http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 조건화(Jian hua Diao) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
데이터 스트림의 다중-간격 예측을 위한 통합된 계층형 시간적 메모리 네트워크
조건화(Jian-Hua Diao),배선갑(Sun-Gap Bae),심명선(Myung-Sun Sim),배종민(Jong-Min Bae),강현석(Hyun-Syug Kang) 한국정보과학회 2010 정보과학회논문지 : 소프트웨어 및 응용 Vol.37 No.7
데이터 스트림을 위한 효율적인 예측 방법을 개발하기 위하여 많은 연구들이 진행 되어왔다. 하지만, 이들 방법들은 대부분 고정된 시간 구간에 대한 하나의 예측 결과만을 제공하고 있기 때문에 많은 경우에 다양한 시간 간격을 기초로 얻어진 예측 결과들이 다를 수 있다. 따라서 다중-간격 예측(Multi-Interval Prediction MIP)을 위한 새로운 방법의 개발이 요구된다. 본 논문은 계층형 시간적 메모리(HTM) 기술을 이용하여 데이터 스트림을 다중-간격 기반으로 예측할 수 있는 새로운 방안을 제시한다. 우리는 원래의 HTM 네트워크에 새로운 노드 형태인 Zeta1LastNode를 도입하여 통합된 계층형 시간적 메모리(Integrated Hierarchical Temporal Memory IHTM) 네트워크를 제안한다. 특히, 이 IHTM 네트워크의 계층적인 통합 특성을 이용하여, 데이터 스트림에 대한 다중-간격 예측이 효과적으로 이루어질 수 있도록 하였다. 성능 분석을 통해 IHTM이 다중-간격 예측을 함에 있어서 예측 간격이 늘어날수록 원래의 HTM에 비하여 메모리와 계산 시간의 소비를 획기적으로 줄일 수 있다는 것을 보였다. There is a large body of ongoing research to develop efficient prediction methods for data streams. These methods provide single prediction with a fixed time interval. It is necessary to develop a method for multi-interval prediction (MIP) because different prediction results may be obtained based on different intervals in many cases. In this paper, we propose a solution for MIP based on the Hierarchical Temporal Memory (HTM) model. In order to solve the problem of MIP with HTM, we present an Integrated Hierarchical Temporal Memory (IHTM) network by introducing a new node type Zeta1LastNode to the original HTM network. Using the hierarchical characteristic of the IHTM network, different levels in the network learn and model the features of a data stream with different intervals and generate prediction results for different intervals. Performance evaluation shows that the IHTM is efficient in the memory and time consumption compared with the original HTM network in MIP.
-
중소 제조업을 위한 HTM 기반의 부품 이미지 인식 시스템의 개발
배선갑,이대한,조건화,남해보,성기원,배종민,강현석,Bae, Sun-Gap,Lee, Dae-Han,Diao, Jian-Hua,Nan, Hai-Bao,Sung, Ki-Won,Bae, Jong-Min,Kang, Hyun-Syug 한국정보처리학회 2009 정보처리학회논문지D Vol.16 No.4
It is necessary to develop a system of judging whether or not the parts are defective easily at low cost, especially in a small scale factory which manufactures a large variety of products in small amounts. To develop such system, we require to recognize objects using human's cognitive ability under various circumstances. Human's high intelligence originates mostly from neocortex of human brain. The HTM theory, which is proposed by Jeff Hopkins, is one of the recent researches to model the operation principle of neocortex. In this paper we developed PRESM (Parts image REcognition System for small scale Manufacturing industry) system based on the HTM theory to judge badness of manufactured products. As a result of application to the real field of workplace environments we identified the superiority of our recognition system. 소량으로 다품종을 생산하는 소규모 공장에서 적은 비용으로 쉽게 부품의 양 불량을 판별하는 시스템의 개발이 절실히 요구된다. 이러한 시스템의 개발을 위하여 다양한 환경에서도 물체를 인식할 수 있는 사람의 인식 능력과 같은 기능이 필요하다. 인간의 고등 지능은 대부분 두뇌의 신피질(neocortex)에서 비롯된다. 최근 이 신피질의 동작 원리를 컴퓨터에 접목시키는 연구 중의 하나가 Jeff Hopkins가 제안한 HTM 이론이다. 본 논문은 이 HTM 이론을 적용하여 소량 다품종 부품 생산 현장에서 부품의 이미지를 인식하여 양 불량을 판별하는 시스템인 PRESM(Parts image REcognition System for small scale Manufacturing industry)을 개발하였다. 개발 결과를 현장에 적용해 본 결과 실제 환경에서 부품의 양 불량 판별이 우수한 것으로 확인되었다.
-
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
