Earticle

Aiming at the inherent deficiencies of large-scale wireless sensor network for distributed positioning algorithm, the DV-hop algorithm is mainly studied and improved, and two kinds of improved algorithms DV-hop and DV-hop+Lastdist DV- hop-MinMax are proposed. The DV- hop+Lastdist improves the positioning accuracy of the node by only adding a message variable, while the DV-hop-MinMax effectively reduces the costs of floating-point operations and power consumption, and can select the appropriate algorithm according to actual application environment. Finally, the paper gives the method to realize OMNeT++ in the simulation environment, and carries out the simulation analysis.

Image deblurring refers to procedures that attempt to reduce the blur amount in a blurry image and grant the degraded image an overall sharpened appearance to obtain a clearer image. The point spread function (PSF) is one of the essential factors that needed to be calculated, since it will be employed with different types of deblurring algorithms. In this paper, the authors studied various fast deblurring techniques like Richardson – Lucy and its optimized version, Van Cittert and its enhanced version, Landweber, Poisson Map, and Laplacian sharpening filters. Furthermore, altered optimized versions of Landweber and Poisson Map algorithms have been presented. The usage of the PSF in the deblurring algorithm is explained and a comparison between the optimized, the enhanced algorithms and Laplacian sharpening filters in terms of the number of mathematical operations, number of iterations employed, computation time, deblurring in case of noise existence, and the accuracy measurement using peak signal to noise ratio (PSNR) for each technique is conducted.

Vehicle License Plate Images Segmentation is a substantial stage for developing an Automatic License Plate Recognition (ALPR) system. In this paper, it is considered an efficient segmentation algorithm for extracting vehicle license plate images using Cellular Neural Networks (CNN). The learning CNN templates values are formulated as an optimization problem to achieve the desired performances which can be found by means of Adaptive Fuzzy (AF) algorithm and Neuro-Fuzzy (NF) algorithm techniques. The main objective of the paper is to compare the performances of standard CNN, Adaptive Fuzzy (AF), and Neuro-Fuzzy (NF) on real data of several vehicle license plate images of standard Indonesia License Plates. The results are then compared with ideal vehicle license plate images. Quantitative analysis between ideal vehicle license plate images and segmented vehicle license plate images is presented in terms of Peak signal-to-noise ratio (PSNR), Mean Squared Error (MSE) and Root Mean Squared Error (RMSE). From the performance analysis, the CNN template optimized by ANFIS algorithm is more recommended than the standard CNN edge detector or the CNN template optimized by Adaptive Fuzzy algorithm in vehicle license plate image segmentation. It is shown from the calculation that PSNR is 80% better than the standard CNN, and the resulted MSE and RMSE are 70% better than the standard CNN. Whereas the CNN template optimized by Adaptive Fuzzy algorithm achieves the PSNR 90% better than the standard CNN, but it yields the MSE and RMSE 40% worse than the standard CNN.

A hybrid control scheme is proposed for the stabilization of backward movement along simple paths for a vehicle composed of a truck and six trailers. The hybrid comprises the combination of a linear quadratic regulator (LQR) and a neurocontroller (NC) that is trained by a genetic algorithm (GA). Acting singly, either the NC or the LQR are unable to perform satisfactorily over the entire range of the operation required, but the proposed hybrid is shown to be capable of providing good overall system performance. The evaluation function of the NC in the hybrid design has been modified from the conventional type to incorporate both the squared errors and the running steps errors. The reverse movement of the trailer-truck system can be modeled as an unstable nonlinear system, with the control problem focusing on the steering angle. Achieving good backward movement is difficult because of the restraints of physical angular limitations. Due to these constraints the system is impossible to globally stabilize with standard smooth control techniques, since some initial states necessarily lead to jack-knife locks. This paper demonstrates that a hybrid of neural networks and LQR can be used effectively for the control of nonlinear dynamical systems. Results from simulated trials are reported.

