• 한국지능시스템학회논문지
• /
• 제15권2호
• /
• pp.135-142
• /
• 2005

본 논문에서는 변하는 주기 기준 신호를 추종하기 위한 광학 디스크 드라이브의 적응 반복 제어 기법을 제시한다. 주기가 알려진 주기적인 외란은 반복 제어 개념을 이용하면 충분히 제거할 수 있다. 광학 디스크 드라이브는 다양한 속도를 지원하기 때문에 변하는 주기의 외란을 가진다. 기준 주기 변화를 추종하기 위해 샘플링 주파수를 변화시키는 반복 제어를 기초로 하여 주기가 변하는 외란을 다루기 위한 적응 반복 제어를 제안한다. 제안한 제어 기법은 반복 제어기와 주파수 발생기고 구성된다. 전자는 외란 주파수의 고정 배수에서 동작하는 가변 샘플러를 사용하고 후자는 외란 주파수에 따라 변하는 샘플링 주파수를 발생한다. 광학 디스크 드라이브 제어 대한 실험 결과에서 제안한 기법의 우수성과 랜덤 탐색 시간의 개선을 보인다.

• 융합신호처리학회논문지
• /
• 제6권2호
• /
• pp.95-99
• /
• 2005

본 논문은 DVB-RCS 규격과 폐루프 버스트 동기 제어 방식을 적용한 양방향 위성 멀티미디어 시스템의 망동기 기준클럭 복원을 위한 정밀한 복원방식을 제안한다. 이러한 시스템의 단말은 TDMA 리턴링크 통신을 위한 기준클럭을 MPEG-2 규격에 정의된 PCR (Program Clock Reference)을 중심국에서 방송하고 단말은 이를 복원하여 사용한다. PCR은 중심국에서 시스템 클럭 (27MHz $\pm$ 30ppm)을 주기적으로 샘플링 하여 각 단말로 방송하는데 단말에서 수신되는 PCR값은 위성을 포함한 전송경로에서 발생되는 가변적인 전달 지연시간 변동으로 인한 오차 때문에 일반적인 디지털 PLL(DPLL) 방식에 의해서는 복원된 기준클럭의 주파수와 중심국의 기준클럭 주파수간의 동기를 주어진 범위 이내로 정확하게 유지하기가 힘들다. 본 논문에서는 수신되는 PCR 패킷의 랜덤한 전달지연시간 번동으로 인해 발생되는 기준클럭의 복원오차를 줄일 수 있는 방식을 제시하고 시뮬레이션을 통하여 성능을 평가하였다. 제안한 방식은 일반적인 DPLL방식에 비해 기준클럭의 복원오차가 1/5로 현저하게 감소되는 성능을 보여 주었다.

• 정보과학회 논문지
• /
• 제43권8호
• /
• pp.910-918
• /
• 2016

많은 종류의 데이터들은 텐서로 표현될 수 있다. 텐서란 다차원 배열을 의미하며, 그 예로 (사용자, 사용자, 시간)으로 이루어진 소셜 네트워크 데이터가 있다. 이러한 다차원 데이터 분석에 있어서 텐서 생성기는 시뮬레이션, 다차원 데이터 모델링 및 이해, 샘플링/외삽법 등 다양한 응용이 가능하다. 하지만, 존재하는 텐서 생성기들은 실제 세계의 텐서처럼 멱 법칙을 따르는 특성과 희박성을 갖는 텐서를 생성할 수 없다. 또한, 처리가능한 텐서 크기에 한계가 존재하고, 분산시스템에서 추가 분석을 하려면 텐서를 분산시스템에 업로드 하는 추가비용이 든다. 본 논문은 분산 테라스케일 텐서 생성기(TeT)를 제안함으로써 이러한 문제를 해결하고자 한다. TeT는 희박성을 갖는 랜덤 텐서와 희박성과 멱 법칙을 따르는 특성을 갖는 Recursive-MATrix 텐서, 크로네커 텐서를 크기 제한없이 생성할 수 있다. 또한, TeT에서 생성된 텐서는 같은 분산 시스템에서 추가적인 텐서분석이 가능하다. TeT는 효율적인 설계로 인해 거의 선형적인 머신확장성을 보인다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 제37회 하계학술대회 논문집 D
• /
• pp.1811-1812
• /
• 2006

