• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.477-480
• /
• 2005

본 논문에서는 신경망과 유전자 알고리즘의 장점을 결합하고, 개선된 유전자 알고리즘 기반의 역전파 신경망 알고리즘을 이용한 신경망 학습 효과를 살펴 본다. 유전자 알고리즘을 이용한 신경망 학습은 비선형 함수를 이용하여 발생시킨 모의 자료를 통하여 수행하고 학습 수렴의 정도와 학습 속도 등을 비교할 수 있는 모의실험 결과를 일반 신경망 학습 결과와 함께 제시한다. 모의실험의 결과로서 유전자 알고리즘을 적용한 신경망 제어기가 일반 신경망 학습 결과보다 수렴 정확도 및 학습 속도에서 더 좋은 결과를 나타내 주고 있다.

• Journal of KIISE:Software and Applications
• /
• v.30 no.3_4
• /
• pp.339-346
• /
• 2003

This paper proposes a multiple classifier system having massive micro classifiers. The micro classifiers are trained by using a local set of training patterns. The k nearest neighboring training patterns of one training pattern comprise the local region for training a micro classifier. Each training pattern is incorporated with one or more micro classifiers. Two types of micro classifiers are adapted in this paper. SVM with linear kernel and SVM with RBF kernel. Classification is done by selecting the best micro classifier among the micro classifiers in vicinity of incoming test pattern. To measure the goodness of each micro classifier, the weighted sum of correctly classified training patterns in vicinity of the test pattern is used. Experiments have been done on Elena database. Results show that the proposed method gives better classification accuracy than any conventional classifiers like SVM, k-NN and the conventional classifier combination/selection scheme.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.19 no.6
• /
• pp.1182-1189
• /
• 1994

In this paper, we evaluate the performance of a fuzzy controller with a self-learning structure. The fuzzy controller is based on a fuzzy logic that approximates and effectively represents the uncertain phenomena of the real world. The fuzzy controller has control of a plant with a fuzzy inference logic. However, it is not easy to decide the membership function of a fuzzy controller and its controlrule. This problem can be solved by designing a self-learning controller that improves its own contropllaw to its goal with a performance table. The fuzzy controller is implemented with a 386PC, an interface board, a D/A converter, a PWM(Pulse Width Modulation) motor drive-circuit, and a sensing circuit, for error and differential of error. Since a Ball and Beam System is used in the experiment, the validity of the fuzzy controller with the self-learning structure can be evaluated through the actual experiment and the computer simulation of the real plant. The self-learning fuzzy controller reduces settling time by just under 10%.

• The Journal of the Acoustical Society of Korea
• /
• v.40 no.6
• /
• pp.578-586
• /
• 2021

We propose a semi-supervised learning method based on Variational AutoEncoder (VAE) and Unsupervised Data Augmentation (UDA) to improve the performance of an end-to-end speech recognizer. In the proposed method, first, the VAE-based augmentation model and the baseline end-to-end speech recognizer are trained using the original speech data. Then, the baseline end-to-end speech recognizer is trained again using data augmented from the learned augmentation model. Finally, the learned augmentation model and end-to-end speech recognizer are re-learned using the UDA-based semi-supervised learning method. As a result of the computer simulation, the augmentation model is shown to improve the Word Error Rate (WER) of the baseline end-to-end speech recognizer, and further improve its performance by combining it with the UDA-based learning method.

• Proceedings of the KIEE Conference
• /
• 2001.07d
• /
• pp.2656-2659
• /
• 2001

본 논문은 교사 있는 학습기의 Kohonen Feature Map에 고차 뉴런을 도입, 고차 뉴런을 이용한 Kohonen의 자기 조직화 맵을 제안한다. 일반적인 Kohonen Feature Map의 특징은 입력신호를 받아 출력 면(Kohonen Feature Map) 내의 특정한 위치 주위에 집중하는 메커니즘으로 즉, 국소집중 반응을 구하는 구조이다. 본 논문에서는 종래형의 Kohonen Feature Map의 특징을 보유하며 교사 있는 학습기의 Kohonen Feature Map에 고차 뉴런을 도입하여 국소집중반응 및 특징 축출이 용이하도록 네트워크 구조를 개선한 것이다. 특히, 일차 뉴런의 문제점인 비선형 분리 문제에 대하여 교사 있는 학습기의 Kohonen Feature Map의 입력층에 고차 뉴런을 도입함으로 비선형 분리 가능한 형태의 네트워크 구조로 형성하였다. 그러나, 일반적인 고차 뉴런의 문제점을 보안하기 위해 본 논문에서는 오직 2차 뉴런만을 생성하였으며 중복되는 뉴런을 최대한 억제하였다. 본 제안 모델의 특성을 살펴보기 위해 XOR문제와 20개의 Alphabet을 식별하는 패턴인식 시뮬레이션을 했으며, 본 제안 모델의 범화능력을 알아보기 위하여 Mirror Symmetry를 사용하여 계산기 시뮬레이션을 했다. 그 결과, 본 제안 모델이 종래형의 네트워크 구조보다 뛰어난 인식률을 얻을 수 있었다.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.141-144
• /
• 2000

