• International Journal of Computer Science & Network Security
• /
• 제24권2호
• /
• pp.158-168
• /
• 2024

There is hardly any person in modern times who has not taken soft drinks instead of drinking water. The rate of people taking soft drinks being surprisingly high, researchers around the world have cautioned from time to time that these drinks lead to weight gain, raise the risk of non-communicable diseases and so on. Therefore, in this work an image-based tool is developed to monitor the nutritional information of soft drinks by using deep convolutional neural network with transfer learning. At first, visual saliency, mean shift segmentation, thresholding and noise reduction technique, collectively known as 'pre-processing' are adopted to extract the location of drinks region. After removing backgrounds and segment out only the desired area from image, we impose Discrete Wavelength Transform (DWT) based resolution enhancement technique is applied to improve the quality of image. After that, transfer learning model is employed for the classification of drinks. Finally, nutrition value of each drink is estimated using Bag-of-Feature (BoF) based classification and Euclidean distance-based ratio calculation technique. To achieve this, a dataset is built with ten most consumed soft drinks in Bangladesh. These images were collected from imageNet dataset as well as internet and proposed method confirms that it has the ability to detect and recognize different types of drinks with an accuracy of 98.51%.

• 조명전기설비학회논문지
• /
• 제14권3호
• /
• pp.68-76
• /
• 2000

로켓이나 2족 보행 로봇(Biped Robots)의 자세 제어에 응용되는 도립진자 시스템(Inverted Penduhum System)은 대표적 비선행 시스템으로 수학적 모델링이 대단히 어려우며, 모델링올 하였다 하더라도 복잡한 구조가 된다. 이의 해결을 위한 고전적인 제어 기법으로 1970년대 이후부터는, 신경회로망과 퍼지, 카오스, 유전 알고리증을 이용한 제어 기법들이 도립진자의 안정화 제어에 적용되어져고 있으며, 최근 신경회로망의 자동설계 기법들과 유전 또는 전화 알고리즘올 이용한 신경회로망의 구축 기법인 종래의 진화형 선정회로 제어기(ENNC : Evohing Neural Network Controller)가 시도되어지고 있다. 그러나 종래의 ENNC의 전화방식은 노드(뉴런)단위로 교배하며, 특히, 활성화 함수를 지닌 은닉층의 뉴런이 입력층의 뉴런으로 대체되는 경우, 입력층 뉴런과 출력층 뉴런 사이의 결합 가중치가 삭제되지 않는 등의 문제점이 지적될 수 있다. 따라서, 본 논문에서는 도립진자 시스템의 안정화 제어를 위하여 선택, 교배, 돌연변이의 진화 연산자에 의해 일시에 최적의 구조와 결합가중치로 진화시켜 가능 새로운 형태의 ENNC를 제안하고자 한디. 또한, 다양한 초기치에 적응된 최적 구조와 결합가중치를 갖는 새로운 형태의 ENNC를 시뮬레이션율 통하여 얻고, 이를 ADA-2310보드 및 80586 마이크로 프로세서로 실현하여, 도립진자 시스템의 안정화 제어에 적용함으로써 본 논운에서 제안한 ENNC의 우수성과 강인성을 입증하고자 한다.

• 한국지리정보학회지
• /
• 제5권2호
• /
• pp.16-24
• /
• 2002

원격탐사 응용분야 중 토지피복 분류를 통한 지구환경의 원격탐지기법은 환경 관리, 도시계획 및 지리정보시스템의 응용분야에 광범위하게 사용되고 있는 접근방식이다. 본 연구는 다목적 실용위성(Korea Multi-Purpose Satellite : KOMPSAT)의 전자광학카메라(electro-optical camera : EOC)를 통해 취득한 영상의 토지피복 정보를 추출하는 방안을 제시하였다. 사용영상은 다중 분광정보를 보유하고 있는 공간해상도 30m의 Landsat TM과 6.6m의 공간해상도와 단일밴드로 구성되어 있는 KOMPSAT EOC영상이며, 연구 대상지역은 청주시 미호천 수계이다. 영상합성은 IHS(intensity hue saturation), HPF(high pass filtering), CN(color normalization), 그리고 Wavelet 변환방식을 적용하여 결과를 비교하였다. 합성된 영상은 RBF-NN(radial basis function neural network)과 ANN(artificial neural network)법을 이용하여 피복분류를 실시하였으며, 이상의 과정을 통해 최적 결과를 도출하는 영상합성 및 분류기법을 제시하였다.