본 논문은 공간상에서 움직이는 다중신호원의 신호 도달 방향 추정과 신호원이 보낸 신호를 다중 센서 어레이를 이용하여 판별하는 문제를 다룬다. 일반적으로 정지하고 있는 신호원의 방향 추정은 어레이에서의 출력 방정식의 방향 벡터들이 시불변인 상수이기 때문에 잡음환경 하에서도 샘플링된 벡터(Snapshot) 수가 늘어날수록 훨씬 정확하게 방향 추정이 가능하지만 신호원이 움직이는 경우에는 신호원의 방향이 변하게 되어 결국 어레이 방정식의 방향 벡터들이 시변이므로 추정값의 분산(variance)이 커지게 되어 정확한 추정이 어렵게 된다. 이러한 경우에 대한 정량적인 분석 예는 드물어 실제 여러 가지 추정 기법들의 특성이 어떻게 나타나는지 가늠하기가 어렵다. 따라서 본 논문에서는 이러한 경우에 대한 시나리오 예를 설정한 후 이 시나리오에 따른 랜덤 가우시안 잡음 하에서의 수치 데이터 모델을 생성하여 수신기에서는 미지의 값인 이 데이터에 대해 기존의 DOA 추정 기법을 이용하여 추정을 수행하여 그 정량적인 결과들을 계산해 봄으로써 시변인 경우에서의 그 성능을 판단해 보기로 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.632-635
• /
• 2016

증강현실에서 영상과 증강된 콘텐츠 간의 이질감을 줄이기 위해서 정확한 호모그래피 행렬을 추정해야 하며, 정확한 호모그래피 행렬을 추정할때 RANSAC 알고리즘이 널리 사용된다. 그러나 RANSAC 알고리즘은 랜덤 샘플링 과정을 반복적으로 거치기 때문에 불필요한 연산 과정이 발생하고 이로 인해 알고리즘의 효율이 저하된다. 이러한 단점을 극복하기 위해 DCS-RANSAC 알고리즘이 제안되었다. 제안된 DCS-RANSAC 알고리즘은 이미지를 특징점 분포 패턴에 따라 그룹으로 분류하고 각 그룹에 제약조건 문제를 적용하여 불필요한 연산 과정을 줄이고 정확도를 향상시킨 알고리즘이다. 그러나 DCS-RANSAC 알고리즘에서 사용된 이미지 그룹 데이터는 수동적인 방법을 통해 직관적으로 분류되어 있지만 특징점 분포 패턴이 다양하지 않아 분류시 정확도가 저하되는 경우가 있다. 위의 문제점을 해결하기 위해 본 논문에서는 머신러닝 기법을 통해 이미지들을 자동으로 분류하고 각 그룹마다 각기 다른 제약조건을 적용하는 MCS-RANSAC 알고리즘을 제안한다. 제안하는 알고리즘은 머신러닝 기법을 사용하여 전처리 단계에서 이미지를 분류하고 분류된 이미지에 제약조건을 적용시켜 알고리즘의 처리시간을 줄이고 정확도를 향상시켰다. 실험 결과 본 논문에서 제안하는 MCS-RANSAC은 DCS-RANSAC 알고리즘에 비해 수행시간이 약 6% 단축되었고 호모그래피 오차율은 약 15% 줄어들었으며 참정보 비율은 2.8% 증가한 것으로 확인되었다.

