• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.1575-1577
• /
• 2012

비즈니스 프로세스 프레임워크(Business Process Framework) 레이어 모델링 정보를 레파지토리에 저장하기위해서는 BPF 5-레이어의 복잡한 구조를 수작업으로 분석해야하는 어려움이 있다. 그래서 각 레이어 모델링 정보를 레파지토리에 효율적으로 저장하기 위해 비즈니스 프로세스 프레임워크 5-레이어 정보 메타모델을 제안한다. 제안한 메타모델 기반으로 레이어 정보를 모델링한다. 모델링된 레이어 정보를 모델변환하여 XMI(XML Metadata Interchange)로 변환하고 그 데이터를 레파지토리에 저장한다. 이 방법을 통해 레이어 정보를 모델링하고, XMI로 변환하면 정보를 쉽고 효율적으로 레파지토리에 저장이 가능하다.

• Annual Conference on Human and Language Technology
• /
• 2017.10a
• /
• pp.92-96
• /
• 2017

딥 러닝 모델은 여러 히든 레이어로 구성되며, 히든 레이어의 깊이가 깊어질수록 레이어의 벡터는 높은 수준으로 추상화된다. 본 논문에서는 Encoder RNN의 레이어를 여러 층 쌓은 멀티 레이어 포인터 네트워크를 제안하고, 멀티 태스크 학습 기반인 멀티 레이어 포인터 네트워크를 이용한 한국어 의존 구문 분석 모델을 제안한다. 멀티 태스크 학습 모델은 어절 간의 의존 관계와 의존 레이블 정보를 동시에 구하여 의존 구문 분석을 수행한다. 실험 결과, 본 논문에서 제안한 모델이 기존 한국어 의존 구문 분석 연구들 보다 좋은 UAS 92.16%, LAS 89.88%의 성능을 보였다.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.92-96
• /
• 2017

딥 러닝 모델은 여러 히든 레이어로 구성되며, 히든 레이어의 깊이가 깊어질수록 레이어의 벡터는 높은 수준으로 추상화된다. 본 논문에서는 Encoder RNN의 레이어를 여러 층 쌓은 멀티 레이어 포인터 네트워크를 제안하고, 멀티 태스크 학습 기반인 멀티 레이어 포인터 네트워크를 이용한 한국어 의존 구문 분석 모델을 제안한다. 멀티 태스크 학습 모델은 어절 간의 의존 관계와 의존 레이블 정보를 동시에 구하여 의존 구문 분석을 수행한다. 실험 결과, 본 논문에서 제안한 모델이 기존 한국어 의존 구문 분석 연구들 보다 좋은 UAS 92.16%, LAS 89.88%의 성능을 보였다.

• The Journal of the Korea Contents Association
• /
• v.8 no.1
• /
• pp.272-281
• /
• 2008

A layer channel, which can express effects on 3D image, is inserted to use it on application rendering effectively. The current method of effect rendering requires individual sources in storage and image processing, because it uses individual and mixed management of images and effects. However, we can save costs and improve results in images processing by processing both image and layer channels together. By changing image format to insert a layer channel in image and adding a hide function to conceal the layer channel and control to make it possible to approach image and layer channels simultaneously during loading image and techniques hiding the layer channel by changing image format with simple techniques, like alpha blending, etc., it is developed to improve reusability and be able to be used in all programs by combining the layer channel and image together, so that images in changed format can be viewed in general image viewers. With the configuration, we can improve processing speed by introducing image and layer channels simultaneously during loading images, and reduce the size of source storage space for layer channel images by inserting a layer channel in 3D images. Also, it allows managing images in 3D image and layer channels simultaneously, enabling effective expressions, and we can expect to use it effectively in multimedia image used in practical applications.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11a
• /
• pp.93-96
• /
• 2003

화상회의 시스템에서 대역폭의 이용률을 높이기 위한 연구로서 SARLM(Source Adaptive Receiver-Driven Multi-Layered Multicast)이 있다. 이 기법은 레이어의 병합(merging)과 분할(splitting)을 통해 새로운 레이어(layer)의 수와 각 레이어의 전송률을 결정하는데, 레이어의 병합 시 전체 수신자의 가용 대역폭(available bandwidth)의 이용률이 낮아지는 현상이 발생한다. 본 논문에서는 레이어의 병합 시 수신자의 가용 대역폭의 이용률을 개선한 기법을 제안한다. 제안하는 기법은 특정 레이어를 수신하는 수신자가 아주 적은 경우 하위 레이어의 수신자중 전송률의 많은 증가를 요청하는 수신자와 병합하고, 하위 레이어를 재그룹핑(regrouping) 한다. 실험 결과, 레이어의 병합 시 전체 수신자의 대역폭 이용률을 향상시킬 수 있었다.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.12 no.1
• /
• pp.92-98
• /
• 2019

In this paper, we propose a deep learning system based on morphological neural network(MNN). The deep learning layers are morphological operation layer, pooling layer, ReLU layer, and the fully connected layer. The operations used in morphological layer are erosion, dilation, and edge detection, etc. Unlike CNN, the number of hidden layers and kernels applied to each layer is limited in MNN. Because of the reduction of processing time and utility of VLSI chip design, it is possible to apply MNN to various mobile embedded systems. MNN performs the edge and shape detection operations with a limited number of kernels. Through experiments using database images, it is confirmed that MNN can be used as a deep learning system and its performance.

