Hybrid 리커런트 신경망을 이용한 시스템 식별

최한고,고일환,김종인,Choi Han-Go,Go Il-Whan,Kim Jong-In 한국융합신호처리학회 2005 융합신호처리학회 논문지 (JISPS) Vol.6 No.1

동적 신경망은 temporal 신호처리가 요구되는 여러 분야에 사용되어 왔다. 본 논문에서는 다층 리커런트 신경망(RNN)의 동특성을 더 향상시키기 위해 지역 궤환 신경망(LRNN)과 광역 궤환 신경망(GRNN)으로 구성된 합성 신경망을 사용하여 시스템 식별을 다루고 있다. 합성 신경망의 구조는 LRNN으로 IIR-MLP를, GRNN으로 Elman RNN을 결합하고 있다. 합성신경망은 선형과 비선형 시스템 식별을 통해 평가되었으며 상대적인 성능평가를 위해 Elman RNN과 IIR-MLP 신경망과 비교하고 있다. 시뮬레이션 결과에 의하면 합성 신경망은 학습속도와 정확도에서 더 우수하게 동작하였으며, 이러한 사실은 비선형 시스템 식별에 있어서 합성 신경망이 기존의 다층 리커런트 신경망보다 더 효과적인 신경망이 될 수 있음을 보여주었다. Dynamic neural networks have been applied to diverse fields requiring temporal signal processing. This paper describes system identification using the hybrid neural network, composed of locally(LRNN) and globally recurrent neural networks(GRNN) to improve dynamics of multilayered recurrent networks(RNN). The structure of the hybrid nework combines IIR-MLP as LRNN and Elman RNN as GRNN. The hybrid network is evaluated in linear and nonlinear system identification, and compared with Elman RNN and IIR-MLP networks for the relative comparison of its performance. Simulation results show that the hybrid network performs better with respect to the convergence and accuracy, indicating that it can be a more effective network than conventional multilayered recurrent networks in system identification.

신경망을 이용한 비정적 신호의 비선형 예측

최한고,이호섭,김상희,Choi, Han-Go,Lee, Ho-Sub,Kim, Sang-Hee 대한전자공학회 1998 電子工學會論文誌, S Vol.s35 No.10

신경망은 분산된 비선형 처리구조와 학습능력 때문에 높은 차수의 비선형 동특성 구현능력을 갖고 있으므로 비정적 신호에 대한 적응예측을 수행할 수 있다. 본 논문에서는 두 가지 방법 (비선형 모듈구조와 비선형과 선형모듈이 직렬로 연결된 예측구조)으로 비정적 신호의 비선형 예측을 다루고 있다. 완전 궤환된 리커런트 신경망과 기존의 TDL(tapped-delay-line) 필터가 비선형과 선형모듈로 각각 사용되었다. 제안된 예측기의 동특성은 카오스 시계열과 음성신호에 대해 시험하였으며, 예측성능의 상대적인 비교를 위해 기존의 ARMA(autoregressive moving average) 구조의 선형 예측모델과 비교하였다. 실험결과에 의하면 신경망을 이용한 적응 예측기는 선형 예측기보다 예측성능이 훨씬 우수하였으며, 특히 직렬구조의 예측기는 신호가 크게 변화하는 시계열의 예측에 효과적으로 사용할 수 있음을 확인하였다. Neural networks, having highly nonlinear dynamics by virtue of the distributed nonlinearities and the learing ability, have the potential for the adaptive prediction of nonstationary signals. This paper describes the nonlinear prediction of these signals in two ways; using a nonlinear module and the cascade combination of nonlinear and linear modules. Fully-connected recurrent neural networks (RNNs) and a conventional tapped-delay-line (TDL) filter are used as the nonlinear and linear modules respectively. The dynamic behavior of the proposed predictors is demonstrated for chaotic time series adn speech signals. For the relative comparison of prediction performance, the proposed predictors are compared with a conventional ARMA linear prediction model. Experimental results show that the neural networks based adaptive predictor ourperforms the traditional linear scheme significantly. We also find that the cascade combination predictor is well suitable for the prediction of the time series which contain large variations of signal amplitude.

