본 논문에서는 연상 메모리 기능을 수행하는 셀룰라 신경망(Cellular Neural Network)의 설계를 위한 새로운 방법론을 제안한다. 먼저, 셀룰라 신경망 모델의 기본적 특성들을 소개한 후, 최적 성능을 가지고 이진 원형 패턴들을 저장할 수 있는 셀룰라 신경망 모델의 설계 방법을 제약 조건이 가해진 최적화 문제로 공식화한다. 다음으로 이 문제의 제약 조건을 선형 행렬 부등식(Linear Matrix Inequalities)을 포함하는 부등식의 형태로 변환시킬 수 있음을 관찰한다. 마지막으로 셀룰라 신경망 최적 설계 문제를 내부점 방법(interior point method)에 의해 효율적으로 풀릴 수 있는 일반화된 고유값 문제(Genaralized EigenValue Problem)로 변환한다. 본 논문에서 제시하는 셀룰라 신경망 설계 방법론은 공간 변형 형판 셀룰라 신경망과 공간 불변 형판 셀룰라 신경망 설계에 모두 적용될 수 있다. 설계 예제를 통해 제안된 방법의 유효성을 검증한다.

시스템의 명세 및 기술 언어인 SDL-92는 객체지향 개념의 도입에서 기존의 시스템 명세 및 설계 문서들과 사용자들을 포용하기 위해 프로세스와 시그널에 기반한 통신 방법을 고수하였다. 이러한 객체지향 개념의 도입은 메소드와 객체 기반의 객체지향 언어 프로그램의 자동 생성에 있어 대응 개념의 부재라는 문제점뿐만 아니라 이에 따르는 가시성 및 통신 방법과 같은 부수적인 문제점들까지 유발하고 있다. 따라서 본 논문에서는 메소드와 객체에 기반한 일반적인 객체지향 언어 모델을 제시한 후, SDL-92에서 제시된 모델로의 변환에서 발생하는 문제점들을 고찰하고 이를 해결할 수 있는 개념 변환 방법들을 제시한다. 제시된 변환 방법은 목적 언어의 구문으로의 사상 방법을 제공함으로써 객체들에 내장된 병렬성을 활용할 수 있고 변환된 프로그램에 대해 컴파일러 수준의 이식성을 보장할 수 있다.

객체지향 방법론들은 이해하기 쉽고 확장성이 우수한 모델을 제공하기 때문에 현재 크고 복잡한 소프트웨어를 개발하기 위해서 널리 사용되고 있다. 객체지향 방법론들을 개발에 적용하기 위해서는, 첫째 개발방법론으로부터 과제 특성에 맞는 개발방법을 구성해야 하며, 둘째 이로부터 개발절차를 구성하여야 한다. 그러나 현재 제시되고 있는 객체지향 방법론들에서는 개발방법과 개발절차를 구성하는 과정을 개발자들의 이해와 직관에 의존하고 있다. 이를 개선하기 위해서 본 연구에서는 변용가능한 객체지향 방법론을 제안함으로써, 개발방법 구성의 문제를 체계적으로 지원하고자 한다. 개발방법의 구성을 체계적으로 지원하기 위하여 본 연구에서는 개발방법 구성의 문제를 계획구성의 문제로 변환하여 계획구성 기법을 적용한다. 계획구성의 과정에서 개발하고자하는 소프트웨어의 구조와 특성을 기술하는 아키텍쳐를 입력으로 받아들여 이에 적합한 개발방법이 계획된다. 아키텍쳐는 소프트웨어 개발과정에서 일관되게 유지되어야 하는 결정들을 기술하기 때문에 이를 중심으로 개발방법을 구성함으로써 소프트웨어의 특성을 효율적으로 반영할 수 있다.

