단위과제 자율학습 및 다중분산 지능모델 연구 2002. 11. 15. 중앙대학교 전홍태.

Presentation on theme: "단위과제 자율학습 및 다중분산 지능모델 연구 2002. 11. 15. 중앙대학교 전홍태."— Presentation transcript:

1 단위과제 자율학습 및 다중분산 지능모델 연구 중앙대학교 전홍태

2 연구개발의 필요성 연구분야의 전망 뇌 공학 분야의 국제적 수준의 연구기반 구축
인간 행동 메커니즘 원리 및 구현에 관련된 핵심 기반기술 구축 뇌신경계의 행동 메커니즘 연구는 뇌기능 통합시스템 개발에 핵심적인 요소임 다양한 응용 시스템에 적용하여 관련 기술의 경제 산업적 가치 창출 제품의 고부가가치화를 통한 기업의 국제 경쟁력 강화 특수 목적 분야와 연계하여 국가 안전 및 사회복지 시스템 구축 연구분야의 전망 생물학적인 분야와 인공지능 분야와의 학제적인 결합을 통해 기존의 연결주의적 접근방법의 한계성 극복 다양한 분야로 활용 범위가 확대 뇌 연구인력 양성 및 활성화 그리고 과학기술 대중화에 기여

3 연구배경 행동 기작을 발현하는 생물학적 뇌 구조

4 연구 목표 연구개발목표 세부 내용 자율 학습 및 다중 분산 지능 모델 모듈 년도 연구개발목표 2001년 2002년 2003년
대뇌피질과 해마를 공학적으로 모델링 자율 학습 및 다중 분산 지능 시스템 구현 지능적 자율성에 기반한 모듈화된 신경회로망 개발 학습 및 적응성 구현을 위해 셀룰라 연상 메모리 연구 개발 협조적 분산 지능을 구현하는 강화 행동학습 시스템 연구 개발 연구개발목표 세부 내용 년도 연구개발목표 2001년 대뇌피질 정보처리 메커니즘의 공학적 모델링을 통한 기능별 모듈구성과 학습 알고리즘 개발 해마의 기억학습 및 연상작용 모델에 의한 셀룰라 신경회로망 자율학습 알고리즘 개발 협조적 분산 지능의 강화 학습에 관한 연구 2002년 대뇌피질 정보처리 메커니즘의 공학적 이해를 통한 기능별 모듈 구성과 학습 알고리즘 개발 해마 정보처리 메커니즘에 기반으로 한 경쟁학습 알고리즘 및 최적구조 개발 협조 행동의 능동적 적응 알고리즘 개발 2003년 모듈라 자율 신경 망을 이용한 대뇌피질의 프로토타입 구현 셀룰라 신경회로망에 의한 해마구조의 하드웨어 프로토타입 구현 협조적 분산 지능 시스템의 구현

5 연구개발 추진체계(연차별) 1차년도(2001) 2차년도(2002) 3차년도(2003) 자율신경회로망을 이용한 대뇌 피질의
공학적 모델링 해마의 기억학습 및 연상작용모델에 의한 셀룰라 신경회로망 자 율 학습 알고리즘 개발 협조적 분산 지능의 강화학습에 관한 연구 대뇌피질 정보처리 메커니즘의 공학적 모델링을 통한 기능별 모듈 구성 정보처리 메커니즘 연구 모듈의 학습 알고리즘 개발 해마 정보처리 메커니즘에 기 반한 경쟁 학습 알고리즘 및 최적구조 개발 셀룰라 신경회로망의 경쟁학습 알고리즘 개발 회전 및 이동에 강한 셀룰라 연상메모리 설계 협조 행동의 능동적 적응 알고 리즘 개발 진화연산과 강화학습의 융합에 의한 행동진화 및 협조행동 연구 조건적 진화에 의한 협조행동 의 능동적 적응 알고리즘 개발 인공면역계 기반 자율 분산 시스템의 협조전략 과 군행동 알고리즘 개발 및 모의 실험 응용 대뇌피질과 해마를 모방한 자율학습 및 연상 기능의 학습 알고리즘 개발과 하드웨어 프로토 타입 구현 1차년도(2001) 2차년도(2002) 3차년도(2003)

