http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김범성(BeomSeong Kim),김동엽(Dong Yeop Kim),황재필(Jae Pil Hwang),김은태(Euntai Kim),김영욱(Young-Ouk Kim) 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.1
SLAM에서 나오는 Data들은 모두 3차원 좌표로 존재하게 된다. 하지만 기존에 3차원 Map Building에서 주로 사용해 왔던 방법들은 속도가 느리고 높은 Hardware 사양을 요구하기 때문에 실시간으로 로봇을 구동하고 data를 처리하는 데에는 불편함이 많았다. 그래서 OpenGL을 이용하여 그래픽 API로 SLAM에 적합한 3D Map building Interface를 개발하게 되었다. 개발된 Interface는 Feature를 특성에 맞게 분류하여 표현하기 때문에 좀 더 나은 개발 환경을 제공하게 될 것이다.
김동엽(Dong Yeop Kim),최혁두(Hyukdoo Choi),황재필(Jae Pil Hwang),김은태(Euntai Kim),김영욱(Young-Ouk Kim) 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.2
본 논문은 이동로봇이 실내 환경에서 슬램(SLAM)을 수행함에 있어서, 최근 각광을 받고 있는 천장 시야 기반 지도구축 및 위치인식(이하 CV SLAM)에 대한 방법을 제시한다. 사무실이나 백화점의 복도나 마트 같은 대량생산된 조명설비나 스피커, 화재경보기가 설치된 곳들은 SLAM의 관점에서 봤을 때 천장에 원형 특이점이 풍부하게 설치되어있다고 할 수 있다. 이러한 환경을 대상으로 하여 스테레오 카메라로 천장의 이미지를 연속적으로 취득한 후, 위 방법을 Rao-Blackwellised Particle Filter기반 FastSLAM에 적용하는 이동 로봇 시스템을 구현하였다. 실험결과 효율적으로 천장의 원형 특징점을 정확하게 추적함을 볼 수 확인할 수 있었다.
TSK Fuzzy Model Based Hybrid Adaptive Control of Nonlinear Systems
김유근(You-Keun Kim),김재훈(Jae-Hun Kim),현창호(Chang-HO Hyun),김은태(Euntai Kim),박민용(Mignon Park) 한국지능시스템학회 2004 한국지능시스템학회 학술발표 논문집 Vol.14 No.2
In this thesis, we present the Takagi-Sugeno-Kang (TSK) fuzzy model based adaptive controller and adaptive identification for a general class of uncertain nonlinear dynamic systems. We use an estimated model for the unknown plant model and use this model for designing the controller. The hybrid adaptive control combined direct and indirect adaptive control based on TSK fuzzy model is constructed. The direct adaptive law can be showed by ignoring the identification errors and fails to achieve parameter convergence. Thus, we propose an TSK fuzzy model based hybrid adaptive (HA) law combined of the tracking error and the modeling error to adjust the parameters. Using a Lyapunov synthesis approach, the proposed hybrid adaptive control is proved. The hybrid adaptive law (HA) is better than the direct adaptive (DA) method without identifying the modeling error in terms of faster and improved tracking and parameter convergence. In order to show the applicability of the proposed method, it is applied to the inverted pendulum system and the performance is verified by some simulation results.