소프트웨어를 개발하는데 미리 구현된 블록을 사용하여 소프트웨어 개발 비용과 시간을 단축할 수 있다. 이와 같이 미리 구현된 블록을 컴포넌트(Component)라고 하며 컴포넌트는 실행 단위로 개발자에게 인터페이스만을 제공하여 내부 상세한 부분을 숨기므로 쉽고 빠르게 대형 어플리케이션을 개발할수 있다. 개발자는 완전히 내부를 볼 수 없는 블랙 박스(Black Box) 형태의 컴포넌트를 사용한다. 그러나 개발자들은 개발 도메인의 특성에 맞게 속성 및 워크플로우(Workflow)의 변경을 원하기 때문에 커스터마이즈(Customize)할 수 있는 방법이 있어야 한다. 기존의 커스터마이즈 기법은 컴포넌트의 속성을 변경하는 것에 국한 되어 있다. 본 논문에서는 비즈니스 측면에서 속성 뿐만이 아니라 컴포넌트 내부의 워크플로우도 변경할 수 있는 기법을 제시한다. 기존에 워크플로우를 변경한다는 것은 컴포넌트 내부를 개발자가 이해하고 코드 수준에서 수정해야 하는 화이트 박스(White Box)이지만, 본 논문에서는 워크플로우의 변경을 화이트 박스가 아니라 블랙 박스 형태로 컴포넌트 인터페이스 만을 이용해 커스터마이즈 할 수 있다. 본 논문에서 제시하는 컴포넌트 커스터마이즈 기법은 특정 비즈니스 측면에서 도메인에 종속적인 특성을 가지며 컴포넌트를 좀더 범용적으로 사용할 수 있는 향상된 커스터마이즈 기법을 제시한다.

내용 기반의 비디오 인덱싱 및 검색을 위해서는 비디오 데이타를 셧(shot)으로 분할하고, 또 각 셧을 나타내는 대표 프레임을 선택하는 것이 필요하다. 하지만, 대표 프레임을 선택하는 것은 주관적이어서 일관되게 자동적으로 대표 프레임을 선택하는 것은 쉬운 문제가 아니다. 본 논문에서는 각 프레임에서의 영역을 바탕으로한 컨텐트 정보 및 시간 축 상의 변화를 이용하여 계층적으로 대표 프레임을 선택하는 방법을 제안한다. 먼저, 비디오 셧에서 카메라 모션을 검출하여 이에 따라 비디오 셧을 분류한다. 다음, 분류된 비디오 셧에 컨텐트의 중요도를 계산하기 위한 퍼지 규칙을 적용하여 대표 프레임을 선택한다. 끝으로, 선택되는 대표 프레임의 수는 브라우징 상세도(detailness)에 따라 계층적으로 선택되게끔 한다.

영역이론의 숨겨진 문제점들 중의 하나는 에이전트가 자신의 행위를 이해하지 못한다는 점이다. Graphplan은 효율향상을 위해 mutex를 활용하고 있지만 이와 관련된 부정의 의미를 이해하지 못함으로써 영역이론의 중복성 문제를 야기한다. 이 문제에 대한 해결을 위해 IPP에서는 not 등과 같은 부정함수를 이용하지만, 부정함수의 사용은 시간과 공간적 비용을 수반한다. 인간은 주어진 어떤 사실을 부정하기 위하여 MDL 원리에 의해 반대개념을 사용한다는 점을 통하여, 우리는 부정적 사실을 표현하기 위해서 통념적 방식처럼 부정함수를 사용하는 것보다 긍정적 atom을 사용하는 것이 지능에이전트의 구축을 위해서 더 효율적 기법이라는 가설을 제시하고 IPP 도메인에서 이 가설을 지지하는 실험적 결과를 제시한다. 인간이 사용하는 것과 유사한 반대개념을 에이전트가 자동적으로 학습하기 위하여 영역이론으로부터 반대연산자들로 구성된 사이클을 생성하고 연산자들에 대한 실험을 통해서 반대 literal들을 추출한다.

