• 대한방사선기술학회지:방사선기술과학
• /
• 제26권1호
• /
• pp.71-82
• /
• 2003

T1강조 자기공명영상과 계층적 신경회로망을 이용하여 간경변증을 단계별로 분류하고자 제안한다. 데이터는 2001년 6월부터 12월까지 부산대학교병원에서 얻었으며, 각 단계별 분류는 정상, 1, 2, 3단계별로 분류하였다. 그리고 46명의 데이터를 분석하였다. T1강조 자기공명 간영상으로부터 정상간 실질과 간경변 결절을 추출하였다. 그 다음에 T1강조 자기공명 간 영상에서 간 경화증의 단계를 객관적으로 해석 분류하였다. 간경변 분류기 구현은 계층적 신경회로망을 이용하였고, 명암도 분석과 간 결절 특성을 통하여 정상간과 3단계의 간경변으로 구분하였다. 제안한 신경회로망 분류기는 오류 역전과 알고리즘을 이용하였다. 분류결과 인식율이 정상군은 100%, 1 단계는 82.3%, 2 단계는 86.7%, 3 단계는 83.7%의 분류율을 나타내었다. 신경회로망 분류 결과와 전문의 판독 결과를 서로 비교한 결과 인식률은 매우 높게 나타났다. 만일 더욱더 충분한 데이터나 파라미터를 가지고 지속적으로 수행한다면 간경변 환자들에게 임상적으로 지원하는 도구뿐만 아니라 의료전문 신경회로망으로도 기대된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.2101-2123
• /
• 2023

Recent studies have shown that the neural network-based binary code similarity detection technology performs well in vulnerability mining, plagiarism detection, and malicious code analysis. However, existing cross-architecture methods still suffer from insufficient feature characterization and low discrimination accuracy. To address these issues, this paper proposes a cross-architecture binary function similarity detection method based on composite feature model (SDCFM). Firstly, the binary function is converted into vector representation according to the proposed composite feature model, which is composed of instruction statistical features, control flow graph structural features, and application program interface calling behavioral features. Then, the composite features are embedded by the proposed hierarchical embedding network based on a graph neural network. In which, the block-level features and the function-level features are processed separately and finally fused into the embedding. In addition, to make the trained model more accurate and stable, our method utilizes the embeddings of predecessor nodes to modify the node embedding in the iterative updating process of the graph neural network. To assess the effectiveness of composite feature model, we contrast SDCFM with the state of art method on benchmark datasets. The experimental results show that SDCFM has good performance both on the area under the curve in the binary function similarity detection task and the vulnerable candidate function ranking in vulnerability search task.

• 대한의용생체공학회:의공학회지
• /
• 제23권3호
• /
• pp.197-205
• /
• 2002

본 연구에서는 잡음이 존재하는 공간에서 획득한 음성신호로부터 후두질환을 감별진단 할 수 있는 분류기를 구현하였다. 이를 위해 후두질환 환자로부터 수집한 /아/ 모음에 잡음을 혼입하여 음성 신호를 획득하였고, 여러 가지 후두질환을 감별진단 할 수 있는 파라미터를 추출하였으며. 이를 입력으로 하는 계층적 신경회로망을 구성하여 후두질환을 감별진단 하도록 하였다. 감별진단용 분류기는 다섯 단계의 계층적 신경회로망으로 구성하였다 첫 번째 신경회로망은 정상 양성 후두질환과 악성 후두질환을. 두 번째 신경회로망은 정상과 양성 후두질환을 감별진단 하도록 하였다 그리고 세 번째 신경회로망은 양성 후두질환 중 후두용. 성대결절 후두마비를 감별진단 하도록 하였으며. 네 번째와 다섯 번째 신경회로망은 성문암 1-4기를 감별진단 하도록 구성하였다. 분류기에 적용된 신경회로망은 다층퍼셉트론 구조로써 역전파 알고리듬으로 학습시켰으며, 선형변환 표준점수변환 등 전처리과정을 적용하여 분류기의 성능을 개선하였다. 후두질환의 감별진단 결과 후두용 88.23%. 정상. 성대결절. 후두마비 100%. 성문암 1기 90%, 성문암 2-4기 100%의 감별진단율을 관찰할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제14권3호
• /
• pp.304-309
• /
• 2004

본 논문에서는 편리한 방식으로 착용할 수 있으며 지능을 지니고 있는 시스템을 구현하고자 한다. 인간을 보조하는 역할을 수행함과 동시에 착용할 수 있는 장점을 지닌 시스템의 구현은 다양한 제어기에 적용될 수 있다. 이동 중인 로봇의 상태를 파악하고 인간을 대신하여 명령을 전달해주는 시스템의 구현이 가능해진 것이다. 본 논문에서는 이동 로봇의 주행 정보를 받아들여 충돌 회피 주행에 필요한 속도와 회전각을 판단하여 명령을 전달하는 시스템을 착용 형태의 장치를 이용하여 구현하였다. 웨어러블 장치의 지능을 구현하기 위해 계층적 퍼지 논리와 신경망의 학습 능력을 결합하였다.