• 디지털융복합연구
• /
• 제17권2호
• /
• pp.163-170
• /
• 2019

과거 10년은 웹의 발달로 인한 데이터가 폭발적으로 생성되었다. 데이터마이닝에서는 대용량의 데이터에서 무의미한 데이터를 구분하고 가치 있는 데이터를 추출하는 단계가 중요한 부분을 차지한다. 본 연구는 감성분석을 위한 재표현 방법과 속성선택 방법을 적용한 오피니언 마이닝 모델을 제안한다. 본 연구에서 사용한 재표현 방법은 백 오즈 워즈(Bag-of-words)와 Word embedding to vector(Word2vec)이다. 속성선택(Feature selection) 방법은 상관관계 기반 속성선택(Correlation based feature selection), 정보획득 속성선택(Information gain)을 사용했다. 본 연구에서 사용한 분류기는 로지스틱 회귀분석(Logistic regression), 인공신경망(Neural network), 나이브 베이지안 네트워크(naive Bayesian network), 랜덤포레스트(Random forest), 랜덤서브스페이스(Random subspace), 스태킹(Stacking)이다. 실증분석 결과, electronics, kitchen 데이터 셋에서는 백 오즈 워즈의 정보획득 속성선택의 로지스틱 회귀분석과 스태킹이 높은 성능을 나타냄을 확인했다. laptop, restaurant 데이터 셋은 Word2vec의 정보획득 속성선택을 적용한 랜덤포레스트가 가장 높은 성능을 나타내는 조합이라는 것을 확인했다. 다음과 같은 결과는 오피니언 마이닝 모델 구축에 있어서 모델의 성능을 향상시킬 수 있음을 나타낸다.

• 방송공학회논문지
• /
• 제26권6호
• /
• pp.758-765
• /
• 2021

최근 딥러닝 기술을 비디오 부호화에 적용하는 다양한 연구가 진행되고 있다. 본 논문은 차세대 비디오 코덱인 VVC(Versatile Video Coding)에 채택된 신경망 기반의 기술인 MIP(Matrix-based Intra Prediction)를 확장한 완전연결계층(Fully Connected Layer) 기반의 다중 모델을 이용하는 화면내 예측 부호화 기법을 제시한다. 또한 다중 화면내 예측 모델을 위한 효율적인 학습기법을 제안한다. HEVC(High Efficiency Video Coding)에서의 성능검증을 위해 VVC의 MIP와 제안하는 완전연결계층 기반 다중 화면내 예측 모델을 HEVC의 참조 소프트웨어인 HM16.19에 추가적인 화면내 예측모드로 구현하였다. 실험결과 제안하는 방법이 HM16.19와 VVC MIP 대비 각각 0.47%과 0.19% BD-rate 성능향상이 있음을 확인하였다.

• International Journal of Computer Science & Network Security
• /
• 제23권11호
• /
• pp.183-189
• /
• 2023

A stroke is a medical disease where a blood vessel in the brain ruptures, causes damage to the brain. If the flow of blood and different nutrients to the brain is intermittent, symptoms may occur. Stroke is other reason for loss of life and widespread disorder. The prevalence of stroke is high in growing countries, with ischemic stroke being the high usual category. Many of the forewarning signs of stroke can be recognized the seriousness of a stroke can be reduced. Most of the earlier stroke detections and prediction models uses image examination tools like CT (Computed Tomography) scan or MRI (Magnetic Resonance Imaging) which are costly and difficult to use for actual-time recognition. Machine learning (ML) is a part of artificial intelligence (AI) that makes software applications to gain the exact accuracy to predict the end results not having to be directly involved to get the work done. In recent times ML algorithms have gained lot of attention due to their accurate results in medical fields. Hence in this work, Stroke disease identification system by using Machine Learning algorithm is presented. The ML algorithm used in this work is Artificial Neural Network (ANN). The result analysis of presented ML algorithm is compared with different ML algorithms. The performance of the presented approach is compared to find the better algorithm for stroke identification.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.2123-2125
• /
• 2001

