• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 2006년도 춘계공동학술대회 논문집
• /
• pp.1042-1047
• /
• 2006

본 논문에서는 대화형 GEO 위성 네트워크의 데이터 손실량과 데이터 지연량을 최소화하기 위한 리턴 링크 용량 할당 체계를 제시한다. 데이터의 지연 특성에 따라 구분되는 각 데이터 유형별로 데이터 손실량 기대값과 데이터 지연량 기대값을 분석하고, 데이터 손실량 기대값과 데이터 지연량 기대값의 가중합을 최소화하는 리턴 링크 용량 할당 모형을 제시한다. 또한, 제시한 모형을 빠른 시간 내에 해결할 수 있는 라그랑지안 이완 기법을 이용한 동적 용량 할당 체계를 제시한다.

• 한국컴퓨터정보학회논문지
• /
• 제25권1호
• /
• pp.21-27
• /
• 2020

본 논문에서는 전투관리체계의 QoS를 향상시키기 위해 동적 가중 결손 라운드로빈과 우선 순위 기반의 혼합 스케줄링 알고리즘을 제안한다. 제안된 알고리즘인 DWDRR은 큐의 트래픽과 중요도에 따라 가중치를 동적으로 부여하여 패킷을 전송하는 방법이다. 제안된 알고리즘의 타당성을 분석하기 위해 모의실험을 통해 제안된 알고리즘이 특정구간에서 높은 효율성을 나타내는 것을 증명하였다. 따라서 기존의 알고리즘과 제안된 알고리즘을 혼합하여 사용하는 방법을 제안한다. 또한, 빈번한 기법 전환을 방지하기 위해 히스테리시스 기법을 적용하였다. 제안한 알고리즘은 동일한 트래픽에서 기존 알고리즘보다 낮은 패킷 손실률과 지연 시간을 나타낸다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 추계학술대회
• /
• pp.124-127
• /
• 2018

넓은 동적 영역 (High Dynamic Range: HDR) 이미지는 주관적 화질 측면에서 우수하지만 대부분의 디스플레이는 좁은 동적 영역 (Low Dynamic Rang e: LDR) 만 지원이 가능하다. 본 논문에서는 이를 해결하기 위해서 톤 매핑 기법 (Tone Mapping Operator: TMO) 을 사용하여 넓은 동적 영역을 압축하여 수행한다. 기존의 지역 에지 보존 (Local Edge Preserving: LEP) 필터를 적용한 이미지결과는 에지를 보존하지만, 스케일의 분해 과정 중 디테일의 손실이 발생되었다. 본 논문에서는 이미지 변화도를 기반으로 디테일을 보존하는 알고리듬을 제안한다. LEP 필터가 적용되기 전에 이미지의 변화도와 동적 영역이 압축된 후의 이미지에 대한 변화도의 차이만큼 가중하여 디테일을 보존함으로써 주관적 화질을 향상시켰다.

• 한국음향학회지
• /
• 제41권6호
• /
• pp.647-654
• /
• 2022

어린이 음성인식의 활용 분야가 증가하고 있지만, 양질의 데이터 부족은 어린이 음성인식 성능 향상의 걸림돌이 되고 있다. 본 논문은 성인의 음성 데이터를 추가로 사용하여 어린이 음성인식 성능을 개선하는 방법을 새롭게 제안한다. 제안하는 방법은 성인 학습 데이터양이 증가할수록 커지는 연령 간 데이터 불균형을 효과적으로 다루기 위해 dynamically weighted loss를 사용하여 트랜스포머 기반 도메인 적대적 훈련하는 방식이다. 구체적으로, 학습 중 미니 배치 내 클래스 불균형 정도를 수치화하고, 데이터가 적을수록 큰 가중치를 갖도록 손실함수를 정의하여 사용하였다. 실험에서는 성인과 어린이 학습 데이터 간 비대칭성에 따른 제안된 도메인 적대적 훈련의 효용성을 검증하였다. 실험 결과, 학습 데이터 내 연령 간 비대칭이 발생하는 모든 조건에서 제안하는 방법이 기존 도메인 적대적 훈련 방식보다 높은 어린이 음성인식 성능을 가짐을 확인할 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.546-551
• /
• 2023

일반적으로 딥러닝 모델은 모든 라벨에 데이터 수가 균형을 이룰 때 가장 좋은 성능을 보인다. 그러나 현실에서는 특정라벨에 대한 데이터가 부족한 경우가 많으며 이로 인해 불균형 데이터 문제가 발생한다. 이에 대한 해결책으로 오버샘플링과 가중치 손실과 같은 데이터 불균형 기법이 연구되었지만 이러한 기법들은 데이터가 적은 라벨의 성능을 개선하는 동시에 데이터가 많은 라벨의 성능을 저하시키는 부작용을 가지고 있다. 본 논문에서는 이 문제를 완화시키고자 어텐션 기반의 앙상블 기법을 제안한다. 어텐션 기반의 앙상블은 데이터 불균형 기법을 적용한 모델과 적용하지 않은 모델의 출력 값을 가중 평균하여 최종 예측을 수행한다. 이때 가중치는 어텐션 메커니즘을 통해 동적으로 조절된다. 그로므로 어텐션 기반의 앙상블 모델은 입력 데이터 특성에 따라 가중치를 조절할 수가 있다. 실험은 에세이 자동 평가 데이터를 대상으로 수행하였다. 실험 결과로는 제안한 모델이 데이터 불균형 기법의 부작용을 완화하고 성능이 개선되었다.

• 방송공학회논문지
• /
• 제24권2호
• /
• pp.217-226
• /
• 2019

본 논문에서는 가이디드 영상 필터 (guided image filter: GIF)를 이용하여 컨볼루션 신경망 (convolutional neural network; CNN)을 이용한 역 톤 매핑 (inverse tone-mapping) 기법의 결과를 향상시킬 수 있는 필터링 기법을 제안한다. 저동적범위 (low dynamic range; LDR) 영상을 고동적범위 (high dynamic range; HDR) 디스플레이에서 표현할 수 있도록 변환하는 역 톤 매핑 기법은 지속적으로 제안되어왔다. 최근 들어 컨볼루션 신경망을 이용하여 단일 LDR 영상을 HDR 영상으로 변환하는 알고리듬이 많이 연구되었다. 그 중엔 제한된 동적범위 (dynamic range)로 인해 화소가 포화되어 기존 화소 정보가 손실되는데 이를 학습된 컨볼루션 신경망을 이용해서 복원하는 알고리듬이 존재한다. 해당 알고리듬은 비포화 영역의 잡음까지는 억제하지 못하며 포화 영역의 디테일까지는 복원하지 못한다. 제안한 알고리듬은 입력 영상에 가중된 가이디드 영상 필터 (weighted guided image filter; WGIF)를 사용해서 비포화 영역의 잡음을 억제하고 포화 영역의 디테일을 복원시킨 다음 컨볼루션 신경망에 인가하여 최종 결과 영상의 품질을 개선하였다. 제안하는 알고리듬은 HDR 정량적 화질평가 지표를 측정하였을 때 기존의 알고리듬에 비해 높은 화질평가 지수를 나타내었다.