• 한국안전학회지
• /
• 제19권1호
• /
• pp.23-30
• /
• 2004

Modern production systems are very complex by request of automation, and failure modes that occur in thisautomatic system are very various and complex. The efficient fault diagnosis for these complex systems is essential for productivity loss prevention and cost saving. Traditional fault diagnostic system which perforns sequential fault diagnosis can cause catastrophic failure during diagnosis when fault propagation is very fast. This paper describes the Real-time Intelligent Multiple Fault Diagnosis System (RIMFDS). RIMFDS assesses current machine condition by using sensor signals. This system deals with multiple fault diagnosis, comprising of two main parts. One is a personal computer for remote signal generation and transmission and the other is a host system for multiple fault diagnosis. The signal generator generates various faulty signals and image information and sends them to the host. The host has various modules and agents for efficient multiple fault diagnosis. A SUN workstation is used as a host for multiple fault modules and agents for efficient multiple fault diagnosis. A SUN workstation is used as a host for multiple fault diagnosis and graphic representation of the results. RIMFDS diagnoses multiple faults with fast fault propagation and complex physical phenomenon. The new system based on multiprocessing diagnoses by using Hierarchical Artificial Neural Network (HANN).

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.120-128
• /
• 2023

In this work, we have presented ATSA, a hierarchical attention deep learning model for Arabic sentiment analysis. ATSA was proposed by addressing several challenges and limitations that arise when applying the classical models to perform opinion mining in Arabic. Arabic-specific challenges including the morphological complexity and language sparsity were addressed by modeling semantic composition at the Arabic morphological analysis after performing tokenization. ATSA proposed to perform phrase-chunks sentiment embedding to provide a broader set of features that cover syntactic, semantic, and sentiment information. We used phrase structure parser to generate syntactic parse trees that are used as a reference for ATSA. This allowed modeling semantic and sentiment composition following the natural order in which words and phrase-chunks are combined in a sentence. The proposed model was evaluated on three Arabic corpora that correspond to different genres (newswire, online comments, and tweets) and different writing styles (MSA and dialectal Arabic). Experiments showed that each of the proposed contributions in ATSA was able to achieve significant improvement. The combination of all contributions, which makes up for the complete ATSA model, was able to improve the classification accuracy by 3% and 2% on Tweets and Hotel reviews datasets, respectively, compared to the existing models.

• 대한의용생체공학회:의공학회지
• /
• 제18권3호
• /
• pp.233-241
• /
• 1997

The research on chromosomes is very significant in cytogenetics since genes of the chromosomes control revelation of the inheritance plasma. The human chromosome analysis is widely used to study leukemia, malignancy, radiation hazard, and mutagen dosimetry as well as various congenital anomalies such as Down's, Klinefelter's, Edward's, and Patau's syndrome. The framing and analysis of the chromosome karyogram, which requires specific cytogenetic knowledge is most important in this field. Many researches on automated chromosome karyotype analysis methods have been carried out, some of which produced commercial systems. However, there still remains much room to improve the accuracy of chromosome classification and to reduce the processing time in real clinic environments. In this paper, we proposed a hierarchical artificial neural network(HANN) to classify the chromosome karyotype. We extracted three or four chromosome morphological feature parameters such as centromeric index, relative length ratio, relative area ratio, and chromosome length by preprocessing from ten human chromosome images. The feature parameters of five human chromosome images were used to learn HANN and the rest of them were used to classify the chromosome images. The experiment results show that the chromosome classification error is reduced much more than that of the other researchers using less feature parameters.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권1호
• /
• pp.1-7
• /
• 2004

본 논문에서는 필기체 숫자인식을 위해서 계층적으로 서로 다른 레벨의 정보를 표현할 수 있는 구조화된 특징들의 추출 방법과 특징들 사이에 의존도를 이용하여 분류하는 베이지안 망을 제안한다. 이러한 계층적 특징들을 추출하기 위해서 레벨 단위로 가버 필터들을 정의하고, FLD(Fisher Linear Discriminant) 척도를 이용하여 최적화된 가버 필터들을 선택한다. 계층적 가버 특징들은 최적화된 가버 특징들을 이용하여 추출되며, 하위 레벨일수록 더욱 국부적인 정보를 표현한다. 추출된 계층적 가버 특징들의 분류성능 향상을 위해서 가버 특징들 사이의 계층적 의존도를 이용하는 베이지안 망을 생성한다. 본 논문에서 제안하는 방법은 naive Bayesian 분류기, k-nearest neighbor 분류기, 그리고 신경망 분류기들과 함께 필기체 숫자인식에 적용되어 계층적 가버 특징들의 효율성과 계층적 의존도를 이용하는 베이지안 망은 분류성능을 향상시킬 수 있다는 것을 보여준다.

• 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

• 전자공학회논문지B
• /
• 제28B권11호
• /
• pp.852-858
• /
• 1991

An adaptive hierarchical classifier(AHCL) for Korean character recognition using a neural net is designed. This classifier has two neural nets: USACL (Unsupervised Adaptive Classifier) and SACL (Supervised Adaptive Classifier). USACL has the input layer and the output layer. The input layer and the output layer are fully connected. The nodes in the output layer are generated by the unsupervised and nearest neighbor learning rule during learning. SACL has the input layer, the hidden layer and the output layer. The input layer and the hidden layer arefully connected, and the hidden layer and the output layer are partially connected. The nodes in the SACL are generated by the supervised and nearest neighbor learning rule during learning. USACL has pre-attentive effect, which perform partial search instead of full search during SACL classification to enhance processing speed. The input of USACL and SACL is a directional edge feature with a directional receptive field. In order to test the performance of the AHCL, various multi-font printed Hangul characters are used in learning and testing, and its processing its speed and and classification rate are compared with the conventional LVQ(Learning Vector Quantizer) which has the nearest neighbor learning rule.