• 디지털융복합연구
• /
• 제19권5호
• /
• pp.263-268
• /
• 2021

본 연구에서는 병원에서 실질적인 태아분만 시스템에 관리를 위한 태아건강분류모델을 설계하는 것을 목적으로 한다. 출산 중 사망자 수는 2017년을 기준으로 295,000명인 산모 사망률과 유사하다. 이러한 사망의 94%는 환경에 의해 발생하므로 대부분 예방할 수 있다. 따라서 본 논문에서는 랜덤 포레스트(Random Forest)를 이용하여 Cardiotocograms(CTG) 검사에서 추출한 2개의 데이터(태아의 심박수, 태아의 움직임, 자궁 수축 등)로 태아의 건강을 예측하는 모델을 제안하였다. 본 연구에서 제안된 모델은 태아분만 보건운영 시스템을 안정적으로 관리하기 위해 태아분만에 대한 데이터의 분포가 불균형한 이상 데이터를 갖는 항목을 찾아 표준편차의 상한 및 하한의 임계값을 설정하여 이상값을 제거하여 정확도를 높혔다. 또한 태아의 건강상태를 나타내는 클래스의 비율이 불규칙함으로, 데이터 리샘플링을 이용하여 소수의 클래스를 복제하여 클래스의 균형을 맞추었다. 그 결과 정확도가 4~5% 향상되어 97.75%로 나타났다. 이에 예측 모델을 통해 발생 할 수 있는 태아의 사망과 병을 사전에 정확히 예측하여 우선적으로 관리함으로써 효율적인 태아 보건운영과 태아 사망 및 병 예방에 기여할 수 있을 것이라고 기대한다.

• 한국빅데이터학회지
• /
• 제8권1호
• /
• pp.157-165
• /
• 2023

수산물은 많은 국가의 주요한 단백질 공급원이며 소비가 증가하고 있다. 우리나라도 수산물 소비는 증가하는 반면 자급률은 낮아지고 있으며, 수산물의 수입량이 증가함에 따라 안전관리의 중요성이 높아지고 있다. 국내로 수입되는 수산물은 110여 개 국가로부터 수백 종에 이르며, 수입 수산물의 안전관리를 검사관의 경험에만 의존하는 것은 한계가 있다. 데이터를 기반으로 수입 수산물 통관검사 결과를 예측할 수 있는 모델을 개발하여 수입신고서가 제출되었을 때 수산물의 부적합 가능성을 판단하는 머신러닝 분류 모델을 생성한다. 수입수산물 통관검사 결과 부적합율은 1% 미만으로 매우 낮은 불균형 데이터이므로 이러한 특성을 보완할 수 있는 샘플링 방법을 비교 연구하였고, 분류결과를 해석할 수 있는 전처리 방법을 적용하였다. 여러 가지 머신러닝 기반의 분류모델 중에서 랜덤포레스트와 XGBoost가 좋은 성능을 보였다. 통관검사 결과 적합과 부적합을 모두 잘 예측하는 모델은 ADASYN과 원-핫 인코딩을 적용한 랜덤포레스트 기본 모델이며 정확도 99.88%, 정밀도 99.87%, 재현율 99.89%, AUC 99.88%이다. XGBoost는 오버샘플링과 인코딩 종류에 상관없이 모든 지표가 90%를 넘겨 가장 안정적인 모델이다.

