http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
강대성(Daesung Kang),박주영(Jooyoung Park) 한국지능시스템학회 2006 한국지능시스템학회논문지 Vol.16 No.4
SVDD(support vector data description)는 가장 주요한 one-class 서포트 벡터 학습 방법론 중 하나로 비정상 물체에서 정상 데이터를 구분하기 위해서 특징 공간애서 정의된 구를 이용하는 전략을 쓰는 방법론이다. 본 논문애서는 SVDD를 이용해서 노이즈가 섞인 비정상 데이터를 노이즈가 제거된 정상 데이터로 복원하는 방법에 대해서 논한다. 그리고 고해상도의 학습 데이터를 이용하여 저해상도로 주어진 시험 데이터 이미지를 고해상도의 이미지로 복원하는 문재에 적용함으로써 본 논문의 방법론이 어떻게 실용적으로 적용될 수 있는지에 대해서 다룬다. The SVDD(support vector data description) is one of the most important one-class support vector learning methods, which depends on the strategy of utilizing the balls defined on the feature space to discriminate the normal data from all other possible abnormal objects. This paper addresses on the extension of the SVDD method toward the problem of recovering the normal contents from the data contaminated with noises. The validity of the proposed de-noising method is shown via application to recovering the high-resolution images from the low-resolution images based on the high-resolution training data.
KPCA 기반 노이즈 제거 기법을 이용한 부분 손상된 얼굴 영상의 복원
강대성(Daesung Kang),김종호(Jongho kim),박주영(Jooyoung Park) 한국지능시스템학회 2005 한국지능시스템학회 학술발표 논문집 Vol.15 No.1
많은 경우, 부분 손상된 얼굴 영상을 복원해야 할 필요가 있다. 대표적인 예로는 감시 카메라에 찍힘 범인의 얼굴 영상이 이에 속한다. 이런 경우 얼굴의 중요한 부분이 가려져 있기 때문에 자동 얼굴 인식 시스템이나 사람의 관찰로는 그 부분을 인식하기는 매우 어렵다. 이 논문에서는 그 어려움을 극복하기 위해 Kernel PCA 기반 노이즈 제거 기법을 부분 손상된 얼굴 영상에 적용한 문제를 고려해 보았다. In numerous occasions, there is need to reconstruct partially occluded facial image. Typical examples include the recognition of criminals whose facial images are captured by surveillance cameras. In such cases a significant part of the face is occluded making the process of identification extremely difficult, both for automatic face recognition systems and human observers. To overcome these difficulties, we consider the application of Kernel PCA -based denoising method to partially occluded facial image in this paper.
RLS 기반 Natural Actor-Critic 알고리즘을 이용한 트레이딩 전략
강대성(Daesung Kang),김종호(Jongho Kim),박주영(Jooyoung Park),박경욱(Kyung-Wook Park) 한국지능시스템학회 2005 한국지능시스템학회 학술발표 논문집 Vol.15 No.2
최근 컴퓨터를 이용하여 효과적인 트레이드를 하려는 투자자들이 늘고 있다. 본 논문에서는 많은 인공지능 방법론 중에서 강화학습(reinforcement learning)율 이용하여 효과적으로 트레이딩하는 방법에 대해서 다루려한다. 특히 강화학습 중에서 natural policy gradient를 이용하여 actor의 파라미터를 업데이트하고, value function을 효과적으로 추정하기 위해 RLS(recursive least-squares} 기법으로 critic 부분을 업데이트하는 RLS 기반 natural actor-critic 알고리즘을 이용하여 트레이딩을 수행하는 전략에 대한 가능성을 살펴보기로 한다.
