• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2015년도 제27회 한글 및 한국어 정보처리 학술대회
• /
• pp.240-245
• /
• 2015

일반영역 음성인식은 n-gram 희소성 문제로 인해 대용량의 언어모델이 필요하다. 대용량 언어모델은 분산형 모델로 구현될 수 있고, 사용자 입력에 대한 동적 언어모델 보간 기술을 통해 음성인식 성능을 개선할 수 있다. 본 논문은 동적 언어모델 보간 기술에 대한 새로운 접근방법을 시도한다. 텍스트 군집화를 통해 주제별 언어모델을 생성한다. 여기서 주제는 사용자 입력 영역에 대응한다. 본 논문은 사용자 입력에 대하여 실시간으로 주제별 언어모델의 보간 가중치 값을 계산하는 접근 방법을 제시한다. 또한 언어모델의 보간 가중치 값 계산의 부담을 감소하기 위해 언어모델 군집화를 통해 대용량 언어모델 보간 접근 방법의 연산 부담을 해소하기 위한 시도를 한다. 주제별 언어모델에 기반하고 언어모델 군집화를 통한 동적 언어모델 보간 기술의 실험 결과 음성인식 오류 감소율 6.89%를 달성했다. 또한 언어모델 군집화 기술은 음성인식 정확도를 0.09% 저하시켰을 때 실행 시간을 17.6% 개선시키는 실험결과를 보였다.

• 대한음성학회:학술대회논문집
• /
• 대한음성학회 2005년도 추계 학술대회 발표논문집
• /
• pp.107-112
• /
• 2005

연속음성인식을 위한 언어모델 적응기법은 특정 영역의 정보만을 담고 있는 적응 코퍼스를 이용해 작성한 적응 언어모델과 기본 언어모델을 병합하는 방법이다. 본 논문에서는 추가되는 자료 없이 인식 시스템이보유하고 있는 코퍼스만을 사용하여 적응 코퍼스를 구축하기 위해 언어모델에 기반한 정보검색 기법을 사영하였다. 검색된 적응 코퍼스로 작성된 적응 언어모델과 기본 언어모델과의 병합을 위해 본 논문에서는 입력음성을 분할하여 각 구간에 최적인 동적 보간 계수를 구하는 방법을 제안하였다. 제안된 적응 코퍼스를 구하는 방법과 동적 보간 계수는 기본 언어모델 대비절대 3.6%의 한국어 방송뉴스 인식 성능 향상을 보여주었으며 기존의 검증자료를 이용한 정적 보간 계수에 비해 상대 13.6%의 한국어 방송뉴스 인식 성능 향상을 보여 주었다.

• 대한기계학회논문집A
• /
• 제34권8호
• /
• pp.989-996
• /
• 2010

통계적 회귀모델과 보간모델은 구조공학 분야에서 실제실험과 전산실험의 결과로부터 자료를 분석하고 응답을 예측하기 위해 적용되었으며 최근 10 년 동안 다양한 설계방법론들과 함께 발전해왔다. 그러나 그들은 구조물의 크기와 형상과 같은 공간변수에 대해서만 취급해왔고 시간변수에 따라 변하는 시간-변화 동적응답을 고려할 수 없었다. 본 연구에서는 공간변수와 시간변수를 모두 취급하여 시간-변화 동적응답을 고려할 수 있는 다중응답접근법 기반 통계적 공간-시간 메타모델을 제안한다. 대표적 회귀모델인 반응표면모델과 보간모델인 크리깅모델을 구조공학 예제의 시간-변화 동적응답에 적용한다. 또한 제안한 방법의 성능을 검증하기 위해 실제함수와의 비교를 통해 두 통계적 공간-시간 메타모델의 정확성을 비교한다.

• 한국측량학회지
• /
• 제21권2호
• /
• pp.131-136
• /
• 2003

지형의 기복변화를 수치적으로 표현하는 수치표고모델에서 보간 기준점의 선정방법은 매우 중요하다. 하지만 아직까지 정확한 기준이 정해진 것 없이 사용자가 임의로 선정하여 보간을 수행하고 있는 실정이다. 본 연구에서는 수치표고모델을 보다 정확하고 효과적으로 구축하기 위한 보간 기준점 선정방법을 연구하였다. 점의 수를 적용한 선정 방법과 비정규적으로 분포되어 있는 점들을 정규 격자형태로 가정하고 구한 점들간의 평균거리를 적용한 기준점 선정 방법이 분석되었다. 그 결과 점들간 평균거리를 적용한 크리깅 방법이 수치표고모델을 구축하는데 보다 효과적인 방법임을 알 수 있었다.