6 해마의 기억학습 및 연상작용 모델에 의한 셀룰라 신경회로망 자율학습 알고리즘 개발
자율학습 및 다중분산 지능모델 연구 모델 구조 감각 기관의 정보 기억 – 해마 및 시상 감각/연합/운동 피질의 기능 - 대뇌피질 협조 행동 및 강화 학습 - 대뇌피질 해마의 기억학습 및 연상작용 모델에 의한 셀룰라 신경회로망 자율학습 알고리즘 개발 대뇌피질 정보처리 메커니즘의 공학적 모델링 협조적 분산 지능의 강화 학습에 관한 연구

7 대뇌피질 정보처리 메커니즘의 공학적 모델링 대뇌피질 대뇌피질 기능 및 영역 정의 시상 감각영역 연합영역 운동영역 운동계
대뇌피질 정보처리 메커니즘의 공학적 모델링을 통한 기능별 모듈구성과 학습 알고리즘 개발 감각 정보의 처리 메커니즘을 Hierarchical Module구조를 통해 모델링하여 대뇌 피질에서의 행동 판단 구현 대뇌피질 기능 및 영역 정의 시상 감각영역 연합영역 운동영역 대뇌피질 운동계 감각정보 모듈별 행동 판단 최종 행동 결정 행동 명령 하달 입력 모듈 1 / 모듈 2 Decision Tree Behavior Command

8 대뇌피질의 정보처리 메커니즘의 공학적 모델링을 통한 기능별 모듈구성 대뇌의 기능별 구조

9 대뇌의 정보처리 흐름도 VI – 일차시각영역 AI – 일차청각영역 SI - 체감각영역 SA – 체감각연합영역
VA – 시각연합영역 AA – 청각연합영역 MA – 다중감각연합영역 PF – 전전두엽피질 SMA – 보완운동영역 PM – 전운동영역 MI – 일차운동영역 PAPEZ CIRCUIT - 변연계의 파페츠회로 AMYG - 편도핵복합체

10 대뇌의 정보처리 과정 감각영역 1차 감각영역 – 감각정보 수용, 분석 2차 감각영역 – 분석된 자료 분류, 경험과 비교분석
감각연합영역 다중감각연합영역 1차 감각영역 – 감각정보 수용, 분석 2차 감각영역 – 분석된 자료 분류, 경험과 비교분석 각종 감각에 대한 최종인식 최종 분석된 시각/청각/체감각 자극 종합 – 사물 인식 과거 경험에 없는 새로운 자극 – 기억회로(파페츠회로) 과거 경험에서 중요했던 자극 – 감정동반/행동반영(AMYG) 새로운 기억이 중요한 경우 – 파페츠회로에 감정추가, 기억강화

11 자율학습 과정의 공학적 모델링 자율학습 과정의 공학적 모델링 기본적인 시각/청각 입력에 대한 인식과정 모델링
감각연합영역 모델링 파페츠회로(Papez Circuit) 모델링

12 자율학습을 이용한 뱀 로봇 구현

13 해마 정보처리 메카니즘에 기반한 경쟁학습 알고리즘 및 최적구조 개발
회전 이미지 및 이동 이미지 인식 알고리즘 개발 회전 이미지 및 이동 이미지의 인식을 위해 DirectShow 기술 기반으로 pc 카메라 동영상에서 이미지 프로세싱을 수행 이동이미지 인식을 위해 동적 카메라 시스템의 사용 셀룰라 신경회로망의 경쟁학습 알고리즘 및 최적 구조개발 Color 및 패턴 인식에 셀룰라 신경회로망을 사용하여 경쟁학습 알고리즘의 효율성 입증 비디오 동영상에서 실시간으로 알고리즘 수행이 가능하도록 최적화된 알고리즘의 설계

