• 제어로봇시스템학회논문지
• /
• 제21권1호
• /
• pp.59-64
• /
• 2015

In this paper, we found the usefulness of the deep belief network (DBN) in the fields of brain-computer interface (BCI), especially in relation to imagined speech. In recent years, the growth of interest in the BCI field has led to the development of a number of useful applications, such as robot control, game interfaces, exoskeleton limbs, and so on. However, while imagined speech, which could be used for communication or military purpose devices, is one of the most exciting BCI applications, there are some problems in implementing the system. In the previous paper, we already handled some of the issues of imagined speech when using the International Phonetic Alphabet (IPA), although it required complementation for multi class classification problems. In view of this point, this paper could provide a suitable solution for vowel classification for imagined speech. We used the DBN algorithm, which is known as a deep learning algorithm for multi-class vowel classification, and selected four vowel pronunciations:, /a/, /i/, /o/, /u/ from IPA. For the experiment, we obtained the required 32 channel raw electroencephalogram (EEG) data from three male subjects, and electrodes were placed on the scalp of the frontal lobe and both temporal lobes which are related to thinking and verbal function. Eigenvalues of the covariance matrix of the EEG data were used as the feature vector of each vowel. In the analysis, we provided the classification results of the back propagation artificial neural network (BP-ANN) for making a comparison with DBN. As a result, the classification results from the BP-ANN were 52.04%, and the DBN was 87.96%. This means the DBN showed 35.92% better classification results in multi class imagined speech classification. In addition, the DBN spent much less time in whole computation time. In conclusion, the DBN algorithm is efficient in BCI system implementation.

• 대한전자공학회논문지SP
• /
• 제38권6호
• /
• pp.608-616
• /
• 2001

본 논문은 K-L 변환을 기반으로 한 Fisherface 알고리즘과 fixed graph matching (FGM) 방법을 이용하여 보다 효율적인 얼굴 인식 방법을 제안하고자 한다. 동적 링크 구조 방법 중에 하나인 elastic graph matching (EGM)은 얼굴의 모양 정보뿐만 아니라, 영상 픽셀의 그레이 정보를 동시에 이용하는 하며, 클래스를 구분하는 방법인 Fisherface 알고리즘은 빛의 방향 및 얼굴 표정과 같은 영상의 변화에 대해 강인하다고 알려져 있다. 위의 두 방법으로부터 제안한 알고리즘에서는 영상 그래프의 각 노드에 대해 Fisherface방법을 적용함으로써 레이블된 그래프 벡터의 차원을 줄일 뿐만 아니라 효율적으로 클래스를 구분하기 위한 특징 벡터를 제공한다. 그럼으로써 기존의 EGM 방법에 비해 인식 속도 면에서 상당한 향상 결과를 얻을 수 있었다. 특히, Olivetti Research Laboratory (ORL) 데이터베이스와 Yale 대학 데이터베이스에 대해 실험한 결과 제안한 얼굴 인식 알고리즘은 hold-out 방법에 의한 실험 결과, 평균 90.1%로 기존의 한 방법만을 사용한 것보다 높은 인식률을 보였다.

• 한국지능시스템학회논문지
• /
• 제24권2호
• /
• pp.166-172
• /
• 2014

이미지를 각각의 카테고리로 분류하는 일은 컴퓨터 비전 분야의 중요한 문제 중 하나이다. 그러나 이미지에 존재하는 가변성, 모호성, 스케일 문제 등으로 인해 매우 도전적인 문제라고 할 수 있다. 본 논문에서는 장면 이미지를 구성하는 시멘틱 속성들의 고차원의 상호작용 관계를 고려 가능한 하이퍼그래프 기반의 모델링 기법을 제시하고 이를 장면 이미지 분류에 적용한다. 각 장면 카테고리에 준최적화된 하이퍼그래프를 생성하기 위해 확률 부분공간 기법에 기반을 둔 탐색기법을 제안하고, 이들 부분 공간 내에 속한 시멘틱 속성들의 발현량을 축약하기 위한 우도비 기반의 선형 변환 기법을 제안한다. 제안한 기법의 우수성을 검증하기 위한 실험을 통하여 제시한 기법을 통해 생성된 특징 벡터의 분별력이 기존의 기법들에서 사용된 특징 벡터들의 분별력보다 우수함을 보인다. 또한 제안한 기법을 장면 분류 데이터에 적용한 결과 기존의 기법들과 비교하여 경쟁력 있는 분류 성능을 보인다. 제안 한 기법은 이미지 분류에서 일반적으로 사용 되는 기법인 BoW+SPM 모델과 비교하여 3~4%이상의 성능 향상을 보였다.

