• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권2호
• /
• pp.102-106
• /
• 2003

This paper describes a new pattern classifier neural network to extract the feature from a letter. The proposed pattern classifier is based on relative distance, which is measure between an input datum and the center of cluster group. So, the proposed classifier neural network is called relative neural network(RNN). According to definitions of the distance and the learning rule, the structure of RNN is designed and the pseudo code of the algorithm is described. In feature extraction of letter, RNN, in spite of deletion of learning rate, resulted in the identical performance with those of winner-take-all(WTA), and self-organizing-map(SOM) neural network. Thus, it is shown that RNN is suitable to extract the feature of a letter.

• E2M - 전기 전자와 첨단 소재
• /
• 제11권11호
• /
• pp.1-8
• /
• 1998

This paper presents an arificial neuro-fuzzy technique based prtial discharge (PD) pattern classifier to power system application. This may require a complicated analysis method employ -ing an experts system due to very complex progressing discharge form under exter-nal stress. After referring briefly to the developments of artificical neural network based PD measurements, the paper outlines how the introduction of new emerging technology has resulted in the design of a number of PD diagnostic systems for practical applicaton of residual lifetime prediction. The appropriate PD data base structure and selection of learning data size of PD pattern based on fractal dimentsional and 3-D PD-normalization, extraction of relevant characteristic fea-ture of PD recognition are discussed. Some practical aspects encountered with unknown stress in the neuro-fuzzy techniques based real time PD recognition are also addressed.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.178-179
• /
• 2018

최근 자율주행 및 음성인식 등 인공지능 분야에서 기계학습을 이용한 방법이 활발히 연구되고 있다. 디지털 영상에서 특정 사물이나 영역을 인식하기 위해 고전적인 경계검출 및 패턴인식 등의 고전적인 영상처리 방법으로는 많은 한계를 가지고 있으나 deep-learning 등 기계학습 방법을 이용하면 사람의 인지수준에 근접한 결과를 얻을 수 있다. 하지만 기본적으로 deep-learning 등 기계학습은 방대한 양의 학습데이터가 확보되어야 한다. 따라서 환경 분석을 위한 항공사진처럼 데이터의 양이 매우 적은 경우 영역 구분을 위해 기계학습을 적용하기 어렵다. 본 연구에서는 입력영상의 dataset 크기가 적고 입력 영상의 형태가 training dataset의 category에 포함되지 않는 경우 사용할 수 있는 transfer-learning 기법을 적용하며 이를 이용하여 영상 내에서 특정 영역 검출을 수행한다.

• 한국멀티미디어학회논문지
• /
• 제6권7호
• /
• pp.1312-1320
• /
• 2003

본 논문에서는 하나의 은닉층을 가지는 다층 구조 신경망이 고려되었다. 다층 구조 신경망에서 널리 사용되는 오루 역전파 학습 방법은 초기 가중치와 불충분한 은닉층 노드 수로 인하여 지역 최소화에 빠질 가능성이 있다. 따라서 본 논문에서는 퍼지 단층 퍼셉트론에 ART1을 결합한 방법으로, 은닉층의 노드를 자가 생성(self-generation)하는 퍼지 지도 학습 알고리즘을 제안한다. 입력층에서 은닉층으로 노드를 생성시키는 방식은 ART1을 수정하여 사용하였고, 가중치 조정은 특정 패턴에 대한 저장 패턴을 수정하도록 하는 winner-take-all 방식을 적용하였다. 제안된 학습 방법의 성능을 평가하기 위하여 학생증 영상을 대상으로 실험한 결과. 기존의 오류 역전파 알고즘보다 연결 가중치들이 지역 최소화에 위치할 가능성이 줄었고 학습 속도 및 정체 현상이 개선되었다.

• 정보처리학회논문지A
• /
• 제13A권5호
• /
• pp.473-480
• /
• 2006

최근 웹을 기반으로 교수-학습이 이루어지는 원격 교육 시스템이 급격히 증가하고 있으며, 학습자 개개인의 수준이나 학습 패턴에 맞는 맞춤형 코스웨어에 대한 요구가 증가하고 있다. 그러나, 대부분의 원격 교육 시스템들이 학습자의 수준을 고려한 맞춤형 학습을 제공하지 못하기 때문에 학습자가 학습 도중에 흥미를 쉽게 잃는 경우가 많다. 따라서 최근에는 개개인의 학습 수준과 학습 패턴을 자동으로 분석하여 차별화 된 맞춤형 서비스를 제공하기 위한 많은 연구가 활발히 진행되고 있다. 본 논문에서는, 컴퓨터 활용을 학습하기 위한 목적으로, 교수/조교/학생/모니터 에이전트라는 4종류의 에이전트가 서로 협력하여 학습자에게 적합한 학습 내용을 제공하는 맞춤형 코스웨어를 설계 및 구현하였다.

• 인터넷정보학회논문지
• /
• 제4권5호
• /
• pp.69-76
• /
• 2003

본 논문에서는 패턴 분류를 위한 새로운 학습 알고리즘을 소개한다. 이 알고리즘은 학습 데이터 집합에 포함된 오류 때문에 네트워크 구조가 너무 복잡하게 되는 점증적 학습 알고리즘의 문제를 해결하기 위해 고안되었다. 이 문제를 위한 접근 방법으로 미리 정의된 판단기준을 가지고 학습 과정을 중단하는 전지 방법을 사용한다. 이 과정에서 적절한 처리과정에 의해 3층 전향구조를 가지는 반복적 모델이 점증적 모델로부터 유도된다 여기서 이 네트워크 구조가 위층과 아래층 사이에 완전연결이 아니라는 점을 주목한다. 전지 방법의 효율성을 확인하기 위해 이 네트워크는 EBP로 다시 학습한다. 이 결과로부터 제안된 알고리즘이 시스템 성능과 네트워크 구조를 이루는 노드의 수 면에서 효과적임을 발견할 수 있다.

