• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권11호
• /
• pp.5496-5521
• /
• 2018

Object detection and tracking is the basic capability of mobile robots to achieve natural human-robot interaction. In this paper, an object tracking system of mobile robot is designed and validated using improved multiple instance learning algorithm. The improved multiple instance learning algorithm which prevents model drift significantly. Secondly, in order to improve the capability of classifiers, an active sample selection strategy is proposed by optimizing a bag Fisher information function instead of the bag likelihood function, which dynamically chooses most discriminative samples for classifier training. Furthermore, we integrate the co-training criterion into algorithm to update the appearance model accurately and avoid error accumulation. Finally, we evaluate our system on challenging sequences and an indoor environment in a laboratory. And the experiment results demonstrate that the proposed methods can stably and robustly track moving object.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.816-821
• /
• 2018

최근 감정 분석 및 질병 진단을 위한 뇌파 연구 분야에서 인공 신경망을 기반으로 한 기계학습 알고리즘이 분류기로 널리 사용되기 시작했다. 뇌파 데이터 분류를 위해 기계학습 모델을 사용하는 경우 유사한 특성을 가지는 데이터만으로 학습데이터가 구성되면 다른 그룹의 데이터에 적용했을 때 분류 성능이 떨어질 수 있다. 본 논문에서는 이러한 문제점을 개선하기 위해 준 지도학습 알고리즘을 사용해 여러 그룹의 데이터를 선택하여 학습데이터 세트를 구성하는 방법을 제안한다. 이후 제안하는 방법을 사용하여 구성한 학습데이터 세트와 유사한 특성을 가지는 데이터로 구성된 학습데이터 세트로 모델을 학습하여 두 모델의 성능을 비교하였다.

• 전자공학회논문지B
• /
• 제33B권4호
• /
• pp.201-208
• /
• 1996

This paper proposes an efficient method for improving the training performance of the neural network using a hybrid of backpropagation algorithm and dynamic tunneling system.The backpropagation algorithm, which is the fast gradient descent method, is applied for high-speed optimization. The dynamic tunneling system, which is the deterministic method iwth a tunneling phenomenone, is applied for blobal optimization. Converging to the local minima by using the backpropagation algorithm, the approximate initial point for escaping the local minima is estimated by the pattern classification, and the simulation results show that the performance of proposed method is superior th that of backpropagation algorithm with randomized initial point settings.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 2004년도 추계학술발표대회논문집 제23권 2호
• /
• pp.527-530
• /
• 2004

We present a recursive total least squares (RTLS) algorithm for multilayer feedforward neural networks. So far, recursive least squares (RLS) has been successfully applied to training multilayer feedforward neural networks. But, when input data contain additive noise, the results from RLS could be biased. Such biased results can be avoided by using the recursive total least squares (RTLS) algorithm. The RTLS algorithm described in this paper gives better performance than RLS algorithm over a wide range of SNRs and involves approximately the same computational complexity of $O(N^{2})$.

• 제어로봇시스템학회논문지
• /
• 제2권1호
• /
• pp.21-25
• /
• 1996

In this paper we suggest a general purpose RNN training algorithm which is derived on the optimal control concepts and variational methods. First, learning is regared as an optimal control problem, then using the variational methods we obtain optimal weights which are given by a two-point boundary-value problem. Finally, the modified gradient descent algorithm is applied to RNN for on-line training. This algorithm is intended to be used on learning complex dynamic mappings between time varing I/O data. It is useful for nonlinear control, identification, and signal processing application of RNN because its storage requirement is not high and on-line learning is possible. Simulation results for a nonlinear plant identification are illustrated.

• 에너지공학
• /
• 제6권1호
• /
• pp.68-76
• /
• 1997

본 논문에서는 단기 부하예측을 위하여 인공신경망 모형을 제안하였다. 본 논문에서 제안된 인공신경망의 학습알고리즘은 기존의 역전파 알고리즘 보다 효과적으로 학습수렴이 빠르며 모수결정과 초기가중치 값들에 대한 의존도가 낮은 동적 적응 학습알고리즘을 개발하여 단기 부하예측에 그 적용 가능성을 시험하였다.

