http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
백용선(Young-Sun Baek),김용수(Yong-Soo Kim) 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.1
본 논문은 새로운 학습법칙을 제안하였다. 새로운 학습법칙은 한쪽에 치우쳐 있는 outlier의 영향을 줄이면서 결정경계선 근처에 있는 입력 데이터의 클래스의 대표값에 반영하는 정도를 높인다. 제안하는 학습법칙을 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망에 적용하였다. 이 퍼지 신경회로망의 성능과 LVQ(Learning Vector Quantization) 알고리듬과 오류역전파 신경회로망의 성능을 Iris 데이터를 사용하여 비교하였다. 실험결과는 제안하는 퍼지 신경회로망의 성능이 LVQ 알고리듬과 오류역전파 신경회로망의 성능보다 우수함을 보여주었다.
백용선(Young-Sun Baek),김용수(Yong-Soo Kim) 한국지능시스템학회 2010 한국지능시스템학회논문지 Vol.20 No.5
본 논문은 연결강도를 조정할 때 결정 경계선 근처에 있는 데이터를 더 반영하는 학습법칙을 제안하였다. 이 학습법칙은 outlier가 결정 경계선에 미치는 영향을 줄여 더 나은 결정 경계선을 형성하도록 한다. 제안하는 학습법칙을 IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망의 구조에 적용하였다. IAFC 신경회로망은 배운 것을 유지하는 안정성이 있으면서, 새로운 것을 배울 수 있는 안정성이 있다. 이 퍼지 신경회로망의 성능과 LVQ(Learning Vector Quantization) 신경회로망 및 오류역전파 신경회로망의 성능과 비교하였다. 실험결과 제안하는 퍼지 신경회로망의 성능이 우수함을 보여주었다. This paper presents a learning rule that weights more on data near decision boundary. This learning rule generates better decision boundary by reducing the effect of outliers on the decision boundary. The proposed learning rule is integrated into IAFC neural network. IAFC neural network is stable to maintain previous learning results and is plastic to learn new data. The performance of the proposed fuzzy neural network is compared with performances of LVQ neural network and backpropagation neural network. The results show that the performance of the proposed fuzzy neural network is better than those of LVQ neural network and backpropagation neural network.
클래스간의 거리를 고려한 학습법칙을 사용한 퍼지 신경회로망 모델
김용수(Yong-Soo Kim),백용선(Yong-Sun Baek),이세열(Se-Yul Lee) 한국지능시스템학회 2006 한국지능시스템학회논문지 Vol.16 No.4
본 논문은 입력 벡터와 클래스들의 대표값들간의 유클리디안 거리들을 사용한 새로운 퍼지 학습법칙을 제안한다. 이 새로운 퍼지 학습을 supervised IAFC(Integrated Adaptive Fuzzy Clustering) 신경회로망 4에 적용하였다. 이 신경회로망은 안정성을 유지하면서도 유연성을 가지고 있다. iris 데이터를 사용하여 테스트한 결과 supervised IAFC 신경회로망 4는 오류 역전파 신경회로망과 LVQ 알고리듬보다 성능이 우수하였다. This paper presents a new fuzzy learning rule which considers the Euclidean distances between the input vector and the prototypes of classes. The new fuzzy learning rule is integrated into the supervised IAFC neural network 4. This neural network is stable and plastic. We used iris data to compare the performance of the supervised IAFC neural network 4 with the performances of back propagation neural network and LVQ algorithm.