• 한국의류학회지
• /
• 제44권2호
• /
• pp.369-383
• /
• 2020

This study proposes a method to effectively teaching technic for pattern development and virtual garment manufacturing by adopting the K-MOOC platform for the Apparel Pattern CAD curriculum. According to K-MOOC guidelines, Apparel Pattern CAD curriculum were developed and presented through the K-MOOC platform. A questionnaire survey was utilized to evaluate K-MOOC platform features in terms of learner satisfaction when adopting the 5-point Likert scale. Questionnaire survey participants included 52 college students. The result of the survey found that most of the attributes of the K-MOOC platform were highly rated in terms of interaction and learning effectiveness. The user interface of the K-MOOC platform were shown to be satisfactory in terms of usability. Participants gave a positive assessment of the benefits of online lectures when comparing online and offline lectures. In particular, the preference for online lectures in computer-related courses such as CAD was higher than the offline. It was concluded that the Apparel Pattern CAD curriculum based on the K-MOOC platform was effective and satisfactory for learners in various aspects.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.346-347
• /
• 2021

기계학습을 위한 패턴인식을 위해서는 학습데이터의 양이 많을수록 그 성능이 향상된다. 하지만 일상에서 검출해내야하는 패턴의 종류 및 정보가 항상 많은 양의 학습데이터를 확보할 수는 없다. 따라서 일반적인 기계학습을 위해 적은데이터셋을 의미있게 부풀릴 필요가 있다. 본 연구에서는 기계학습을 수행할 수 있도록 데이터를 증강시키는 기법에 관해 연구한다. 적은데이터셋을 이용하여 기계학습을 수행하는 대표적인 방법이 전이학습(transfer learning) 기법이다. 전이학습은 범용데이터셋으로 기본적인 학습을 수행한 후 목표데이터셋을 최종 단계에 대입함으로써 결과를 얻어내는 방법이다. 본 연구에서는 ImageNet과 같은 범용데이터셋으로 학습시킨 학습모델을 증강된 데이터를 이용하여 특징추출셋으로 사용하여 원하는 패턴에 대한 검출을 수행한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권2호
• /
• pp.120-128
• /
• 2010

하이퍼네트워크는 하이퍼그래프의 일반화된 모델로 학습과정에 있어 진화적 개념을 도입한 확률 그래프 기반의 기계학습 알고리즘으로서 최근 들어 여러 다양한 분야에 응용되고 있다. 그러나 하이퍼네트워크 모델은 데이터와 모델을 구성하는 하이퍼에지 간의 동등비교를 기반으로 하는 학습과정의 특성상 데이터를 구성하는 인자들이 범주형인 경우에만 학습 및 모델링이 가능하고 실수 값으로 표현된 데이터를 학습하기 위해서는 이산화 등의 전처리가 선행되어야 한다는 한계점이 있다. 하지만 데이터 전처리에 있어 이산화 하는 과정은 필연적으로 정보손실이 발생할 수밖에 없기 때문에 이는 분류 예측 모델의 성능 저하를 유발하는 원인이 될 수 있다. 이러한 기존 하이퍼네트워크 모델의 한계점을 극복하기 위해 본 연구에서는 별도의 데이터 전처리 과정을 거치지 않고 실수 인자로 구성된 데이터의 패턴 학습이 가능한 개선된 하이퍼네트워크 모델을 제안한다. 여러 실험 결과를 통해 제안한 하이퍼네트워크 모델은 기존 하이퍼네트워크 모델에 비해 실수형 데이터에 대한 학습 및 분류 결과 성능이 향상되었을 뿐 아니라, 다른 여러기계학습 방법들에 비해서도 경쟁력 있는 성능이 나타남을 확인하였다.

• Safety and Health at Work
• /
• 제10권1호
• /
• pp.67-74
• /
• 2019

Background: Few studies have examined the effects of a forward rotating shift pattern on police employee performance and well-being. This study sought to compare sleep duration, cognitive performance, and vigilance at the start and end of each shift within a three-shift, forward rotating shift pattern, common in United Kingdom police forces. Methods: Twenty-three police employee participants were recruited from North Yorkshire Police (mean age, 43 years). The participants were all working the same, 10-day, forward rotating shift pattern. No other exclusion criteria were stipulated. Sleep data were gathered using both actigraphy and self-reported methods; cognitive performance and vigilance were assessed using a customized test battery, comprising five tests: motor praxis task, visual object learning task, NBACK, digital symbol substitution task, and psychomotor vigilance test. Statistical comparisons were conducted, taking into account the shift type, shift number, and the start and end of each shift worked. Results: Sleep duration was found to be significantly reduced after night shifts. Results showed a significant main effect of shift type in the visual object learning task and NBACK task and also a significant main effect of start/end in the digital symbol substitution task, along with a number of significant interactions. Conclusion: The results of the tests indicated that learning and practice effects may have an effect on results of some of the tests. However, it is also possible that due to the fast rotating nature of the shift pattern, participants did not adjust to any particular shift; hence, their performance in the cognitive and vigilance tests did not suffer significantly as a result of this particular shift pattern.