http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
LIBS 분광기를 이용한 폐소형가전 플라스틱 패턴 분류기의 설계
박상범(Sang-Beom Park),배종수(Jong-Soo Bae),오성권(Sung-Kwun Oh),김현기(Hyun-Ki Kim) 한국지능시스템학회 2016 한국지능시스템학회논문지 Vol.26 No.6
선풍기, 오디오, 전기밥솥 등의 소형 산업가전제품들은 대부분 ABS, PP, PS 등의 재질로 이루어져 있다. 색깔이 있는 플라스틱은 근적외선(NIR) 분광기에 의해 분류가 가능하지만, 반면에 검은색 플라스틱은 빛을 흡수하는 특성으로 인해 분류하기가 어렵다. 그래서 본 연구에서는 LIBS(Laser Induced Breakdown Spectroscopy) 분광기를 통해 폐소형가전 플라스틱을 선별하는 RBFNNs(Radial Basis Function Neural Networks) 패턴 분류기를 소개한다. 전처리부분에는 차원축소 알고리즘 중 하나인 PCA(Principal Component Analysis)를 사용해 처리 속도를 향상시킬 뿐만 아니라 효과적인 데이터의 특성을 추출한다. 조건부에는 FCM(Fuzzy C-Means) 클러스터링을 사용한다. 결론부에는 다항식의 형태 중 하나인 1차 선형식을 연결가중치로서 사용한다. PSO와 5-fold cross validation은 성능의 신뢰도를 향상시키고, 분류율을 높이는데 사용된다. 제안된 분류기의 성능은 최적화한 것과 최적화하지 않은 것 두 가지의 관점에서 보여준다. Small industrial appliances such as fan, audio, electric rice cooker mostly consist of ABS, PP, PS materials. In colored plastics, it is possible to classify by near infrared(NIR) spectroscopy, while in black plastics, it is very difficult to classify black plastic because of the characteristic of black material that absorbs the light. So the RBFNNs pattern classifier is introduced for sorting electrical and electronic waste plastics through LIBS(Laser Induced Breakdown Spectroscopy) spectrometer. At the preprocessing part, PCA(Principle Component Analysis), as a kind of dimension reduction algorithms, is used to improve processing speed as well as to extract the effective data characteristics. In the condition part, FCM(Fuzzy C-Means) clustering is exploited. In the conclusion part, the coefficients of linear function of being polynomial type are used as connection weights. PSO and 5-fold cross validation are used to improve the reliability of performance as well as to enhance classification rate. The performance of the proposed classifier is described based on both optimization and no optimization.
오차 보상을 위한 보상기 기반 방사형 기저함수 신경회로망 분류기 설계
박상범(Sang-Beom Park),오성권(Sung-Kwun Oh) 한국지능시스템학회 2019 한국지능시스템학회논문지 Vol.29 No.3
본 연구에서는 효과적인 오차 보상을 위한 퍼지 보상기 기반 방사형 기저함수 신경회로망(RBFNN) 분류기를 설계한다. 오차는 실제 출력과 RBFNN 분류기에서 구한 출력의 차이를 의미하고 이는 보상기의 교사신호로 간주한다. 교사신호를 기반으로, 보상기는 최소자승법을 사용하여 연결가중치를 추정하고 보상기의 출력을 계산한다. 보상기는 퍼지집합기반 신경회로망(FsNN) 분류기를 사용하였다. RBFNN 분류기와 보상기의 연결가중치는 상수항(Constant)을 사용하여 학습하였다. 본 연구에서는 UCI repository에서 얻은 다양한 기계학습 데이터를 사용하여 보상기 기반 방사형 기저함수 신경회로망 분류기의 분류지수를 평가한다. 보상기 기반 RBFNN 분류기는 기존에 사용한 RBFNN 분류기에 비해 제안된 분류기와의 분류지수와 성능지수를 비교하는 관점에서 우수성을 보여준다. In this study, a radial basis function neural network(RBFNN) classifier designed with aid of a fuzzy compensator is introduced for the effective compensation of errors. The errors considered as the supervised signal to learn the compensator mean the difference between the real output and the output of the RBFNN classifier. Based on the supervised signal, the connection weights of the compensator are estimated by using least square estimation(LSE) and also used to calculate the output of the compensator. Fuzzy set-based neural network (FsNN) classifier is exploited as the compensator. In the case of both RBFNN classifier and the compensator, the constants are used as the connection weights. In this study, various benchmark datasets which are obtained from UCI repository are exploited to evaluate the classification index of the compensator-based RBFNN classifier. It is shown that the compensator-based RBFNN classifier is preferred when compared to the conventional RBFNN classifiers in terms of the classification index and performance index.
하이브리드 Fuzzy Transform을 이용한 흑색 플라스틱 분류기 설계
박상범(Sang-Beom Park),오성권(Sung-Kwun Oh) 한국지능시스템학회 2017 한국지능시스템학회논문지 Vol.27 No.5
본 연구에서는 각 재질에 따라 흑색 플라스틱을 선별하기 위한 패턴 분류기를 설계한다. Fuzzy Transform과 주성분 분석법을 결합한 Hybrid fuzzy transform을 전처리 알고리즘으로 사용한다. LIBS 분광기를 이용해 획득한 스펙트럼의 입력변수는 Fuzzy transform방법을 이용해 축소한다. Inverse fuzzy transform의 도움으로, Fuzzy transform으로 얻어진 스펙트럼은 노이즈가 줄어든 스펙트럼으로 재구성된다. 노이즈가 줄어든 스펙트럼은 주성분 분석법을 사용해 다시 입력변수를 축소시켜준다. 두 번 전처리된 스펙트럼은 FCM 클러스터링 기반 방사형 기저함수 신경회로망 분류기의 입력변수로 사용한다. 결론부의 연결가중치는 Linear, Modified quadratic을 사용한다. 그리고 퍼지추론법을 사용해 제안된 분류기의 분류율을 보여준다. 본 논문에서 제시한 전처리 방법의 우수성을 입증하기 위해 PCA, Fuzzy transform으로 축소된 입력 데이터를 기반으로 weka 3.8 데이터 마이닝 소프트웨어 사용하여 얻은 분류성능을 비교한다. In this study, pattern classifier is designed for sorting black plastics for each material. Hybrid fuzzy transform, which is combined by fuzzy transform and principal component analysis, is used as preprocessing algorithm. The input variables of spectra which are obtained using LIBS spectrometer are reduced through fuzzy transform method. With the aid of inverse fuzzy transform, spectra obtained by fuzzy transform are reconstructed to original spectrum with less noise. The input variables of spectra that reduced the noise are shrank again by means of principal component analysis. The input variables of spectra that were preprocessed two times are used as the input variables of FCM clustering-based radial basis function neural networks(RBFNNs) classifier. The connection weights of the conclusion part are used as linear and modified quadratic functions. And the classification rate of the proposed classifier is shown using fuzzy inference method. To prove the excellence of the preprocessing method which is suggested in this study, classification performance is compared by using weka 3.8 data mining software based on the input data that reduced from PCA and Fuzzy transform respectively.