• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권5호
• /
• pp.277-282
• /
• 2003

In this paper we propose Using Higher Order Neuron on the Supervised Learning Machine of the Kohonen Feature Map. The architecture of proposed model adopts the higher order neuron in the input layer of Kohonen Feature Map as a Supervised Learning Machine. It is able to estimate boundary on input pattern space because or the higher order neuron. However, it suffers from a problem that the number of neuron weight increases because of the higher order neuron in the input layer. In this time, we solved this problem by placing the second order neuron among the higher order neuron. The feature of the higher order neuron can be mapped similar inputs on the Kohonen Feature Map. It also is the network with topological mapping. We have simulated the proposed model in respect of the recognition rate by XOR problem, discrimination of 20 alphabet patterns, Mirror Symmetry problem, and numerical letters Pattern Problem.

• 조명전기설비학회논문지
• /
• 제12권3호
• /
• pp.74-82
• /
• 1998

본 연구에서는 초음파 센서에 의해 물체정보를 획득하고 불변모멘트 백터를 이용하여 이동 및 회전에 불변하는 물체특정점올 추출한다. 그리고 이를 SQFM(냉f요R없비1핑 Feature Map) 신경회로망의 입력데이터로 사용하여 물체의 이동 및 회전에 무관한 물체인식 시스템을 제안하였다. 또한 SOFM 신경회로망의 출력 neuron space 크기 및 반복학습회수와 물체인식률과의 관계를 실험하였다. 출력 neuron space와 반복학습회수를 각각 $4\times4~10\times10$까지, 10~50회까지 변화시쳐 물체인식올 실험한 결과 물체인식률은 동일한 값인 92.3[% 를 나타내었다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.496-496
• /
• 2000

We propose a neuron computer for tracking motion of particles in multi-dimensional space. The neuron computer is constructed of neural networks and their connections, which is a simplified model of the brain. The neuron computer is assemblage of neural networks, it includes a control unit, and the actions of the unit are represented by instructions. We designed a neuron computer to recognize and predict motion of particles. The recognition unit is constructed of neuron-array, encoder, and control part. The neuron-array is a model of the retina, and particles crease an image on the array, where the image is binary. The encoder picks one particle from the array, and translates the particle's location to Cartesian coordinates, which is scaled in [0, 1] intervals. Next, the encoder picks another particle, and does same process. The ordering and reduction of complex processes are executed by instructions. The instructions are held in the control part. The prediction unit is constructed of a multi-layer neural network and a feedback loop, where real time learning is executed. The particles' future locations are forecasted by coordinate values. The neuron computer can chase maximum 100 particles that take evasions.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1993년도 Fifth International Fuzzy Systems Association World Congress 93
• /
• pp.1017-1020
• /
• 1993

This paper describes a neo fuzzy neuron which was produced by a fusion of fuzzy logic and neuroscience. Some learning algorithms are presented. The guarantee for the global minimum on the error-weight space is proved by a reduction to absurdity. Enhanced is that the learning speed of the neo fuzzy neuron exceeds 100,000 times of that of conventional multi-layer neural networks.

• 전기전자학회논문지
• /
• 제4권2호
• /
• pp.192-201
• /
• 2000

이 논문은 연속형 Hopfield 신경회로망에서 뉴론의 입력단에 연결하는 컨덕턴스가 시스템의 안정도에 미치는 영향에 대해 논의 하고자 한다. 이 컨덕턴스는 뉴론의 입력단과 ground사이에 캐패시터와 병렬로 연결되어 있는 데, 시스템의 안정도에 영향을 미치는 것으로 알려져 있으나, 이 것에 대해 알려진 것이 별로 없어, 여기서 그 것에 자세히 논의 한다. 그리고 또한 이 컨덕턴스를 조절하여 시스템의 안정도와 더불어 시스템의 performance를 개선하는 방법에 대해 다룬다.

