• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.448-449
• /
• 2022

이미지 업스케일링 분야에서 보간법을 이용하는 것보다 딥러닝을 이용한 방법이 우수한 결과를 보이고 있다. 그리고 홀로그램 업스케일링도 일반적인 보간법보다 딥러닝을 사용하는 것이 더 좋은 결과를 보이고 있다. 본 논문에서는 이에 대한 네트워크 구조 및 학습 결과를 분석한다. 동일한 가중치에서 네트워크의 깊이와 채널 수를 조절하여 학습한 결과를 비교한다.

• 한국지능시스템학회논문지
• /
• 제13권5호
• /
• pp.576-581
• /
• 2003

음성 속에는 화자의 특징이 포함되어 있다. 본 논문에서는 신경망에 기초한 Incremental Learning을 이용하여 화자 수에 제한 받지 않는 화자 인식 시스템을 제안한다. 컴퓨터를 통하여 녹음된 음성 신호는 End Detection과정을 통하여 유성음과 무성음을 분류하고 LPC를 이용해 12차수의 Cepstral Coefficients를 추출한다. 이 계수는 화자 식별을 위한 학습 입력값으로 사용 된다. Incremental Learning은 이미 학습한 Weight들을 기억하고 새로운 data에 대해서만 학습을 하는 학습 방법으로 Neural Network 구조가 화자 수에 따라 늘어나므로 화자 수에 제한을 받지 않고 학습이 가능하다.

• 한국군사과학기술학회지
• /
• 제24권3호
• /
• pp.281-292
• /
• 2021

With the development of deep learning technology, researchers and technicians keep attempting to apply deep learning in various industrial and academic fields, including the defense. Most of these attempts assume that the data are balanced. In reality, since lots of the data are imbalanced, the classifier is not properly built and the model's performance can be low. Therefore, this study proposes cost-sensitive learning as a solution to the imbalance data problem of image classification in the defense field. In the proposed model, cost-sensitive learning is a method of giving a high weight on the cost function of a minority class. The results of cost-sensitive based model shows the test F1-score is higher when cost-sensitive learning is applied than general learning's through 160 experiments using submarine/non-submarine dataset and warship/non-warship dataset. Furthermore, statistical tests are conducted and the results are shown significantly.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 ITC-CSCC -2
• /
• pp.1041-1044
• /
• 2000

The enhancement to the back-propagation algorithm presented in this paper has resulted from the need to extract sparsely connected networks from networks employing product terms. The enhancement works in conjunction with the back-propagation weight update process, so that the actions of weight zeroing and weight stimulation enhance each other. It is shown that the error measure, can also be interpreted as rate of weight change (as opposed to ${\Delta}W_{ij}$), and consequently used to determine when weights have reached a stable state. Weights judged to be stable are then compared to a zero weight threshold. Should they fall below this threshold, then the weight in question is zeroed. Simulation of such a system is shown to return improved learning rates and reduce network connection requirements, with respect to the optimal network solution, trained using the normal back-propagation algorithm for Multi-Layer Perceptron (MLP), Higher Order Neural Network (HONN) and Sigma-Pi networks.

• 생물환경조절학회지
• /
• 제29권4호
• /
• pp.381-387
• /
• 2020

작물의 생체중을 추정하기 위해 다양한 연구가 시도되었지만, 이미지를 활용하여 생체중을 추정한 예는 없었다. 최근 합성곱 신경망을 사용한 이미지 처리 연구가 늘고 있으며, 합성곱 신경망은 미가공 데이터를 그대로 사용할 수 있다. 본 연구에서는 합성곱 신경망을 이용하여 미가공 데이터 상태인 특정 시점의 파프리카 이미지를 입력으로 작물의 생체중을 추정하도록 학습하였다. 실험은 파프리카(Capsicum annuum L.)를 재배하는 온실에서 수행하였다. 합성곱 신경망의 출력값인 생체중은 파괴조사를 통해 수집한 데이터를 기반으로 회귀 분석하였다. 학습된 합성곱 신경망의 결정 계수(R²)의 최고값은 0.95로 나타났다. 생체중 추정값은 실제 측정값과 매우 유사한 경향성을 보여주었다.

