• Journal of Intelligence and Information Systems
• /
• v.16 no.2
• /
• pp.95-108
• /
• 2010

In this paper, we present a hybrid neural network model for dynamic hand gesture recognition. The model consists of two modules, feature extraction module and pattern classification module. We first propose a modified CNN(convolutional Neural Network) a pattern recognition model for the feature extraction module. Then we introduce a weighted fuzzy min-max(WFMM) neural network for the pattern classification module. The data representation proposed in this research is a spatiotemporal template which is based on the motion information of the target object. To minimize the influence caused by the spatial and temporal variation of the feature points, we extend the receptive field of the CNN model to a three-dimensional structure. We discuss the learning capability of the WFMM neural networks in which the weight concept is added to represent the frequency factor in training pattern set. The model can overcome the performance degradation which may be caused by the hyperbox contraction process of conventional FMM neural networks. From the experimental results of human action recognition and dynamic hand gesture recognition for remote-control electric home appliances, the validity of the proposed models is discussed.

• KIPS Transactions on Software and Data Engineering
• /
• v.2 no.5
• /
• pp.341-346
• /
• 2013

In this paper, we propose a rule extraction method using a modified Fuzzy Min-Max (FMM) neural network. The suggested method supplements the hyperbox definition with a frequency factor of feature values in the learning data set. We have defined a relevance factor between features and pattern classes. The proposed model can solve the ambiguity problem without using the overlapping test process and the contraction process. The hyperbox membership function based on the fuzzy partitions is defined for each dimension of a pattern class. The weight values are trained by the feature range and the frequency of feature values. The excitatory features and the inhibitory features can be classified by the proposed method and they can be used for the rule generation process. From the experiments of sign language recognition, the proposed method is evaluated empirically.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.315-318
• /
• 2006

본 논문에서는 TV OSD(On Screen Display) 메뉴 자동검증 시스템에서 문자패턴의 실시간 인식을 위한 방법론을 고찰한다. 이는 일반적인 문자인식 문제와는 달리 시스템 환경에 대한 몇 가지 가정과 제약조건을 고려해야 한다. 예컨대 문제의 특성상 카메라 및 TV 제어 기기부의 동작과 연동하는 작업 스케쥴링 기능과 실시간 분석기능 등의 요건은 시스템개발을 복잡하게 하는 반면, 주어진 OSD 메뉴 데이터로부터 검증과정은 미지 패턴에 대한 인식과정을 단순화하여 일종의 판정(decision) 문제로 고려될 수 있게 한다. 본 연구에서는 인식의 방법론으로서 수정된 구조의 FMM 신경망을 적용한다. 이는 하이퍼박스 기반의 패턴 분류기로서 간결하면서도 강력한 학습기능을 제공한다. 기존의 FMM 모델이 갖는 단점인 학습패턴에서 특징분포와 빈도를 고려하지 못한다는 점을 개선하여, 특징과 하이퍼박스간의 가중치 요소를 고려한 활성화 특성을 정의한다. 또한 실제 데이터를 사용한 실험결과를 통해 제안된 이론의 유용성을 고찰한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.521-524
• /
• 2004

본 논문에서는 기존의 FMM 신경망의 학습 단계 중 하이퍼박스 축소 단계에서 발생하는 정보의 왜곡 현상을 보완하여, 패턴분류 성능을 향상시키는 방법론을 제안하고 그 유용성을 고찰한다. 제안된 학습방법에서는 기존 FMM 신경망의 하이퍼박스 생성, 확장, 축소의 3 가지 학습 과정 중 축소과정을 생략하고, 각 특징 범위와 빈도를 고려한 학습으로 대치함으로써 축소과정에서 나타나는 부작용을 보완할 수 있도록 하였다. 이는 가중치 개념을 통해 각 특징값의 상대적 중요도를 서로 다른 값으로 반영할 수 있도록 하며 하이퍼박스 중첩영역에서 발생하는 분류 오류를 최소화한다. 본 연구에서는 개선된 학습기법의 이론을 제시하고, 이를 아이리스 데이터 분류 실험에 적용하여 그 유용성을 고찰하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.130-132
• /
• 2004

