룰 바이 룰 기반의 추론 시스템

장세인,박충식 한국지능정보시스템학회 2016 한국지능정보시스템학회 학술대회논문집 Vol.2016 No.11

정확히 재가중되는 온라인 전체 에러율 최소화 기반의 객체 추적

장세인,박충식 한국지능정보시스템학회 2019 지능정보연구 Vol.25 No.4

Object tracking is one of important steps to achieve video-based surveillance systems. Object tracking is considered as an essential task similar to object detection and recognition. In order to perform object tracking, various machine learning methods (e.g., least-squares, perceptron and support vector machine) can be applied for different designs of tracking systems. In general, generative methods (e.g., principal component analysis) were utilized due to its simplicity and effectiveness. However, the generative methods were only focused on modeling the target object. Due to this limitation, discriminative methods (e.g., binary classification) were adopted to distinguish the target object and the background. Among the machine learning methods for binary classification, total error rate minimization can be used as one of successful machine learning methods for binary classification. The total error rate minimization can achieve a global minimum due to a quadratic approximation to a step function while other methods (e.g., support vector machine) seek local minima using nonlinear functions (e.g., hinge loss function). Due to this quadratic approximation, the total error rate minimization could obtain appropriate properties in solving optimization problems for binary classification. However, this total error rate minimization was based on a batch mode setting. The batch mode setting can be limited to several applications under offline learning. Due to limited computing resources, offline learning could not handle large scale data sets. Compared to offline learning, online learning can update its solution without storing all training samples in learning process. Due to increment of large scale data sets, online learning becomes one of essential properties for various applications. Since object tracking needs to handle data samples in real time, online learning based total error rate minimization methods are necessary to efficiently address object tracking problems. Due to the need of the online learning, an online learning based total error rate minimization method was developed. However, an approximately reweighted technique was developed. Although the approximation technique is utilized, this online version of the total error rate minimization could achieve good performances in biometric applications. However, this method is assumed that the total error rate minimization can be asymptotically achieved when only the number of training samples is infinite. Although there is the assumption to achieve the total error rate minimization, the approximation issue can continuously accumulate learning errors according to increment of training samples. Due to this reason, the approximated online learning solution can then lead a wrong solution. The wrong solution can make significant errors when it is applied to surveillance systems. In this paper, we propose an exactly reweighted technique to recursively update the solution of the total error rate minimization in online learning manner. Compared to the approximately reweighted online total error rate minimization, an exactly reweighted online total error rate minimization is achieved. The proposed exact online learning method based on the total error rate minimization is then applied to object tracking problems. In our object tracking system, particle filtering is adopted. In particle filtering, our observation model is consisted of both generative and discriminative methods to leverage the advantages between generative and discriminative properties. In our experiments, our proposed object tracking system achieves promising performances on 8 public video sequences over competing object tracking systems. The paired t-test is also reported to evaluate its quality of the results. Our proposed online learning method can be extended under the deep learning architecture which can cover the shallow and deep networks. Moreover, online learning methods, that need the exact reweighting pro... 영상 기반의 보안 시스템의 증가함에 따라 각 용도마다 다른 다양한 객체들에 대한 처리들이 중요해지고 있다. 객체 추적은 객체 인식, 검출과 같은 작업들과 함께 필수적인 작업으로 다뤄진다. 이 객체 추적을 달성하기위해서 다양한 머신러닝이 적용될 수 있다. 성공적인 분류기로써 전체 에러율 최소화(total-error-rate minimization) 기반의 방법론이 사용될 수 있다. 이 전체 에러율 최소화 기반의 방법론은 오프라인 학습을 기반으로 하고 있다. 객체 추적은 실시간으로 처리하며 갱신해야하는 것이 필수적이므로 온라인 학습(online learning)을 기반으로 하는 것이 적합하다. 온라인 전체 에러율 최소화 방법론이 개발되었지만 점근적으로 재가중되는(approximately reweighted) 작업이 포함되어 에러를 누적시킬 수 있다는 단점이 있다. 본 논문에서는 정확하게 재가중되는(exactly reweighted) 방법론을 제안하면서 온라인 전체 에러율 최소화가 달성되었다. 이 제안된온라인 학습 방법론을 객체 추적에 적용하여 총 8개의 데이터베이스에서 다른 추적 방법론들 보다 좋은 성능이달성되었다.