• 한국음향학회지
• /
• 제27권7호
• /
• pp.333-341
• /
• 2008

본 논문에서는 머리 전달 함수에 대한 새로운 보간 기법을 제안하였다. 제안된 기법은 각 방위각에 대한 머리 전달 함수의 충격파 응답이 인접 방위각에 대한 시간 지연된 충격파 응답의 선형 보간으로 주어진다고 가정하였다. 각 방위각에 대한 충격파 응답의 시간 지연은 방위각, 머리의 물리적 형태, 음원과 머리의 거리 정보를 이용하여 추정될 수 있는 귀와 음원간의 전파시간과 최소 자승 오차를 갖도록 하는 교정값의 합으로 주어진다. 또한 제안된 모델에서는 보간 시 방위각의 간격을 고정 간격이 아닌 가변 간격으로 하였으며 본래 충격파 응답과 보간된 충격파 응답이 본래의 충격파 응답과 비교하여 청취 상으로 큰 차이가 느껴지지 않고, 보간에 필요한 충격파 응답의 재수가 최소화되는 조건을 만족하도록 결정하였다. 제안된 보간 모델의 유용성을 검증하기 위하여 더미 헤드 및 3명의 사람으로부터 측정된 머리 전달 함수에 대해 제안된 보간 모델을 적용하였다 머리 전달 함수는 0도의 고도각을 갖는 수평면을 5도 간격의 방위각으로 분할한 총 72개가 사용되었으며, 실험 결과 전체 머리 전달 함수 중 단지 $30\sim40%$ 만을 사용하고 나머지는 보간에 의해 얻어진 머리전달 함수를 사용하더라도 청취상의 음원의 위치가 변동되지 않음을 알 수 있었다.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.19-26
• /
• 2005

웨이블릿 영역에서의 영상 보간은 웨이블릿 계수들의 통계적 특성과 스케일간 의존성을 표현하는 확률모델을 이용한다. 본 논문에서는 보간할 영상에 대해 스케일간 웨이블릿 계수의 절대치를 선형 모델링하여 분산을 추정하고 이를 바탕으로 고주파 부대역의 확률모델을 실현하여 영상을 보간하는 방법을 제안한다. 본 논문의 방법은 확률 모델에 대한 추정된 파라미터에 의해 웨이블릿 계수를 난수 형태로 발생시키는 방법을 사용한다. 확률모델을 따라 난수를 발생할 경우 추정 부대역에 난수에 의한 잡음이 발생하게 된다. 본 논문에서는 후처리 과정으로 Wiener filter를 사용하여 부대역의 잡음을 제거하였다. 제안 방법으로 외삽한 부대역에 대한 확률 밀도함수를 비교적 정확하게 추정한 것을 볼 수 있다. 실험을 통해 제안방법이 bicubic과 같은 전통적인 방법뿐 아니라 웨이블릿 영역에서의 다른 영상보간법보다 나은 주관적, 객관적 성능을 가지고 있음을 보였다.

• 지구물리와물리탐사
• /
• 제25권3호
• /
• pp.140-161
• /
• 2022

탄성파 탐사 자료 획득 시 자료의 일부가 손실되는 문제가 발생할 수 있으며 이를 위해 자료 보간이 필수적으로 수행된다. 최근 기계학습 기반 탄성파 자료 보간법 연구가 활발히 진행되고 있으며, 특히 영상처리 분야에서 이미지 초해상화에 활용되고 있는 CNN (Convolutional Neural Network) 기반 알고리즘과 GAN (Generative Adversarial Network) 기반 알고리즘이 탄성파 탐사 자료 보간법으로도 활용되고 있다. 본 연구에서는 손실된 탄성파 탐사 자료를 높은 정확도로 복구하는 보간법을 찾기 위해 CNN 기반 알고리즘인 U-Net과 GAN 기반 알고리즘인 cWGAN (conditional Wasserstein Generative Adversarial Network)을 탄성파 탐사 자료 보간 모델로 사용하여 성능 평가 및 결과 비교를 진행하였다. 이때 예측 과정을 Case I과 Case II로 나누어 모델 학습 및 성능 평가를 진행하였다. Case I에서는 규칙적으로 50% 트레이스가 손실된 자료만을 사용하여 모델을 학습하였고, 생성된 모델을 규칙/불규칙 및 샘플링 비율의 조합으로 구성된 총 6가지 테스트 자료 세트에 적용하여 모델 성능을 평가하였다. Case II에서는 6가지 테스트 자료와 동일한 형식으로 샘플링된 자료를 이용하여 해당 자료별 모델을 생성하였고, 이를 Case I과 동일한 테스트 자료 세트에 적용하여 결과를 비교하였다. 결과적으로 cWGAN이 U-Net에 비해 높은 정확도의 예측 성능을 보였으며, 정량적 평가지수인 PSNR과 SSIM에서도 cWGAN이 높은 값이 나타나는 것을 확인하였다. 하지만 cWGAN의 경우 예측 결과에서 추가적인 잡음이 생성되었으며, 잡음을 제거하고 정확도를 개선하기 위해 앙상블 작업을 수행하였다. Case II에서 생성된 cWGAN 모델들을 이용하여 앙상블을 수행한 결과, 성공적으로 잡음이 제거되었으며 PSNR과 SSIM 또한 기존의 개별 모델 보다 향상된 결과를 나타내었다.