• 한국지능시스템학회논문지
• /
• 제23권6호
• /
• pp.565-570
• /
• 2013

영장류 대뇌 피질 영역 중 거울 뉴런들이 분포한 것으로 추정되는 몇몇 영역은 목적성 행위에 대한 시각 정보를 기반으로 모방학습을 수행함으로써 관측 행동의 의도 인식 기능을 담당한다고 알려졌다. 본 논문은 이러한 거울 뉴런 영역을 모델링 하여 인간-로봇 상호작용 시스템에 적용함으로써, 자동화 된 의도인식 시스템을 개발하고자 한다. 거울 뉴런 시스템 계산 모델은 동적 신경망을 기반으로 구축하였으며, 모델의 입력은 객체와 행위자 동작에 대한 연속된 특징 벡터 집합이고 모델의 모방학습 및 추론과정을 통해 관측자가 수행할 수 있는 움직임 정보를 출력한다. 이를 위해 제한된 실험 공간 내에서 특정 객체와 그에 대한 행위자의 목적성 행동, 즉 의도에 대한 시나리오를 전제로 키넥트 센서를 통해 모델 입력 데이터를 수집하고 가상 로봇 시뮬레이션 환경에서 대응하는 움직임 정보를 계산하여 동작을 수행하는 프레임워크를 개발하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 지능정보 및 응용 학술대회
• /
• pp.142-145
• /
• 2008

본 논문에서는 self-organizing map(SOM)과 grassfire 기법을 이용한 계산 효율적인 컬러 영상 분할 방법을 제안한다. SOM에서 출력 뉴런 수를 축소하고 학습에 사용하는 입력 데이터를 줄임으로써 실행 시간을 단축 시켰다. 입력 영상을 CIE $L^*u^*v^*$ 컬러 공간으로 변환하고 3개의 입력 뉴런과 $4{\times}4$ 또는 $3{\times}3$ 출력 뉴런 구조의 SOM을 이용해 학습한다. 학습 완료 후 입력 영상의 픽셀에 대응하는 출력 값을 구하고 grassfire 기법을 이용해 지역적으로 인접하고 출력 값이 동일한 픽셀들을 하나의 영역으로 결합한다. 다양한 영상을 이용한 실험을 통해 제안한 방법이 컬러 영상 분할에서 기존의 방법에 비해 좋은 결과를 얻을 수 있음을 확인하였다.

• 전기학회논문지
• /
• 제61권2호
• /
• pp.312-320
• /
• 2012

In this study, we introduce a new design methodology of a granular-oriented self-organizing polynomial neural networks (GoSOPNNs) that is based on multi-layer perceptron with Context-based Polynomial Neurons (CPNs) or Polynomial Neurons (PNs). In contrast to the typical architectures encountered in polynomial neural networks (PNN), our main objective is to develop a methodological design strategy of GoSOPNNs as follows : (a) The 1st layer of the proposed network consists of Context-based Polynomial Neuron (CPN). In here, CPN is fully reflective of the structure encountered in numeric data which are granulated with the aid of Context-based Fuzzy C-Means (C-FCM) clustering method. The context-based clustering supporting the design of information granules is completed in the space of the input data while the build of the clusters is guided by a collection of some predefined fuzzy sets (so-called contexts) defined in the output space. (b) The proposed design procedure being applied at each layer of GoSOPNN leads to the selection of preferred nodes of the network (CPNs or PNs) whose local characteristics (such as the number of contexts, the number of clusters, a collection of the specific subset of input variables, and the order of the polynomial) can be easily adjusted. These options contribute to the flexibility as well as simplicity and compactness of the resulting architecture of the network. For the evaluation of performance of the proposed GoSOPNN network, we describe a detailed characteristic of the proposed model using a well-known learning machine data(Automobile Miles Per Gallon Data, Boston Housing Data, Medical Image System Data).

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1510-1515
• /
• 2005

This paper is concerned with a Logic-based Fuzzy Neural Networks (LFNN) with the aid of fuzzy granulation. As the underlying design tool guiding the development of the proposed LFNN, we concentrate on the context-based fuzzy clustering which builds information granules in the form of linguistic contexts as well as OR fuzzy neuron which is logic-driven processing unit realizing the composition operations of T-norm and S-norm. The design process comprises several main phases such as (a) defining context fuzzy sets in the output space, (b) completing context-based fuzzy clustering in each context, (c) aggregating OR fuzzy neuron into linguistic models, and (c) optimizing connections linking information granules and fuzzy neurons in the input and output spaces. The experimental examples are tested through two-dimensional nonlinear function. The obtained results reveal that the proposed model yields better performance in comparison with conventional linguistic model and other approaches.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2002년도 춘계학술대회 논문집
• /
• pp.367-371
• /
• 2002

I construct a chaotically driven contraction system having some analogy with the information transfer mechanism in the brain system especially from CA1 cell to CA3 cell known from the empirical result. And I consider the properties of the response system on a state space according to the external input into the drive neuron by observing the fractal hierarchical structure. Then I induce the relation between the information about state transition of the chaotic time series and the spatial information on a fractal attractor to confirm the possibility of encoding of time series data to spatial information.