In thermal power plant, the efficiency of a combined power plant with a gas turbine increases, exceeding 50%, while the efficiency of traditional steam turbine plants is approximately 35% to 40%. Up to the present time, the PID controller has been used to operate this system. However, it is very difficult to achieve an optimal PID gain without any experience, since the gain of the PID controller has to be manually tuned by trial and error procedures. This paper focuses on the neural network tuning of the 2-DOF PID controller with a separated 2-DOF parameter (NN-Tuning 2-DOF PID controller), for optimal control of the Gun-san gas turbine generating plant in Seoul. Korea. In order to attain optimal control, transfer function and operating data from start-up, running, and stop procedures of the Gun-san gas turbine have been acquired, and a designed controller has been applied to this system. The results of the NN-Tuning 2-DOF PID are compared with the PID controller and the conventional 2-DOF PID controller tuned by the Ziegler-Nichols method through experimentation. The experimental results of the NN-Tuning 2-DOF PID controller represent a more satisfactory response than those of the previously-mentioned two controller.

• 제어로봇시스템학회논문지
• /
• 제14권10호
• /
• pp.1014-1021
• /
• 2008

This paper proposes an intelligent sliding mode control method for robotic systems with the unknown bound of model uncertainties. In our control structure, the unknown bound of model uncertainties is used as the gain of the sliding controller. Then, we employ the function approximation technique to estimate the unknown nonlinear function including the width of boundary layer and the uncertainty bound of robotic systems. The adaptation laws for all parameters of the self-recurrent wavelet neural network and those for the reconstruction error compensator are derived from the Lyapunov stability theorem, which are used for an on-line control of robotic systems with model uncertainties and external disturbances. Accordingly, the proposed method can not only overcome the chattering phenomenon in the control effort but also have the robustness regardless of model uncertainties and external disturbances. Finally, simulation results for the five-link biped robot are included to illustrate the effectiveness of the proposed method.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 추계학술대회
• /
• pp.180-181
• /
• 2019

This paper proposes a rate control algorithm for intra coding frame in HEVC encoder using a deep learning approach. The proposed algorithm is designed for CTU level bit allocation in intra frame by considering visual features spatially and temporally. Our features are generated using visual geometry group (VGG-16) with deep convolutional layers, then it is used for bit allocation per each CTU within an intra frame. According to our experiments, the proposed algorithm can achieve -2.04% Luma component BD-rate gain with minimal bit accuracy loss against the HM-16.20 rate control model.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.369-372
• /
• 2016

본 논문에서는 고효율 비디오 부호화에서 채택하고 있는 인-루프 필터 중 SAO (sample adaptive offset)를 컨볼루션 신경망으로 대체하여 부호화 효율을 향상시키는 방법을 제안한다. SAO 는 양자화 에러를 줄이기 위해 인코더에서 디코더로 적절한 오프셋 값을 전송한다. 제안하는 컨볼루션 신경망을 사용한 인-루프 필터는 인코더와 디코더가 같은 컨볼루션 신경망을 사용하여, 추가적인 비트를 디코더로 전송할 필요 없이 양자화 에러를 줄일 수 있다. 컨볼루션 신경망의 구조는 두 가지를 각각 사용하였고, 각 컨볼루션 신경망의 구조에 대해서 입력 영상과 원래 영상의 평균제곱오차에 따라 다른 모델을 적용하였다. 따라서 제안하는 방법을 HEVC에 적용하여 기존의 방법보다 더 적은 bit 로 더 좋은 화질의 영상을 얻어서 BD-rate 의 gain 을 얻을 수 있을 뿐만 아니라, 주관적인 화질의 비교에서도 더 좋은 결과를 보인다.