• 한국정밀공학회지
• /
• 제13권6호
• /
• pp.152-160
• /
• 1996

This paper focuses on development and evaluation of a performance management algorithm for IEEE 802.4 token bus networks to serve large-scale integrated manufacturing systems. Such factory automation networks have to satisfy delay constraints imposed on time-critical messages while maintaining as much network capacity as possible for non-time-critical messages. This paper presents a network performance manager that adjusts queue capacity as well as timers by using a set of fuzzy rules and fuzzy inference mechanism. The efficacy of the performance management has been demonstrated by a series of simulation experiments.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권4호
• /
• pp.254-259
• /
• 2008

Uncertainty of result of context awareness always exists in any context-awareness computing. This falling-off in accuracy of context awareness result is mostly caused by the imperfectness and incompleteness of sensed data, because of this reasons, we must improve the accuracy of context awareness. In this article, we propose a novel approach to model the uncertain context by using ontology and context reasoning method based on Bayesian Network. Our context aware processing is divided into two parts; context modeling and context reasoning. The context modeling is based on ontology for facilitating knowledge reuse and sharing. The ontology facilitates the share and reuse of information over similar domains of not only the logical knowledge but also the uncertain knowledge. Also the ontology can be used to structure learning for Bayesian network. The context reasoning is based on Bayesian Networks for probabilistic inference to solve the uncertain reasoning in context-aware processing problem in a flexible and adaptive situation.

• 한국컴퓨터정보학회논문지
• /
• 제22권11호
• /
• pp.97-104
• /
• 2017

Location prediction has been successfully utilized to provide high quality of location-based services to customers in many applications. In its usual form, the conventional type of location prediction is to predict future locations based on user's past movement history. However, as location prediction needs are expanded into much complicated cases, it becomes necessary quite frequently to make inference on the locations that target user visited in the past. Typical cases include the identification of locations that infectious disease carriers may have visited before, and crime suspects may have dropped by on a certain day at a specific time-band. Therefore, primary goal of this study is to predict locations that users visited in the past. Information used for this purpose include user's demographic information and movement histories. Data mining classifiers such as Bayesian network, neural network, support vector machine, decision tree were adopted to analyze 6868 contextual dataset and compare classifiers' performance. Results show that general Bayesian network is the most robust classifier.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2006년도 Asia Navigation Conference
• /
• pp.176-183
• /
• 2006

A novel intelligent anti-collision decision-making supporting system is addressed in this paper. To obtain precise anti-collision information capability, an innovative neurofuzzy network is proposed and applied. A fuzzy set interpretation is incorporated into the network design to handle imprecise information. A neural network architecture is used to train the parameters of the Fuzzy Inference System (FIS). The learning process is based on a hybrid learning algorithm and off-line training data. The training data are obtained by trial manoeuvre. This neurofuzzy network can be considered to be a self-learning system with the ability to learn new information adaptively without forgetting old knowledge. This supporting system can decrease ship operators' burden to deal with bridge data and help them to make a precise anti-collision decision.

• ETRI Journal
• /
• 제46권2호
• /
• pp.307-322
• /
• 2024

Most object detection methods use a horizontal bounding box that causes problems between adjacent objects with arbitrary directions, resulting in misaligned detection. Hence, the horizontal anchor should be replaced by a rotating anchor to determine oriented bounding boxes. A two-stage process of delineating a horizontal bounding box and then converting it into an oriented bounding box is inefficient. To improve detection, a box-boundary-aware vector can be estimated based on a convolutional neural network. Specifically, we propose a ResNeXt101 encoder to overcome the weaknesses of the conventional ResNet, which is less effective as the network depth and complexity increase. Owing to the cardinality of using a homogeneous design and multi-branch architecture with few hyperparameters, ResNeXt captures better information than ResNet. Experimental results demonstrate more accurate and faster oriented object detection of our proposal compared with a baseline, achieving a mean average precision of 89.41% and inference rate of 23.67 fps.

• 한국항행학회논문지
• /
• 제13권6호
• /
• pp.901-906
• /
• 2009

본 논문에서는 퍼지추론과 신경망 학습을 이용하여 무선망의 핸드오프호 손실율 가능성 분포의 상한계 값을 추정하고, 이를 기반으로 한 호 수락제어를 제안한다. 퍼지규칙의 소속함수는 신경망 오류역전파 알고리즘으로 튜닝하고, 핸드오프호 손실율의 상한계 값은 퍼지집합의 가중치 평균에 기초하여 추정한다. 이 방법은 호 손실율 값을 실제보다 과도하게 큰 값으로 추정하는 것을 방지하고, 추정된 값이 실제값보다 작을 때는 실시간적으로 자기보상을 실시하여 호 수락 제어시 호 손실율을 줄인다. 시뮬레이션을 통하여 제안한 방법에 의한 핸드오프 호 손실율의 상한계 값의 추정성능을 보이고, 이를 이용한 호 수락제어 방법이 핸드오프 호 손실율을 사용자가 원하는 핸드오프 호 손실율 이하로 유지할 수 있음을 보인다.

