하였고, 용접 중 센서로부터 발생된 출력전류를, 신호 증폭기와 DAQ 보드를 통해 초당 10,000 samples/sec로 계측하였다. 다양한 용접조건을 이용하여 실험을 수행하였고 이를 정량적으로 분석하였다. 계측된 신호와 용접 품질은 비선형적 관계를 가지고 있으므로 본 연구에서는 용접 품질을 예측하는 방법으로 퍼지 패턴인식 알고리즘을 이용하는 방법과 계측 신호를 이용한 인장강도 예측모델을 이용하여 병렬로 품질평가를 할 수 있는 알고리즘을 구현하였다. 이를 위하여 계측된 신호와 용접 품질과의 관계를 이용하여 퍼지 규칙 베이스 정의하였고, 신경회로망 모델을 이용하여 인장강도 예측모델을 제시하였다. 또한 품질 평가 알고리즘을 기반으로 레이저 용접부의 품질평가가 가능한 GUI 프로그램을 구현하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.1
• /
• pp.14-18
• /
• 2002

The perceptron algorithm, which is one of a class of gradient descent techniques, has been widely used in pattern recognition to determine linear decision boundaries. However, it may not give desirable results when pattern sets are nonlinerly separable. A fuzzy version was developed to male up for the weaknesses in the crisp perceptron algorithm. This was achieved by assigning memberships to the pattern sets. However, still another drawback exists in that the pattern memberships do not consider class typicality of the patterns. Therefore, we propose a possibilistic approach to the crisp perceptron algorithm. This algorithm combines the linearly separable property of the crisp version and the convergence property of the fuzzy version. Several examples are given to show the validity of the method.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.8 no.6
• /
• pp.1135-1141
• /
• 2004

In this study, this system makes use of the analog infrared rays sensor and converts the feature of fish outline when sensor is operating with CPU(80C196KC). Then, after signal processing, this feature is classified a special feature and a outline of fish by using the neural network, one of the artificial intelligence scheme. This neural network classifies fish pattern of very simple and short calculation. This has linear activation function and the error back propagation is used as a teaming algorithm. And the neural network is learned in off-line process. Because an adaptation period of neural network is too long when random initial weights are used, off-line teaming is induced to decrease the progress time.