RSSI기반 지능형 위치 추정 시스템 설계 및 구현

임창균 ( Chang Gyoon Lim ),강오성 ( O Seong Andrew Kang ),이창영 ( Chang Young Lee ),김강철 ( Kang Chul Kim ) 한국인터넷정보학회 2013 인터넷정보학회논문지 Vol.14 No.6

본 논문에서는 모바일 로봇이 주어진 환경에서 물건 객체를 찾기 위해 RFID(Radio Frequency IDentification) 태그의 위치를 추정할 수 있는 지능형 시스템을 설계하고 구현하였다. 개발된 지능형 시스템은 인공 신경망 시스템으로 RSSI(Received Signal Strength Indication)값을 입력으로 하고 절대 위치 좌표 값을 목표 값으로 하는 학습 시스템이다. 위치 추정을 위하여 수동형 RFID를 사용하였으며 능동형으로의 확장도 고려하였다. 실내에서 위치 추정을 위한 환경을 구축하여 사용될 수 있도록 시스템을 설계하였다. 또한 설계된 시스템을 소프트웨어 개발을 하였고, 실험을 통해 테스트베드 상에서 시스템 학습과 관련된 결과를 보여준다. 실제 현장과 유사한 환경에서 학습데이터 생성에서부터 실시간 위치 추정과 관련된 다양한 실험 결과를 보여준다. 실험 결과를 통해 모바일 로봇이 실내에서 원하는 객체를 쉽게 찾을 수 있음을 확인하였다. In this paper, we design and implement an intelligent system for finding objects with RFID(Radio Frequency IDentification) tag in which an mobile robot can do. The system we developed is a learning system of artificial neural network that uses RSSI(Received Signal Strength Indicator) value as input and absolute coordination value as target. Although a passive RFID is used for location estimation, we consider an active RFID for expansion of recognition distance. We design the proposed system and construct the environment for indoor location estimation. The designed system is implemented with software and the result related learning is shown at test bed. We show various experiment results with similar environment of real one from earning data generation to real time location estimation. The accuracy of location estimation is verified by simulating the proposed method with allowable error. We prepare local test bed for indoor experiments and build a mobile robot that can find the objects user want.

연산지능을 이용한 부진아 영역진단 지원 시스템

임창균(Chang Gyoon Lim),김강철(Kang Chul Kim),류재흥(Jae Hung Yoo),정중하(Jung-Ha Jhung) 한국지능시스템학회 2006 한국지능시스템학회논문지 Vol.16 No.1

본 연구에서는 중학교 국어 교과과정에 있어서 부진아 학생을 위한 부진 영역을 진단을 지원할 수 있는 시스템을 제안하였다. 제안된 시스템을 학교 수업 현장에 적용함으로써 학습부진 학생들의 수준에 맞는 보충ㆍ심화학습이 이루어져 학습결손과 학습부진을 최소화하여 교수ㆍ학습의 목표를 달성하고 학업성취도를 향상시킬 수 있도록 하였다. 이 시스템에서의 입력은 36가지 변수가 제안된 코팅 기법을 이용하여 시스템을 위하여 학습데이터와 테스트데이터가 인코딩된다. 이 인코딩된 변수의 값들은 시스템의 입력 층의 값이 된다. 은닉 층의 뉴런 수는 학습 데이터를 이용하여 학습한 후 가장 좋은 성능을 보여주는 결과를 이용하여 결정하였다. 출력 층의 뉴런 수든 각 영역에 하나의 뉴런을 할당하여 4개의 뉴런을 사용하였다. 본 시스템을 개발하기 위해 다층 퍼셉트론 구조와 오류 역진파 알고리즘을 사용하였다. 영역진단 지원 시스템을 위해 학습 데이터로써 2,008개를 사용하였고, 테스트를 위하여 380개의 데이터를 사용하여 실험한 후 성능을 평가하였다. In this paper, we proposed the system that supports underachievers realm decision of Korean language curriculum in the middle school. Learning disability and stagnation should be minimized by using and applying the proposed system. The input layer of the system contains 36 variables, which can be specific items in the Koran language curriculum. The variables are encoded with the specific coding schemes. The number of nodes in the hidden layer was determined through a series of learning stage with best result. We assigned 4 neurons, which correspond to one realm of the curriculum to output layer respectively. We used the multilayer perceptron and the error back propagation algorithm to develope the system. A total of 2,008 data [or training and 380 for testing were used for evaluating the performance.