컬러 및 광류정보를 이용한 이동물체 추적

김주현,최한고,Kim, Ju-Hyeon,Choi, Han-Go 한국융합신호처리학회 2014 융합신호처리학회 논문지 (JISPS) Vol.15 No.4

본 연구는 칼라기반에서 단일 이동객체 추적을 다루고 있다. 우선 매 영상에서 이동객체 영상의 밝기 변화에 따른 추적 약점을 개선하기 위해 기존의 Camshift 알고리즘을 보완하였다. 보완된 알고리즘도 추적중인 물체와 색상이 같은 주변 물체가 존재할 경우 불안정한 추적을 보여주었는데 본 연구에서는 이를 해결하기 위해 Optical Flow기반의 KLT 알고리즘과 병합하는 방법을 제시하였다. 픽셀기반의 특징점 추적을 수행하는 KLT 알고리즘은 칼라기반의 Camshift의 단점을 보완할 수 있다. 실험 결과 제안된 병합 방법은 기존의 추적단점을 보완하였으며 추적성능이 개선됨을 실험으로 확인하였다. This paper deals with a color-based tracking of a moving object. Firstly, existing Camshift algorithm is complemented to improve the tracking weakness in the brightness change of an image which occurs in every frame. The complemented Camshift still shows unstable tracking when the objects with same color of the tracking object exist in background. In order to overcome the drawback this paper proposes the Camshift combined with KLT algorithm based on optical flow. The KLT algorithm performing the pixel-based feature tracking can complement the shortcoming of Camshift. Experimental results show that the merged tracking method makes up for the drawback of the Camshit algorithm and also improves tracking performance.

PI-LEAD 알고리즘을 이용한 2축 안정화 짐벌 시스템 제어

이진복,최한고,Lee, Jin-Bok,Choi, Han-Go 한국융합신호처리학회 2013 융합신호처리학회 논문지 (JISPS) Vol.14 No.2

서보 시스템에서 마찰과 같은 비선형 요소는 측정이 어려우며, 또한 정확한 예측이 어려워 보상하기가 쉽지 않다. 특히, 2축 안정화 짐벌 시스템에서 마찰은 큰 오차를 발생시켜 최종적으로 제어 성능을 만족시키지 못한다. 이와 같은 문제점을 해결하기 위해 관측기 등을 적용한 마찰 보상 연구가 많이 진행되어 왔으나 특정 조건에서만 적용되어 군수 분야에서 정밀도를 요하는 2축 안정화 짐벌 시스템에 적용하는데 제한적이다. 본 논문에서는 가장 일반적이면서 강인성이 입증된 PID 알고리즘을 변형시킨 PI-LEAD 알고리즘을 사용하여 모델링 및 시뮬레이션을 통해 마찰 보상 효과를 입증하고, 실제 2축 안정화 짐벌 시스템에 적용하여 효과를 검증한다. 성능시험을 통해 PI-LEAD 알고리즘이 마찰에 의한 오차를 최소화하여 정밀 서보 시스템에서 요구하는 성능을 만족하는 것을 검증하였다. Since the nonlinear factors such as friction in a mechanical servo system can't be easily measured nor estimated accurately. Therefore, it is difficult to compensate friction correctly. Friction makes a significant error in a 2-axis stabilized gimbal system and finally fails to reach the ultimate control performance goals. To solve these problems, lots of studies on the control methods applying observer have been performed. However, these methods can be used in specific conditions and are limited to apply them to the accurate 2-axis stabilized gimbal system in military sector. This paper deals with the PI-LEAD algorithm which is modified with a general and robust PID algorithm, proves the effect of the algorithm through modeling and simulation, and verifies the performance by applying the algorithm to the real 2-axis stabilized system. It is verified through the performance test that the PI-LEAD algorithm minimizes the error caused by friction and meets requirements of the accurate servo system.

