• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 V
• /
• pp.2775-2778
• /
• 2003

Neural network-based fault diagnosis algorithm to detect and isolate faults in the nonlinear systems is proposed. In the proposed method, the fault is detected when the errors between the system output and the neural network nominal system output cross a predetermined threshold. Once a fault in the system is detected, the system outputs are transferred to the fault classifier by ART2 NN (adaptive resonance theory 2 neural network) for fault isolation. From the computer simulation results, it is verified that the proposed fault diagonal method can be performed successfully to detect and isolate faults in a nonlinear system.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1287-1292
• /
• 2005

This paper presents an effective pattern classification model by designing an artificial neural network based pattern classifiers for face recognition. First, a RGB image inputted from a frame grabber is converted into a HSV image which is similar to the human beings' vision system. Then, the coarse facial region is extracted using the hue(H) and saturation(S) components except intensity(V) component which is sensitive to the environmental illumination. Next, the fine facial region extraction process is performed by matching with the edge and gray based templates. To make a light-invariant and qualified facial image, histogram equalization and intensity compensation processing using illumination plane are performed. The finally extracted and enhanced facial images are used for training the pattern classification models. The proposed H-ART2 model which has the hierarchical ART2 layers and F-LVQ model which is optimized by fuzzy membership make it possible to classify facial patterns by optimizing relations of clusters and searching clustered reference patterns effectively. Experimental results show that the proposed face recognition system is as good as the SVM model which is famous for face recognition field in recognition rate and even better in classification speed. Moreover high recognition rate could be acquired by combining the proposed neural classification models.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 춘계학술발표대회
• /
• pp.457-458
• /
• 2007

Clustering plays an indispensable role for data analysis. Many clustering algorithms have been developed. However, most of them suffer poor performance of learning. To archive good clustering performance, we develop a hybrid neural network model. It is the combination of Multi-Layer Perceptron (MLP) and Adaptive Resonance Theory 2 (ART2). It inherits two distinct advantages of stability and plasticity from ART2. Meanwhile, by combining the merits of MLP, it improves the performance for clustering. Experiment results show that our model can be used for clustering with promising performance.

• Nuclear Engineering and Technology
• /
• 제53권12호
• /
• pp.4072-4079
• /
• 2021

This article presents a study on the state-of-the-art methods for automated radioactive material detection and identification, using gamma-ray spectra and modern machine learning methods. The recent developments inspired this in deep learning algorithms, and the proposed method provided better performance than the current state-of-the-art models. Machine learning models such as: fully connected, recurrent, convolutional, and gradient boosted decision trees, are applied under a wide variety of testing conditions, and their advantage and disadvantage are discussed. Furthermore, a hybrid model is developed by combining the fully-connected and convolutional neural network, which shows the best performance among the different machine learning models. These improvements are represented by the model's test performance metric (i.e., F1 score) of 93.33% with an improvement of 2%-12% than the state-of-the-art model at various conditions. The experimental results show that fusion of classical neural networks and modern deep learning architecture is a suitable choice for interpreting gamma spectra data where real-time and remote detection is necessary.

• 제어로봇시스템학회논문지
• /
• 제11권10호
• /
• pp.880-887
• /
• 2005

This paper presents a fault diagnosis(detection and isolation) approach for the Ammunition Transport Automation system(ATAS). Due to limited time and information available during its cyclic operation, the on-line fault detection algorithm consists of sequential test logics referring to the normal states, which can be considered as a kind of expert system. If a failure were detected, the off-line isolation algorithm finds the fault location through trained ART2 neural network. By the results of simulations and some on-line field test, it has been shown that the presented approach is effective enough and applicable to related automation systems.

• 한국지능시스템학회논문지
• /
• 제5권3호
• /
• pp.117-127
• /
• 1995

본 논문에서는 ART-II 경쟁학습 신경망과 퍼지추론을 이용하여 동일한 물체를 연속적인 영상열에서 정합 시킴으로서 움직임을 분석하는 방법을 제시한다. 영상분할을 통해 얻을 수 있는 영역의 크기가 평균광도를 이용하여 영역단위의 정합을 수행하고, 영역의 모양을 표현하기 위한 특징점을 선택하기 위하여 입력패턴들의 위상을 나타날 수 있는 ART-II 경쟁학습 신경망을 사용하였다. 선택된 특징점들의 정합을 통해 각 물체에 대한 움직임 벡터를 구한다. 그러나 3차원적 실제세계의 사영인 2차원 영상은 영상 자체의 불완전성과 물체에 대한 정보를 얻기 위하여 사용되는 영상분할의 잘목스오 인한 오류 때문에 움직임 추정 과정에서 모호성이 발생한다. 이러한 움직임 분석과정에서 나타나는 불확실성을 처리하기 위하여 퍼지추론을 사용하여 신뢰도를 표현함으로써 이동 물체와 음직임 벡터를 추출하였다.