정전기 모니터링 시스템 설계

김강철,변치남,임창균,한석붕,Kim, Kang-Chul,Byon, Chi-Nam,Lim, Chang-Gyoon,Han, Seok-Bung 한국정보통신학회 2008 한국정보통신학회논문지 Vol.12 No.11

본 논문에서는 정전기 예측 시스템과 경고 메시지 전송 시스템으로 구성된 정전기 모니터링 시스템을 개발하였다. 정전기 예측 시스템은 현재까지의 값을 기반으로 다음 단계의 정전기의 크기를 예측하고, 예측값을 블루투스 통신을 사용하여 무선으로 경고 메시지 전송 시스템으로 전송한다. 경고 메시지 전송 시스템은 정전기 예측 시스템으로부터 들어온 경고 신호를 받아들이고, 소켓 프로그램을 이용하여 상용 SMS 사이트에 접속하여 작업 담당자의 휴대폰으로 경고 메시지를 전송한다. 정전기 예측 시스템에 사용되는 동적 가변 가중치(weight factor)를 가지는 LSR(least square regression) 기반 예측 알고리즘을 개발하였고, 모의 실험에서 가중치를 실시간으로 변화시키는 방법이 표준편차가 약 64.69V로 가장 우수하게 나타났다. 그리고 경고 메시지 전송 시스템에서 보낸 경고 메시지가 약 5초 후에 원격지 작업자의 휴대폰에 표시된 것을 확인하였다. In this paper, we develop an electrostatic monitoring system which is composed of an electrostatic prediction system and a warning message transmission system. The electrostatic prediction system in a factory receives the value of electrostatic charge from the electrostatic sensor and predicts the next value by using past data and sends the value to the warning message transmission system through the bluetooth communication. The warning message transmission system gets a warning signal and transmits the warning message to the worker's cellphone through a commercial SMS web by a socket program running on Windows PC in a control room. We propose electrostatic forecasting algorithms based on LSR(least square regression) using weight factors in an electrostatic prediction system. Simulation results show that the algorithm with dynamically variable weight factors is best with 64.69V standard deviation and a warning message transmitted by the warning message transmission system is displayed on cellphone after about 5 seconds.

LSTM/RNN을 사용한 감정인식을 위한 스택 오토 인코더로 EEG 차원 감소

Ibrahim Aliyu,임창균(Chang-Gyoon Lim) 한국전자통신학회 2020 한국전자통신학회 논문지 Vol.15 No.4

감성 컴퓨팅은 인간의 상호 작용에서 중요한 역할을 하기 때문에 인간을 인식하는 인공 지능을 통해 감정을 이해하고 식별한다. 우울증, 자폐증, 주의력 결핍 과잉 행동 장애 및 게임 중독과 같은 정신 질환을 잘 이해함으로써 감정과 관련된 문제들을 잘 관리할 수 있을 것이다. 이러한 문제들을 해결하기 위해 감정 인식을 위한 다양한 연구가 수행되었는데 기계학습을 적용하는데 있어서는 알고리즘의 복잡성을 줄이고 정확도를 향상시키기 위한 노력이 필요하다. 본 논문에서는 이러한 노력중의 하나로 Stack AutoEncoder (SAE)를 이용하여 차원을 감소하는 방법과 Long-Short-Term-Memory/Recurrent Neural Networks (LSTM / RNN) 분류를 이용한 감성 분류에 대해 연구한 결과를 제시한다. 제안 된 방법은 모델의 복잡성을 줄이고 분류기의 성능을 크게 향상시킨 결과를 가져왔다. Due to the important role played by emotion in human interaction, affective computing is dedicated in trying to understand and regulate emotion through human-aware artificial intelligence. By understanding, emotion mental diseases such as depression, autism, attention deficit hyperactivity disorder, and game addiction will be better managed as they are all associated with emotion. Various studies for emotion recognition have been conducted to solve these problems. In applying machine learning for the emotion recognition, the efforts to reduce the complexity of the algorithm and improve the accuracy are required. In this paper, we investigate emotion Electroencephalogram (EEG) feature reduction and classification using Stack AutoEncoder (SAE) and Long-Short-Term-Memory/Recurrent Neural Networks(LSTM/RNN) classification respectively. The proposed method reduced the complexity of the model and significantly enhance the performance of the classifiers.