최근 들어 멀티 미디어 정보의 사용이 급격히 증가하면서, 여러 미디어 형태 중 비디오가 많은 각광을 받으며, 다른 타입의 모든 미디어 정보를 하나의 자료 흐름으로 묶고 있다. 디지털 비디오의 실용 가능성은 크게 증대되고 있으나 비디오의 방대한 길이와 비구조적 형식 때문에 효과적인 비디오의 접근은 어려운 실정이다. 따라서 최근에 개발되는 영상과 비디오 정보 관리 시스템은 본 논문에서 제안하는 사용자의 최소 상호 작용과 비디오 구조의 명확한 정의를 필요로 한다. 본 논문에서는 사용자가 쉽게 비디오 내용을 요약한 형태로 보고, 임의로 접근 할 수 있도록 클러스터링 기반 비디오 계층 구조 구축 시스템을 제시한다. 제안된 시스템은 크게 샷 경계면 검출과 계층 구조 구축 단계로 이루어진다. 샷 경계면 검출 단계에서는 복수 특징들을 추출하고, 이웃한 프레임 쌍들에 대한상호관계를 고려한 시간 적응적 필터링 기법을 이용하여 오판될 수 있는 왜곡 성분을 제거함으로써 성능을 향상시켰다. 처리된 복수 특징들은 임계치를 필요로 하지 않는 k-means 클러스터링의 입력으로 사용되어 샷 경계면을 검출한다. 결과인 순차적인 샷 리스트는 시간 지역성과 장면 구조를 효과적으로 모델링하는 특성을 가진 지능적 비감독 클러스터링 기법에 의해 계층 구조로 표현된다. 실험은 정적 영화 비디오와 동적 영화 비디오를 대상으로 수행하였으며, 샷 경계면 검출에서는 평균적으로 95%의 정확성을 보였으며 장면 경계면 검출을 하는 비디오 계층 구조 구축에서도 어느 정도 정확한 장면 경계면 검출 결과를 보였다.

블럭 정합 알고리즘의 VLSI 구현시 복잡도를 줄이고, 수행 속도를 높이기 위하여 새로운 정합 기준인 적응적 비트 축소 MAD(adaptive bit-reduced mean absolute difference:ABRMAD)를 제안한다. ABRMAD는 기존의 MAD에서 화소의 모든 비트를 비교하는 대신, 화소를 구성하는 중요한 비트만을 고려하여 축소된 화소 값을 비교하여 움직임 벡터를 찾는다. 실험을 통하여, 제안한 정합 기준은 기존의 MAD 정합 기준에 비하여 낮은 하드웨어 복잡도를 가지면서 MSE(mean square error) 측면에서 유사한 성능을 가짐을 보인다. 또한 기존의 비트 수 축소형 정합 기준인 DPC(difference pixel counting), BBME(binary-matching with edge-map), 그리고 BPM(bit-plane matching)과 비교하여 같은 수의 비트를 사용하였을 경우 좋은 MSE 성능을 가짐을 보인다.

영상의 시각적 특성을 이용하여 영상 데이타베이스를 검색하는 내용 기반 영상 검색 시스템에서 사용자가 직접 작성한 질의 영상에 존재하는 불완전성을 극복하기 위하여, 물체의 정확한 좌표값 대신 물체간의 위치 관계를 비교하는 기법이 많이 사용된다. 본 논문에서는 물체간의 8 방향 위치 관계 정보를 이용하여 영상을 검색하는 시스템을 위한 질의 변환 알고리즘을 제안한다. 제안된 알고리즘은 영상내에 존재하는 물체들간의 위치 관계에 추이성(transitivity)이 존재하는 경우 정보가 중복된다는 사실로부터, 질의에 존재하는 추이성을 모두 제거함으로써 질의 영상을 최소 에지의 그래프로 변환한다. 제안된 알고리즘에 의해 생성된 프라임 에지 그래프는 동일한 위상 관계(topology)를 표현하는 그래프 중 최소 개수의 에지를 가지게 되므로 검색 중의 위치 관계 비교 회수를 최적화 할 수 있다. 실험 결과, 위치 관계의 추이성을 고려하지 않은 기존 알고리즘에 비해 평균 비교 회수를 크게 감소시켜 탐색 모듈의 효율을 향상시킴을 알 수 있다