• 한국음향학회지
• /
• 제22권1호
• /
• pp.48-53
• /
• 2003

Eigenvoice 방법은 고속화자적응에 적합하다고 알려져 있지만, 이 방법은 발화수가 증가하더라도 추가적인 인식성능향상이 이루어지지 않는 단점이 있다. 본 논문에서는 이 문제를 해결하기 위해 음성 특징벡터의 차원별로 eigenvoice의 가중치를 구하여 적응시키는 방법과 또한 적응 데이터 수에 따라 높은 인식률을 얻는 적응 방식을 선택하는 방식을 제안한다. 화자독립모델 및 eigenvoice들을 구성하기 위해 POW (Phonetically Optimized Words)데이터베이스를 사용하였으며, PBW(Phonetically Balanced Words) 452단어 중50개까지 발화 수를 변화시키면서 교사방식 (Supervised mode)로 적응에 사용하고 나머지 중 400개를 인식실험에 사용하였다. 차원별 eigenvoice 방법이 발화수가 증가함에 따라 기존의 eigenvoice 나 MLLR 방법보다 높은 성능을 보였으며, eigenvoice와 차원별 eigenvoice방법 사이의 적응 모드 선택을 통해 기존의 eigenvoice 방식에 비해 최고 26%의 단어 오인식률 감소를 얻었다.

• 한국음향학회지
• /
• 제11권3호
• /
• pp.5-13
• /
• 1992

한국어 숫자음이 단음절인 특성을 이용하여 각 숫자음에 대해 시간정합을 필요로 하지 않으면서 일정한 수를 갖는 특징벡터를 추출하여 다층구조 신경망으로 인식실험을 하였다. 음성신호의 시작점/끝점과 더불어 모음의 최대 피크점을 기준으로 해석구간을 초성, 중성, 종성의 세 부분으로 나누었으며, 음성신호의 특징벡터로는 반사계수, 켑스트럼, ${\Delta}$켑스트럼, ${\Delta}$에너지 등을 이용하여, 각 특징벡터 및 입력층과 은닉층의 노드 수에 따른 인식율 및 학습속도 등을 비교하였다. 신경망의 입력층의 특징벡터로서 반사계수를 사용한 경우보다 켑스트럼을 사용했을 때가 더 좋은 인식율을 보였다. ${\Delta}$켑스트럼의 특성이 전체 인식율에 미치는 영향이 그다지 크지 않았는데, 이는 한국어 숫자음이 단음절로 구성되어 있는 특징을 이용해 분석 구간을 stationary한 특성을 갖는 세 부분으로 구분하였기 때문이라 생각된다. 각 숫자음에 대해 150개의 켑스트럼을 사용한 경우에 97.8%의 인식율을 얻었다.

