• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.276-276
• /
• 2012

일반적으로 기후변화영향에 관한 연구수행을 위해 전지구기후모형(GCM; Global Climate Model)이 사용되고 있다. 하지만 GCM은 공간해상도(Spatial resolution)가 거칠기 때문에 수문학 분야에서 주로 사용되는 유역규모의 지역적인 스케일특성과 물리적 특징을 표현하는데 한계가 있다. 또한 GCM 기후변수들 중 강수량의 경우 한반도 지역의 6월과 10월 사이에 연강수량의 67% 이상이 집중되는 계절성을 반영하지 못하고 있으며, 높은 불확실성을 보이고 있다. 본 연구에서는 GCM 기반의 다지점 인공신경망기법을 적용한 상세화(Downscaling)를 실시하였다. GCM의 24개 2D변수에 대한 주성분분석을 실시하여 신경망의 학습인자로 사용하였으며, 학습, 검증 및 예측기간은 각각 1981~1995년, 1996~2000년, 2011~2100년으로 A1B 시나리오를 대상으로 상세화를 실시하였다. 또한, 여름철 태풍사상을 모의하기 위한 Stochastic Typhoon Simulation기법과 Baseline과 Projection 사이의 강수량 보정을 위한 Dynamic Quantile Mapping 기법을 적용하여, 강수량의 불확실성을 최소화 하고자 하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.201-204
• /
• 2021

최근 전동 킥보드 사용량이 크게 늘었으나, 다른 이동수단 대비 낮은 안정성과 사용자들의 헬멧 착용에 대한 인식 부족으로 인해 사고의 위험성이 큰 상황이다. 이에 대하여 정부는 헬멧 착용을 강제하는 법률을 제정하였으나, 경찰력의 한계에 따른 단속 미비로 여전히 헬멧 착용율은 낮다. 본 연구는 YOLO v3 알고리즘을 통해 학습시킨 딥러닝 모델을 활용하여 도로 상황을 촬영한 동영상 내에서 헬멧 착용자와 미착용자를 구분하고 미착용자 탐지 시 알람을 제공하는 시스템을 제시한다. 기존 YOLO 알고리즘 및 신경망을 적용하되, 전동 킥보드 데이터를 새로 수집하고 클래스를 구분하여 학습시켰다. 소수의 탐지 및 분류 오류를 보정하기 위해, 히스토그램 간 유사도를 측정해 최종적으로 객체를 추적 및 확정하고, 객체에 대한 헬멧 착용 여부를 통계적으로 확인한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.271-273
• /
• 2021

본 논문은 이동노드의 클러스터링내에서 보다 효율적인클러스터링을 제공하고 유지하기위한 딥러닝의 선형회귀적 적응적 보정가중치에 따른 군집적 알고리즘을 제안한다. 대부분의 클러스터링 군집데이터를 처리함에 있어 상호관계에 따른 분류체계가 제공된다. 이러한 경우 이웃한 이동노드중 목적노드와는 연결가능성이 가장높은 이동노드를 클러스터내에서 중계노드로 선택해야 한다. 본 연구에서는 이러한 상황정보를 이해하고 동적이동노드간 속도와 방향속성정보간의 상관관계의 친밀도를 고려한 자율학습기반의 회귀적 모델에서 적응적 가중치에 따른 분류를 제시한다. 본 논문에서는 이러한 상황정보를 이해하고 클러스터링을 유지할 수 있는 자율학습기반의 적응적 가중치에 따른 딥러닝 모델을 제시 한다.

• The Journal of Korean Association of Computer Education
• /
• v.9 no.6
• /
• pp.29-39
• /
• 2006

The Web is evolving quantitatively into an explosive development. However, users usually have heavy burden of searching information because of the absence of contextual meaning on the Web. Due to an enormous amount of information, users have to endure for finding strong cohesive keywords by themselves and read each of the documents with enduring effort. This paper proposes an efficient method of searching more relative documents than current KEM-based searching systems on the Web by using contextual meaning. We designed a domain ontology on computer hardware, and a searching system which was searching those e-Learning objects. Owing to the Ontology-applied search system, information such as educational materials and related multimedia can be easily provided to the users. Further, learners could be informed of relationship of knowledge, e.g., class hierarchy, properties and values, and so on. The request results are semantically related to users' needs, and thus the system provides a learner-centered searching.