주 요소와 독립 요소 분석의 통합에 의한 얼굴 인식

류재흥,김강철,임창균,Yoo Jae-Hung,Kim Kang-Chul,Lim Chang-Gyoon 한국정보통신학회 2006 한국정보통신학회논문지 Vol.10 No.4

기존의 독립 요소 방법에 의한 얼굴인식에서는 주 요소 해석법으로 고유치 크기에 의해 특징을 추출하고 감소된 차원에서 특징 개선을 위한 독립 요소 해석법의 학습을 수행한다. 제거된 특징 공간 내에 필요한 요소가 있는 경우를 고려하지 못한 것이다. 새로운 방법은 독립 요소 해석에 의한 학습을 먼저 시행하고 분리된 데이터를 4차 중심 모멘트에 의한 축적 계수(cumulant)인 커토시스(kurtosis)의 절대값 크기에 의하여 특징을 추출한다. 하지만 독립 요소 방법은 효과적으로 노이즈를 제거하지 못한다. 두 방법의 결합효과는 주 요소 해석법을 노이즈 필터로 사용 할 때 극대화 될 수 있다. 즉 주 요소 해석법을 백색화와 노이즈 필터로 하고 독립 요소 해석법을 특징 추출 방법으로 사용하는 것이다. 실험 결과는 새로운 방법론이 기존의 방법론보다 우수함을 보여준다. In a conventional ICA(Independent Component Analysis) based face recognition method, PCA(Principal Component Analysis) first is used for feature extraction, ICA learning method then is applied for feature enhancement in the reduced dimension. It is not considered that a necessary component can be located in the discarded feature space. In the new ICA(NICA), learning extracts features using the magnitude of kurtosis (4-th order central moment or cumulant). But, the pure ICA method can not discard noise effectively. The synergy effect of PCA and ICA can be achieved if PCA is used for noise reduction filter. Namely, PCA does whitening and noise filtering. ICA performs feature extraction. Experiment results show the effectiveness of the new ICA method compared to the conventional ICA approach.

영상처리 기반 모의 사격 표적지 탄착점 추출

이태국 ( Taeguk Lee ),임창균 ( Chang-gyoon Lim ),김강철 ( Kang-chul Kim ),김용민 ( Young-min Kim ) 한국인터넷정보학회 2010 인터넷정보학회논문지 Vol.11 No.1

소모적이고 안전사고에 노출된 실탄 사격을 대체할 수 있는 사격 시뮬레이션 시스템과 관련된 연구가 활발히 진행되고 있다. 본 논문에서는 기존의 센서 기반 기술을 이용한 인식 방법을 사용하지 않고 영상처리기반 기술을 이용하여 탄착점을 추출하는 과정을 제시하였다. 이를 위해 모의총기의 총구에 부착된 카메라로부터 획득한 영상 분석을 통해 탄착점 위치를 찾아내고, 그 탄착점의 좌표 값과 과녁과의 매핑을 통한 최종 사격결과를 계산하여 제공할 수 있도록 한다. 이 시스템은 전송된 영상에서 영사영역을 구분하는 단계, 영사영역 내에서 탄착점 위치를 추출하는 단계, 탄착점 위치에 따른 사격결과를 계산하여 사용자에게 제공하는 단계로 나누어진다. 전송된 영상을 이진 영상으로 변환 후 영사영역의 꼭짓점의 위치를 찾고 그 안에 존재하는 탄착점을 추출한다. 구현된 탄착점 추출과정을 단계별로 제시하였으며 모의 사격 시스템을 위한 인터페이스에서 결과를 확인 할 수 있도록 하였다. 실험을 통해 영사영역의 꼭짓점 위치의 정확성을 확인하였으며 탄착점 추출 및 그에 따른 점수 환산결과를 확인할 수 있도록 하였다. There are many researches related to a simulated shooting training system for replacing the real military and police shooting training. In this paper, we propose the point of impact from a simulated shooting target based on image processing instead of using a sensor based approach. The point of impact is extracted by analyzing the image extracted from the camera on the muzzle of a gun. The final shooting result is calculated by mapping the target and the coordinates of the point of impact. The recognition system is divided into recognizing the projection zone, extracting the point of impact on the projection zone, and calculating the shooting result from the point of impact. We find the vertices of the projection zone after converting the captured image to the binary image and extract the point of impact in it. We present the extracting process step by step and provide experiments to validate the results. The experiments show that exact vertices of the projection area and the point of impact are found and a conversion result for the final result is shown on the interface.

