• Clinics in Shoulder and Elbow
• /
• 제16권1호
• /
• pp.58-62
• /
• 2013

서론: 최근 임상 연구와 논문의 활성화 속에 높은 신뢰도를 보장하는 방법을 따르는 예들은 아직 많지 않다. 이에 연구의 편향을 최소화하는 무작위 추출의 개념과 바른 방법에 대해 알아보고자 한다. 대상 및 방법: 최근까지 발표된 무작위 추출에 대한 문헌 고찰을 통해 무작위 추출의 기본 개념 및 필요성을 정리하고 바른 무작위 추출을 위한 조건 및 무작위 추출의 종류별 방법들(단순 무작위 추출, 순열화 블록 무작위추출, 계층화)에 대해 살펴 보았다. 결과 및 결론: 무작위 추출은 임상 연구에서 편향을 줄이고 통계적 검사를 이용한 자료 분석의 보장된 유효성을 제공한다. 이렇듯 보다 신뢰도 높은 연구 결과를 도출해 낼 수 있는 방법인 무작위 추출에 대한 개념 재정립 및 바른 무작위 추출 방법의 제안은 연구자들에게 꼭 필요한 과정이라 할 수 있겠다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (2)
• /
• pp.796-798
• /
• 2004

continuous n-tuple 알고리즘은 tuple의 무작위적 추출을 기본으로 한다. 무작위적 추출의 여러 가지 장점을 감안하더라도, 무작위적 추출을 통한 인식의 성능은 가변성물 가지게 된다. 그리고 무작위적 추출은 의미 있는 정보의 선택이 불가능하다는 단점을 가진다. 본 논문에서는 무작위적 추출이 가지는 설러 가지 약점을 보완하기 위해서, 유전 알고리즘을 이용하여 얼굴인식에 효과적인 tuple을 선택하여 사용하였다. 유전 알고리즘을 이용함으로서 얼굴 인식에 효과적이지 않은 tuple의 필터링 효과를 기대할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.915-918
• /
• 2004

얼굴 인식을 위한 명도값 매칭 알고리즘들 중에서도 Continuous n-tuple classifier는 tuple의 무작위적 추출을 기본으로 하여 만들어 졌다. 무작위적 추출은 단순성과 빠른 속도 등의 장점에 반해 인식의 성능의 가변성을 단점으로 갖는다. 그리고 학습 데이터 추출 방법의 변화에 따른 인식률 변화라는 문제점이 있다. 본 논문에서는 무작위적 추출이 가지는 여러 가지 약점을 보완하기 위해서, 유전 알고리즘을 이용하여 얼굴 인식에 효과적인 tuple을 선택하여 사용하였다. 유전 알고리즘을 이용함으로서 얼굴 인식에 효과적인 tuple의 필터링 효과를 기대할 수 있다. 또한 학습 데이터 추출 방법의 변화에 따른 인식 성능의 향상을 확인할 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 하계학술대회
• /
• pp.318-321
• /
• 2021

최근 정보통신의 발달과 함께 인터넷에 접속하는 사용자 수와 그에 따른 비디오 데이터의 전송량이 늘어나는 추세이다. 이렇게 늘어나는 많은 비디오 데이터를 관리하고 분석하기 위해서 최근에는 딥 러닝 기법을 많이 활용하게 된다. 일반적으로 비디오 데이터에 딥 러닝 모델을 학습할 때 컴퓨터 자원의 한계로 인해 전체 비디오 프레임에서 균등한 간격 또는 무작위로 프레임을 선택하는 방법을 많이 사용한다. 하지만 학습에 사용되는 비디오 데이터는 항상 시간 축에 따라 같은 문맥을 담고 있는 Trimmed 비디오라고 가정할 수가 없다. 만약 같지 않은 문맥을 지닌 Untrimmed 비디오에서 균등한 간격 또는 무작위로 프레임을 선택해서 사용하게 된다면 비디오의 범주와 관련이 없는 프레임이 샘플링 될 가능성이 있기 때문에 모델의 학습 및 최적화에 전혀 도움이 되지 않는다. 이를 해결하기 위해 우리는 각 비디오 프레임에서 심층 특징을 추출하여 평균값을 계산하고 이와 각 추출된 심층특징들과 코사인 유사도를 계산해서 얻은 유사도 점수를 바탕으로 Untrimmed 비디오에서 의미 있는 비디오 프레임을 추출하는 기법을 제안한다. 그리고 Untrimmed 비디오로 구성된 데이터셋으로 유명한 ActivityNet 데이터셋에 대해서 대표적인 2가지 프레임 샘플링 방식(균등한 간격, 무작위)과 비교하여 우리가 제안하는 기법이 Untrimmed 비디오에서 효과적으로 비디오의 범주에 해당하는 의미 있는 프레임 추출이 가능함을 보일 것이다. 우리가 실험에 사용한 코드는 https://github.com/titania7777/VideoFrameSampler에서 확인할 수 있다.