• The Journal of the Acoustical Society of Korea
• /
• 제13권1E호
• /
• pp.25-36
• /
• 1994

본 논문에서는 외부로부터 제공되는 학습데이타에 신경회로망의 자기적응화(self-adaptation)를 이룩하기 위한 접근론이 기술된다. 이러한 문제점은 신경회로망의 학습이론, 즉 현재의 학습 데이터에 적절한 신경회로망이 가중치 벡터들(weight vectors)의 개선 방법론에 기인된다. 이들에 관련된 문제점들의 이론적 검토와 아울러 신경회로망의 학습에 대한 근본적인 요소들이 재조명된다. 현재 가장 널리 이용되고 있는 후방 전달(back-propagation) 학습법과 비교함으로써, 본 연구에서 제안된 자기적응 학습법의 유용성과 우위성을 컴퓨터 모의시험 결과로 입증하게 된다.

• 한국컴퓨터정보학회논문지
• /
• 제11권2호
• /
• pp.153-158
• /
• 2006

인터넷을 통한 문제풀이와 학습의 효과는 나날이 늘어가고 있는 추세이다. 본 논문에서는 자격증에 대한 정보와 필기 및 실기평가 문제가 데이터베이스화되어 있어 쉽게 접근할 수 있는 능동적인 학습 방법을 제시한다. 먼저, 가중치에 의한 사용자 프로파일의 정보를 이용하여 사용자의 특성에 맞는 문제를 필터링하여 제공함으로써 개별 평가가 가능하고 학습의 동기를 증진시키고 성취감을 느끼게 해준다. 그리고 자격증취득에 대한 지도와 관리를 통해 자격증 취득률을 향상시키고 진로에 대한 적극적인 관심과 인식을 새롭게 할 것이다. 본 논문의 방법을 이용한 경우 자격증 취득 시험 성적이 10점정도 상승한 것으로 나타났다.

• 전자공학회논문지CI
• /
• 제40권1호
• /
• pp.10-18
• /
• 2003

본 논문에서는 ADALINE의 학습을 위한 알고리즘을 제안하였다. 제안한 알고리즘은 직접 퍼지 논리 시스템을 이용하여 ADALINE의 연결강도를 조정하는 방식으로 퍼지 논리 시스템의 입력은 오차와 오차의 변화분이고, 출력은 연결강도 변화분이며, 각각의 연결강도는 스케일링 팩터만 다르게 하여 사용하였다. 제안한 알고리즘의 유용성을 확인하기 위하여 노이즈 제거와 인버티드 펜들럼 제어에 대하여 시뮬레이션과 실험을 수행하였다. Widrow-Hoff의 델타 규칙과 비교하였을 때 제안한 방식은 학습율을 선택할 필요도 없고, 성능이 우수함을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권1호
• /
• pp.305-326
• /
• 2019

Discriminative correlation filter (DCF) based tracking algorithms have recently shown impressive performance on benchmark datasets. However, amount of recent researches are vulnerable to heavy occlusions, irregular deformations and so on. In this paper, we intend to solve these problems and handle the contradiction between accuracy and real-time in the framework of tracking-by-detection. Firstly, we propose an innovative strategy to combine the template and color-based models instead of a simple linear superposition and rely on the strengths of both to promote the accuracy. Secondly, to enhance the discriminative power of the learned template model, the spatial regularization is introduced in the learning stage to penalize the objective boundary information corresponding to features in the background. Thirdly, we utilize a discriminative multi-scale estimate method to solve the problem of scale variations. Finally, we research strategies to limit the computational complexity of our tracker. Abundant experiments demonstrate that our tracker performs superiorly against several advanced algorithms on both the OTB2013 and OTB2015 datasets while maintaining the high frame rates.

• 한국군사과학기술학회지
• /
• 제24권1호
• /
• pp.61-69
• /
• 2021

Recently, autonomous navigation technology is actively being developed due to the increasing demand of an unmanned surface vehicle(USV). Local planning is essential for the USV to safely reach its destination along paths. the dynamic window approach(DWA) algorithm is a well-known navigation scheme as a local path planning. However, the existing DWA algorithm does not consider path line tracking, and the fixed weight coefficient of the evaluation function, which is a core part, cannot provide flexible path planning for all situations. Therefore, in this paper, we propose a new DWA algorithm that can follow path lines in all situations. Fixed weight coefficients were trained using reinforcement learning(RL) which has been actively studied recently. We implemented the simulation and compared the existing DWA algorithm with the DWA algorithm proposed in this paper. As a result, we confirmed the effectiveness of the proposed algorithm.