영상을 이용한 미세 드릴비트 측정에 관한 연구

곽동규,최한고,Kwak, Dong-gyu,Choi, Han-go 한국융합신호처리학회 2015 융합신호처리학회 논문지 (JISPS) Vol.16 No.3

본 연구에서는 인쇄회로 기판(PCB)의 홀 가공에 사용되는 초소형 및 경량의 마이크로 드릴비트를 검사하기 위한 방법을 제안하고 있다. 고배율의 현미경을 통해 마이크로 드릴 비트의 영상을 획득한 후 드릴비트의 주요 지점들을 검출하는 영상처리 알고리즘을 개발하였고 주요지점을 근거로 하여 드릴비트의 다양한 요소들을 측정하였다. 또한, 드릴비트의 정상 및 비정상 상태를 자동으로 분별할 수 있는 윈도우 기반 검사 시스템을 개발하였다. 본 연구에서 개발한 시스템의 상대적인 성능비교를 위해 시험영상들을 사용하여 기존 검사장비와 비교하였다. 실험결과에 의하면 제안된 시스템은 기존 검사기보다 성능을 조금 향상시켰으며 기존 시스템에서 발생된 오판단된 일부 에러를 정확하게 분류하였다. This study presents a method to test quite small-sized and light-weighted micro-drill bits which are used to make holes in printed circuit boards(PCB). After getting images of micro-drill bits through the high resolution microscope, we developed image processing algorithms to detect fiducial points, and then measured diverse factors of the drill-bit based on these points. We also developed the window-based inspection system to automatically discriminate normal and abnormal status. For the relative comparison of its performance, the system was compared with an existing inspection system using test images. Experimental results showed that the proposed system slightly improved performance, and also classified correctly some misjudged errors which were occurred in the existing system.

Gamma 다층 신경망을 이용한 비선형 적응예측

김종인,고일환,최한고,Kim Jong-In,Go Il-Hwan,Choi Han-Go 한국융합신호처리학회 2006 융합신호처리학회 논문지 (JISPS) Vol.7 No.2

동적 신경망은 시스템 식별과 신호예측과 같이 temporal 신호처리가 요구되는 여러 분야에서 적용되어 왔다. 본 논문에서는 신경망의 동특성을 향상시키기 위해 순방향 다층 신경망의 히든 층에 감마(Gamma) 메모리 커넬을 사용하는 감마 신경망(GAM)을 제안하고, 적응필터로 제안된 신경망을 사용하여 비선형 적응예측을 다루고 있다. 제안된 신경망은 비선형 신호예측을 통해 평가되었으며, 예측성능의 상대적인 비교를 위해 순방향 신경망(FNN)과 리커런트 신경망(RNN)과 비교하였다. 시뮬레이션 결과에 의하면 GAM 신경망은 수렴속도와 예측의 정확도에서 이러한 신경망보다 더 우수한 동작을 수행함으로써, 제안된 신경망이 기존의 다층 신경망보다 비정적 신호에 대한 비선형 예측에 더 효과적인 예측모델임을 확인하였다. Dynamic neural networks have been applied to diverse fields requiring temporal signal processing such as system identification and signal prediction. This paper proposes the gamma neural network(GAM), which uses gamma memory kernel in the hidden layer of feedforward multilayered network, to improve dynamics of networks and then describes nonlinear adaptive prediction using the proposed network as an adaptive filter. The proposed network is evaluated in nonlinear signal prediction and compared with feedforword(FNN) and recurrent neural networks(RNN) for the relative comparison of prediction performance. Simulation results show that the GAM network performs better with respect to the convergence speed and prediction accuracy, indicating that it can be a more effective prediction model than conventional multilayered networks in nonlinear prediction for nonstationary signals.

영상디지털도어록용 단일 사람 검출 알고리즘 구현

신성환,이상락,최한고,Shin, Seung-Hwan,Lee, Sang-Rak,Choi, Han-Go 한국정보처리학회 2012 정보처리학회논문지B Vol.19 No.2