• 지능정보연구
• /
• 제9권3호
• /
• pp.81-97
• /
• 2003

본 논문에서는 인간시각시스템의 특성에 기반하여 웨이블릿 변환을 적용하여 멀티미디어 데이터의 소유권 보호를 위하여 시각적으로 눈에 띄지 않는 강인한 워터마킹 기법을 제안하고 있다. 이를 위하여 우선 웨이블릿 변환을 사용하여 level 3에서 원 영상을 분해한 후, 최저파수 대역에 해당하는 LL$_3$대역을 제외한 모든 부 대역에 신경회로망을 사용하여 웨이블릿 분해 계수들을 분류한 다음, 최대값을 갖는 클러스터에 대해서 임계치를 적용한다. 그리고 사용된 워터마크는 워터마크의 시각적 확인을 위하여 가우시안 랜덤 벡터 대신에 이진 로고 형태의 워터마크를 사용하였다. 또한, 본 논문에서는 다중 워터마크의 삽입 및 검출을 테스트하였다. 이를 위하여, 웨이블릿 변환을 이용하여 level 3에서 원 영상을 분해한 후, 최 저주파수 대역에 해당하는 LL$_3$ 대역을 제외한 모든 부대역에 대하여 워터마크를 삽입하였다. 실험에서 우리는 여러 가지 공격에서도 삽입한 워터마크가 강인함을 알 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권7_8호
• /
• pp.649-658
• /
• 2003

본 연구에서는 ART2 신경회로망의 성능을 개선하기 위한 계층적 구조를 제안하고, 구성된 클러스터에 대하여 적합도(fitness) 선택을 통한 빠르고 효과적인 패턴 분류 모델(HART2)을 제안한다. 본 논문에서 제안하는 신경회로망은 비지도 학습을 통하여 대략적으로 1차 클러스터를 형성하고, 이 각각의 1차 클러스터로 분류된 패턴에 대해 지도학습을 통한 2군 클러스터를 생성하여 패턴을 분류하는 계층적 신경회로망이다. 이 신경회로망을 이용한 패턴분류 과정은 먼저 입력패턴을 1차 클러스터와 비교하여 유사한 몇 개의 1차 클러스터를 적합도에 따라 선택한다. 이때, 입력패턴과 클러스터들간의 상대 측정 거리비에 기반한 적합도 함수를 도입하여 1차 클러스터에 연결된 클러스터들을 Pruning 함으로써 계층적인 네트워크에서의 속도 향상과 정확성을 추구하였다. 마지막으로 입력패턴과 선택된 1차 클러스터에 연결된 2차 클러스터와의 비교를 통해 최종적으로 패턴을 분류하게 된다. 본 논문의 효율성을 검증하기 위하여 22종의 한글 및 영어 글꼴에 대한 숫자 데이타를 다양한 형태로 변형시켜 확장된 테스트 패턴에 대하여 실험해 본 결과 제안된 신경회로망의 패턴 분류 능력의 우수함을 증명하였다

• 한국음향학회지
• /
• 제39권1호
• /
• pp.64-68
• /
• 2020

가우스 혼합 모델-은닉 마코프 모델(Gaussian Mixture Model-Hidden Markov Model, GMM-HMM)을 이용하는 전통적인 음성인식 시스템에서는, 극점 필터링 기반의 켑스트럼 특징 정규화 방식이 잡음 환경에서 짧은 발화의 인식 성능을 향상시키는데 효과적이었다. 본 논문에서는 심층신경망(Deep Neural Network, DNN)을 이용하는 최신의 음성인식 시스템에서도 이 방식의 유용성이 있는지 검토한다. AURORA 2 DB에 대한 실험 결과, 특히 훈련 및 테스트 환경 사이의 불일치가 클 때에, 극점 필터링 기반의 켑스트럼 평균 분산 정규화 방식이 극점 필터링을 사용하지 않는 방식에 비해 매우 짧은 발화의 인식 성능을 개선시킴을 보여 준다.

• 한국통신학회논문지
• /
• 제42권2호
• /
• pp.366-373
• /
• 2017

본 논문은 그로스버그(Grossberg)에 의해 개발된 퍼지 ART 신경 회로망의 성능을 향상시키기 위하여 가변가중 평균(VWA) 학습 방법을 제안한다. 기존의 방법인 고속수용저속부호화(FCSR)는 입력패턴이 임의의 카테고리 내에 포함될 때 카테고리를 대표하는 대표패턴의 갱신이 입력패턴과의 거리(유사성)와 관계없이 고정 학습률로 갱신되고, 또한 이를 개선한 가변학습(VL)은 대표패턴과 입력패턴 사이의 거리를 대표패턴의 갱신에 반영하여 카테고리 증식 문제와 패턴 인식률을 개선한다. 그러나 두 방법 모두 학습 시 퍼지 AND에 의한 과도한 학습이 필수적으로 발생하여 카테고리 증식 문제와 패턴 인식 향상에 한계를 갖는다. 제안된 방법은 카테고리를 대표하는 대표패턴의 갱신 시 대표패턴과 입력패턴 사이의 거리를 반영한 가중평균 학습을 적용하여 대표패턴의 과도한 학습을 억제한다. 시뮬레이션 결과 기존의 학습 방법인 고속수용저속부호화(FCSR)와 가변학습(VL) 보다 제안된 가변가중평균(VWA) 학습 방법이 잡음 환경에서 대표패턴의 과도한 학습을 억제하여 퍼지 ART 신경 회로망의 카테고리 증식문제를 완화하고 패턴 인식률을 향상시키는 것을 보여준다.