인터넷 환경이 급속도로 확산되고 고객들은 유용한정보 서비스의 욕구가 높아져 가고 있다. 따라서 고객관계관리(CRM-Customer Relationship Management) 는 고객들의 정보 서비스 욕구를 위한 중요한 마케팅수단이 되었다. CRM 중 추천 시스템은 고객의 선호도에 맞는 서비스나 상품 등을 추천하여 줌으로서 고객의 만족도를 극대화 시킬 수 있는 시스템이다. 최근추천 시스템의 성능향상을 위해 새로운 알고리즘을적용하여 정확도를 높이기 위한 연구가 다각도로 이루어지고 있다. 본 연구는 추천시스템의 평가데이터의값들을 여러 방법으로 바꾸어서 가장 정확도가 높게나오는 방법을 찾아내기 위하여 Grouplens의 영화 평가 자료를 이용하여 실시하였다. 본 연구는 경영학의 마케팅분야의 한부분인 타겟마케팅과 CRM(고객관계관리)을 IT기반의 알고리즘들을 이용하여 보다 나은 고객관계관리의 모델을 제시하였다. 본 연구의 실험 결과 원래의 기본값들을 사용한 경우보다 특정한 방법으로 평가 데이터를 값을 조정하였을때 정확도가 높게 나오는 것을 확인하였다.

The Internet is spreading rapidly. Customers are increasingly the desire of useful information services. Therefore, customer relationship management (CRM-Customer Relationship Management) has become an important marketing tool for the information service needs of our customers. CRM is a system of recommendation system to maximize customer satisfaction as the zoom to recommend services or goods for the customer's preference. Recently applied new algorithms for the performance improvement of a recommendation system studies for better accuracy has been made from various angles. This study presents a model for better customer relationship management using targeted marketing and CRM (customer relationship management) and IT-based algorithm of Business Administration in Marketing. This study is conducted when the study results is shown that the adjusting of evaluation data in specific ways came out high accuracy than those used in the original default data.

최근 전력수요의 급증으로 에너지 소비를 절감하기 위한 연구가 급부상하고 있다. 하지만 대부분의 사물인터넷 서비스들은 사람의 편의성을 위한 방향으로 발전해왔기 때문에 에너지의 효율화에 대한 고려가 부족하다. 따라서 본 논문에서는 실내 환경 상태 센싱을 통한 에너지 관리 최적화 알고리즘을 제안한다. 에너지 관리 최적화 알고리즘은 실내에 설치된 센서를 통해 환경 정보를 모니터링하고 불필요하게 낭비되는 대기전력을 차단한다. 온도, 조도, 습도 등 센싱된 정보는 주어진 임계값 내에서 사용자 환경에 적응적으로 최적화하여 에너지 소모를 감소시킨다. 성능분석결과 기존의 소비전력환경 대비 LED조명의 경우 하루에 약 180W의 대기전력을 절약하였고, 에어컨의 정우 한달에 약 38,550kW의 대기전력을 절약하여 환경에 따른 에너지 절약효과를 보였다.

본 논문은 유전자 알고리즘 기반 퍼지 다항식 뉴럴네트워크(Genetic Algorithm-based Fuzzy Polynomial Neural Networks ; GAs-based FPNN)를 이용하여 비선형 데이터의 최적화 추론 알고리즘을 제안한다. FPNN의 각 노드는 GMDH와 퍼지규칙을 기초로 만들었다. FPNN의 각 노드는 퍼지 다항식 뉴론(Fuzzy Polynomial Neuron : FPN)이라고 표현하다. 제안된 모델은 구조 선택에 있어서 유전자 알고리즘(Genetic Algorithms : GAs)을 이용하였다. 유전자 알고리즘을 사용하여 입력의 차수와 입력의 개수 그리고 후반부 추론의 형태를 최적 선택하였다. 비선형 데이터에 대한 모델 설계를 위해 최적화 알고리즘인 유전자 알고리즘 기반 FPNN 모델 설계가 유용하고 효과적임을 보인다.

The recent improvement in the performance of digital processor, the application of control technology, which used in the HVDC(High Voltage Direct Current) system with the digital processors, has increased. Having this research development as the basis, this paper presents an achievement of progression by tuning the parameter of PI controller based on Genetic Algorithms(GAs) and by controlling with PI controller with a developed simulator by applying the Matrix operating function, voltage source switching element, modified nodal analysis which can include transformer and the backward Euler which does not create the problem of numerical oscillation. As a result, I expect this development in the simulator HVDC System to bring more application in the field of control technology research with an expanded practicality.