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.61-66
• /
• 2009

본 논문은 다양한 형태의 웹 문서에 적용하기 위해서, 언어의 통계정보 및 후처리 규칙에 기반 하여 개선된 문장경계 인식 기술을 제안한다. 제안한 방법은 구두점 생략 및 띄어쓰기 오류가 빈번한 웹 문서에 적용하기 위해서 문장경계로 사용될 수 있는 모든 음절을 대상으로 학습하여 문장경계 인식을 수행하였고, 문장경계인식 성능을 최대화 하기 위해서 다양한 실험을 통해 최적의 자질 및 학습데이터를 선정하였고, 다양한 기계학습 기반 분류 모델을 비교하여 최적의 분류모델을 선택하였으며, 학습데이터에 의존적인 통계모델의 오류를 규칙에 기반 해서 보정하였다. 성능 실험은 다양한 형태의 문서별 성능 측정을 위해서 문어체와 구어체가 복합적으로 사용된 신문기사와 블로그 문서(평가셋1), 문어체 위주로 구성된 세종말뭉치와 백과사전 본문(평가셋2), 구두점 생략 및 띄어쓰기 오류가 빈번한 웹 사이트의 게시판 글(평가셋3)을 대상으로 성능 측정을 하였다. 성능척도로는 F-measure를 사용하였으며, 구두점만을 대상으로 문장경계 인식 성능을 평가한 결과, 평가셋1에서는 96.5%, 평가셋2에서는 99.4%를 보였는데, 구어체의 문장경계인식이 더 어려움을 알 수 있었다. 평가셋1의 경우에도 규칙으로 후처리한 경우 정확률이 92.1%에서 99.4%로 올라갔으며, 이를 통해 후처리 규칙의 필요성을 알 수 있었다. 최종 성능평가로는 구두점만을 대상으로 학습된 기본 엔진과 모든 문장경계후보를 인식하도록 개선된 엔진을 평가셋3을 사용하여 비교 평가하였고, 기본 엔진(61.1%)에 비해서 개선된 엔진이 32.0% 성능 향상이 있음을 확인함으로써 제안한 방법이 웹 문서에 효과적임을 입증하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.36 no.6C
• /
• pp.343-348
• /
• 2011

This paper introduces a design for real time wireless headset using ANC (active noise control) system based on NFxLMS adaptive filter algorithm. The training time of the proposed system is significantly reduced by using the RMS delay spread of a channel as an error correction parameter, and convergence rate of the FxLMS filter has been improved with updating the coefficients of the NFxLMS filter, which we have got during the training process. Our system has shorter training time and better convergence rate at the same noise reduction level than the conventional system under real noisy environment.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.2
• /
• pp.360-365
• /
• 2005

본 논문에서는 콘크리트 표면 균열 영상에서 균열을 효율적으로 추출하기 위한 화상처리 기법과 ART1 기반 RBF 네트워크를 제안하여 균열의 방향성을 인식한다. 본 논문에서 사용된 화상처리 기법으로는 균열 영상의 빛을 보정하기 위한 모폴로지 기법인 채움(Closing)연산을 적용하고 Sobel 마스크를 적용하여 균열 영상의 에지를 추출한 후 반복 이진화를 적용하여 균열 영상을 이진화한다. 이진화 된 영상에 두 차례에 걸쳐 잡음제거를 수행하여 콘크리트 표면 균열 영상으로부터 균열을 추출한다. 본 논문에서는 추출된 균열을 ART1 기반 RBF 네트워크에 적용하여 균열의 방향성(횡방향, 종방향, $-45^{\circ}$방향, $45^{\circ}$방향)을 자동으로 인식할 수 있는 방법을 제안한다. 제안된 ART1 기반 RBF 네트워크는 입력층과 중간층으로의 학습은 ART1을 적용하고 중간층과 출력층 간의 학습은 Delta 학습 방법을 적용한다. 실제 콘크리트 균열 영상을 적용하여 실험한 결과, 콘크리트 표면 균열 영상에서 효율적으로 균열을 추출할 수 있었고 제안된 ART1 기반 RBF 네트워크가 추출된 균열의 방향성 인식에 효율적인 것을 확인하였다.

