• 한국문헌정보학회지
• /
• 제41권1호
• /
• pp.185-214
• /
• 2007

본 연구는 방송영상자료의 메타데이터 서지구조를 FRBR 참조모형 기반의 다층 레이어 구조로 개선함으로써 특정 관계 유형에 있는 방송영상물이 서지적으로 연계되게 하고 이용자가 탐색 목적에 따라 효과적으로 탐색할 수 있는 방안을 모색하였다. FRBR에 기반 하여 계층적인 방송영상자료 메타데이터 모형을 설계하고 실험시스템을 구축하였으며, 이에 대한 평가를 통해 실제 적용 가능성을 살펴보았다. 실험시스템은 FRBR 기반의 시청각 목록시스템인 네덜란드 시청각기구(B&G)의 iMMix 모형을 벤치마킹하였고, 단층구조 모형의 일반시스템과 비교하여 검색의 효율성, 시스템의 유용성을 평가하였다.

• 전자공학회논문지CI
• /
• 제40권6호
• /
• pp.56-68
• /
• 2003

범용 신경망 연산기를 디지털 회로로 구현함에 있어 가장 까다로운 문제들 중 하나는 시냅스의 확장과 해당 네트워크에 맞게 뉴런들을 재배치하는 재구성 문제일 것이다. 본 논문에서는 이러한 문제들을 해결하기 위한 새로운 하드웨어 구조를 제안한다. 제안된 구조는 시냅스의 확장과 네트워크 구조의 변경을 위해 오리지날 디자인의 변경이 필요치 않으며, 모듈러 프로세싱 유니트의 확장을 통한 뉴런의 개수 및 레이어의 확장이 가능하다. 이 구조의 범용성 및 확장성에 대한 검증을 위해 다양한 종류의 다층 퍼셉트론 및 코호넨 네트워크를 구성하여 HDL 시뮬레이터를 통한 결과와 C 언어로 작성된 소프트웨어 시뮬레이터 결과를 비교하였으며 그 결과 성능이 거의 일치함을 확인하였다.

• 한국정보통신학회논문지
• /
• 제21권1호
• /
• pp.144-150
• /
• 2017

최근 데이터의 지능적 처리 및 정확도 향상을 위해 딥러닝 기술이 응용되고 있다. 이 기술은 다층의 데이터 처리 레이어들로 구성된 계산 모델을 통해 이루어지는데, 이 모델은 여러 수준의 추상화를 거쳐 데이터의 표현을 학습한다. 딥러닝의 한 부류인 컨볼루션 신경망은 인간 행동 추정, 얼굴 인식, 이미지 분류, 음성 인식 같은 연구 분야에서 많이 활용되고 있다. 이미지 분류에 좋은 성능을 보여주는 컨볼루션 신경망은 깊은 학습망과 많은 부류를 이용하면 효과적으로 분류율을 높일수 있지만, 적은 부류의 데이터를 사용할 경우, 과적합 문제가 발생할 확률이 높아진다. 따라서 본 논문에서는 컨볼루션 신경망기반의 소부류의 분류을 위한 학습망을 제작하여 자체적으로 구축한 이미지 DB를 학습시키고, 객체를 분류하는 연구를 실험 하였으며, 1000개의 부류를 분류하기 위해 제작된 기존 공개된 망들과 비교 실험을 통해 기존 망보다 평균 7.06%이상의 상승된 분류율을 보여주었다.