• International Journal of Fuzzy Logic and Intelligent Systems
• /
• v.4 no.2
• /
• pp.211-216
• /
• 2004

Fuzzy neural networks have been successfully applied to analyze/generate predictive rules for medical or diagnostic data. However, most approaches proposed so far have not considered the weights for the membership functions much. This paper presents a neural network with weighted fuzzy membership functions. In our approach, the membership functions can capture the concentrated and essential information that affects the classification of the input patterns. To verify the performance of the proposed model, well-known Iris data set is performed. According to the results, the weighted membership functions enhance the prediction accuracy. The architecture of the proposed neural network with weighted fuzzy membership functions and the details of experimental results for the data set is discussed in this paper.

• Proceedings of the KOSOMBE Conference
• /
• v.1997 no.11
• /
• pp.319-322
• /
• 1997

This paper presents a CAD (Computer-Aided Diagnosis) system or detection of breast cancer, which is composed of personal computer, X-ray film scanner, high resolution display and application softwares. There are three major algorithms implemented in the application software. The irst algorithm is the adaptive enhancement of the digitized X-ray mammograms based on the first derivative and the local statistics. The second one is to detect the clustered microcalcifications by using the statistical texture analysis, and the third one is the classification of the clustered microcalcifications as malignant or benign by using the shape analysis. These algorithms were verified by real experiments.

• Journal of the Korean Society for Precision Engineering
• /
• v.20 no.4
• /
• pp.118-127
• /
• 2003

An effective tool management system is one of the keys to maximizing the benefits of a computer integrated manufacturing (CIM). Tool management systems, however, are often tailored to the requirement of a highly automated system. Therefore, a different approach is needed for small and medium sized mold shops. This work deals with the implementation of tool management system for milling operations in small and medium sized CIM environment of injection mold production. In this paper, a distributed management approach is proposed for efficient tool management in relatively small machining shops in mold industry. And the design and the functions of the developed system are described.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 2002.10a
• /
• pp.345-350
• /
• 2002

In this study, researchers classifying the artificial flaws in semiconductor packages are performed by pattern recognition technology. For this purposes, image pattern recognition package including the user made software was developed and total procedure including ultrasonic image acquisition, equalization filtration, binary process, edge detection and classifier design is treated by Backpropagation Neural Network. Specially, it is compared with various weights of Backpropagation Neural Network and it is compared with threshold level of edge detection in preprocessing method fur entrance into Multi-Layer Perceptron(Backpropagation Neural network). Also, the pattern recognition techniques is applied to the classification problem of defects in semiconductor packages as normal, crack, delamination. According to this results, it is possible to acquire the recognition rate of 100% for Backpropagation Neural Network.

• Proceedings of the KSRS Conference
• /
• 1998.09a
• /
• pp.103-109
• /
• 1998

A technique on atmospheric correction algorithm for a single band (0.76-0.90 $\mu$m) reflective of Landsat TM imagery has been developed using a radiation transfer model simulation. It proceeds in two steps: First, calculation of the surface reflectance of each pixel based on precomputed planetary albedo functions for actual atmospheres(e. g. radiosonde) and two kinds of atmospheric visibility states. Second, approximate correction of the adjacency pixel effect by taking into account the average reflectance in an 7 $\times$ 7 pixel neighbourhood and using appropriate land cover classification in reflectance. The correction functions are provided by MODTRAN model.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.478-480
• /
• 2005

임베디드 시스템에서 임베디드 소프트웨어의 비중이 크게 확대됨에 따라 소프트웨어 재사용 자산에 대한 가치는 현저하게 증가하고 있다. 그러나 환경적 변화에 따른 유사한 특성을 지닌 임베디드 소프트웨어에 대한 반복적인 수요가 증가함에도 불구하고, 현재에는 임베디드 소프트웨어의 자산화를 위한 구체적인 지칭 제공이 전무하여 임베디드 소프트웨어를 단지 개발 과정에서 우연히 발생되는 임시방편적인 산출물로 인식하고 있어 조직 내 임베디드 소프트웨어의 생산은 항상 비용 소모적인 오류를 만들어 내고 있다. 따라서 본 논문에서는 하드웨어에 의존적이며 외부 환경과 다양하게 상호협력 해야만 하는 임베디드 소프트웨어 자산들의 생성과 황용을 위해 문서화 관점에서 재사용 자산을 정의하고 분류하여 이들간의 상호 관계를 명확히 기술함으로써 임베디드 소프트웨어 재사용을 위한 표준 지칭을 제공하고자 한다.