• The Korean Journal of Rheology
• /
• v.10 no.2
• /
• pp.74-81
• /
• 1998

사출성형품의 설계는 그 내부의 기계적 물성 변화보다는 전통적으로 용도에 부합하 는 형상을 위주로 하여 이루어져 왔기 때문에 설계조건의 개선을 통하여 성능이 우수한 제 품을 얻기까지 많은 시행착오가 요구되고 있다. 그런데 사출성형 실험이나 물성평가 시험을 하기 전에 성형품의 부위별 기계적 물성을 알수있다면 제품의 설계나 금형 설계에 많은 도 움이 될 수 있으므로 최근에 물성 예측을 위한 방법론들의 개발이 다양하게 시도되고 있다. 따라서 본 연구에서는 학습시스템, 사출성형 수치모사와 기계적 물성과의 상관관계를 밝히 는 방법을 만들어 사출물이 제작되기 전에 그들의 기계적 물성을 사출성형 수치모사에서 얻 어진 열적·기계적 이력으로부터 예측하고자 하였다. 이때 성형품의 기계적 물성과 열적· 기계적 이력 사이에는 매우 복잡하고 비선형적인 상관관계를 보이기 때문에 이들 사이를 비 매개변수적으로 연관짓기 위하여 역전파 인공신경망 알고리듬을 사용하였으며 열적·기계적 이력은 사출성형용 수치모사 소프트웨어를 이용하여 구하였다. 학습과정에서 전역최소값에 도달하지 못하는 인공신경망의 문제점을 해결하기 위하여 모멘텀변수와 잡음지수를 포함하 는 일련의 항을 첨가하여 연결가중치를 보정하였다. 그 결과 어떤 초기값에 의하여 학습이 되더라도 전역최소값에 도달하는 것을 확인하였으며 이를 이용하여 다른 사출조건에서 사출 물의 기계적 물성을 잘 예측할수 있었다.

• The Journal of the Korea Contents Association
• /
• v.19 no.12
• /
• pp.164-172
• /
• 2019

In this paper, we implement a wheeled mobile robot that accurately and autonomously finds the optimal route from the starting point to the destination point based on computer vision in a complex indoor environment. We get a number of waypoints from the starting point to get the best route to the target through deep reinforcement learning. However, in the case of autonomous driving, the majority of cases do not reach their destination accurately due to external factors such as surface curvature and foreign objects. Therefore, we propose an algorithm to deepen the waypoints and destinations included in the planned route and then correct the route through the waypoint recognition while driving to reach the planned destination. We built an autonomous wheeled mobile robot controlled by Arduino and equipped with Raspberry Pi and Pycamera and tested the planned route in the indoor environment using the proposed algorithm through real-time linkage with the server in the OSX environment.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.20 no.2
• /
• pp.200-209
• /
• 2019

When forecasting future values, a model estimated after minimizing training errors can yield test errors higher than the training errors. This result is the over-fitting problem caused by an increase in model complexity when the model is focused only on a given dataset. Some regularization and resampling methods have been introduced to reduce test errors by alleviating this problem but have been designed for use with only a given dataset. In this paper, we propose a new optimization approach to reduce test errors by transforming a test error minimization problem into a training error minimization problem. To carry out this transformation, we needed additional data for the given dataset, termed pseudo data. To make proper use of pseudo data, we used three types of missing data imputation techniques. As an optimization tool, we chose the least squares method and combined it with an extra pseudo data instance. Furthermore, we present the numerical results supporting our proposed approach, which resulted in less test errors than the ordinary least squares method.