숫자열 인식은 문서 처리 자동화에서 매우 중요하다. 기존 방법들은 숫자열을 낱자 단위로 분할하는 단계와 분할된 숫자들을 인식하는 두 단계로 이루어져 있다. 그러나 이들 방법으로는 접촉 유형의 수많은 변형 때문에 만족할 만한 결과를 얻을 수 없다. 본 논문은 두자 접촉 숫자열의 분할-자유 인식 방법을 제안한다. 이 접근 방법에서는 두자 접촉 숫자열을 하나의 패턴으로 간주하여, 총 100개(‘00’, ‘01’, ‘02’, ..., ‘98’, ‘99’) 부류를 대상으로 인식한다. NIST 데이타베이스의 숫자열 필드에서 두자 접촉한 숫자열을 추출하여 실험하였다. 부류수가 방대한 경우 나타나는 기존 신경망 인식기의 한계 때문에, 모듈러 신경망을 사용하였으며 인식 실험을 통하여 우수성을 입증하였다.

기존 다중스레드 모델에서의 주로 사용되는 선입선출 스케줄링 알고리즘은 실행의 지역성을 고려하지 않았기 때문에 높은 문맥전환 비용과 상대적으로 수행 시간이 짧은 프레임의 지연이 야기되어 일부 환경에서는 실행의 효율성을 떨어뜨리는 요인이 된다. 선입선출 스케줄링 알고리즘의 문제를 개선한 TAM의 퀀텀 단위 스케줄링 방법은 퀀텀 단위의 우선권을 너무 강조하므로 프로그램 실행의 병렬성을 제한시켜 프로세서의 활용도가 저하될 수 있고, 프레임 내에 있는 스레드들 간의 동기화로 인한 지연이 발생될 경우 대기 시간이 길어질 수 있다는 문제점을 가지고 있다. 위의 문제점들을 해결하기 위해 본 논문에서는 컴파일러에 의해 생성된 스레드의 크기와 동기화 정보를 이용하여 상대적으로 가장 짧은 프레임의 실행 시간을 예상하여 이를 우선적으로 처리하는 최단 프레임 우선(shortest-frame-first) 스케줄링 알고리즘을 제안한다. 다중스레드 모델은 실행의 일부분 특히 동기화 처리를 컴파일러에 의존하는 방식을 취함으로써 작업 시간에 대한 정확한 예상과 일관성을 쉽게 이용할 수 있다. 제안한 최단 프레임 우선 스케줄링 알고리즘을 선입선출 스케줄링 알고리즘과 비교한 실험 결과, 실행시간의 평가에서는 평균 15% 정도 실행 시간을 단축시켰고 프로세서 활용도의 평가에서는 5% 정도의 성능 향상을 얻었다. 그리고 대기 시간의 평가에서는 평균 24% 정도의 대기 시간을 줄였다.

본 논문에서는 독립성분분석을 이용한 음성의 특징 벡터 변환방법을 제안한다. 제안한 방법은 여러 환경에서 수집된 음성신호의 켑스트럼 벡터를 다수의 특징 함수들의 선형결합으로 가정하고, 독립성분분석을 이용하여 분리된 켑스트럼 벡터를 학습과 인식에 사용한다. 변환된 벡터 영역에서는 반복적으로 나타나는 화자의 특징 정보는 강조되고 임의로 나타나는 채널 왜곡은 억제되는 효과를 볼 수 있다. 제안된 방법의 유효성을 검증하기 위해 실제 전화음성으로 문장독립형 화자식별 실험을 수행하였으며, 결과를 통해 독립성분분석을 이용한 특징벡터의 변환이 채널 환경 변화에 대해 보다 강인함을 보였다.