새집증후군 막아주는 친환경 나무벽지 개발 - 산림청 국립산림과학원, 탄화보드의 유해물질 흡수.차단효과 이용 인테리어용 나무벽지 개발

박상범,Park, Sang-Beom 한국산림경영인협회 2008 山林經營 Vol.190 No.-

설계경기 - 남해 독일문화 체험센터

박상범,Park, Sang-Beom 대한건축사협회 2012 建築士 Vol.2012 No.8

하이브리드 Fuzzy Transform을 이용한 흑색 플라스틱 분류기 설계

박상범(Sang-Beom Park),오성권(Sung-Kwun Oh) 한국지능시스템학회 2017 한국지능시스템학회논문지 Vol.27 No.5

본 연구에서는 각 재질에 따라 흑색 플라스틱을 선별하기 위한 패턴 분류기를 설계한다. Fuzzy Transform과 주성분 분석법을 결합한 Hybrid fuzzy transform을 전처리 알고리즘으로 사용한다. LIBS 분광기를 이용해 획득한 스펙트럼의 입력변수는 Fuzzy transform방법을 이용해 축소한다. Inverse fuzzy transform의 도움으로, Fuzzy transform으로 얻어진 스펙트럼은 노이즈가 줄어든 스펙트럼으로 재구성된다. 노이즈가 줄어든 스펙트럼은 주성분 분석법을 사용해 다시 입력변수를 축소시켜준다. 두 번 전처리된 스펙트럼은 FCM 클러스터링 기반 방사형 기저함수 신경회로망 분류기의 입력변수로 사용한다. 결론부의 연결가중치는 Linear, Modified quadratic을 사용한다. 그리고 퍼지추론법을 사용해 제안된 분류기의 분류율을 보여준다. 본 논문에서 제시한 전처리 방법의 우수성을 입증하기 위해 PCA, Fuzzy transform으로 축소된 입력 데이터를 기반으로 weka 3.8 데이터 마이닝 소프트웨어 사용하여 얻은 분류성능을 비교한다. In this study, pattern classifier is designed for sorting black plastics for each material. Hybrid fuzzy transform, which is combined by fuzzy transform and principal component analysis, is used as preprocessing algorithm. The input variables of spectra which are obtained using LIBS spectrometer are reduced through fuzzy transform method. With the aid of inverse fuzzy transform, spectra obtained by fuzzy transform are reconstructed to original spectrum with less noise. The input variables of spectra that reduced the noise are shrank again by means of principal component analysis. The input variables of spectra that were preprocessed two times are used as the input variables of FCM clustering-based radial basis function neural networks(RBFNNs) classifier. The connection weights of the conclusion part are used as linear and modified quadratic functions. And the classification rate of the proposed classifier is shown using fuzzy inference method. To prove the excellence of the preprocessing method which is suggested in this study, classification performance is compared by using weka 3.8 data mining software based on the input data that reduced from PCA and Fuzzy transform respectively.

데이터 정보를 이용한 흑색 플라스틱 분류기 설계

박상범(Sang-Beom Park),오성권(Sung-Kwun Oh) 대한전기학회 2018 전기학회논문지 Vol.67 No.4

In this paper, with the aid of information which is included within data, preprocessing algorithm-based black plastic classifier is designed. The slope and area of spectrum obtained by using laser induced breakdown spectroscopy(LIBS) are analyzed for each material and its ensuing information is applied as the input data of the proposed classifier. The slope is represented by the rate of change of wavelength and intensity. Also, the area is calculated by the wavelength of the spectrum peak where the material property of chemical elements such as carbon and hydrogen appears. Using informations such as slope and area, input data of the proposed classifier is constructed. In the preprocessing part of the classifier, Principal Component Analysis(PCA) and fuzzy transform are used for dimensional reduction from high dimensional input variables to low dimensional input variables. Characteristic analysis of the materials as well as the processing speed of the classifier is improved. In the condition part, FCM clustering is applied and linear function is used as connection weight in the conclusion part. By means of Particle Swarm Optimization(PSO), parameters such as the number of clusters, fuzzification coefficient and the number of input variables are optimized. To demonstrate the superiority of classification performance, classification rate is compared by using WEKA 3.8 data mining software which contains various classifiers such as Naivebayes, SVM and Multilayer perceptron.

오차 보상을 위한 보상기 기반 방사형 기저함수 신경회로망 분류기 설계

박상범(Sang-Beom Park),오성권(Sung-Kwun Oh) 한국지능시스템학회 2019 한국지능시스템학회논문지 Vol.29 No.3

본 연구에서는 효과적인 오차 보상을 위한 퍼지 보상기 기반 방사형 기저함수 신경회로망(RBFNN) 분류기를 설계한다. 오차는 실제 출력과 RBFNN 분류기에서 구한 출력의 차이를 의미하고 이는 보상기의 교사신호로 간주한다. 교사신호를 기반으로, 보상기는 최소자승법을 사용하여 연결가중치를 추정하고 보상기의 출력을 계산한다. 보상기는 퍼지집합기반 신경회로망(FsNN) 분류기를 사용하였다. RBFNN 분류기와 보상기의 연결가중치는 상수항(Constant)을 사용하여 학습하였다. 본 연구에서는 UCI repository에서 얻은 다양한 기계학습 데이터를 사용하여 보상기 기반 방사형 기저함수 신경회로망 분류기의 분류지수를 평가한다. 보상기 기반 RBFNN 분류기는 기존에 사용한 RBFNN 분류기에 비해 제안된 분류기와의 분류지수와 성능지수를 비교하는 관점에서 우수성을 보여준다. In this study, a radial basis function neural network(RBFNN) classifier designed with aid of a fuzzy compensator is introduced for the effective compensation of errors. The errors considered as the supervised signal to learn the compensator mean the difference between the real output and the output of the RBFNN classifier. Based on the supervised signal, the connection weights of the compensator are estimated by using least square estimation(LSE) and also used to calculate the output of the compensator. Fuzzy set-based neural network (FsNN) classifier is exploited as the compensator. In the case of both RBFNN classifier and the compensator, the constants are used as the connection weights. In this study, various benchmark datasets which are obtained from UCI repository are exploited to evaluate the classification index of the compensator-based RBFNN classifier. It is shown that the compensator-based RBFNN classifier is preferred when compared to the conventional RBFNN classifiers in terms of the classification index and performance index.

