• 한국정보통신학회논문지
• /
• 제12권7호
• /
• pp.1291-1300
• /
• 2008

본 논문에서는 패턴인식의 정확성을 향상시키기 위한 지능시스템을 제안한다. 제안한 지능시스템은 신경회로망의 무감독학습 방법인 SOPM(Self Organizing Feature Map), LVQ(Learning Vector Quantization), 그리고 퍼지이론의 FCM(Fuzzy C-means)을 이용하여 구성한다. 제안한 지능시스템의 유용성은 실험을 통해 확인한다. 실험은 Fisher의 Iris 데이터 분류, Cambridge 대학의 Olivetti 연구실(ORL; Olivetti Research Laboratory)에서 제공하는 얼굴 데이터베이스를 이용한 얼굴 영상 데이터 분류, 그리고 근전도(EMG, Electromyogram) 데이터를 분류하는 것이다. 제안한 지능시스템은 일반적인 LVQ와 비교한다. 실험을 통해 제안한 지능시스템이 일반적인 LVQ보다 패턴 인식의 정확성이 더 우수함을 알 수가 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 추계학술대회 논문집 학회본부 D
• /
• pp.848-850
• /
• 2000

본 논문에서는 신경회로망을 이용하여 On-Line상에서 EEG(Electroencephalogram) 신호를 분류하는 방법을 제안한다. EEG 신호란 인간의 두뇌활동에서 발생하는 전기적 신호로서 고도의 비선형과 시변 특성을 지니고 있어 정량적인 분석이 어려운 신호로 여겨진다. 이를 분석하기 위해 본 논문에서는 입력 벡터들을 서브클래스로 분류하는 경쟁 레이어와 서브클래스를 모아 정해진 클래스를 선택하는 선형 레이어로 이루어진 LVQ (Learning Vector Quantization) 신경망을 구성하고 On-Line 분석결과를 제시한다. 이러한 On-line 분석방법은 EEG 신호를 실시간으로 분석하여 컴퓨터를 인간의 생각만으로 제어될 수 있는 BCI(Brain Computer Interface)의 구현에 사용될 것이다.

• 한국멀티미디어학회논문지
• /
• 제3권3호
• /
• pp.241-252
• /
• 2000

이 논문에서는 2차원 영상의 외곽선 정보를 이용하여 추출한 바이스펙트럼과 가중치 퍼지 분류기를 이용하여 영상의 이동, 회전, 크기 변화에 무관한 패턴 인식 기법을 제안하고, 그 인식 결과를 LVQ(Learning Vector Quantization)를 이용한 신경망 분류기와 비교하였다. 3차 큐물런트를 근간으로하는 바이 스펙트럼은 각 영상의 외각선 정보에 적용되어 15개의 특징값들을 추출한다. 이 특징 벡터들은 영상의 이동, 회전, 크기 변화에 무관한 특징을 가지며 2차원 평면 영상의 대표값으로 사용되어 패턴 분류를 위해 가중치 퍼지 분류기의 입력으로 들어간다. 서로 다른 8가지 비행기들의 평면 영상을 이용하여 실험한 결과들은 제안된 인식 시스템의 성능이 상대적으로 우수함을 보였다.

• 전자공학회논문지B
• /
• 제31B권7호
• /
• pp.170-178
• /
• 1994

The nearest neighbor classification rule is widely used because it is not only simple but the error rate is asymptotically less than twice Bayes theoretical minimum error. But the method basically use the whole training patterns as the reference vectors. so that both storage and classification time increase as the number of training patterns increases. LVQ(Learning Vector Quantization) resolved this problem by training the reference vectors instead of just storing the whole training patterns. But it is a heuristic algorithm which has no theoretic background there is no terminating condition and it requires a lot of iterations to get to meaningful result. This paper is to propose a new training method of the reference vectors. which minimize the given error function. The nearest neighbor network,the network version of the nearest neighbor classification rule is proposed. The network is funtionally identical to the nearest neighbor classification rule is proposed. The network is funtionally identical to the nearest neighbor classification rule and the reference vectors are represented by the weights between the nodes. The network is trained to minimize the error function with respect to the weights by the steepest descent method. The learning algorithm is derived and it is shown that the proposed method can adjust more reference vectors than LVQ in each iteration. Experiment showed that the proposed method requires less iterations and the error rate is smaller than that of LVQ2.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제49권7호
• /
• pp.389-398
• /
• 2000

The popular methods to check the identity of individuals include passwords and ID cards. These conventional method for user identification and authentication are not altogether reliable because they can be stolen and forgotten. As an alternative of the existing methods, biometric technology has been paid much attention for the last few decades. In this paper, we propose an efficient system for recognizing the identity of a living person by analyzing iris patterns which have a high level of stability and distinctiveness than other biometric measurements. The proposed system is based on wavelet transform and a competitive neural network with the improved mechanisms. After preprocessing the iris data acquired through a CCD camera, feature vectors are extracted by using Haar wavelet transform. LVQ(Learning Vector Quantization) is exploited to classify these feature vectors. We improve the overall performance of the proposed system by optimizing the size of feature vectors and by introducing an efficient initialization of the weight vectors and a new method for determining the winner in order to increase the recognition accuracy of LVQ. From the experiments, we confirmed that the proposed system has a great potential of being applied to real applications in an efficient and effective way.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 1999년도 춘계종합학술대회
• /
• pp.361-369
• /
• 1999

본 논문에서는 플랜트를 사용하는 사용자의 특성을 인공지능을 통하여 학습하여 사용자의 특성에 적응하도록 하는 새로운 지능 제어 시스템을 제안한다. 사용된 인공지능은 신경 회로망이며, 그 중에서도 LVQ(learning Vector Quantization) 네트워크를 사용한다. 제안한 방식의 성능을 확인하기 위하여 IBM PC 상에서 Matlab을 통하여 시뮬레이션 한다.