• 한국경영과학회지
• /
• 제31권2호
• /
• pp.69-85
• /
• 2006

Transductive Support Vector Machine(TSVM) is one of semi-supervised learning algorithms which exploit the domain structure of the whole data by considering labeled and unlabeled data together. Although it was proposed several years ago, there has been no efficient algorithm which can handle problems with more than hundreds of training examples. In this paper, we propose an efficient branch-and-bound algorithm which can solve large-scale TSVM problems with thousands of training examples. The proposed algorithm uses two bounding techniques: min-cut bound and reduced SVM bound. The min-cut bound is derived from a capacitated graph whose cuts represent a lower bound to the optimal objective function value of the dual problem. The reduced SVM bound is obtained by constructing the SVM problem with only labeled data. Experimental results show that the accuracy rate of TSVM can be significantly improved by learning from the optimal solution of TSVM, rather than an approximated solution.

• Advances in materials Research
• /
• 제11권4호
• /
• pp.351-374
• /
• 2022

Softening function is the primary input for modeling the fracture of concrete when the cohesive crack approach is used. In this paper, based on the laboratory data on notched beams, an inverse algorithm is proposed that can accurately find the softening curve of the concrete. This algorithm uses non-linear finite element analysis and the damage-plasticity model. It is based on the kinematics of the beam at the late stages of loading. The softening curve, obtained from the corresponding algorithm, has been compared to other softening curves in the literature. It was observed that in determining the behavior of concrete, the usage of the presented curve made accurate results in predicting the peak loads and the load-deflection curves of the beams with different concrete mixtures. In fact, the proposed algorithm leads to softening curves that can be used for modeling the tensile cracking of concrete precisely. Moreover, the advantage of this algorithm is the low number of iterations for converging to an appropriate answer.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권3호
• /
• pp.83-90
• /
• 2020

프로토타입 선택은 훈련 데이터로부터 클래스 영역을 대표하는 최소 데이터를 선택하여 낮은 학습 시간 및 저장 공간을 보장하는 장점을 제공한다. 본 논문은 모든 분류 알고리즘에 적용할 수 있는 초월 사각형을 이용한 새로운 훈련 데이터의 생성 방법을 설계한다. 초월 사각형 영역은 서로 다른 클래스 데이터를 포함하지 않으며 클래스 공간을 분할한다. 선택된 초월 사각형 내 데이터의 중간값은 프로토타입이 되어 새로운 훈련 데이터를 구성하고, 초월 사각형의 크기는 클래스 영역의 데이터 분포를 반영하여 조절된다. 전체 훈련 데이터를 대표하는 최소의 프로토타입 집합 선택을 위해 집합 덮개 최적화 알고리즘을 설계했다. 제안하는 방법에서는 탐욕 알고리즘과 곱셈 연산을 포함하지 않은 거리 계산식을 이용하여 집합 덮개 최적화 알고리즘의 다항 시간을 요구하는 시간 복잡도 문제를 해결한다. 실험에서는 분류 성능의 비교를 위해 최근접 이웃 규칙과 의사 결정 트리 알고리즘을 이용하며 제안하는 방법이 초월 구를 이용한 프로토타입 선택 방법보다 우수하다.

• 전자공학회논문지
• /
• 제51권11호
• /
• pp.137-145
• /
• 2014

본 논문에서는 지능형 영상 감시시스템을 위한 LDA기반 원거리 얼굴인식 알고리즘을 제안한다. 기존 단일 거리 얼굴영상을 학습으로 사용한 얼굴인식 알고리즘은 원거리로 갈수록 얼굴인식률이 떨어지는 문제점이 있다. 실제 거리별 얼굴영상을 사용한 방법은 얼굴인식률은 향상되지만 사용자가 직접 움직이며 학습용 거리별 얼굴영상을 취득해야하는 문제점이 있다. 그러므로 본 논문에서는 단일 거리에서 취득한 얼굴영상을 이용해 거리별 얼굴영상을 자동으로 생성하여 학습으로 사용하는 방법을 제안한다. 제안하는 방법은 기존 얼굴인식 방법과 동일한 수준의 사용자 협조에서 거리별 사용자 등록영상을 생성할 수 있는 장점이 있다. 실험결과, 제안한 알고리즘은 기존 단일 거리 학습영상 기반 알고리즘에 비해 근거리에서 평균 16.3%, 원거리에서 평균 18.0% 향상된 얼굴인식 성능을 나타냈고, 실제 거리별 얼굴영상을 사용한 방법보다 근거리에서 평균 4.3%감소했지만, 원거리에서는 동일한 얼굴인식 성능을 나타냈다.