• 한국콘텐츠학회논문지
• /
• 제16권9호
• /
• pp.451-459
• /
• 2016

객체 검출은 다양한 컴퓨터 비전 응용 분야의 핵심 기술이지만 조명 변화와 기하학적 왜곡에 강인성을 갖기 위해서는 막대한 계산이 필요한 기술이다. 최근에 이 문제를 분류기의 토대로 체계화함으로써 효과적으로 해결하기 위한 접근법들이 소개되고 있다. 그 중 무작위 fern 알고리즘은 단순한 구조와 높은 인식 성능으로 많은 관심을 받고 있다. 그러나 기존의 무작위 fern 알고리즘은 화소간의 밝기 차이만으로 특징을 추출하고 있어 대조, 조명 변화와 같은 밝기 변화나 잡음에 대해 취약점을 갖는다. 본 논문에서는 기존의 무작위 fern의 단점을 개선하기 위해 패치의 기하학적 구조를 반영할 수 있는 깊이 정보를 결합시킨 결합형 무작위 fern을 새로이 제안하고 이를 이용한 객체 검출기의 성능 개선 방안을 제시한다. 모의실험을 통해 결합형 무작위 fern이 기존 방식보다 조명의 영향이나 잡음에 강인함을 보인다.

• 융합정보논문지
• /
• 제7권3호
• /
• pp.73-81
• /
• 2017

일반화된 허프변환(GHough)은 임의의 2차원 모델 추출을 위해 사용되는 유용한 기법이다. 그러나 GHough는 모델의 회전과 축척 관련 사전 정보가 없을 경우 모든 경우의 수를 나열하는 변환 방식을 택하기 때문에 4차원 패러미터 배열이라는 방대한 메모리 사용이 불가피하며 실행시간 또한 오래 걸릴 수밖에 없다. 이를 개선하기 위해 제안된 몇몇 n-to-1 변환 방식 들은 4차원 대신 2차원 패러미터 배열 사용만으로도 임의의 모델 추출을 가능케 한 반면 2차원 패러미터 공간에 던져지는 무작위 투표 때문에 모델 추출 오류 가능성 또한 높다 하겠다. 본 논문은 이와 같은 2차원 패러미터 공간에 던져지는 무작위 투표를 감소시키기 위한 방안으로 모델 내부의 추가적인 그레디언트 정보 활용을 제안하며 모델 윤곽선 정보에 추가로 모델 내부 그레디언트 정보를 활용할 경우 2차원 패러미터 공간에 던져지는 무작위 투표수를 효과적으로 줄일 수 있으며 따라서 실행시간 또한 단축될 수 있음을 실험을 통해 입증한다.

• 한국정보관리학회:학술대회논문집
• /
• 한국정보관리학회 1998년도 제5회 학술대회 논문집
• /
• pp.227-230
• /
• 1998

문헌정보학분야의 용어사전을 이용한 자동시소러스 구축을 위한 첫단계로$\ulcorner$문헌정보학 용어사전$\lrcorner$ MRD를 구성하고 이를 이용하여 상위어 자동 추출알고리즘을 개발하였다. MRD구성시 전처리과정을 통하여 상위어 추출에 불필요한 정보가 수록되는 것을 방지하였다. 상위어 추출을 위한 알고리즘 개발은 무작위 표본추출을 통하여 $\ulcorner$문헌정보학 용어사전$\lrcorner$에 기술된 문장의 구문적 특성을 분석한 후, 이 구문정보를 이용하여 수행하였다. 본 연구에서 제시된 알고리즘의 효율성 평가결과 89.4%의 정확도를 보였다.

