http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
점진적 중심 갱신을 이용한 deep support vector data description 기반의 온라인 비정상 탐지 알고리즘
이기배,고건혁,이종현,Lee, Kibae,Ko, Guhn Hyeok,Lee, Chong Hyun 한국음향학회 2022 韓國音響學會誌 Vol.41 No.2
Typical anomaly detection algorithms are trained by using prior data. Thus the batch learning based algorithms cause inevitable performance degradation when characteristics of newly incoming normal data change over time. We propose an online anomaly detection algorithm which can consider the gradual characteristic changes of incoming normal data. The proposed algorithm based on one-class classification model includes both offline and online learning procedures. In offline learning procedure, the algorithm learns the prior data to be close to centroid of the latent space and then updates the centroid of the latent space incrementally by new incoming data. In the online learning, the algorithm continues learning by using the updated centroid. Through experiments using public underwater acoustic data, the proposed online anomaly detection algorithm takes only approximately 2 % additional learning time for the incremental centroid update and learning. Nevertheless, the proposed algorithm shows 19.10 % improvement in Area Under the receiver operating characteristic Curve (AUC) performance compared to the offline learning model when new incoming normal data comes.
이기배,이종현,Lee, Kibae,Lee, Chong Hyun 한국음향학회 2021 韓國音響學會誌 Vol.40 No.4
일반적으로 비정상 신호 탐지 연구에서는 데이터 불균형으로 인해 정상 신호 특징을 주된 정보로 사용한다. 본 논문에서는 비정상 신호의 특징을 학습하는 병렬 오토인코더를 이용한 효율적인 비정상 신호 탐지기법을 제안한다. 제안된 동일한 구조로 이루어진 병렬 오토인코더는 정상 신호와 비정상 신호에 대한 특징을 학습하는 정상 복원기와 비정상 복원기로 구성되며, 정상 및 비정상 데이터를 순차적으로 학습함으로써 불균형 데이터 문제를 효율적으로 해결할 수 있다. 뿐만 아니라 보다 높은 탐지성능 향상을 위해서 부가적인 이진 분류기가 추가될 수 있다. 공개된 음향데이터를 이용한 실험결과, 제안된 병렬 탐지모델의 학습시간이 단일 오토인코더 탐지모델과 비교하여 약 1.31 ~ 1.61배 늘어나지만, 최소 22 % 이상의 Area Under Curve(AUC) 향상을 보였다. 또한, 사전에 훈련된 병렬 오토인코더를 이용하여 수중 음향데이터를 전이학습한 결과 수중 비정상 신호 AUC 탐지성능을 93 % 이상 향상시킬 수 있음을 확인하였다.
이기배(Kibae Lee),이지현(Jeehyun Lee),배진호(Jinho Bae),정명준(Myoung Jun Cheong),이종현(Chong Hyun Lee) 대한전자공학회 2017 대한전자공학회 학술대회 Vol.2017 No.6
In this paper, we propose passive sonar target signal separation algorithm using SDAE(Stacked Denoising Auto-Encoder). By using the proposed algorithm based on SDAE along with Fast ICA(Independent Component Analysis) algorithm, we obtained 4~5dB improved SNR of target signal. Also, we proposed separation algorithm using SDAE and filter bank designed by harmonic relation, which showed superior performance to existing BSS algorithms.
Liquid Level Sensor based on Microstrip Patch Antenna
Jeehyun Lee(이지현),Kibae Lee(이기배),Jinho Bae(배진호),Chong Hyun Lee(이종현) 대한전자공학회 2017 대한전자공학회 학술대회 Vol.2017 No.6
We propose a liquid level sensor based on microstrip patch antenna, which has resonant frequencies dependent on physical dimensions of its radiation patch and permittivity of dielectric material between radiation patches. By investigating resonant frequency shift caused by the dielectric materials composed of liquid and air gap, we can detect the specific level of liquid. We also derive a relative permittivity according to the ratio of the liquid to air. By adopting a microstrip patch antenna of which chamber is 5mm height, we show that the proposed sensor can detect level of water with 2mm resolution of which frequency separation is at least 30MHz.