• 한국ITS학회 논문지
• /
• 제22권2호
• /
• pp.64-79
• /
• 2023

본 연구는 Monte Carlo 기법을 교통카드기반의 수도권 지하철의 통행배정 문제에 적용하는 과정을 검토하였다. 연구는 우선 교통카드에서 역 간 표본의 통행에서 나타나는 통행시간에 대하여 프로빗 모형의 기반이 되는 정규분포의 가정을 적용하였다. Monte Carlo 통행배정은 역 간 통행에 대하여 평균과 표준편차를 산정하고 이를 개별 링크의 차내시간과 환승의 보행 및 배차간격의 가중치로 적용하는 방안을 제안하였다. 샘플 수가 50 이하로 낮게 나타나는 장거리 통행은 유사 통행의 특성을 이전하는 방안으로 적용하였다. 수도권 지하철 네트워크에 대하여 두 가지 방향에서 연구 결과를 검토하였다. 하나는 선릉-성수의 단일 역 간 통행에 대하여 차내시간 및 환승시간에 랜덤샘플링을 적용하는 방안으로 검증하였다. 다음으로 수도권 지하철 전체에 대해서는 역 간 통행 샘플수에 따라서 50 이상은 역 간 정규분포의 가정을 그대로 수용하였다. 샘플수가 50 이하의 장거리 통행은 역 간 최소거리가 122 (Km)에서 표본의 균등성이 확보되는 상황으로 판단하고 이 거리에서 나타나는 카드자료의 역 간 평균과 표준편차를 적용하였다. 사례연구로서 교통카드자료로 구축된 수도권 지하철을 네트워크를 대상으로 단일OD 및 전체 OD의 통행배정의 결과를 도출하였다. 한편 통행에 대한 샘플링이 부족한 상황에서 추가적인 연구가 필요한 것으로 나타났다.

• 대한전자공학회논문지TC
• /
• 제48권6호
• /
• pp.1-5
• /
• 2011

차세대 무선 스피커의 오디오 신호 전송 거리의 증대를 위한 Multi-band orthogonal frequency division multiplexing ultra-wideband (MB-OFDM UWB) 기술을 제안한다. 제안된 기술은 기존의 MB-OFDM UWB기술을 바탕으로 리드 솔로몬 코딩 기법을 추가하여 간헐적인 랜덤 에러를 완벽하게 보상하여 SNR을 이득을 얻음으로써 전송거리를 개선하였다. 시뮬레이션 환경으로 WPAN 채널모델중 CM1을 사용하였고, 백색잡음과 캐리어 주파수 오프셋, 샘플링 주파수 오프셋을 반영하여 시뮬레이션 환경이 실제 모뎀의 동작 환경과 유사하도록 설정하여 시뮬레이션의 신뢰를 높혔다. 시뮬레이션을 통해서 최대 2dB의 SNR 이득을 얻었고, 이는 수신기의 수신감도를 향상시켜 제안된 시스템은 최대 12.6미터까지 신호 전송이 가능한 것을 확인하였다.

• 한국통신학회논문지
• /
• 제37권5A호
• /
• pp.375-387
• /
• 2012

본 연구에서는 움직이는 CCD 카메라로부터 입력된 영상에서 색상 및 질감 성분을 기반으로 하는 파티클 필터를 이용하여 실시간으로 객체를 추적할 수 있는 알고리즘을 제안한다. 초기 영상에서 추적하고자 하는 객체를 선택하면 이를 타깃 파티클로 결정하고, 타깃 파티클로 부터 추적을 위한 초기 상태가 모델링 된다. 이후 프레임부터 N개의 파티클들이 랜덤 분포로 생성되고 각 파티클로 부터 질감 정보인 로컬 CS-LBP (Centre Symmetric Local Binary Patterns)모델과 색상 분포 모델이 특징 모델로 사용된다. 각 특징 모델에 대해 바타차리야 (Bhattacharyya) 거리를 사용하여 각 파티클과 타깃 파티클 간의 특징 관측 우도(likelihood)를 구하고 이를 각 파티클의 가중치로 설정 한다. 각 파티클의 가중치를 기반으로 가중치가 가장 높은 파티클을 새로운 타깃으로 설정하고, 각 파티클들을 재 샘플링 한다. 본 실험결과에서는 여러 가지 특징을 조합하여 실험을 하였고, 그 결과 색상 분포 모델과 로컬 CS-LBP를 조합했을 때 추적 성능이 가장 우수한 것을 확인할 수 있었다.