KNN 규칙과 새로운 특징 가중치 알고리즘을 결합한 패턴 인식 시스템
이희성,김은태,김동연,Lee Hee-Sung,Kim Euntai,Kim Dongyeon 대한전자공학회 2005 電子工學會論文誌-CI (Computer and Information) Vol.42 No.4
본 논문에서는 유전자 알고리즘을 이용한 새로운 적응적 특징 가중치 방식과 클래스별로 적용된 KNN(Nearest -Neighbor) 규칙을 이용한 새로운 패턴 인식 시스템을 제안한다. 패턴 인식 시스템의 성능을 향상시키기 위하여, 새로운 연산자를 갖는 유전자 알고리즘으로 가중치의 중간값을 결정함으로써 과잉 맞춤(overfitting)을 피하면서, 데이터의 분포에 따라 적절한 특징의 가중치를 찾는 새로운 특징 가중치 알고리즘을 제안한다. 또한, 제안하는 방법은 각각의 클래스를 가장 잘 표현하는 특징 공간들을 개별적으로 찾는다. KNN분류기는 클래스별로 찾은 특징 공간들을 이용하여 클래스에 따라 특징 공간을 변화시켜 미지 패턴의 클래스를 예측한다. 제안된 알고리즘은 Concordia대학의 handwritten numeral database에 적용시켜 그 성능을 확인하였다. This paper proposes a new pattern recognition system combining the new adaptive feature weighting based on the genetic algorithm and the modified KNN(K Nearest-Neighbor) rules. The new feature weighting proposed herein avoids the overfitting and finds the Proper feature weighting value by determining the middle value of weights using GA. New GA operators are introduced to obtain the high performance of the system. Moreover, a class dependent feature weighting strategy is employed. Whilst the classical methods use the same feature space for all classes, the Proposed method uses a different feature space for each class. The KNN rule is modified to estimate the class of test pattern using adaptive feature space. Experiments were performed with the unconstrained handwritten numeral database of Concordia University in Canada to show the performance of the proposed method.
김경중,김은태,박민용,Kim Kyoungjung,Kim Euntai,Park Mignon 대한전자공학회 2005 電子工學會論文誌-CI (Computer and Information) Vol.42 No.1
This paper proposes a novel TSK fuzzy modeling algorithm. Various approaches to fuzzy modeling when noise or outliers exist in the data have been presented but they are approaches to degrade effects of outliers or large noise by using loss function in the cost function mainly. The proposed algorithm is the modified version of noise clustering algorithm, and it adopts the method that does not use loss function, but method to cluster noise in a class. Noise clustering is a prototype-based clustering algorithm and it has no capability to regress. It conducts clustering of data first, and then conducts fuzzy regression. There are many algorithms to obtain parameters of premise and consequent part simultaneously, but they need to adapt the parameters obtained for more accurate approximation. In this paper, fuzzy regression is conducted with clustering by modifying noise clustering algorithm. We propose the algorithm that parameters of the premise part and the consequent part are obtained simultaneously, and the parameters obtained are not needed to adapt. We verify the proposed algorithm through simple examples and evaluate the test results compared with existing algorithms. The proposed algorithm shows robust performance against noise and it is easy to implement. 본 논문에서는 새로운 강인한 TSK 퍼지 모델링 알고리즘을 제안한다. 데이터에 노이즈나 아웃라이어가 존재할 때 모델링하기 위한 다양한 강인한 접근법이 제안되었지만 주로 손실함수를 사용하여 아웃라이어나 노이즈의 효과를 감소시키는 접근방법들이 수행되었다. 제안된 알고리즘은 노이즈 클러스터링의 변형된 형태로, 손실함수를 사용하지 않고 노이즈를 하나의 클래스로 클러스터링하는 방법을 채택하였다. 노이즈 클러스터링은 포로토타입 기반의 클러스터링 알고리즘으로, 리그레션을 할 수 없기 때문에 먼저 데이터를 클러스터링한 후 다음으로 퍼지 리그레션을 수행한다. 전건부와 후건부의 매개변수를 동시에 얻기 위한 다른 방법들이 고안되었지만 그들 알고리즘들은 매개변수를 구한 후 좀더 정확한 함수의 근사화를 위해 매개변수에 대한 적응과정을 거친다. 본 논문에서는 노이즈 클러스터링 알고리즘을 변경하여 함수의 리그레션을 동시에 수행 할 수 있게 하였다. 제안된 알고리즘은 전건부와 후건부의 매개변수를 동시에 얻을 수 있으며, 매개변수를 구한 후 이에 대한 적응과정이 필요하지 않다. 제안된 알고리즘의 검증을 위하여 몇 가지 간단한 예제를 사용하여 실험하였으며, 기존에 연구된 다른 알고리즘과 비교, 분석하였다. 제안된 알고리즘은 노이즈나 아웃라이어에 대하여 강인한 성능을 보이며, 구현이 용이하다.