• 대한약침학회지
• /
• 제6권1호
• /
• pp.14-15
• /
• 2003

중의학은 서양의 의료 다원주의의 한 부분이 되었다. 특히 침과 같이 서양의 개념과는 분명히 다른 의료 기법에 있어서는 두드러진다. 그밖에 뜸, 안마, 기공, 중약 및 복합 처방들도 있다. 서양에서 전문직업인화는 보건의료 관련분야에서 중심적인 인력양성 방법이 되었다. 이는 대학이 기반을 다진 중세까지 거슬러 올라가는데, 19세기에는 법인들이 전문직업인 모임으로 바뀌어 가면서 개인적 환경을 변화시키고 직업의 체계를 개발하였다. 변호사, 교사, 사제, 의사가 그 예이다. 의료에 있어서 학교교육을 통해 수련된 의사들이 조산사나 안마사들을 지배하게 되었는데 이런 경향은 1950-60년대에 극에 달한다. 그러다가 이들의 지배는 대중매체, 환자, 다른 주변 의료 보조인력들에 의해 도전을 받는다. 이와 비슷한 양상을 이단적인 의료에서도 관찰할 수 있다. 전문직업인의 우세와 시점이 비슷한 생물의학의 우월적 지배는 많은 다양한 의료에 의해 도전을 받는다. 그러나 생물의학의 우월함의 약세가 시술자들의 전문직업인화 까지를 포함하지는 않았다. 실제로 침술과 같은 치료술들을 전문직업인인 의사나 의사가 아닌 시술자들이 함께 쓰고 있기 때문이다. 이는 직능간의 분쟁을 야기할 가능성이 높다. 이단적 개념을 기존 의료계로 통합하는 것이 전문직업인들인 의사들의 노력으로 이해되었다. 이 견해는 두 가지 문제를 내포하고 있는데, 첫째 의사들을 단일한 속성으로 보고 있다는 것인데, 실제로 현대의학을 배우고 가르치는 나라들 사이에도 매우 다양한 차이가 있음을 간과하고 있다. 둘째로 의료인이 아닌 시술자들도 다양한 분야로 통합되었는데, 통합은 어쩌면 하급의 전문인들의 노력의 결과로 설명되어야 하는 것이 더 알맞을 수 있다. 그러나 이들도 전문직업인의 조직구조를 가져야 만 하고, 그렇지 않으면 파편으로 남을 것이다. 전문직업인주의는 언제나 과학과 연계하고 있는데, 독일 정부와 직업인 조직은 의료과학 집단에게 이단적 시술들의 임상효과를 검증하게 하였다. 이것은 이단 의료계에 우호적인 단체나 적대적인 단체 모두에게 적용되었다. 매우 강한 힘을 가진 냉소적인 조직 가운데 하나는 National Committee of SHI-Physicians and Sickness Funds(Bundesausschuss der Arzte und Krankenkassen).2 인데, 2001년에, 이 단체에서 출판한 자료에는 침의 효용성은 침을 시술하는 사람에 달린 것 일뿐 시술자의 수련이나 침 시술의 배경 개념에 달려있는 것이 아니다. 그러므로 침은 무작위 표본추출 대조군 실험을 통해 효과를 검증받지 못한 다른 치료법들의 범주에 머물러 있다.(cf. Bundesausschuss 2001: 8). 1990년대, 무작위 표본추출 대조군 실험은 생물의학이 아닌 의료의 효과를 검증하는데 알맞지 않고 비윤리적이라고 강한 비판을 받았다. 한편 1995년에 WHO는 침의 유효성 평가를 위해 이 실험기법을 추천하며, 이어 2001년에, the International Council of Medical Acupuncture and Related Techniques(ICMART)는 침연구와 시술을 위한 헌장(Acupuncture Charter Berlin an Evidence Based Medicine (EBM)3 for acupuncture)을 채택 공표한다. 독일 보험 회사들도 침의 효과와 효율성을 검증하기 위해 대규모 실험을 시작했다. 100,000 명이 넘는 환자들이 무작위 표본추출 대조군 실험을 통해 평가되고 있는데 이 실험은 병원이나 일차의료기관의 외래에서 진행되고 있다. 영국에서는 이 분야의 유력한 Edzard Ernst가 위의 개념과 비슷한 구도를 설정 공표하는데 보완의학 분야의 많은 다른 전문가들의 견해를 무릎 쓰고, 그는 증거기반 의학에 대한 그의 신념을 표방한다. "무작위 표본추출 대조군 실험이 보환의학 분야의 시술을 검증하기 위한 알맞은 방법이 아니라고 끝없이 주장하지만 우리는 거의 모든 치료법을 포괄하는 분야에 이들 실험을 발견하였으니, 이는 보완의학도 엄정한 방법으로 검증할 수 있다는 것을 보여준다고 할 수 있다."(Ernst et al. 2001: xiii). 적어도 독일에서 진행중인 효과 검증 연구가 향후 아시아 의학의 기반 마련에 중요한 역할을 하게 될 것이다. 영국에서는 이에 대한 정치적 수렴이 전문 직업인화에 달려 있을 것이다. 여기에서 나는 아시아에서 유래한 의료의 서양에서 어떻게 사회학적 관찰의 대상으로 분류되고 정의되는지 소개하고자 한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2015년도 제27회 한글 및 한국어 정보처리 학술대회
• /
• pp.133-136
• /
• 2015