14 System Block Diagram

15 Color Detection Color Detection by Using Neural networks
RGB Color Model to HSI Color Model Conversion 신경회로망의 경쟁학습 알고리즘을 사용하여 원하는 색을 검출 Delete pixels out of interest color range (red & blue color) Input Movie Output Movie

16 Shape Detection 3 Filters 5x5 Arithmetic mean filter - noise reduction
Histogram Equalization - Image enhancement Laplacian of a Gaussian filter - detect edges

17 Active Camera System For Object Tracking
이동 이미지의 인식을 위한 Object Tracking System 특정색의 물체의 이동위치를 예측하여 화면 밖으로 벗어나거나 인식에 필요할 만큼의 크기가 아닐경우 카메라의 View Point를 이동 입력 영상에서 특정색의 무게중심의 위치를 전 frame과 비교하여 물체의 이동 방향 예측 Pan Tilt Camera

18 인공면역계 기반 자율분산로봇시스템의 협조전략과 군행동
협조적 분산 지능의 강화 학습에 관한 연구 인공면역계 기반 자율분산로봇시스템의 협조전략과 군행동 항원과 항체 정의 주변 환경(항원) 전 략 ( 항 체 ) 밀도 높음 집합 집단의 개체들이 정해진 거리를 유지하며 모인다. 밀도 중간 탐색 임의의 방향으로 움직이며 작업을 찾는다. 밀도 낮음 확산 집단의 개체들이 정해진 거리를 설정, 유지하기 위해 퍼진다. 밀도 없음 귀향 특정한 지역이나 위치를 찾아간다. 자율분산로봇 시스템과 면역 시스템의 관계 자율분산로봇 시스템 면역 시스템 로봇의 주변환경 항원 행동 전략 항체 (B-세포) 제어 변수 T-세포 적합 자극 부적합 억제 우수한 로봇 혈장세포 (클론) 열등한 로봇 비활성화된 셋포

19 T-세포 및 B-세포 모델을 포함한 면역 네트워크 모델

20 실험 조건 실험 결과 1 : B-세포 모델(only) 실험 결과 2 : B-세포 및 T-세포 모델
10(m)*10(m)의 작업공간에 직경이 50(mm)인 50대의 로봇이 흩어져 있으며, 시스템의 목적은 작업영역에 흩어져 있는 500개의 작업을 찾아 수행 작업의 밀도를 계산하기 위한 항원의 평가시간을 40초로 설정 이 때, 로봇은 1초동안 방향을 바꾸거나 25(mm)를 이동할 수 있으며, 1회의 통신을 할 수 있음 작업 하나의 수행시간은 15초 파라미터는 =0.3, =0.05, =0.002로 설정 Ab0 : 집합, Ab1 : 탐색, Ab2 : 확산, Ab3 : 귀향 등의 행동 전략을 선택 실험 결과 1 : B-세포 모델(only) 실험 결과 2 : B-세포 및 T-세포 모델

21 실험 결과 3 : 환경 변화 경우 (B-세포 모델 only) 실험 결과 4 : 환경 변화 경우 (B-세포 및 T-세포 모델)
결 론 T-세포 모델이 추가된 면역알고리즘이 환경변화에 대한 적응성을 개선 실제의 적용문제에 있어서 로봇의 적응 능력이 바로 시스템 성능의 개선으로 나타난다면 제안한 알고리즘은 큰 효과를 거둘 수 있을 것으로 기대됨 로봇의 다양한 적용분야에서 다수의 소형 마이크로 로봇에 의한 오염물질의 정화와 같은 군집형 로봇 행동의 경우, 로봇 집단의 효율적인 의견 조정 및 관리를 위해서는 자율적인 로봇의 판단과 집단 전체의 의견을 조정할 수 있는 알고리즘이 필요

22 진화신경망의 하드웨어 구현 - FPGA상에서 진화신경망 셀 설계