• Journal of the Korea Society of Computer and Information
• /
• v.28 no.9
• /
• pp.17-25
• /
• 2023

In this paper, we propose a model that can perform human pose estimation through a MobileViT-based model with fewer parameters and faster estimation. The based model demonstrates lightweight performance through a structure that combines features of convolutional neural networks with features of Vision Transformer. Transformer, which is a major mechanism in this study, has become more influential as its based models perform better than convolutional neural network-based models in the field of computer vision. Similarly, in the field of human pose estimation, Vision Transformer-based ViTPose maintains the best performance in all human pose estimation benchmarks such as COCO, OCHuman, and MPII. However, because Vision Transformer has a heavy model structure with a large number of parameters and requires a relatively large amount of computation, it costs users a lot to train the model. Accordingly, the based model overcame the insufficient Inductive Bias calculation problem, which requires a large amount of computation by Vision Transformer, with Local Representation through a convolutional neural network structure. Finally, the proposed model obtained a mean average precision of 0.694 on the MS COCO benchmark with 3.28 GFLOPs and 9.72 million parameters, which are 1/5 and 1/9 the number compared to ViTPose, respectively.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.416-418
• /
• 2003

해마 뉴런의 시냅스에서 발생하는 전류는 후시냅스의 생화학적 반응을 통해 다음 뉴런으로 전달된다. 즉, 시냅스는 정보를 전달하는 매개로서 전시냅스에서 입력된 정보에 의거하여 후시냅스로 보내는 전류량을 조절하게 된다. 본 논문에서 제안하는 시냅스 기전 신경망 모델은 기존의 신경망과는 달리 시냅스에서 일어나는 반응-확산(reaction-diffusion) 모델에 의하여 입력과 출력의 관계를 결정한다. 제안된 신경망을 분류 문제에 적용한 결과 은닉 뉴런층 없이도 좋은 성능을 보였으며, 이 신경망은 앞으로 뇌에서의 생화학적 뉴런 학습 양상을 연구하는 모델로 사용될 수 있다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.7 no.7
• /
• pp.1527-1532
• /
• 2003

기존의 GPC방법으로 제어하기 힘든 비선형성과 플랜트의 변수변화를 포함하는 비선형 플랜트를 지연 예측신경망을 사용하여 효과적으로 제어하는 적응 GPC방법을 제안한다 제안한 방법에서는 플랜트의 선형 변수 추정이나 근사적인 모델로부터 선형 매개변수를 구해서 선형 모델을 만들고 실제 시스템의 출력과 선형모델의 오차를 신경망의 출력으로 표현한 다음, 이 식으로부터 적응 GPC 알고리듬을 유도한다. 여기서 지연 예측신경망은 적응 GPC에 이용될 플랜트의 출력을 예측하도록 학습된다. 이와 같은 제어기를 구성함으로써 선형 변수만으로 적응 GPC 제어기가 구성되어질 경우 생기는 비선형 변수의 추정과 출력 예측 값을 계산하는 번거로움을 해결하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1900-1904
• /
• 2007

지금까지 수공구조물의 설계와 기존 시설의 안전도를 평가시 수문, 수리 및 경제학적 함수들에서 발생하는 불확실성을 설명하기 위하여 안전율 또는 여유고를 증가시키거나 이들 정보의 양과 질을 증가시켜 데이터베이스를 확장하고 측정오차를 최소화시키며, 전통적인 통계해석을 적용하였다. 공공의 안전을 확보하기 위하여 설계과정에 안전율 또는 여유고가 도입되었으나 이것은 단순히 보다 높은 재현기간의 적용을 의미하며, 수문현상이 가지는 추계학적 특성보다 확정론적인 근거로부터 안전설계 개념이 개발되었다. 수자원 계획시 고려되는 부하와 저항은 확정론적인 고정치가 아니라 시간에 따라 변하고 동적이며, 무작위적이므로 확률 변수로서 고려되어야 한다. 이에 따라 최근 수자원 계획과정에서 불확실성 해석에 의한 위험도 분석 개념이 도입되고 있으며, 특히 이상기후 및 집중호우의 빈발, 급격한 도시화로 인한 유출양상의 변화 등으로 급증하고 있는 훙수피해를 감안할 때 설계빈도의 상향조정과 같은 확정론적인 방법보다는 매개변수 또는 함수의 불확실성을 고려한 위험도 해석의 필요성이 더욱 증대되고 있는 실정이다. 따라서 본 논문에서는 수자원 계획시 입력자료 및 매개변수의 불확실성과 불확실성의 분리를 고려한 홍수량의 산정 및 각 매개변수의 영향을 평가하여 홍수위험도 해석에 있어서 모델 매개변수의 영향 규명과 처리방안을 제시하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.463-463
• /
• 2016