다중 간섭 환경에서 Impulse Radio UWB 시스템의 전송품질 향상에 관한 연구

장세인,이양선,김시관,Jang, Se-In,Lee, Yang-Sun,Kim, Si-Gwan 한국정보통신학회 2010 한국정보통신학회논문지 Vol.14 No.11

본 논문에서는 Impulse Radio UWB 시스템에서 다중 접속시 발생하는 간섭을 개선하기 위해 CCI canceller를 적용하여 동일 채널 상의 다중 접속 간섭을 제거 하였다. 또한, 전송 품질을 향상시키기 위하여 Truncated Type-II Hyabrid ARQ 기법을 적용하여 다중간섭 채널 환경에서의 시스템 성능을 평가하였다. In this paper, We applied CCI canceller to remove multiple access interference in co-channel environment and improved performance of Impulse Radio UWB system. Also, we have evaluated the performance of UWB system with Truncated Type-II Hybrid ARQ scheme for achieving high quality data transmission.

구성적 인공지능 기반의 동영상 얼굴 검출

장세인,장현성,박충식 한국지능정보시스템학회 2017 한국지능정보시스템학회 학술대회논문집 Vol.2017 No.8

21세기 극동지역의 무역발전을 위한 정책

張世和(장세화) 한국무역학회 1998 한국무역학회 국제학술대회 Vol.1998 No.2

유방고정술과 생리식염주머니를 이용한 유방증대술을 시행한 환자에서의 독성-쇽 증후군의 치험례

장세인,서민성,김영수 大韓成形外科學會 2001 Archives of Plastic Surgery Vol.28 No.5

21세기 극동지역의 무역발전을 위한 정책

張世和(장세화) 韓國貿易學會 1998 國際學術大會 論文集 Vol.1998 No.2

이진 분류를 위하여 거리계산을 이용한 특징 변환 기반의 가중된 최소 자승법

장세인,박충식,Jang, Se-In,Park, Choong-Shik 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.2

이진 분류(binary classification)는 머신러닝(machine learning) 분야에서 많이 다루어진 주제이다. 게다가 이진 분류는 다중 분류로 쉽게 발전될 수 있는 중요한 분야이다. 머신러닝 방법들을 적용할 때에 전처리(preprocessing)이나 특징 추출(feature extraction)과 같은 작업이 필수적이다. 이는 분류기 성능을 향상시키기 위한 중요한 작업이다. 본 논문에서는 가중된 최소 자승법을 기반으로 새로운 머신러닝 방법을 제안한다. 또한, 특징 변환시킬 수 있는 새로운 가중치 계산 방법을 제안한다. 이를 통해 특징 변환과 동시에 학습을 진행할 수 있는 방법을 제안한다. 본 제안을 다섯 개의 머신러닝 데이터베이스에서 실험을 진행하였으며 이 데이터베이스에서 우수한 성능을 얻을 수 있었다. Binary classification has been broadly investigated in machine learning. In addition, binary classification can be easily extended to multi class problems. To successfully utilize machine learning methods for classification tasks, preprocessing and feature extraction steps are essential. These are important steps to improve their classification performances. In this paper, we propose a new learning method based on weighted least squares. In the weighted least squares, designing weights has a significant role. Due to this necessity, we also propose a new technique to obtain weights that can achieve feature transformation. Based on this weighting technique, we also propose a method to combine the learning and feature extraction processes together to perform both processes simultaneously in one step. The proposed method shows the promising performance on five UCI machine learning data sets.

敎區司祭와 普遍的 宣敎使命

張世現(장세현) 광주가톨릭대학교 신학연구소 1993 神學展望 Vol.- No.101

한국어의 Construction Grammar 구현방안 연구

장세인,박충식,이호준,이옥희 한국지능정보시스템학회 2013 한국지능정보시스템학회 학술대회논문집 Vol.2013 No.11

기존의 변형생성문법이나 정형문법은 이론적인 면이 강한 언어이론들이기 때문에 실제적인 방대한 언어자료를 활용하는 연구에 취약하고, 언어변화, 언어습득, 언어학습, 언어분화, 담화, 문학언어 현상(시, 등), 등과 같은 시간적, 지역적, 상황적인 언어의 동적 특성을 잘 설명하지 못하고 있을 뿐만 아니라 언어 의미 이론과의 연결에서도 충분한 설명을 제시하지 못하고 있다. 본 연구에서는 심볼 그라운딩, 언어습득, 그리고 시와 같은 문학언어 연구를 위하여 점증하는 인지과학을 기반으로 한 인지언어학읜 연구 성과를 수용하고, 빅데이터 처리에까지 다가간 대용량 코퍼스(말뭉치) 기반의 언어연구에 부합되며, 인지 언어 의미이론과의 접목이 용이하고, 가장 급진적인 언어이론이라고 할 수 있는 비트켄슈타인의 언어게임이론을 시험할 수 있는, 보단 유연한 문법이론으로써 구문문법(Construction Grammar, 이하는 CxG)을 한국어에 적용하기 위하여 실제로 자연언어처리를 위해 구현된 CxG를 살펴보고, 이를 기반으로 한국어 처리에 적용하기 위한 방안을 모색하고, 이를 일부 구현한 결과를 제시하였다.