• 한국정보처리학회논문지
• /
• 제4권1호
• /
• pp.255-269
• /
• 1997

본 논문에서는 GNU 컴파일러를 이용하여 ES-C2340 DSP2 프로세서를 위한 C 교차 컴파일러를 개발한다. 신속하고 효율적인 컴파일러의 개발을 위해 언어 의존적인 프 론트 앤드(front-end)의 일부는 GNU 컴파일러를 사용하고, 프로세서 의존적인 백 앤 드(back-end)부분은 새로이 작성하여 결합하는 접근 방법을 사용한다. 이러한 접근 방법은 첫째, 프론트 앤드 부분에서 잘 검증된 GNU 컴파일러의 뛰어난 최적화 기법과 다중 언어 지원성을 사용하므로 컴파일러의 효율성과 범용성이 보장되고, 둘째, 하드 웨어 의존적인 부분의 구현에만 집중함으로써 개발 기간이 단축되며, 셋째 개발 시간 의 단축으로 인해 프로세서의 개발시에 논리 검증 도구로 고급 언어를 사용할 수 있 게 한다. 그리고 본 논문에서는 교차 컴파일러를 지원하기 위하여 텍스트 수준의 선 링커(pre-linker)도 구현한다.

• 한국지구과학회지
• /
• 제28권2호
• /
• pp.214-226
• /
• 2007

강수는 다양한 대기 변수들의 영향으로 나타나기 때문에 비선형성이 매우 강하다. 따라서 역학 모형을 통해 예측된 강수의 보정은 비선형 모형인 인공 신경망 등을 통해 가능할 것이지만, 인공 신경망의 경우 초기 가중치 선택, 지역 최소화 문제, 뉴런의 수 결정 등의 문제로 인한 한계가 있다. 그러므로 본 연구에서는 가장 보편적으로 사용되는 다중 선형 회귀 모형을 이용하여 CGCM에 의해 모사된 강수를 보정하였으며, 예측성을 살펴보았다. 이를 위하여 우선 PNU/CME 접합 대순환 모형(Coupled General Circulation model, CGCM)(박혜선과 안중배, 2004)을 이용하여 1979년부터 2005년까지 매해 4월부터 8월까지 5개월간 앙상블 적분을 하였다. 적분 결과 중 한반도를 포함한 동북아시아 지역$(110^{\circ}E-145^{\circ}E,\;25^{\circ}N-55^{\circ}N)$의 여름철인 6월(리드 2), 7월(리드 3), 8월(리드 4) 및 여름철 평균인 JJA(from June to August) 기간의 PNU/CME CGCM에 의해 모사된 강수를 보정하기 위해 다중 선형 회귀(Multiple Linear Regression, MLR)를 이용하였다. PNU/CME 접합 대순환 모형의 결과 중 강수, 500 hPa 연직 속도, 200 hPa 발산장, 지상 기온 등의 예측 인자와 관측 강수와의 선형적인 관계를 이용하여 MLR 모형을 구축하였다. 그리고 교차 검증(cross- validation)을 수행하여 PNU/CME 접합 대순환 모형의 결과와 교차 검증 결과를 비교하였다. 상관계수, 적중률 (hit rate), 오보율(false alarm rate) 그리고 Heidke 기술 점수(Heidke skill score) 등을 살펴본 바, 보정하지 않은 모형의 결과에 비해 MLR 모형을 이용하여 보정한 결과의 강수에 대한 예측성이 뛰어난 것을 알 수 있었다.

• 한국정보통신학회논문지
• /
• 제15권12호
• /
• pp.2511-2520
• /
• 2011

본 논문은 다중 센서 융합의 성능을 높이기 위해 적응형 퍼지-칼만 필터를 적용하고 교차검증법(cross-validation)으로 퍼지시스템 입 출력 소속 함수의 매개변수를 조정하는 방법을 제안한다. 적응형 퍼지-칼만 필터는 가속도의 변화량과 칼만 필터의 잔여오차를 입력으로 시스템잡음, 측정잡음을 추정하여 칼만 이득을 변화시킨다. 적용된 퍼지-칼만 필터는 잡음들을 가우시안 분포로 가정한 이전 방법과 비교하여 비선형/비가우시안 잡음에 강인한 추정 결과를 보여준다. 본 논문에서 제안한 퍼지-칼만 필터를 평가하기 위해 가속도센서/자이로센서를 융합하여 2축 자세추정시스템(Attitude Heading Reference System)을 설계하였고 무인항공기에 사용되는 자세추정센서 NAV420CA-100과 비교하여 성능을 검증하였다.