• 한국콘텐츠학회논문지
• /
• 제21권11호
• /
• pp.135-144
• /
• 2021

최근 데이터 기반 의사결정 기술이 데이터 산업을 이끄는 핵심기술로 자리 잡고 있는바, 이를 위한 머신러닝 기술은 고품질의 학습데이터를 요구한다. 하지만 실세계 데이터는 다양한 이유에 의해 결측값이 포함되어 이로부터 생성된 학습된 모델의 성능을 떨어뜨린다. 이에 실세계에 존재하는 데이터로부터 고성능 학습 모델을 구축하기 위해서 학습데이터에 내재한 결측값을 자동 보간하는 기법이 활발히 연구되고 있다. 기존 머신러닝 기반 결측 데이터 보간 기법은 수치형 변수에만 적용되거나, 변수별로 개별적인 예측 모형을 만들기 때문에 매우 번거로운 작업을 수반하게 된다. 이에 본 논문은 수치형, 범주형 변수가 혼합된 데이터에 적용 가능한 데이터 보간 모델인 Denoising Self-Attention Network(DSAN)를 제안한다. DSAN은 셀프 어텐션과 디노이징 기법을 결합하여 견고한 특징 표현 벡터를 학습하고, 멀티태스크 러닝을 통해 다수개의 결측치 변수에 대한 보간 모델을 병렬적으로 생성할 수 있다. 제안 모델의 유효성을 검증하기 위해 다수개의 혼합형 학습 데이터에 대하여 임의로 결측 처리한 후 데이터 보간 실험을 수행한다. 원래 값과 보간 값 간의 오차와 보간된 데이터를 학습한 이진 분류 모델의 성능을 비교하여 제안 기법의 유효성을 입증한다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 2호
• /
• pp.309.2-314
• /
• 1998

본 연구에서는 음성인식을 위한 화자적응화 기법에 대해 연구하였다. 첫째로 적응화에 포함되지 않은 카테고리 음절에 대해 적응화 효과를 줄 수 있는 보간적응화 방법에 대해 연구하였다. 표준모델과 소량의 음성 데이터만으로 적응화가 가능한 MAPE(최대사후확률추정)으로 적응화한 모델의 평균벡터 변화정도를 적응화 발화에 포함되지 않은 모델에 보간적응하는 방법이다. 둘째로 음절단위 모델을 구축한 후 적응화 하고자 하는 화자의 데이터를 연결학습법과 Viterbi 알고리즘으로 음절단위의 추출을 자동화 한 후 MAPE으로 적응화하는 방법에 대해 각각 실험을 하였다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2007년도 GIS 공동춘계학술대회 논문집
• /
• pp.273-279
• /
• 2007

환경분야에서 사용되는 대부분의 자료는 공간상 모든 위치에 그 값이 존재하나 모든 지점에서 자료를 획득하는 것이 불가능하므로 몇 개의 대표 지점에서 필요로 하는 자료를 수집한 후 이를 미관측 지역까지 확장하여 사용하게 된다. 관측된 자료를 이용하여 미관측 지점의 값을 예측하는 과정에는 공간보간 기법이 사용되는데, 본 논문에서는 지역경향면 모델, IDW, RBF, 크리깅 등의 공간보간 기법을 서울시의 미세먼지(PM10) 연평균 농도 공간보간에 적용하고 그 정확성을 살펴보았다. 정확성 평가를 위하여 예측값의 범위, RMSE, 평균오차 등을 살펴보았으며 이로부터 크리깅, RBF 기법의 예측 정확도가 높은 것으로 분석되었다.