본 연구에서는 FMM 신경망을 이용한 패턴 분류 문제에서 학습 패턴에 포함되는 특징의 발생 빈도와 특징 값의 분포를 고려하는 네트워크 구조와 학습 방법론을 소개한다. 이를 위하여 하이퍼박스 소속함수의 산출 과정에 세부특징에 대한 가중치 개념이 적용되는 새로운 활성화 특성을 제안한다. 또한 하이퍼박스의 특징 범위와 빈도 및 특징 값의 분포를 유지하고 새롭게 정의된 하이퍼박스 생성, 확장, 축소기법을 적용한다 이는 가중치 개념을 통하여 각 특징별 중요도를 서로 다른 값으로 반영할 수 있게 하며, 특징의 분포 정보가 고려되어 기존 FMM 모델에 비하여 노이즈에 의한 영향을 개선하여 학습 효과를 증진시킬 뿐만 아니라 하이퍼박스의 생성 및 확장 과정 중에 학습패턴의 순서에 상관없이 동일한 특성을 보일 수 있게 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.443-446
• /
• 2005

본 논문에서는 패턴 분류문제에서 특징의 분포와 빈도를 고려하는 FMM(Fuzzy Min-Max) 신경망 구조와 이를 이용한 특징 분석 기법을 소개한다. 이는 기존의 모델에서 균일한 가중치를 고려했을때 비정상적 학습데이터에 학습 효과가 민감하게 왜곡되는 현상을 방지한다. 또한 학습된 신경망으로부터 각 특징의 중요도를 분석할 수 있게 한다. 본 연구에서는 제안된 모델의 특성을 소개하고 특징 값과 하이퍼박스 간의 관계로부터 특징의 연관도 요소, 중요도 평가 및 특징의 서열화 기법을 제시한다. 이는 패턴 분류 신경망의 노드수를 최적화 함으로써 학습 및 분류 과정에서 연산의 효율성을 증대시킨다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.347-350
• /
• 2004

본 논문에서는 FMM 신경망의 활성화 특성에 가중치 개념을 도입한 패턴 분류 모형을 소개하고 이에 대한 학습 기법을 제안한다. 또한 제안된 모델의 활용으로서 주어진 학습패턴에 대하여 효과적인 특징의 종류와 특징과 패턴 클래스간의 상대적 연관도를 분석하는 방법론을 제시한다. 이를 위하여 새롭게 정의된 하이퍼박스 생성, 확장, 축소의 방법론을 소개하며, 이들 이론에 대하여 의료진단 데이터 등을 사용한 실제 실험을 통하여 유용성을 고찰한다.

• Journal of KIISE:Software and Applications
• /
• v.33 no.8
• /
• pp.692-702
• /
• 2006

In this study, a weighted fuzzy min-max (WFMM) neural network model for pattern classification is proposed. The model has a modified structure of FMM neural network in which the weight concept is added to represent the frequency factor of feature values in a learning data set. First we present in this paper a new activation function of the network which is defined as a hyperbox membership function. Then we introduce a new learning algorithm for the model that consists of three kinds of processes: hyperbox creation/expansion, hyperbox overlap test, and hyperbox contraction. A weight adaptation rule considering the frequency factors is defined for the learning process. Finally we describe a feature analysis technique using the proposed model. Four kinds of relevance factors among feature values, feature types, hyperboxes and patterns classes are proposed to analyze relative importance of each feature in a given problem. Two types of practical applications, Fisher's Iris data and Cleveland medical data, have been used for the experiments. Through the experimental results, the effectiveness of the proposed method is discussed.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.565-567
• /
• 2004

본 연구에서는 효과적인 패턴 분류를 위한 방법론으로서 수정된 퍼지 최대최소 신경망 모델을 제안하고 그 유용성을 고찰한다 제안된 모델에서 각 하이퍼박스는 다차원의 특징공간상에서 한 영역으로 정의되며 각 특징에 대하여 가중치 개념이 추가된 소속함수를 갖는다. 이는 기존의 FMM 신경망에서 모든 특징에 대하여 균일하게 고려되었던 특징의 상대적 중요도를 서로 다른 값으로 반영할 수 있게 한다. 본 연구에서는 제안된 모델의 동작특성 및 학습방법을 소개하며, 실제 패턴 분류문제에 적용한 실험결과를 통하여 제안된 이론의 타당성을 평가한다.

• Journal of KIISE:Software and Applications
• /
• v.32 no.1
• /
• pp.1-9
• /
• 2005

In this paper we propose a modified fuzzy min-max neural network model for pattern classification and discuss the usefulness of the model. We define a new hypercube membership function which has a weight factor to each of the feature within a hyperbox. The weight factor makes it possible to consider the degree of relevance of each feature to a class during the classification process. Based on the proposed model, a knowledge extraction method is presented. In this method, a list of relevant features for a given class is extracted from the trained network using the hyperbox membership functions and connection weights. Ft)r this purpose we define a Relevance Factor that represents a degree of relevance of a feature to the given class and a similarity measure between fuzzy membership functions of the hyperboxes. Experimental results for the proposed methods and discussions are presented for the evaluation of the effectiveness and feasibility of the proposed methods.