http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
임창균,정영민,김응곤 한국정보통신학회 2003 한국정보통신학회논문지 Vol.7 No.4
이 논문은 유전자 알고리즘을 이용한 최적의 퍼지 규칙을 만드는 방법을 제시한다. 퍼지 규칙은 첫 번째 단계에서 학습 데이터를 이용해 생성된다. 이 단계에서 퍼지 c-Means 군집화 알고리즘과 군집 유효성을 사용해 구조를 결정하고 퍼지 규칙 수가 되는 군집 수를 결정한다. 첫 번째 단계에서 구조가 결정되면 퍼지규칙의 매개변수들은 유전자 알고리즘을 이용해서 조율된다. 또한, 비대칭 가우시안 소속 함수를 위해 분산 매개변수는 좌ㆍ우값을 따로 관리하여 조율한다. 이 방법은 가중치와 분산 공간에서 유전자 알고리즘을 사용함으로서 전역 최소 쪽으로 수렴하도록 한다. This paper presents a method for generating optimal fuzzy rules using a genetic algorithm. Fuzzy rules are generated from the training data in the first stage. In this stage, fuzzy c-Means clustering method and cluster validity are used to determine the structure and initial parameters of the fuzzy inference system. A cluster validity is used to determine the number of clusters, which can be the number of fuzzy rules. Once the structure is figured out in the first stage, parameters relating the fuzzy rules are optimized in the second stage. Weights and variance parameters are tuned using genetic algorithms. Variance parameters are also managed with left and right for asymmetrical Gaussian membership function. The method ensures convergence toward a global minimum by using genetic algorithms in weight and variance spaces.
BCI에서 기계 학습을 위한 간질 뇌파 특징 선택을 통한 차원 감소 방법 분석
임창균 한국전자통신학회 2018 한국전자통신학회 논문지 Vol.13 No.6
지금까지 뇌파(Electroencephalography - EEG)는 뇌전증 진단 및 치료를 위한 가장 중요하고 편리한 방법이었다. 그러나 뇌전증 뇌파 신호의 파형 특성은 매우 약하고 비 정지 상태이며 배경 노이즈가 강하기 때문에 식별하기가 어렵다. 이 논문에서는 간질 뇌파의 특징 선택을 통한 차원 감소를 통한 분류 방법의 효과를 분석한다. 우리는 차원 감소를 위해 주 요소 분석, 커널 요소 분석, 선형 판별 분석 방법을 사용하였다. 차원 감소 방법의 성능 분석을 위해 Support Vector Machine (SVM), Logistic Regression (LR), K-Nearestneighbor (K-NN), Decision Tree (DR), Random Forest (RF) 분류 방법들을 사용해 평가하였다. 실험 결과에 따르면, PCA는 SVM, LR 및 K-NN에서 75% 정확도를 나타냈다. KPCA는 SVM과 K-KNN에서 85%의 성능을 보였으며 LDA는 K-NN를 이용했을 때 100 %의 정확도 보여주었다. 따라서 LDA를 이용한 차원 감소가 뇌전증 EEG 신호에 대한 최고의 분류 결과 보여주었다. Until now, Electroencephalography (EEG) has been the most important and convenient method for the diagnosis and treatment of epilepsy. However, it is difficult to identify the wave characteristics of an epileptic EEG signals as it is very weak, non-stationary and has strong background noise. In this paper, we analyse the effect of dimensionality reduction methods on Epileptic EEG feature selection and classification. Three dimensionality reduction methods: Pincipal Component Analysis(PCA), Kernel Principal Component Analysis (KPCA) and Linear Discriminant Analysis (LDA)were investigated. The performance of each method was evaluated using Support Vector Machine (SVM), Logistic Regression (LR), K-Nearestneighbor (K-NN), Decision Tree (DR) and Random Forest (RF). From the experimental result, PCA recorded 75% highest accuracy in SVM, LR and K-NN. KPCA recorded 85% best performance in SVM and K-KNN while LDA achieved 100% accuracy in K-NN. Thus, LDA dimensionality reduction is found to provide the best classification result for epileptic EEG signal.
Solvent manufacturing process monitoring using artificial neural networks
임창균 한국지능시스템학회 2005 한국지능시스템학회논문지 Vol.15 No.3
Advances in sensors, actuators, and computers and developments in information systems offer unprecedented opportunities to implement highly ambitious automation, control and decision strategies. There are also new challenges and demands for control and automation in modern industrial practices. There is a growing need for an active participation from the information systems in industrial, manufacturing and process industry environments because currently there are many control problems. This paper provides pattern recognition to the monitoring system for solvent manufacturing process and shows performance in real-time response with multiple input signals. Data is learned by a multilayer feedforward network trained by error-backpropagation. The two kinds of test results show that the trained network has the ability to show the current system status with different input data sets.