최근 도시물순환 복원 및 치 이수효과 증대를 위해 저영향개발기법(Low Impact Development) 연구가 활발하게 진행 중이다. 하지만 대부분이 수치모델을 활용한 설계프로그램 개발에 대한 연구에 집중되어 있는 실정이며, 이러한 프로그램을 활용한 설계 시 최적의 매개변수 결정에 한계가 있다. 이러한 이유로 본 연구에서는 건축형 LID 요소 중 하나인 식생여과장치(Planter Box)의 모형실험을 통해 프로그램 모의에 필요한 매개변수를 추정하고, 모의를 수행한 후 모형실험 결과와 프로그램 모의 결과를 비교하여 최종적으로 식생여과장치의 설계 매개변수를 산정하고자 한다. 식생여과장치의 모형실험을 위하여 가로 1.5m, 세로 1.5m, 높이 1.5m로 실험 장치를 제작하였으며, 강우-유출수 실험 전 시료의 침투율, 함수비 등을 체크한 후 지속시간 1시간의 재현빈도 5년, 10년, 20년, 50년에 해당하는 강우강도에 대해 실험을 수행하였다. 실험결과로 나타난 자료는 SWMM 모형과 비교분석해 모형에 적용된 매개변수의 적합성을 분석하였으며, 재현빈도 5년, 10년, 20년의 경우 $R^2$ 값이 0.88~0.97로 실험 값과 모의 값의 연관성이 높게 나타났으며, 재현 빈도 50년의 경우 0.7835로 비교적 연관성이 낮게 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.288-288
• /
• 2016

유역단위 오염부하량 산정에는 SWAT, HSPF 등의 물리적 매개변수 기반 분포형 모형이 주로 사용되고 있으나, 공간분포형 입력자료로 인한 많은 매개변수는 모의 과정을 복잡하게 하며, 보정 과정에 있어 많은 시간과 노력을 요구하는 단점이 있다. 이로 인해 실무에서는 원단위법이나 유량-부하량 관계식과 같은 통계적 분석에 의한 회귀식이 주로 사용되고 있다. 그 중 LOADEST는 회귀식 기반 프로그램으로, 다양한 연구자들에 의해 연구되고 있으나, 수질 모형과의 모의능력을 비교하는 연구는 부족하다. 본 연구에서는 청미천 상류유역을 대상으로 유역특성에 따른 LOADEST 기반 회귀식의 매개변수를 추정하여 오염부하량을 모의하고, SWAT 모형에 의한 오염부하량 모의결과와 비교 평가하고자 한다. 모형의 구동 및 회귀식 매개변수 추정에 필요한 입력 자료는 용인시 백암면 일대에서 2013년부터 2015년까지 모니터링한 수질, 유량 및 기상자료와 지형자료 (토지이용도, 토양도, 수치표고자료)를 이용하여 구축하였다. LOADEST 기반 회귀식의 매개 변수 추정은 김계웅 (2015)이 개발한 방법을 사용하였으며, 유역면적, 토지이용비율 등은 지형자료를 이용하여 산정하였다. SWAT 모형의 보정은 2013년부터 2014년까지의 자료를 이용하였으며, 2015년 자료를 이용하여 검정하였다. 본 연구의 결과는 비점오염원 모델에 대한 이해를 넓히고, 오염부하량 모의를 위한 모형 선정에 있어 도움이 될 수 있을 것으로 기대한다.