본 논문에서는 기존 CIE1931 색역 변환 알고리즘의 최적화된 하드웨어 구현 방법을 제안한다. 안개제거 알고리즘의 후처리 방법 중 비교적 연산량이 적은 기존 알고리즘은 연산 과정에서 Split multiplier를 사용한 큰 비트의 계산으로 하드웨어 자원 소모량이 크다는 단점이 있다. 제안하는 알고리즘은 기존 알고리즘의 미리 정의된 2번의 행렬 곱셈 연산을 하나로 줄임으로써 연산량 감소, 하드웨어 소형화를 실현하였고, Split multiplier 연산을 최적화시킴으로써 탑재하기에 더욱 효율적인 하드웨어를 구현하였다. 하드웨어는 Verilog HDL 언어로 설계하였고, Xilinx Vivado 프로그램을 이용한 논리합성 결과를 비교하여 4K 표준 환경에서 실시간 처리가 가능한 성능을 확인하였다. 또한, 2가지 FPGA에서의 탑재 결과를 통해 제안하는 하드웨어의 성능을 검증하였다.

This paper proposes an optimized hardware implementation method for existing CIE1931 color gamut control algorithm. Among the post-processing methods of dehazing algorithms, existing algorithm with relatively low computations have the disadvantage of consuming many hardware resources by calculating large bits using Split multiplier in the computation process. The proposed algorithm achieves computational reduction and hardware miniaturization by reducing the predefined two matrix multiplication operations of the existing algorithm to one. And by optimizing the Split multiplier computation, it is implemented more efficient hardware to mount. The hardware was designed in the Verilog HDL language, and the results of logical synthesis using the Xilinx Vivado program were compared to verify real-time processing performance in 4K environments. Furthermore, this paper verifies the performance of the proposed hardware with mounting results on two FPGAs.

Type-2 퍼지 논리 집합은 언어적인 불확실성을 다루기 위하여 고안된 Type-1 퍼지 논리 집합의 확장한 것이다. Type-2 퍼지 논리 시스템은 외부 노이즈를 효율적으로 다룰 수 있다. 본 논문에서는 불확실성을 표현하기 위해서 전.후반부 멤버쉽 함수로 삼각형 형태의 Type-2 퍼지 집합을 사용한다. 전반부 멤버쉽 함수의 정점을 결정하는데 유전자 알고리즘(Genetic Algorithms)으로 멤버쉽 함수의 정점을 결정한다. 제안된 모델은 모델 평가에 주로 사용되는 가스로 시계열 데이터를 적용하고, 테스트 데이터로 노이즈에 영향 받은 데이터를 사용하여 수치적인 예를 보인다.

In this paper, we propose an approach to design of optimized Cascade controller for Rotary Inverted Pendulum system using Hierarchical Fair Competition-based Genetic Algorithm(HFCGA). GAs may get trapped in a sub-optimal region of the search space thus becoming unable to find better quality solutions, especially for very large search space. The Parallel Genetic Algorithms(PGA) are developed with the aid of global search and retard premature convergence. HFCGA is a kind of multi-populations of PGA. In this paper, we design optimized Cascade controller by HFCGA for Rotary Inverted Pendulum system that is nonlinear and unstable. Cascade controller comprise two feedback loop, parameters of controller optimize using HFCGA. Then designed controller evaluate by apply to the real plant.

본 논문은 계층적 공정 경쟁 유전자 알고리즘(Hierarchical Fair Competition-based Genetic Algorithms : HFCGA)을 이용하여 회전형 역 진자 시스템의 최적 Fuzzy 제어기 설계를 제안한다. 탐색 공간이 크거나 복잡한 최적해 탐색문제에 대해 조기 수렴 문제를 내제하고 있는 기존의 유전자 알고리즘의 해결방안으로 병렬 유전자 알고리즘이 개발되었으며, HFCGA는 병렬 유전자 알고리즘의 한 구조이다. 본 논문에서는 회전형 역 진자 시스템에 대해 LQR 제어기와 유사한 형태의 Fuzzy 제어기를 구성하고, HFCGA를 이용하여 최적의 제어기 파라미터들을 구한다. 그리고 시뮬레이션 및 실제 공정에 적용하여 LQR 제어기와 설계된 제어기의 성능을 평가한다.

