http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
간병 로봇을 위한 합성곱 신경망 (CNN) 기반 의약품 인식기 설계
김현돈,김동현,서필원,배종석,Kim, Hyun-Don,Kim, Dong Hyeon,Seo, Pil Won,Bae, Jongseok 대한임베디드공학회 2021 대한임베디드공학회논문지 Vol.16 No.5
Our final goal is to implement nursing robots that can recognize patient's faces and their medicine on prescription. They can help patients to take medicine on time and prevent its abuse for recovering their health soon. As the first step, we proposed a medicine classifier with a low computational network that is able to run on embedded PCs without GPU in order to be applied to universal nursing robots. We confirm that our proposed model called MedicineNet achieves an 99.99% accuracy performance for classifying 15 kinds of medicines and background images. Moreover, we realize that the calculation time of our MedicineNet is about 8 times faster than EfficientNet-B0 which is well known as ImageNet classification with the high performance and the best computational efficiency.
다중 동적 위상보존 자기구성 지도의 결합을 통한 필기숫자 데이타의 분류율 향상
김현돈(Hyun-Don Kim),조성배(Sung-Bae Cho) 한국정보과학회 2001 정보과학회논문지 : 소프트웨어 및 응용 Vol.28 No.12
자기 구성지도는 데이타 시각화, 위상보존 매핑 등의 분야에서 널리 사용되고 있지만, 학습이 되기 전에 위상을 미리 고정시켜야 하기 때문에 실제 문제에 적용하기 어렵다는 것과 클러스터링 능력에 비해 분류율이 낮다는 결점이 있다. 이를 해결하기 위해서 자기구성 지도의 출력 노드를 동적으로 분화하고 분화된 노드를 학습하는 동적 위상보존 자기구성 지도를 제안하고, 이를 다중 결합함으로써 분류율을 향상 시켰다. 동적 위상보존 자기구성 지도의 결합 방법으로는 자기구성 지도의 K개 노드가 출력을 내도록하는 K-Winner 방법 및 K-Winner+가중치 방법이 제안되었는데, 이는 다수결 투표, 가중치, BKS, Bayesian, Borda, Condorect, 신뢰값 합산 등의 기존 결합 방법보다도 우수한 결과를 나타내었다. 동적 위상보존 자기구성 지도를 통해서 위상을 고정 시켜야 하는 결점을 해결할 수 있었고, 서로 다른 특징으로 학습된 동적 위상보존 자기구성 지도들을 결합하여 분류 능력을 향상시킬 수 있었다. 필기 숫자데이타로 실험한 결과, 제안한 방법이 자기구성 지도의 결점을 효과적으로 해결하여 98.1%의 높은 인식률을 보였다. Although the self-organizing map (SOM) is widely utilized in such fields of data visualization and topology preserving mapping, since it should have the topology fixed before trained, it has some shortcomings that it is difficult to apply it to practical problems, and classification capability is quite low despite better clustering performance. To overcome these points, this paper proposes the dynamic topology preserving self-organizing map(DTSOM) that dynamically splits the ouput nodes on the map and trains them, and attempts to improve the classification capability by combining multiple DTSOMs. K-Winner method has been applied to combine DTSOMs, which produces K outputs with winner node selection method. This produces even better performance than the conventional combining methods such as majority voting, weighting, BKS, Bayesian, Borda, Condorect and reliability sum. DTSOM remedies the shortcoming of determining the topology in advance, and the classification rate increases significantly by combining multiple maps trained with different features. Experimental results with handwritten digit recognition indicate that the proposed method works out the problems of conventional SOM effectively so to improve the classification rate to 98.1%.
비교사 학습과 교사 학습 알고리즘을 결합한 구조 적응형 자기구성 지도
김현돈(Hyun-Don Kim),조성배(Sung-Bae Cho) 한국정보과학회 1999 한국정보과학회 학술발표논문집 Vol.26 No.2Ⅱ
일반적으로 자기구성 지도에서는 구조가 초기에 결정되어 학습이 끝날 때까지 변하지 않기 때문에 각 문제에 대한 구조를 반복된 실험을 통해서 최적화 시켜야 한다. 그러나, 지도의 구조가 학습 중에 적절하게 변경된다면, 해당 문제에 가장 알맞은 구조의 지도를 생성할 수 있을 것이다. 이 논문에서는 기존의 적응형 자기구성 지도의 비교사 학습방법에 LVQ 알고리즘을 이용한 교사 학습방법을 결합한 구조 적응형 자기구성 지도 모델을 제안한다. 이 방법은 일반적인 자기구성 지도 알고리즘보다 작은 수의 노드를 가지고 높은 성능을 보일뿐만 아니라, 자기구성 지도의 특성인 위상 보존도 잘 이루어진다. 오프라인 필기 숫자 데이터로 실험한 결과, 제안한 방법이 유용함을 알 수 있었다.