영상 분할을 위한 Context Fuzzy c-Means 알고리즘을 이용한 공간 분할
노석범(Seok-Beom Roh),안태천(Tae-Chon Ahn),백용선(Yong-Sun Baek),김용수(Yong-Soo Kim) 한국지능시스템학회 2010 한국지능시스템학회논문지 Vol.20 No.3
영상 분할 (Image Segmentation)은 패턴 인식, 환경 인식, 문서 분석을 위한 영상 처리 과정에서 가장 기본적인 단계이다. 영상 분할 방법들 중 Otsu의 영상의 정규화된 히스토그램의 분포 정보를 이용하여 클래스 간의 분산을 최대화 시키는 임계치값을 결정하는 자동 임계치값 선정방법이 가장 잘 알려진 방법이다. Otsu의 방법은 영상의 전 영역에 대한 히스토그램을 분석함으로써 영상의 부분적인 특성을 반영하여 임계치값을 결정하기는 어렵다. 본 논문에서는 이 어려움 해소하기 위하여 Context Fuzzy c-Means 알고리즘을 이용하여 영상을 여러 개의 부분 영역으로 나누고, 정의된 부 영역에 영상 분할 기법을 적용함으로써 부 영역들에 적합한 여러 개의 임계치값을 계산함으로써 영상 분할 성능을 개선하고자 하였다. Image segmentation is the basic step in the field of the image processing for pattern recognition, environment recognition, and context analysis. The Otsu's automatic threshold selection, which determines the optimal threshold value to maximize the between class scatter using the distribution information of the normalized histogram of a image, is the famous method among the various image segmentation methods. For the automatic threshold selection proposed by Otsu, it is difficult to determine the optimal threshold value by considering the sub-region characteristic of the image because the Otsu's algorithm analyzes the global histogram of a image. In this paper, to alleviate this difficulty of Otsu's image segmentation algorithm and to improve image segmentation capability, the original image is divided into several sub-images by using context fuzzy c-means algorithm. The proposed fuzzy Otsu threshold algorithm is applied to the divided sub-images and the several threshold values are obtained.
영상 분할을 위한 Context Fuzzy c-Means 알고리즘을 이용한 공간 분할
노석범(Seok-Beom Roh),안태천(Tae-Chon Ahn),백용선(Yong-Sun Baek),김용수(Yong-Soo Kim) 한국지능시스템학회 2010 한국지능시스템학회 학술발표 논문집 Vol.20 No.1
영상 분할 (Image Segmentation)은 패턴 인식, 환경 인식, 문서 분석과 같은 영상 처리 과정에서 가장 기본적인 단계이다. 영상 분할 방법들 중 Otsu의 영상의 정규화된 히스토그램의 분포 정보를 이용하여 클래스 간의 분산을 최대화 시키는 임계치 값을 결정하는 Automatic Threshold Selection이 가장 잘 알려진 방법이다. Otsu의 방법은 영상의 전 영역에 대한 히스토그램을 분석함으로써 영상의 부분적인 특성을 반영하여 임계치 값을 결정하기 어렵다. 본 논문에서는 이 어려움 해소하기 위하여 Context Fuzzy c-Means 알고리즘을 이용하여 영상을 여러 개의 부분 영역으로 나누고, 정의된 부 영역에 영상 분할 기법을 적용함으로써 부 영역들에 적합한 여러 개의 임계치 값을 계산함으로써 영상 분할 성능을 개선하고자 하였다.
가우시안 데이터에 대한 개선된 신경회로망과 코호넨 자기 조직화 특징 지도 성능 비교 연구
김용수,함창현,백용선 대전대학교 산업기술연구소 2000 산업기술연구소 論文集 Vol.11 No.1
Kohonen Self-Organizing Feature Map is widely used as a self-organizing neural network. This neural network uses a modified Kohonen learning rule which updates weights of both a winner and its neighborhood. But this learning rule can produce the underutilization problem. This paper presents both a neural network architecture and a learning rule which solve the underutilization problem. This neural network architecture is based on the combination of ART-1 neural network and Kohonen Self-Organzing Feature Map. A fuzzy learning rule is based on both a fuzzification of modified Kohonen learning rule and a fuzzification of the conditional probability. The Gaussian distributed data are generated and used to compare the performance of the Improved IAFC neural network and Kohonen Self-Organizing Feature Map.