• 한국멀티미디어학회논문지
• /
• 제12권3호
• /
• pp.383-396
• /
• 2009

뼈 나이 측정은 소아의 내분비계 관련 질병 진단을 위해 소아과에서 널리 사용되는 방법이다. 그러나 전문 인력이 부족하여 자동화된 측정 방법에 대한 꾸준한 요구가 있었다. 따라서 본 논문에서는 패턴 인식기법을 이용한 자동화된 뼈 나이 측정 알고리즘을 제안한다. 제안하는 알고리즘은 X-ray 영상에서 손가락뼈의 각 부분을 자동으로 분류하는 과정과 분류된 뼈 영상으로부터 정규화된 형상 모델을 추출하는 과정, 그리고 정규화된 형상 모델로부터 뼈 나이를 측정하는 과정으로 구성된다. 제안하는 알고리즘은 능동 형상 모델(Active Shape Model: ASM)을 이용하여 나이 측정에 사용되는 특정값 추출의 정확도를 향상시켰으며, 뼈 나이 분류를 위해 사용된 Support Vector Machine(SVM)의 입력으로 정규화된 형상 모델로부터 얻어진 각 뼈의 크기와 비율을 특징값으로 사용하였다. 성능 평가를 위해서 한양대학교 부속병원에서 제공한 영상에 대해 전문가가 평가한 나이와 제안한 알고리즘을 이용하여 측정된 나이를 통계적으로 비교 분석하였다. 실험을 통하여 본 논문에서 제안한 특징값과 알고리즘으로 뼈 나이를 진단한 결과, 전문가에 의한 결과와 평균 0.679살의 오차 이내의 뛰어난 뼈 나이 측정 성능을 보였다.

• 한국통신학회논문지
• /
• 제19권1호
• /
• pp.131-142
• /
• 1994

본 논문에서는 스칼라 인수 ${\alpha}1,\;{\alpha}2$를 매개변수화하여 갱신항을 첨가한 비선형 적응 알고리즘의 특성을 분석한다. 수렴 특성의 해석에서 평균 필터계수 벡터에 대하여 전이행열의 고유치가 기술된다. 그 알고리즘이 안정하기 위한 범위도 증명된다. 본 알고리즘의 시정수도 유도되고, sign 알고리즘, 기존의 LSM 알고리즘, LFG 알고리즘의 계산량도 비교해 본다. 평균자승의 수렴특성을 해석하고 평균자승 순환식과 초과 평균자승 오차(excess mean square error) 표현식을 유도하고 본 알고리즘이 안정하기 위한 조건도 정한다. 컴퓨터 모의실험(simulation)에서 채널 등화기를 이용하여 QFG 알고리즘의 성능 특성을 보여준다. QFG 알고리즘이 부드러운(smooth) 수렴특성을 가지기 때문에 버스트 오차(error bursting)가 문제가 되는 경우에 유용하다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제26권10호
• /
• pp.1143-1155
• /
• 1999

셀룰러 방식의 이동통신 시스템에서 전파의 유효신호 도달범위를 예측하기 위해서는 전파전파 모델을 이용한 예측기법이 주로 사용된다. 그러나, 전파과정에서 주변 지형지물에 의해 발생하는 전파손실은 매우 복잡한 비선형적인 특성을 가지며 수식으로는 정확한 표현이 불가능하다. 본 논문에서는 신경회로망의 함수 근사화 능력을 이용하여 전파손실 예측모델을 생성하는 방법을 제안한다. 즉, 전파손실을 송수신 안테나간의 거리, 송신안테나의 특성, 장애물 투과영향, 회절특성, 도로, 수면에 의한 영향 등과 같은 전파환경 변수들의 함수로 가정하고, 신경회로망 학습을 통하여 함수를 근사화한다. 전파환경 변수들이 신경회로망 입력으로 사용되기 위해서는 3차원 지형도와 벡터지도를 이용하여 전파의 반사, 회절, 산란 등의 물리적인 특성이 고려된 특징 추출을 통해 정량적인 수치들을 계산한다. 이와 같이 얻어진 훈련데이타를 이용한 신경회로망 학습을 통해 전파손실 모델을 완성한다. 이 모델을 이용하여 서울 도심 지역의 실제 서비스 환경에 대한 타 모델과의 비교실험결과를 통해 제안하는 모델의 우수성을 보인다.Abstract In cellular mobile communication systems, wave propagation models are used in most cases to predict cell coverage. The amount of propagation loss induced by the obstacles in the propagation path, however, is a highly non-linear function, which cannot be easily represented mathematically. In this paper, we introduce the method of producing propagation loss prediction models by function approximation using neural networks. In this method, we assume the propagation loss is a function of the relevant parameters such as the distance from the base station antenna, the specification of the transmitter antenna, obstacle profile, diffraction effect, road, and water effect. The values of these parameters are produced from the field measurement data, 3D digital terrain maps, and vector maps as its inputs by a feature extraction process, which takes into account the physical characteristics of electromagnetic waves such as reflection, diffraction and scattering. The values produced are used as the input to the neural network, which are then trained to become the propagation loss prediction model. In the experimental study, we obtain a considerable amount of improvement over COST-231 model in the prediction accuracy using this model.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제41권8호
• /
• pp.586-597
• /
• 2014