영상디지털도어록(Video digital door lock, VDDL) 시스템은 문으로 출입하는 사람을 검출하고 사람 영상을 획득한다. 도어록 설계 시 고려할 사항은 배터리 기반으로 동작하므로 속도가 빠른 사람 검출 알고리즘을 적용하여 전류소모를 최소화해야 한다. 그리고 도어록은 고정된 카메라에서 영상을 촬영하므로 배경영상을 이용한 사람 검출이 높은 신뢰성을 얻을 수 있다. 본 논문에서는 이러한 요구조건에 충족하며 VDDL에 적합한 단일 사람검출 알고리즘을 다루고 있는데, 획득한 영상에서 이동하는 물체를 감지하고 영상처리를 통해 물체가 사람인지를 판별한다. 제안된 영상처리 알고리즘은 두 단계로 이루어져 있다. 첫째, 배경영상과 피부색 정보를 통해 사람 이미지 영역을 구한다. 둘째, 인체비례 정보를 기반으로 폴라 히스토그램을 이용하여 사람 유무를 판단한다. 개발된 알고리즘은 도어록에 설치하고 실험을 통해 성능을 확인하였다. Video digital door lock(VDDL) system detects people who access to the door and acquires the human image. Design considerations is that current consumption must be minimized by applying fast human detection algorithm because of battery-based operation. Since the digital door lock takes an image through a fixed camera, detection of a person based on background image leads to high degree of reliability. This paper deals with a single human detection algorithm suitable for VDDL with fulfilling these requirements such that it detects a moving object in an image, then identifies whether the object is a person or not using image processing. The proposed image processing algorithm consists of two steps: Firstly, it detects the human image region using both background image and skin color information. Secondly, it identifies the person using polar histogram based on proportional information of human body. Proposed algorithm is implemented in VDDL and is verified the performance through experiments.

감마 다층 신경망을 이용한 시스템 식별

고일환,원상철,최한고,Go, Il-Whan,Won, Sang-Chul,Choi, Han-Go 한국융합신호처리학회 2008 융합신호처리학회 논문지 (JISPS) Vol.9 No.3

동적 신경망은 temporal 신호처리가 요구되는 여러 분야에 사용되어 왔다. 본 논문에서는 다층 신경망의 동특성을 향상시키기 위해 감마 신경망(GAM) 다루고 있다. GAM 신경망은 순방향 다층 신경망의 히든층에 감마 메모리 커널을 사용하고 있다. GAM 신경망은 선형 및 비선형 시스템 식별을 통해 평가되었으며 상대적인 성능평가를 위해 순방향 신경망(FNN)과 리커런트 신경망(RNN)과 비교하고 있다. 실험결과에 의하면 GAM 신경망은 학습속도와 정확도에서 더 우수하게 동작하였으며, 이러한 사실은 시스템 식별에 있어서 GAM 신경망이 기존의 다른 다층 신경망보다 더 효과적인 신경망이 될 수 있음을 보여주었다. Dynamic neural networks have been applied to diverse fields requiring temporal signal processing. This paper presents gamma neural network(GAM) to improve the dynamics of multilayer network. The GAM network uses the gamma memory kernel in the hidden layer of feedforword multilayer network. The GAM network is evaluated in linear and nonlinear system identification, and compared with feedforword(FNN) and recurrent neural networks(RNN) for the relative comparison of its performance. Experimental results show that the GAM network performs better with respect to the convergence and accuracy, indicating that it can be a more effective network than conventional multilayer networks in system identification.

컬러 및 광류정보를 이용한 이동물체 추적

김주현 ( Ju-hyeon Gim ),최한고 ( Han-go Choi ) 한국정보처리학회 2013 한국정보처리학회 학술대회논문집 Vol.20 No.1

본 연구에서는 이동 객체를 컬러기반에서 추적하는데 있어 주변 환경 변화와 추적중인 객체 색상이 유사한 물체가 존재할 경우 보다 안정적으로 추적할 수 있는 방법을 제시한다. 백그라운드 차영상과 모폴로지 연산을 통하여 이동 객체를 검출하고, 매 프레임마다 발생하는 밝기 및 주변 환경의 영향을 고려하여 기존의 CamShift 알고리즘을 보완하였다. 추적 물체와 색상이 비슷한 주변 물체가 존재할 경우 개선된 CamShift는 불안정한 추적을 보여주었는데 이를 해결하기 위해 Optical Flow기반의 KLT 알고리즘과 병합하는 방법을 제시하였다. 실험 결과를 통해 제안된 추적 방법은 기존의 단점을 보완하였으며 추적 성능이 개선됨을 확인하였다.

카오스 신경망을 이용한 기계적 서보 시스템의 경로 제어

최원용(Won-Yong Choi),김상희(Sang-Hee Kim),최한고(Han-Go Choi),채창현(Chang-Hyun Chae) 대한전기학회 1997 대한전기학회 학술대회 논문집 Vol.1997 No.7