• 한국지능시스템학회논문지
• /
• 제6권2호
• /
• pp.81-89
• /
• 1996

퍼지모델링의 설계 방법을 교통경로선택의 모델동정을 위하여 제안한다. 제안된 퍼지모델은 최적화이론, 퍼지구현규칙을 사용하여 ""IF..., THEN...""의 효율적인 형태로 시스템구조와 파라미터 동정을 시행한다. 이 논문에서 간략추론, 선형추론, 병형된 선형추론의 3가지종류의 퍼지모델링 방법을 제시한다. 이 퍼지추론 방법은 인간의 교통행동의 정확한 추정과 정밀한 묘사를 위해 교통경로선택 모델을 개발하기 위해 이용된다. 퍼지규칙의 전반부 구조와 파라미터를 동정하기 위해 개선된 컴플렉스법을 사용하고, 최적후반부 파라미터를 동정하기 위해 최소자승법이 사용된다. 교통경로선택 데이타가 제안된 퍼지모델 성능을 평가하기 위해 사옹된다. 제안된 방법이 기존의 다른 연구들 - 즉 BL, PS, FL, NN, FNNs 모델 등 - 보다 더 높은 정확도를 가진 퍼지모델을 생성함을 보인다. 생성함을 보인다.

• 지능정보연구
• /
• 제10권3호
• /
• pp.59-72
• /
• 2004

인터넷의 활용범위는 정보의 검색 및 수집을 넘어서 여러 범위로 확대되고 있고 정보의 양 또한 방대해졌다. 그러나 필요한 정보를 찾기는 더욱 어려워지고 있고, 그에 따라 개인에게 맞는 정보를 제공해주는 시스템이 절실해지고 있다. 본 연구에서는 웹 서비스 기반위에 추론엔진을 사용하여 사용자에게 가장 적합한 상품을 검색하여 추천해주는 추천 시스템의 모델을 제시하고 있다. 현재의 웹 애플리케이션이 사용자에게 필요한 서비스를 제공하는데 비하여 애플리케이션마다 상이한 플랫폼의 구조와 분산된 환경에서 객체간의 통신을 쉽게 하고 통일된 개발을 위해 표준이 필요하게 되었다. 웹 서비스는 프로그램 언어에 독립적이고 상호 운용적 환경을 제공하기 위한 것으로 네트워크를 통해 기술하고 배포하여 실행시킬 수 있는 모듈화된 애플리케이션을 의미한다. 본 논문은 웹 서비스 기반위에 시스템을 구축함으로써 표준 웹 서비스의 실현 가능성을 가늠하고, 추론엔진과 결합하여 사용자의 정보와 변화하는 성향을 토대로 필요한 정보를 예측하여 추천하는 추천시스템 개발에 중점을 둔다.

• 한국컴퓨터정보학회논문지
• /
• 제22권7호
• /
• pp.75-82
• /
• 2017

Correct prediction of emotion is essential for developing advanced health devices. For this purpose, neural network has been successfully used. However, interpretation of how a certain emotion is predicted through the emotion prediction neural network is very tough. When interpreting mechanism about how emotion is predicted by using the emotion prediction neural network can be developed, such mechanism can be effectively embedded into highly advanced health-care devices. In this sense, this study proposes a novel approach to interpreting how the emotion prediction neural network yields emotion. Our proposed mechanism is based on HRV (heart rate variability) measurements, which is based on calculating physiological data out of ECG (electrocardiogram) measurements. Experiment dataset with 23 qualified participants were used to obtain the seven HRV measurement such as Mean RR, SDNN, RMSSD, VLF, LF, HF, LF/HF. Then emotion prediction neural network was modelled by using the HRV dataset. By applying the proposed mechanism, a set of explicit mathematical functions could be derived, which are clearly and explicitly interpretable. The proposed mechanism was compared with conventional neural network to show validity.

• 방송공학회논문지
• /
• 제23권1호
• /
• pp.104-114
• /
• 2018

최근 HTTP 기반 비디오 스트리밍 트래픽이 계속해서 증가함에 따라 HTTP 기반 적응적 스트리밍(HTTP-based Adaptive Streaming : HAS) 기술 중 하나인 DASH(Dynamic Adaptive Streaming over HTTP)가 주목받고 있다. 이에 따라 DASH 환경에서 클라이언트에게 높은 QoE(Quality of Experience)를 제공하기 위한 많은 비디오 품질 조절 기법들이 제안되어왔다. 본 논문에서는 뉴로 퍼지 시스템의 구조 중 하나인 ANFIS(Adaptive Network based Fuzzy Inference System)를 이용한 새로운 품질 조절 기법을 제안한다. 제안하는 기법은 ANFIS를 이용하여 클라이언트에게 적절한 세그먼트 비트율을 선택하는 퍼지 파라미터를 찾고, VBR(Variable Bit-Rate) 비디오의 특성을 고려하여 실제 세그먼트의 크기를 이용해 다음 세그먼트 다운로드 시간을 보다 정확하게 예측한다. 그리고 이를 이용해 시변 네트워크에서 적절하게 비디오 품질을 조절한다. NS-3를 이용한 모의실험에서 제안된 기법이 기존 기법들에 비해 높은 평균 세그먼트 비트율과 낮은 비트율 변화 횟수를 보여 클라이언트에게 향상된 QoE를 제공함을 보인다.