최근 고성능 센서가 집적된 스마트폰과 웨어러블 디바이스 기술이 부각됨에 따라 이와 같은 플랫폼을 활용한 차세대 모바일 컴퓨팅 기술이 크게 주목받고 있다. 기존 행위인지는 지속적인 움직임에 따른 고유 패턴을 포착하는 반면, 자세인지는 급격한 순간 변화나 신체 방향의 변화를 포착하는 방법으로 접근되어 왔다. 그러나 이 두 가지의 패턴을 함께 고려하고 실제 활용 가능한 수준의 성능 확보와 그 시스템에 대한 연구는 다소 부족한 실정이다. 이에 본 논문에서는 최근 부각되는 스마트폰과 웨어러블 디바이스의 센서 데이터를 함께 고려하고 각각이 갖는 장점을 혼합한 사용자 행위 및 자세인지 기법과 스마트폰 플랫폼을 기반으로 실제 환경에서의 그 활용 방법을 제안한다. 스마트폰과 웨어러블 센서 데이터를 함께 운용하기 위한 전처리 방법을 설계하고 고유 진동 패턴과 수직, 수평 방향 패턴 특징을 혼합적으로 활용하여 인지 모델을 구축하였다. 이 과정에서 자전거 타기와 빠르게, 천천히 걷기, 뛰기와 같이 보다 다양한 행위와 서기, 앉기, 누워있기와 같은 자세 패턴을 고려하였다. 실험 결과 제안하는 기법의 성능과 타당성을 입증하였고 실제 환경에서의 적용을 통해 그 활용 가능성을 보였다.

• 인지과학
• /
• 제21권4호
• /
• pp.459-480
• /
• 2010

대화 시스템은 사용자의 의도를 파악하기 위해 발화 문장으로부터 다양한 형태론적 분석을 시도한다. 하지만 사용자는 발화 문장에 포함된 사전적 의미를 통해 의도를 전달할 뿐만 아니라 현재 감정 상태에 따라서 사전적 의미와는 다른 의도를 표현하거나 동일한 의미를 갖는 발화에서 다양한 의도를 표현한다. 따라서 대화에서 사용자의 감정을 파악하는 것은 사용자의 의도를 다양한 방향으로 분석할 수 있게 한다. 본 연구는 기계 학습 방법을 사용하여 사용자 발화 문장에 자동으로 감정 범주를 할당하는 방법을 제안한다. 일반적 감정 범주를 정의하기 위해 세부적인 감정 모델로 인정받고 있는 Plutchick의 감정 모델을 사용하여 9개 감정 범주를 재 정의하고 감정 분류를 위한 자질 집합을 문장 자질과 선험적 자질 그리고 문맥 자질로 구분하였다. 실험을 통하여 3가지 자질들의 최적 조합을 구성하고 감정의 자동 분류를 위해 SVM 분류기를 사용하였다. 실험 결과에서 제안 시스템은 비교 시스템에 비해 15% 높은 62.8%의 F1-평가치 성능을 나타냄으로서 제안된 방법이 감정 분류에 효과적임을 증명한다.