• 조명전기설비학회논문지
• /
• 제26권9호
• /
• pp.73-79
• /
• 2012

In this paper, we study on how to determine the number of hidden layer neurons in neural network for predicting defect size of steam generator tube. It was reported in the literature that the number of hidden layer neurons can be efficiently determined with the help of cross-validation. Although the cross-validation provides decent estimation performance in most cases, the performance depends on the selection of validation set and rather poor performance may be led to in some cases. In order to avoid such a problem, we propose to use multifold cross-validation. Through the simulation study, it is shown that the estimation performance of defect width (defect depth, respectively) attains 94% (99.4%, respectively) of the best performance achievable among the considered neuron numbers.

• 응용통계연구
• /
• 제31권4호
• /
• pp.447-461
• /
• 2018

국내 영화 산업 매출은 매년 증가하고 있다. 극장은 영화의 1차 판매 경로이며, 극장을 이용하는 관객 수는 부가판권에 영향을 준다. 따라서 극장을 이용하는 관객의 수는 영화 산업 매출에 직결되는 중요한 요소이다. 본 논문에서 특정일의 관객 수를 예측하기 위하여 다중선형회귀모형과 Bass 모형을 결합한 Hybrid 모형을 고려한다. 두 모형을 결합함으로써 회귀분석의 예측값을 Bass 모형의 예측값으로 보정하였다. 분석에는 개봉일이 모두 다른 세 영화를 이용하였다. All subset regression 방법을 이용해 모든 가능한 조합을 생성하고 5중 교차검증(5-fold cross validation)을 통해 5번 모형을 추정한다. 이 때 제곱근평균오차가 가장 작은 모형으로 예측값을 구한 뒤 Bass 모형의 예측값과 결합해 최종 예측값을 구하게 된다. 과거데이터가 존재할수록 Bass 모형의 가중치는 증가하면서 예측값에 보정효과를 준다는 것을 확인할 수 있었다.

• 한국지반공학회논문집
• /
• 제33권6호
• /
• pp.27-36
• /
• 2017

자갈다짐말뚝(Gravel Compaction Pile) 공법은 연약지반 개량공법 중의 하나로 육상 및 해상에서 연약 지반을 개량하기 위해 많이 사용되어 왔다. 자갈다짐말뚝으로 보강된 지반의 극한 지지력은 자갈다짐말뚝 및 지반의 강도, 치환율, 시공조건 등에 영향을 받으며 이를 예측하기 위한 다양한 예측식이 제안되었다. 하지만 기존 예측식을 활용한 극한지지력 예측은 오차율 및 변동성이 매우 크며, 실제 설계에 활용하기에는 부적합한 것으로 나타났다. 본 연구에서는 자갈다짐말뚝으로 보강된 지반의 극한 지지력을 예측하기 위하여 현장 재하시험결과를 활용한 다중회귀분석을 수행하였으며, 단일잔류 교차검증에 따른 예측오차평가를 통하여 가장 효율적인 입력변수를 선정하고 이에 대한 극한 지지력 예측식을 제안하였다. 또한 선정된 입력변수를 활용하여 인공신경망 적용에 따른 극한 지지력 예측오차를 평가하고 이를 기존 예측식에 따른 결과와 비교 분석하였다.

• 한국지반공학회논문집
• /
• 제34권6호
• /
• pp.37-47
• /
• 2018

본 연구에서는 모래다짐말뚝(sand compaction pile, SCP)과 자갈다짐말뚝(gravel compaction pile, GCP)으로 보강된 지반의 극한지지력을 예측할 수 있는 식을 제안하고자 34개의 국내외 실내재하시험 데이터를 수집하고 이를 분석하였다. 수집된 자료를 기존의 이론식에 의한 극한지지력 산정 값과 비교하여 기존 이론식의 예측 정도를 파악하였다. 또한 극한 지지력 예측식을 제안하고자 다중회귀분석을 수행하였으며, 단일잔류 교차검증에 따른 예측오차평가를 통하여 가장 효율적인 입력변수의 수 및 조합을 선정하였다. 최종적으로 SCP와 GCP의 실내재하시험에 대한 극한 지지력을 예측하기 위한 다중회귀식을 제안하였으며 그 성능을 평가하였다.