일반인들은 음성인식을 이용한 생활보조기구들의 필요성이 적지만 장애인이나 노인들은 가족이나 주변인의 도움을 받지 않고서는 가전제품의 작동이나 전화통화 등과 같은 일을 스스로 하기에는 쉽지 않다. 이러한 사람들에게 각 가정에 널리 보급되어 있는 PC를 이용하여서 타인의 도움을 받지 않고서도 간편하게 사용할 수 있게 음성을 이용한 생활보조기구들 제어에 응용하였다본 음성인식기는 음성의 끝점 검출, 음성의 특징계수 추출, 백터 양자화 학습 및 인식, HMM학습 그리고 HMM인식으로 나누어져 있다. 그리고 그 인식 결과에 따라 생활보조기구등을 제어하였다. 이러한 음성인식기를 만드는 것은 노인이나 장애인들에게 자신이 혼자할수 없는 생활의 편리함을가져다 주기 위함이고 일반정상인에게도 많은 편리함을 가져다 주기 위함이다. 그러나 언어 학습과정에서 노인이나 환자는 학습에 어려움이 있어 적은 학습으로도 인식되어야하는 과제가 남아있다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1994.06c
• /
• pp.138-141
• /
• 1994

기존의 HMM을 이용한 음성인식기는 대부분 ML 추정에 기초한 Baum-Welch 알고리듬으로 학습되었다. ML학습은 기본적으로 무한한 양의 학습 데이터가 주어지고, 각 모델들이 서로 독립이라는 가정에 기초한다. 하지만 실제적인 학습의 경우에 각 모델들이 서로 독립이라고 보기 어렵고, 학습 데이터의 양도 상당히 제한되어 있어서 인식기의 변별력을 저하시키는 주된 원인이 되고 있다. 본 논문에서는 전통적인 패턴분류기법인 Bayes 결정이론에 따라 최소오차율분류를 위한 MAP 수식화를 유도하고, 그에 기초한 HMM의 변별력 있는 학습 알고리듬을 제안한다. 최소오차율분류를 근사화한 사후확률로 표현된 비용함수를 정의하고, 그 비용함수에 조건부 경사강하법을 적용한다. 제안된 알고리듬을 분류하기 어려운 한국어 단음절 인식에 적용한 결과, 기존의 ML 알고리듬으로 학습한 경우 발생한 오인식 개수의 약 10% 가량이 개선되었다.

• Journal of KIISE:Databases
• /
• v.37 no.4
• /
• pp.177-184
• /
• 2010

In these day, many data including sensor, delivery, credit and stock data are generated continuously in massive quantity. It is difficult to learn from these data because they are large in volume and changing fast in their concepts. To handle these problems, learning methods based in sliding window methods over time have been used. But these approaches have a problem of rebuilding models every time new data arrive, which requires a lot of time and cost. Therefore we need very simple incremental learning methods. Bayesian method is an example of these methods but it has a disadvantage which it requries the prior knowledge(probabiltiy) of data. In this study, we propose a learning method based on attribute values. In the proposed method, even though we don't know the prior knowledge(probability) of data, we can apply our new method to data. The main concept of this method is that each attribute value is regarded as an expert learner, summing up the expert learners lead to better results. Experimental results show our learning method learns from data very fast and performs well when compared to current learning methods(decision tree and bayesian).

• Journal of the Korean School Mathematics Society
• /
• v.8 no.1
• /
• pp.19-33
• /
• 2005

In this paper, we analyzed the qualitative data which collected from the inquiry learning situation on small group using TI-92 graphing calculator. From the analysis, we found the followings: First, TI-92 graphing calculator promote the mathematical communication between students or students and teacher on the small group inquiry learning process through it be a role of catalyzer to make opened atmosphere. Second, TI-92 graphing calculator give a chance to students to explore the advanced mathematical relations through it provide the new learning environment relate to the visual imagery.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.50-53
• /
• 2019

본 논문에서는 도메인 어댑테이션을 이용하여 폰트 변화에 강인한 한글 분류기를 학습하는 방법을 제안한다. 제안하는 네트워크 모델은 총 7 개로 이루어져 있으며 각각 이미지로부터 폰트에 무관한 정보를 추출하는 인코더, 추출된 정보의 유효성을 판단하기 위해 이미지 재합성에 사용되는 디코더, 재합성된 이미지의 글자 분류기, 폰트 분류기, 재합성된 글자의 정교함을 판단하는 판별기(discriminator), 그리고 인코더에서 추출된 정보에 대한 글자 분류기, 폰트 분류기이다. 본 논문에서는 적대적 생성 신경망의 학습법을 따르는 도메인 어댑테이션 기법을 이용하여 인코더의 추출 정보가 폰트 정보는 속이면서 글자 분류의 정확성은 높이도록 학습하였다. 학습 결과 인코더로부터 추출되는 정보들은 폰트에 무관한 성질을 지니면서 글자 분류에 높은 정확성을 띄었으며, 추가로 디코더에서 나오는 이미지들도 원본 폰트와 같은 이미지를 생성해 낼 수 있었다.