• Journal of Astronomy and Space Sciences
• /
• v.25 no.4
• /
• pp.383-394
• /
• 2008

We examine geoeffective directional parameters of coronal mass ejections (CMEs). We select 30 front-side halo CMEs from SOHO LASCO CMEs whose speed is larger than 1000km/s and longitude is less than ${\pm}30^{\circ}$. These are thought to be the most plausible candidate of geoeffective CMEs. We examine the relation between CMEs directional parameters (Earthward direction, eccentricity, ${\Delta}$ distance and central angle parameter) and the minimum value of the Dst index. We have found that the Earthward direction parameter has a good correlation with the Dst index, the eccentricity parameter has a much better correlation with the Dst index. The bo distance and central angle parameter has a poor correlation with the Dst index. It's, however, well correlated with the Dst index in very strong geomagnetic storms. Most of CMEs causing very strong storms (Dst ${\leq}$-200nT) are found to have large Earthward direction parameter $({\geq}0.6)$, small eccentricity, bo distance and central angle parameters $(E{\leq}0.4,\;{\Delta}X\;and\;sin\;{\theta}{\leq}0.2)$. These directional parameters are very important parameters that control the geoeffectiveness of very fast front-side halo CMEs.

• Journal of Korea Water Resources Association
• /
• v.52 no.11
• /
• pp.895-904
• /
• 2019

It has been well recognized that extreme rainfall process often features a nonstationary behavior, which may not be effectively modeled within a stationary frequency modeling framework. Moreover, extreme rainfall events are often described by a two (or more)-component mixture distribution which can be attributed to the distinct rainfall patterns associated with summer monsoons and tropical cyclones. In this perspective, this study explores a Mixture Distribution based Nonstationary Frequency (MDNF) model in a changing rainfall patterns within a Bayesian framework. Subsequently, the MDNF model can effectively account for the time-varying moments (e.g. location parameter) of the Gumbel distribution in a two (or more)-component mixture distribution. The performance of the MDNF model was evaluated by various statistical measures, compared with frequency model based on both stationary and nonstationary mixture distributions. A comparison of the results highlighted that the MDNF model substantially improved the overall performance, confirming the assumption that the extreme rainfall patterns might have a distinct nonstationarity.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.21 no.1
• /
• pp.93-98
• /
• 2021

Due to the development of deep learning and AI, the scale of the model has grown, and it has been integrated into other fields to blend into our lives. However, in environments with limited resources such as embedded devices, it is exist difficult to apply the model and problems such as power shortages. To solve this, lightweight methods such as clouding or offloading technologies, reducing the number of parameters in the model, or optimising calculations are proposed. In this paper, quantization of learned models is applied to ONNX models used in various framework interchange formats, neural network structure and inference performance are compared with existing models, and various module methods for quantization are analyzed. Experiments show that the size of weight parameter is compressed and the inference time is more optimized than before compared to the original model.

• KIPS Transactions on Computer and Communication Systems
• /
• v.2 no.5
• /
• pp.209-216
• /
• 2013

In traditional social network analysis, the betweenness centrality measure has been heavily used to identify the relative importance of nodes in terms of message delivery. Since the time complexity to calculate the betweenness centrality is very high, however, it is difficult to get it of each node in large-scale social network where there are so many nodes and edges. In this paper, we define a new type of network, called the expanded ego network, which is built only with each node's local information, i.e., neighbor information of the node's neighbor nodes, and also define a new measure, called the expended ego betweenness centrality. Through the intensive experiment with Barab$\acute{a}$si-Albert network model to generate the scale-free networks which most social networks have as their embedded feature, we also show that the nodes' importance rank based on the expanded ego betweenness centrality has high similarity with that based on the traditional betweenness centrality.