김현돈(Hyun-Don Kim) 한국산업기술융합학회(구. 산업기술교육훈련학회) 2022 산업기술연구논문지 (JITR) Vol.27 No.4
이 논문에서는 청각장애인을 위하여 시야 밖에서 발생하는 위험 환경 소리(사이렌, 자동차경적, 비명, 총소리, 공사장 소음 등) 및 특정 음성 키워드(본인 이름, 조심하세요! 등)가 인식이 되면 진동 코드로 알려주어 사고 노출 위험성감소와 편의성을 높여주는 인공지능 헤드폰을 제안하였다. 웨어러블 기기에 걸맞게 저전력 및 휴대가 가능하도록 임베디드PC(Raspberry Pi 4B)에서 동작이 가능한 20종류의 소리를 분류할 수 있는 합성곱 신경망(CNN)기반 네트워크를 제안하였다. 제안한 소리 인식기는 평균 약 95.14% 인식률을 보였으며, 5.12초 길이의 음성 데이터가 라즈베리파이4B 상에서 평균 약 0.139초에 실행되어 실시간 처리가 가능함을 확인하였다. We designed an artificial intelligence (AI) headphone for hearing impaired people and proposed a convolution neural network (CNN)-based sound classifier with a low computational network that can run on an embedded PC (Raspberry Pi 4B) in real-time. Because our AI headphone can classify 20 types of dangerous or environmental sounds (e.g., siren, car horn, scream, gunshot, etc.) and recognize specific voice keywords (e.g., person name, be careful!, stop!, etc.), it can assist hearing impaired people in reducing the risk of accident exposure and improving convenience. In addition, we use vibration codes to notify the hearing impaired person of detected information to the vibration motors attached to both sides of the headphone. We confirm that our proposed sound classifier achieves an average accuracy rate of approximately 95.14%, and enables real-time processing on the Raspberry Pi 4B because it requires an average computation time of approximately 0.139s with audio recording data for 5.12s.
신개념 모바일 출입인증 보안시스템을 위한 비가청 음파통신에 관한 연구
김현돈(Hyun-Don Kim) 산업기술교육훈련학회 2020 산업기술연구논문지 (JITR) Vol.25 No.1
In this study, we describe the application of ultrasonic communication for mobile authentication. Ultrasonic communication can be utilized in all kinds of embedded systems with a universal-type speaker and a microphone. In addition, it is possible to determine whether users are indoor or outdoor, because the ultrasound signal is rarely transmitted through walls or glass doors. In this report, we propose a protocol and algorithm for ultrasonic communication to facilitate authentication in security systems. Our proposed method does not require direct contact such as in NFC authentication, and it can address a weak point that is missed due to a wide access range such as in BLE authentication.
김현돈(Hyun-Don Kim),조성배(Sung-Bae Cho) 한국정보과학회 2000 한국정보과학회 학술발표논문집 Vol.27 No.1B
컴퓨터가 널리 보급되고 인터넷이 발전함에 따라 많은 정보가 생산되고, 이러한 정보를 가공하여 사용자에게 효율적으로 제공하는 서비스들도 많아지게 되었다. 그러나, 컴퓨터에 익숙하지 않은 사용자들은 쉽게 이러한 서비스를 이용하지 못하기 때문에 사용자들을 돕는 시스템들이 필요하게 되었다. 한메일넷의 경우 전자 우편을 통한 사용자들의 질문에 대해 관리자가 직접 답을 해주는데, 사용자의 증가로 질의응답 업무의 양이 커지고 있다. 따라서, 본 논문에서는 사용자의 질의에 자동으로 응답하는 시스템을 개발하기 위하여 효율적인 이단계 자기구성 지도(SOM)를 제안한다. 이 방법은 다양한 크기의 질의메일을 정형화된 크기로 만들기 위한 데이터 축약 SOM과 이를 실제 해당 답변 클래스로 분류하는 문서 분류 SOM으로 구성된다. 실제 사용되고 있는 2206개의 데이터에 대한 실험 결과, 95%의 분류 성공률을 보여 그 가능성을 볼 수 있었다.