고속 푸리에 변환 및 심층 신경망을 사용한 전력 품질 외란 감지 및 분류

첸센폰(Senfeng Cen ),임창균(Chang-Gyoon Lim) 한국전자통신학회 2023 한국전자통신학회 논문지 Vol.18 No.1

무작위 및 주기적인 변동하는 재생에너지 발전 전력 품질 교란으로 인해 발전 변환 송전 및 배전에서 더 자주 발생하게 된다. 전력 품질 교란은 장비 손상 또는 정전으로 이어질 수 있다. 따라서 서로 다른 전력 품질외란을 실시간으로 자동감지하고 분류하는 것이 필요하다. 전통적인 PQD 식별 방법은 특징 추출 특징 선택 및 분류의 세 단계로 구성된다. 그러나 수동으로 생성한 특징은 선택 단계에서 정확성을 보장하기 힘들어서 분류 정확도를 향상하는 데에는 한계가 있다. 본 논문에서는 16가지 종류의 전력 품질 신호를 인식하기 위해 CNN(Convolution Neural Networ)과 LSTM(Long Short Term Memory)을 기반으로 시간 영역과 주파수 영역의 특징을 결합한 심층 신경망 구조를 제안하였다. 주파수 영역 데이터는 주파수 영역 특징을 효율적으로 추출할 수 있는 FFT(Fast Fourier Transform)로 얻었다. 합성 데이터와 실제 6kV 전력 시스템 데이터의 성능은 본 연구에서 제안한 방법이 다른 딥러닝 방법보다 일반화되었음을 보여주었다. Due to the fluctuating random and periodical nature of renewable energy generation power quality disturbances occurred more frequently in power generation transformation transmission and distribution. Various power quality disturbances may lead to equipment damage or even power outages. Therefore it is essential to detect and classify different power quality disturbances in real time automatically. The traditional PQD identification method consists of three steps: feature extraction feature selection and classification. However, the handcrafted features are imprecise in the feature selection stage, resulting in low classification accuracy. This paper proposes a deep neural architecture based on Convolution Neural Network and Long Short Term Memory combining the time and frequency domain features to recognize 16 types of Power Quality signals. The frequency-domain data were obtained from the Fast Fourier Transform which could efficiently extract the frequency-domain features. The performance in synthetic data and real 6kV power system data indicate that our proposed method generalizes well compared with other deep learning methods.

러프 집합 분류기의 성능평가

류채홍(Jae Hung Yoo),임창균(Chang-Gyoon Lim) 한국지능시스템학회 1998 한국지능시스템학회 학술발표 논문집 Vol.8 No.2

히트파이프를 활용한 농업용 고효율난방기 및 스마트 제어시스템

김응곤(Eung Kon Kim),임창균(Chang Gyoon Lim) 한국전자통신학회 2017 한국전자통신학회 논문지 Vol.12 No.6

히트파이프 일체형 고효율 난방기는 겨울철 시설원예 내 작물생육에 필수인 난방장치와 배기열 회수기를 일체화하여 배기열이 외부로 배출되기 전 미사용 에너지를 재이용하는 장치이다. 시설원예, 유리온실 등 점검을 통해 우리나라 농업용 난방기의 문제점을 파악하였고, 개선방향을 찾아 시설원예 및 하우스에 맞는 최적화된 농업용 고효율난방기 및 스마트 제어시스템을 제안하였다. The Effluent Heat Pipe integral with the heater is a device that recreates unused thermal energy from the plant in winter, and thus reuses unused energy before releasing the exhaust heat. Through the establishment of facility horticulture and glass greenhouses, we identified the problems of our agricultural heaters, and we proposed efficient agricultural efficiency and smart control systems for optimum agricultural efficiency and smart house.

BCI에서 EEG 기반 효율적인 감정 분류를 위한 LSTM 하이퍼파라미터 최적화

Ibrahim Aliyu,Raja Majid Mahmood,임창균(Chang-Gyoon Lim) 한국전자통신학회 2019 한국전자통신학회 논문지 Vol.14 No.6

감정은 인간의 상호 작용에서 중요한 역할을 하는 심리 생리학적 과정이다. 감성 컴퓨팅은 감정을 이해하고 조절할 수 있는 인간 인지 인공 지능의 개발하는데 중점을 둔다. 우울증, 자폐증, 주의력 결핍 과잉 행동 장애 및 게임 중독과 같은 정신 질환이 감정과 관련되어 있기 때문에 이러한 분야의 연구가 중요하다. 감정 인식에 대한 노력에도 불구하고, 비정상적인 EEG 신호로부터의 감정 검출은 여전히 높은 수준의 추상화를 요구하기에 정교한 학습 알고리즘이 필요하다. 이 논문에서는 EEG 기반으로 효율적인 감정 분류를 위해 LSTM을 위한 최적의 하이퍼파라미터를 파악하고자 다양한 실험을 수행하여 이를 분석한 결과를 제시하였다. Emotion is a psycho-physiological process that plays an important role in human interactions. Affective computing is centered on the development of human-aware artificial intelligence that can understand and regulate emotions. This field of study is also critical as mental diseases such as depression, autism, attention deficit hyperactivity disorder, and game addiction are associated with emotion. Despite the efforts in emotions recognition and emotion detection from nonstationary, detecting emotions from abnormal EEG signals requires sophisticated learning algorithms because they require a high level of abstraction. In this paper, we investigated LSTM hyperparameters for an optimal emotion EEG classification. Results of several experiments are hereby presented. From the results, optimal LSTM hyperparameter configuration was achieved.