• Journal of Internet Computing and Services
• /
• v.19 no.4
• /
• pp.35-44
• /
• 2018

Monitoring through Synthesis Aperture Radar (SAR) is responsible for marine safety from floating icebergs. However, there are limits to distinguishing between icebergs and ships in SAR images. Convolutional Neural Network (CNN) is used to distinguish the iceberg from the ship. The goal of this paper is to increase the accuracy of identifying icebergs from SAR images. The metrics for performance evaluation uses the log loss. The two-layer CNN model proposed in research of C.Bentes et al.[1] is used as a benchmark model and compared with the four-layer CNN model using data augmentation. Finally, the performance of the final CNN model using the VGG-16 pre-trained model is compared with the previous model. This paper shows how to improve the benchmark model and propose the final CNN model.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.37-38
• /
• 2018

최근 인터넷 기술의 발달로 다수의 센서 노드로 구성된 Wireless Sensor Network (WSN) 환경이 증가하고 있으며, 이에 따라 무선으로 연결된 수많은 노드에 의해 생성되는 데이터의 양이 방대해지고 있지만, 데이터의 특성 및 패턴이 불규칙하여 기존 정적 분류 기법으로는 한계가 있다. 따라서 본 논문에서는 이러한 WSN 환경에서 생성되는 방대한 양의 데이터를 효율적으로 처리하기 위해 기계학습을 이용한 데이터 마이닝(Data mining) 기법에 대해 서술한다. 데이터 마이닝이란 데이터의 패턴 및 데이터 간의 관계를 이용하여 의사결정에 필요한 정보를 추출하는 것으로 다양한 기계 학습 알고리즘이 존재한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.41-42
• /
• 2018

특징 선택이란, 기계학습에서 분류 정확도를 향상시키기 위해서 많은 특징들을 분석해 가장 좋은 성능을 나타낼 수 있게끔 특징의 부분집합을 찾아내는 방법이다. 특징 선택 연구는 수십만개의 변수가 있는 데이터 세트를 이용하는 응용분야에서 주로 연구된다. 이러한 응용 분야는 주로 텍스트 처리, 유전자 배열 분석과 같은 고차원 데이터를 분석하는 분야이다. 또한, IoT 환경은 많은 데이터를 처리하기 때문에, 데이터 분류나 데이터의 가공을 위해서는 특징 선택 기법이 필수적이다. 본 논문에서는 특징 선택 기법에 대해 설명하고, IoT 환경에서 특징 선택 기법을 제안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.139-140
• /
• 2018

본 논문에서는 지도 기계 학습 알고리즘 중 하나인 Naive Bayesian (NB) 알고리즘의 데이터 분류 정확도를 향상시키기 위하여 데이터 속성에 Weight를 부여하는 새로운 기법을 제안하였다. 기존에 Decision Tree(DT) 알고리즘의 깊이를 이용하여 Weigth를 부여하는 방법이 제안되었으나, DT를 구축하는데 오버헤드가 크기 때문에 데이터의 실시간 분석이나 자원 제한적인 환경에서의 적용은 어렵다는 단점이 있다. 이를 해결하기 위하여 본 논문에서는 최소한의 데이터를 사용하여 신속하게 DT를 구축하는 Very Fast Decision Tree (VFDT) 알고리즘 기반의 Weight 부여 기법을 제안함으로써 적은 오버헤드로 NB의 정확도를 향상시킨다.