• 인지과학
• /
• 제7권1호
• /
• pp.37-56
• /
• 1996

본 논문에서는 구조적 특징분석을 이용한 무제약 필기 숫자의 검증기를 개발하고 이를 다중 인식기의 결합 알고리즘으로 사용하는 방법을 제안한다.일반적인 다중 인식기 결합은 학습이나 확률적 방법을 주로 사용하고 입력 영상의 구조적 특징에 대해서는 전혀 고려하지 않기 때문에 인간이 명백히 판단할 수 있는 숫자임에도 불구하고 인식기의 특성에 따라 오인식을 할 수 있다.이런 약점을 보완하기 위하여 자주 혼동되는 숫자쌍에 대하여 구조적 특징을 비교 분석하여 판단하는 일대일 검증기를 구현하고 이를 인식기의 결합에 적용한다.검증을 위한 구조적 특징으로는 윤곽선,방향코드,다각형 근사와 수직/수평 영교차 횟수 등이 있다.제안하는 방법의 성능 평가를 위한 실험은 CENPARMI숫자 데이터를 사용하였으며, 실험 결과 전체 신뢰도는 97.95%를 얻었고 또한 일반적인 결합 알고리즘에서 발생할 수 있는 오인식 요소들이 제거됨을 확인할 수있었다.

• 대한원격탐사학회지
• /
• 제32권5호
• /
• pp.529-538
• /
• 2016

본 연구는 KOMPSAT-3 위성의 방사학적 품질 평가를 위해 다중분광 및 초분광 센서을 사용하여 복사학적 교차 검증을 수행하였다. PICS site 에서 촬영된 EO-1 Hyperion과 Landsat-8 OLI 센서의 영상을 이용하였고, 서로 다른 특성을 지닌 토지 피복으로 구성된 2개 지역을 선정하여 항공 초분광 센서와 대기상층 반사도 기반 교차 검증을 수행하였다. EO-1 Hyperion, CASI-1500과의 대기상층 반사도를 비교한 결과, 전체적으로 약 4 % 이내의 차이를 보였다. 이는 일반적으로 타 위성과의 비교를 통한 반사도 차이가 5 % 내에 들어올 경우 방사학적 품질기준에 적합하다고 판단된다. Landsat-8 센서와의 대기상층 반사도를 비교한 결과 Blue, Green, Red밴드는 약 3% 내외의 반사도 차이를 보였으나, NIR band에서 Landsat-8에 비해 상대적으로 낮게 나타났다. 이는 NIR 밴드에서 두 센서간 밴드대역폭의차이가 존재하고, KOMPSAT-3 센서의 경우 수증기에 의한 흡수가 강하게 나타나는 940nm 부근도 밴드대역폭이 포함되고 있기 때문에 상대적으로 낮은 반사도를 보이는 것으로 판단되며, 이를 극복하기 위해 Spectral Bandwidth Adjustment Factor (SBAF)와 같은 rescale method를 적용한 보다 세밀한 분석이 시도될 필요가 있다.

• 한국음향학회지
• /
• 제39권5호
• /
• pp.497-504
• /
• 2020

화자 검증에서 화자 임베딩 구축은 중요한 이슈이다. 일반적으로, 화자 임베딩 인코딩을 위해 자기주의 메커니즘이 적용되어졌다. 이전의 연구는 마지막 풀링 계층과 같은 높은 수준의 계층에서 자기 주의를 학습시키는 데 중점을 두었다. 이 경우, 화자 임베딩 인코딩 시 낮은 수준의 계층의 영향이 감소한다는 단점이 있다. 본 연구에서는 잔차 네트워크를 사용하여 Masked Cross Self-Attentive Encoding(MCSAE)를 제안한다. 이는 높은 수준 및 낮은 수준 계층의 특징 학습에 중점을 둔다. 다중 계층 집합을 기반으로 각 잔차 계층의 출력 특징들이 MCSAE에 사용된다. MCSAE에서 교차 자기 주의 모듈에 의해 각 입력 특징의 상호 의존성이 학습된다. 또한 랜덤 마스킹 정규화 모듈은 오버 피팅 문제를 방지하기 위해 적용된다. MCSAE는 화자 정보를 나타내는 프레임의 가중치를 향상시킨다. 그런 다음 출력 특징들이 합쳐져 화자 임베딩으로 인코딩된다. 따라서 MCSAE를 사용하여 보다 유용한 화자 임베딩이 인코딩된다. 실험 결과, VoxCeleb1 평가 데이터 세트를 사용하여 2.63 %의 동일 오류율를 보였다. 이는 이전의 자기 주의 인코딩 및 다른 최신 방법들과 비교하여 성능이 향상되었다.