문서 교정기에서 문맥의존 철자오류를 교정하는 방법은 크게 규칙을 이용한 방법과 통계 정보를 이용한 방법으로 나뉜다. 한국어와 달리 영어는 오래전부터 통계 모형에 기반을 둔 문맥의존 철자오류 교정 연구가 활발히 이루어졌다. 그러나 대부분 연구가 문맥의존 철자오류 교정 문제를 특정 어휘 쌍을 이용한 분류 문제로 간주하기 때문에 실제 응용에는 한계가 있다. 또한, 대규모 말뭉치에서 추출한 통계 정보를 이용하지만, 통계 정보 자체에 오류가 있을 경우를 고려하지 않았다. 본 논문에서는 텍스트에 포함된 모든 단어에 대하여 문맥의존 철자오류 여부를 판단하고, 해당 단어가 오류일 경우 대치어를 제시하는 영어 문맥의존 철자오류 교정 기법을 제안한다. 또한, 통계 정보의 오류가 문맥의존 철자오류 교정에 미치는 영향과 오류 발생률의 변화가 철자오류 검색과 교정의 정확도와 재현율에 미치는 영향을 분석한다. 구글 웹데이터에서 추출한 통계 정보를 바탕으로 통계 모형을 구성하고 평가를 위해 브라운 말뭉치에서 무작위로 2,000문장을 추출하여 무작위로 문맥의존 철자오류를 생성하였다. 실험결과, 문맥의존 철자오류 검색의 정확도와 재현율은 각각 98.72%, 95.79%였으며, 문맥의존 철자오류 교정의 정확도와 재현률은 각각 71.94%, 69.81%였다.

• 전자공학회논문지
• /
• 제51권11호
• /
• pp.174-180
• /
• 2014

본 논문에서는 인지 화질을 고려할 수 있는 측정 방법인 structural similarity (SSIM)기반의 백라이트 디밍에서 높은 계산량을 저감할 수 있는 무작위 화소 샘플링 기법을 제안한다. 제안한 방법에서는 우선 전체 프레임에서 미리 정의된 개수만큼의 화소를 무작위로 선택한 후 이를 블록 형태로 결합한다. 이 후 해당 블록에서 SSIM 계산에 필요한 변수들을 추정하기 때문에 한 프레임을 사용하는 기존 방법 대비 계산 시간을 큰 폭으로 줄일 수 있다. 실험 결과에서 기존 방법과 비교했을 때 제안한 방법은 평균 SSIM은 거의 유지하면서도 평균 파워 소모와 평균 계산 시간을 각각 38.1766 %, 99.5828 % 까지 줄일 수 있었다.