• KIPS Transactions on Computer and Communication Systems
• /
• v.6 no.10
• /
• pp.415-420
• /
• 2017

Virtualization technique of OS-level is a new paradigm for deploying applications, and is attracting attention as a technology to replace traditional virtualization technique, VM (Virtual Machine). Especially, docker containers are capable of distributing application images faster and more efficient than before by applying layered image structures and union mount point to existing linux container. These characteristics of containers can only be used in layered file systems that support snapshot functionality, so it is required to select appropriate layered file systems according to the characteristics of the containerized application. We examine the characteristics of representative layered file systems and conduct write performance evaluations of each layered file systems according to the operating principles of the layered file system, Allocate-on-Demand and Copy-up. We also suggest the method of determining a appropriate layered file system principle for unknown containerized application by learning block I/O usage history of each layered file system principles in artificial neural network. Finally we validate effectiveness of artificial neural network created from block I/O history of each layered file system principles.

• Journal of Korea Multimedia Society
• /
• v.7 no.8
• /
• pp.1078-1085
• /
• 2004

The SARLM(Source Adaptive Receiver-Driven Multi-Layered Multicast) has been proposed to address heterogeneous bandwidth constraints through layer merging and splitting. However, this method causes that receivers subscribing to the higher layer drop down to the lower layer and hence may decrease utilization of available bandwidth after layer merging. In this paper, we proposed a multicast regrouping method considering distributive status of receivers according to loss rates. The proposed method weights receivers according to loss rates. And then it groups higher layer with receivers subscribing to lower layer have extra bandwidth and lower layer with receivers subscribing to higher layer have high loss rate. Experimental results show that receivers subscribing to higher layer can receive in high transmission rate and consequently the proposed method effectively improves utilization of available bandwidth.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.617-621
• /
• 2021

의미역 결정은 문장 속에서 서술어와 그 논항의 관계를 파악하며, '누가, 무엇을, 어떻게, 왜' 등과 같은 의미역 관계를 찾아내는 자연어 처리 기법이다. 최근 수행되고 있는 의미역 결정 연구는 주로 말뭉치를 활용하여 딥러닝 학습을 하는 방식으로 연구가 이루어지고 있다. 최근 구글에서 개발한 사전 훈련된 Bidirectional Encoder Representations from Transformers (BERT) 모델이 다양한 자연어 처리 분야에서 상당히 높은 성능을 보이고 있다. 본 논문에서는 한국어 의미역 결정 성능 향상을 위해 한국어의 언어적 특징을 고려하며 사전 학습된 SNU KR-BERT를 사용하면서 한국어 의미역 결정 모델의 성능을 살펴보였다. 또한, 본 논문에서는 BERT 모델에서 과연 어떤 히든 레이어(hidden layer)에서 한국어 의미역 결정을 더 잘 수행하는지 알아보고자 하였다. 실험 결과 마지막 히든 레이어 임베딩을 활용하였을 때, 언어 모델의 성능은 66.4% 였다. 히든 레이어 별 언어 모델 성능을 비교한 결과, 마지막 4개의 히든 레이어를 이었을 때(concatenated), 언어 모델의 성능은 67.9% 이였으며, 11번째 히든 레이어를 사용했을 때는 68.1% 이였다. 즉, 마지막 히든 레이어를 선택했을 때보다 더 성능이 좋았다는 것을 알 수 있었다. 하지만 각 언어 모델 별 히트맵을 그려보았을 때는 마지막 히든 레이어 임베딩을 활용한 언어 모델이 더 정확히 의미역 판단을 한다는 것을 알 수 있었다.

• The Journal of the Korea Contents Association
• /
• v.13 no.12
• /
• pp.38-47
• /
• 2013

An image coding based on MRC model, a kind of multi-layer image model, first segments a screen image into foreground, mask, and background layers, and then compresses each layer using a codec that is suitable to the layer. The mask layer defines the position of foreground regions such as textual and graphical contents. The colour signal of the foreground (background) region is saved in the foreground (background) layer. The mask layer which contains the segmentation result of foreground and background regions is of importance since its accuracy directly affects the overall coding performance of the codec. This paper proposes a new layer segmentation algorithm for the MRC based image coding. The proposed method extracts text pixels from the background using morphological top hat filtering. The application of white or black top hat transformation to local blocks is controlled by the information of relative brightness of text compared to the background. In the proposed method, the boundary information of text that is extracted from the edge map of the block is used for the robust decision on the relative brightness of text. Simulation results show that the proposed method is superior to the conventional methods.