칼만 필터 기반 GPS/INS 결합을 위한 KRLS의 적용
박주영(Jooyoung Park),강대성(Daesung Kang),이재훈(Jaehoon Lee),남동균(Dongkyun Nam),김도윤(Do-Yoon Kim),성상학(Sanghak Sung) 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.1
GPS/INS 결합 시스템은 각 장치의 단점을 서로 보완하면서 실시간으로 동체의 위치, 속도, 자세 등의 정보를 제공해준다. 최근 MEMS 기술의 발달로 자동차에서도 GPS와 저가의 MEMS형 INS를 결합하여 활용하려는 경우가 많아졌다. 이러한 경우에, GPS신호가 환경적인 요소나 기술적인 문제로 일시적으로 이용가능하지 않으면 기존의 칼만 필터 기반 GPS/INS 결합 방법은 어려움을 격게 된다. 본 논문에서는 KRLS(Kernel Recursive Least Squares) 방법론을 이용하여 이러한 어려움을 해소하는 방법에 대하여 생각해본다.
RLS 기반 Actor-Critic 학습을 이용한 로봇이동
김종호(Jongho Kim),강대성(Daesung Kang),박주영(Jooyoung Park) 한국지능시스템학회 2005 한국지능시스템학회논문지 Vol.15 No.7
강화학습 방법론 중 하나의 부류인 액터-코리틱 알고리즘은 제어입력 선택 문제에 있어서 최소한의 계산만을 필요로 하고, 확률적 정책을 명시적으로 다룰 수 있는 장점 때문에 최근에 인공지능 분야에서 많은 관심을 끌고 있다. 액터-크리틱 네트워크는 제어입력 선택 전략을 위한 액터 네트워크와 가치 함수 근사를 위한 크리틱 네트워크로 구상되며, 우수한 제어입력의 선택과 정확한 가치 함수 근사를 최대한 신속하게 달성하기 위하여, 학습 과정 동안 액터와 크리틱은 자신들의 파라미터 벡터를 적응적으로 변화시키는 전략을 구사한다. 본 논문은 크리틱의 학습을 위해 빠른 수렴성을 보장하는 RLS (Recursive Least Square)를 사용하고, 액터의 학습을 위해 정책의 기울기(Policy Gradient)를 이용하는 새로운 종류의 알고리즘을 고려한다. 고려된 알고리즘의 작용 가능성은 두개의 링크를 갖는 로봇에 대한 실험을 통하여 예시된다. Due to the merits that only a small amount of computation is needed for solutions and stochastic policies can be handled explicitly, the actor-critic algorithm, which is a class of reinforcement learning methods, has recently attracted a lot of interests in the area of artificial intelligence. The actor-critic network composes of the actor network for selecting control inputs and the critic network for estimating value functions, and in its training stage, the actor and critic networks take the strategy of changing their parameters adaptively in order to select excellent control inputs and yield accurate approximation for value functions as fast as possible. In this paper, we consider a new actor-critic algorithm employing an RLS(Recursive Least Square) method for critic learning, and policy gradients for actor learning. The applicability of the considered algorithm is illustrated with experiments on the two linked robot arm.
RLS 기반 Actor-Critic 학습을 이용한 로봇이동
김종호(Jongho Kim),강대성(Daesung Kang),박주영(Jooyoung Park) 한국지능시스템학회 2005 한국지능시스템학회 학술발표 논문집 Vol.15 No.2
강화학습을 위한 많은 방법 중 정책 반복을 이용한 actor-critic 학습 방법이 많은 적용 사례를 통해서 그 가능성을 인정받고 있다. Actor-critic 학습 방법은 제어입력 선택 전략을 위한 actor 학습과 가치 함수 근사를 위한 critic 학습이 필요하다. 본 논문은 critic의 학습을 위해 빠른 수렴성을 보장하는 RLS(recursive least square)를 사용하고, actor의 학습을 위해 정책의 기울기(policy gradient)를 이용하는 새로운 알고리즘을 제안하였다. 그리고 이를 실험적으로 확인하여 제안한 논문의 성능을 확인해 보았다.
김종호(Jongho Kim),강대성(Daesung Kang),박주영(Jooyoung Park) 한국지능시스템학회 2005 한국지능시스템학회 학술발표 논문집 Vol.15 No.1
The RPO algorithm is a recently developed tool in the area of reinforcement learning. And it has been shown to be very successful in several application problems. In this paper, we consider a robot-control problem utilizing a modified RPO algorithm, in which its critic network is adapted via RLS(Recursive Least Square) algorithm. We also developed a MATLAB-based animation program, by which the effectiveness of the training algorithms were observed.