본 논문에서는 자기구성 퍼지다항식 뉴럴 네트워크(SOFPNN)를 구성하고 있는 퍼지 다항식뉴론(FPM)의 구조와 파라미터를 유전자 알고리즘을 이용하여 최적화시킨 새로운 개념의 진화론적 최적 고급 자기구성 퍼지 다항식 뉴릴 네트워크를 소개한다. 기존의 자기구성 퍼지 다항식 뉴럴 네트워크에서 모델을 설계할 때에는 설계자의 주관적인 특징과 시행착오에 의해서 모델을 구축하였다. 이러한 설계자의 경험을 배제하고 객관적이고 효율적인 모델을 구축하기 위해서 본 논문에서는 FPH의 파라미터들을 최적화 알고리즘인 유전자 알고리즘을 이용하여 동조하였다. 즉, 모델을 구축하는데 기본이 되는 FPN의 각각의 파라미터들-입력변수의 수, 다항식 차수, 입력변수, 멤버쉽 함수의 수, 그리고 멤버쉽 함수의 정점-을 동조함으로써 기존의 모델에 비해서 구조적으로 그리고 파라미터적으로 최적화된 네트워크를 생성할 수 있다. 뿐만 아니라 주어진 데이터의 특성을 모델 구축에 반영하고자 멤버쉽 함수의 정점 역시 유전자 알고리즘으로 동조하였다. 실험적 예제를 통하여 제안된 모델의 성능을 확인한 결과 기존의 퍼지모델 및 신경망 모델에 비해서 아주 우수한 근사화 능력과 일반화 능력을 가짐을 알 수 있다.

본 논문은 계층적 공정 경쟁 유전자 알고리즘(Hierarchical Fair Competition-based Genetic Algorithms : HFCGAs)을 이용한 회전형 역 진자 시스템의 최적 2-자유도 제어기 설계를 제안한다. 비선형이며 불안정한 운동을 하는 회전형 역 진자 시스템은 회전지렛대(rotating arm) 위의 폴(pole)이 적당한 제어력이 없는 상황에서 중력에 의해 어느 한 쪽 방향으로 넘어지려고 할 때, 외부에서 회전지렛대에 힘을 가하여 회전지렛대의 특정위치와 폴의 각도를 유지시키는 시스템으로, 본 논문에서는 두 개의 피드백 제어루프를 갖는 2-자유도 제어기를 구성한다. 각각의 제어기는 PD 제어기로 구성하고, 조기수렴 문제를 내재하고 있는 기존의 유전자 알고리즘의 해결방안중 하나인 HFCGAs를 이용하여 최적의 제어기 파라미터들을 구한다. 마지막으로 실제 공정에 적용하여 설계된 제어기의 성능을 평가한다.

본 논문에서는 다항식 기반 RBFNNs를 이용하여 3차원 얼굴인식 알고리즘을 설계하고 인식률을 산출하는 방법을 제시한다. 2차원 얼굴인식의 경우 얼굴 포즈, 조명 등과 같은 외부 환경에 의해 인식률이 저하된다. 이러한 단점을 보완하기 위해 3차원 영상을 획득하여 얼굴인식을 수행한다. 얼굴인식을 수행하기 전에 3D스캐너를 통해 얻은 얼굴영상의 포즈 보상을 실시하고 얼굴의 형상을 정면으로 향하게 한다. 그리고 Point Signature 기법을 이용하여 얼굴의 깊이 값을 추출하게 된다. 추출된 데이터는 고차원 데이터로서 학습 및 인식을 수행함에 있어 문제가 생길 수 있기 때문에 PCA알고리즘을 수행하여 차원을 축소한 데이터를 사용한다. 효율적인 학습을 위해 최적화 알고리즘을 통해 파라미터 최적화를 수행하며 PSO, DE, GA 알고리즘을 사용하여 인식 성능을 확인한다.

In this paper, we was designed three-dimensional face recognition algorithm using polynomial based RBFNNs and proposed method to calculate the recognition performance. In case of two-dimensional face recognition, the recognition performance is reduced by the external environment like facial pose and lighting. In order to compensate for these shortcomings, we perform face recognition by obtaining three-dimensional images. obtain face image using three-dimension scanner before the face recognition and obtain the front facial form using pose-compensation. And the depth value of the face is extracting using Point Signature method. The extracted data as high-dimensional data may cause problems in accompany the training and recognition. so use dimension reduction data using PCA algorithm. accompany parameter optimization using optimization algorithm for effective training. Each recognition performance confirm using PSO, DE, GA algorithm.