Coupled Inductor를 적용한 다중 출력 LED 조명용 LLC 공진 컨버터에 관한 연구

박상범(Sang-Beom Park),이우철(Woo-Cheol Lee) 전력전자학회 2020 전력전자학술대회 논문집 Vol.2020 No.8

진화알고리즘을 이용하여 구조가 최적화된 RBFNN 분류기에 관한 연구

박상범(Sang-Beom Park),김은후(Eun-Hu Kim),오성권(Sung-Kwun Oh) 대한전기학회 2019 정보 및 제어 심포지엄 논문집 Vol.2019 No.4

Hybrid PCA 전처리를 사용한 RBFNN 분류기 설계 및 검정색 폐플라스틱 분류로의 응용

박상범(Sang-Beom Park),오성권(Sung-Kwun Oh),최우진(Woo-Zin Choi) 대한전기학회 2018 정보 및 제어 심포지엄 논문집 Vol.2018 No.10

증분형 K-means 클러스터링 기반 방사형 기저함수 신경회로망 모델 설계

박상범(Sang-Beom Park),이승철(Seung-Cheol Lee),오성권(Sung-Kwun Oh) 대한전기학회 2017 전기학회논문지 Vol.66 No.5

In this study, the design methodology of radial basis function neural networks based on incremental K-means clustering is introduced for learning and processing the big data. If there is a lot of dataset to be trained, general clustering may not learn dataset due to the lack of memory capacity. However, the on-line processing of big data could be effectively realized through the parameters operation of recursive least square estimation as well as the sequential operation of incremental clustering algorithm. Radial basis function neural networks consist of condition part, conclusion part and aggregation part. In the condition part, incremental K-means clustering algorithms is used tweights of the conclusion part are given as linear function and parameters are calculated using recursive least squareo get the center points of data and find the fitness using gaussian function as the activation function. Connection s estimation. In the aggregation part, a final output is obtained by center of gravity method. Using machine learning data, performance index are shown and compared with other models. Also, the performance of the incremental K-means clustering based-RBFNNs is carried out by using PSO. This study demonstrates that the proposed model shows the superiority of algorithmic design from the viewpoint of on-line processing for big data.

최적화된 Fuzzy Transform을 이용한 소프트맥스 함수 기반 RBFNN 분류기 설계

박상범(Sang-Beom Park),오성권(Sung-Kwun Oh),김현기(Hyun-Ki Kim) 한국지능시스템학회 2018 한국지능시스템학회논문지 Vol.28 No.2

본 논문에서는 최적화된 Fuzzy Transform을 이용한 소프트맥스 함수 기반 RBFNN 분류기 설계를 제안하고 그 효용성은 모의실험을 통하여 보여준다. 이를 위하여 차분진화와 입자군집 최적화를 최적화 알고리즘으로 사용하였다. 그리고 최적화 알고리즘을 이용하여 멤버쉽함수의 중심점을 최적화하였고 최적화된 멤버쉽함수의 형태를 비교하였다. 최적화된 Fuzzy Transform을 사용하여 획득한 축소된 입력변수는 소프트맥스 함수 기반 RBFNN 분류기의 입력으로 사용한다. 비용함수는 크로스 엔트로피 오차함수를 사용하였고 뉴턴법기반의 비선형 최소자승법을 연결가중치 계수를 추정하는 학습방법으로 사용하였다. 또한, 출력값을 0과 1사이의 값으로 정규화하기 위해 소프트맥스 함수를 출력층의 활성함수로 사용하였다. 소프트맥스 함수에 의해 정규화된 출력값들은 확률값들로 간주하여 확률값들 중 가장 큰 값을 분류기의 최종출력을 결정한다. 레이저유도붕괴분광기를 사용하여 획득한 재질별 스펙트럼 데이터를 사용하여 제안된 분류기의 분류성능이 평가된다. 제안된 분류기는 weka data software의 분류성능의 관점에서 우수성을 보여준다. In this paper, softmax function-based RBFNN classifier wth the optimized fuzzy transform is introduced and the excellence of the proposed classifier is demonstrated through several experiments. In addition, differential evolution(DE) and particle swarm optimization(PSO) are used to optimize the introduced classifier. Furthermore, the shapes of the optimized membership functions, whose center points are optimized by using DE and PSO have been compared. The reduced input variables obtained by using the optimized fuzzy transform are used as the inputs of a softmax function-based RBFNN classifier. The cross entropy error function is used as the cost function and newton method based-nonlinear least square estimation is applied to estimate the coefficients of connection weights. Moreover, softmax function is used as activation function of the output layer in order to normalize the output values between 0 and 1. When output values normalized by softmax function are regarded as probability values, the maximum value among probability value is determined as final output value. The spectrum data acquired from Laser Induced Breakdown Spectroscopy(LIBS) are used to validate the classification performance of the inroduced classifier. The proposed classifier shows the superiority from the view point of classification performancec, omparing the proposed classifier with weka data mining softwaer.