• 한국정보처리학회논문지
• /
• 제4권1호
• /
• pp.149-160
• /
• 1997

본 연구에서는 퍼지사상화(fuzzy mapping)와 FLVQ(fuzzy learning vector quantization)에 의한 사상된(mapped)코드북을 사용하는 화자적용 음성합성 알고리즘 을 제안하고, 기존의 음성합성결과와 비교한다. 입력화자와 기준화자의 코드북은 FLVQ 방법으로 작성한다. 사상된 코드북은 퍼지 히스토그램을 작성하여 이들을 선형 결합함으로써 얻어지는 퍼지 사상화에 의하여 작성된다. 대응 코드벡터의 퍼지 히스 토그램은 동일 입력벡터에 대해 선택된 입력화자의 코드벡터와 기준화자의 코드벡터 사이의 DTW(dynamic time warping)을 행하여 대응하는 코드벡터들의 소속값 (membership value)을 누적하여 얻는다. 음성합성시에는 사상된 코드북을 사용하여 입력화자의 음성을 퍼지벡터 양자화한 다음, FCM(fuzzy c means) 합성규칙을 사용하 여 사상된 코드북내의 코드벡터가 아닌 새로운 하나의 합성벡터를 얻게 되어 좀 더 입력화자에 적응된 합성음을 얻게 된다. 이 기술의 성능평가는 성별이 서로 다른 화 자를 입력화자 및 기준화자로 선정하여 입력화자의 음성에 가까운 정도로 평가하였으 며 그 결과 기존의 음성합성보다 입력화자에 더 적용된 합성음을 얻었다.

• 한국정보처리학회논문지
• /
• 제6권4호
• /
• pp.988-998
• /
• 1999

본 논문에서는 LVQ(Learning vector Quantization)을 이용하여 퍼지 규칙의 수를 줄이는 방안을 제안하였다. 훈련 패턴이 많이지면 퍼지 규칙 수가 증가하게 되어 많은 기억용량과 많은 분류시간이 요구된다. 따라서 이러한 문제를 해결하기 위해서는 퍼지규칙의 수를 줄일 수 있는 방법이 강구되어야 한다. 그러나, 퍼지 규칙의 수가 줄어듦으로써 발생하는 성능의 하락을 최소화하기 위하여 양질의 초기 참조 패턴으로 훈련 한 후에, 퍼지 규칙을 생성한다. 시뮬레이션을 통해서 제안된 방법이 매우 효과적임을 알 수 있었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 추계학술대회-지능형 정보기술과 미래조직 Information Technology and Future Organization
• /
• pp.313-320
• /
• 1999

In this paper, a translation, rotation and scale invariant system for the classification of closed 2D images using the bispectrum of a contour sequence and the weighted fuzzy mean method is derived and compared with the classification process using one of the competitive neural algorithm, called a LVQ(Learning Vector Quantization). The bispectrun based on third order cumulants is applied to the contour sequences of the images to extract fifteen feature vectors for each planar image. These bispectral feature vectors, which are invariant to shape translation, rotation and scale transformation, can be used to represent two-dimensional planar images and are fed into an classifier using weighted fuzzy mean method. The experimental processes with eight different shapes of aircraft images are presented to illustrate the high performance of the proposed classifier.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1749-1758
• /
• 1997

전력수요의 예측은 예측기간에 따라 중장기 전력수요 예측과 단기 부하 예측으로 구분할 수 있다. 기존의 단기 부하예측은 주로 역전파 알고리즘(back propagation algorithm)다층퍼셉트론을 이용하여 예측을 하였으나 이는 학습시간이 많이 걸릴 뿐만 아니라 학습도중에 지역최소점(local minima)에 빠져 학습이 계속되지 못한다는 문제가 있다. 본 논문은 이러한 역전파 알고리즘의 문제점을 해결할 수 있는 방법으로 Radial Basis 함수(Radial Basis Function)를 이용하여 동적 단기부하 예측 모형을 제안한다. Radial Basis 함수는 하나의 은닉층(hidden layer)을 갖고 있으며, 전방향(feed-forward)학습을 한다는 특징이 있다. 본 논문에서 제안한 단기 부하 예측모형은 학습을 하기 위하여 시간대별 부하량을 클러스터링 하고, 이 클러스터의 중심값을 Radial Basis 함수의 은닉층으로 하여 학습을 한 다음 예측하고자 하는 패턴을 한 단위로 하여 시단대별로 예측하였다. 기존의 연구에서의 클러스터링 방법으로는 통계학의 K-Means 방법이나 Kohonen의 LVQ(Learning Vector Quantization)을 주로 이용하였으나 본 논문에서는 패턴의 분류에 있어서 다른 알고리즘보다 편차가 작은 Pal, et. al.의 GLVQ(Generalized LVQ) 알고리즘을 이용하였다. 본 논문에서 이용한 데이타는 1995년 3월 1일-3일, 6월 1일-3일, 7월 1일-3일, 9월 1일-3일, 11월 1일-3일의 72시간 데이타를 입력하여 월별 4일의 24시간의 예측시간으로 예측하였다. 실험결과 월별 1일과 3일까지의 학습데이타로 1시간 후의 부하량을 24시간동안 예측한 결과 1.3795%의 평균 오차율로 예측하였다.