입체효과 최적화를 위한 사용자 보조 소프트컴퓨팅 기법

국문 초록 (Abstract)

본 논문에서는 신경망 학습을 위한 데이터 획득 시 생길 수 있는 오차를 줄이기 위해 획득 데이터에 대한 전처리 과정을 퍼지로써 구현하는 알고리즘을 제안하였다. 신경망은 주어진 정보를 이용하여 학습을 가능하게 함으로써 시스템의 특징을 추출하는 데 매우 우수한 능력을 발휘하고 있다. 그러나 이는 학습에 사용하는 데이터에 오차가 포함되지 않는다는 점을 전제로 하고 있다. 그런데 데이터 획득 과정이 인간의 주관적 판단에 의해 수작업으로 이루어지는 경우 학습 데이터는 오차가 존재할 수 있다. 학습 데이터의 오차를 줄이기 위해 초기에 획득된 데이터를 분석하고 추가적인 후보 데이터를 선정하여 그 중에서 가장 적절한 데이터를 고르게 하였다. 데이터 후보 추천 시스템은 데이터 획득 과정에서 큰 영향을 미치는 물체의 거리와 크기를 모두 고려할 수 있도록 퍼지 모델로써 구현하였다. 후보 추천 결과, 상당수의 오차 데이터를 수정할 수 있었으며 이는 심리적 요인과 신체적 요인이 크게 작용한 데이터 일수록 큰 효과를 나타냈다.

다국어 초록 (Multilingual Abstract)

In this paper, we suggested user assistant soft computing method for 3D effect optimization. In order to maximize 3D effect of image, intervals among cameras have to be set up properly according to distance between cameras and an object. Two data such as interval and distance was obtained to use in neural network as the data for learning. However, if the data for learning was obtained by only human's subjective views, it could be that the obtained data was not optimal for learning because the data had an accidental error. To obtain optimal data for learning, we added candidature data to obtained data through data analysis, and then selected the most proper data between the candidature data and the obtained data for learning in neural network. Usually, 3D effect of image was affected by both distance from an object to cameras and an object size. Therefore, we suggested fuzzy inference model which was able to represent two factors like distance and size. Candidature data was added by fuzzy model. In the simulation result, we verified that the more the obtained data was affected by human's subjective views, the more effective the suggested system was.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 입체 디스플레이 시스템
• 3. 입체 모니터를 위한 카메라 위치 제어 시스템 개발 환경
• 4. 학습 데이터 전처리
• 5. 신경망에 의한 카메라 위치 제어
• 6. 결론 및 향후과제
• 참고문헌
• 저자소개

참고문헌 (Reference)

1 "퍼지 이론 및 응용 II" 홍릉과학출판사 1997.

2 "Neuro-Fuzzy and Soft Computing" Prentice Hall PTR 1997.

3 "Neural networks for system identification" 10 : 31-34, 1990

4 "Neural Systems - A Neuro Fuzzy Synergism to intelligent Systems" Prentice Hall PTR 1966.

5 "Neural Networks - a comprehensive foundation" Prentice Hall PTR 1999. 1999

6 "Neural Network Architecture for Control" pp. 22-24 : 1988-, 04

7 "Identifica- tion and Control of Dynamic Systems Using Neural Networks" -1, mar1990.

8 "Fuzzy Sets and Fuzzy Logic - Theory and Applications" 1995.

9 "Fuzzy Logic Control" 홍릉과학출판사 1997.