• 한국인터넷방송통신학회논문지
• /
• 제11권4호
• /
• pp.105-112
• /
• 2011

본 논문에서 실시간 비디오 스트림을 효율적으로 전송하기 위한 적응형 부하 조정 기법이 제시된다. 모바일 환경에서 비디오 요청을 하는 클라이언트의 재생 버퍼 수준은 일시적으로 높아지거나 낮아질 수 있다. 제시된 기법은 버퍼 수준이 낮은 클라이언트의 비디오 요청을 먼저 서비스하기 위하여 더 많은 통신망 대역폭을 할당하게 된다. 즉 분산 모바일 시스템에서 재생 버퍼 수준에 따라 통신망 대역폭의 양이 동적으로 할당된다. 제시된 부하 조정 기법은 비디오 재생시 서비스 품질과 실시간적 성능 향상을 위하여 재생시간 전까지 클라이언트에게 성공적으로 전송되는 프레임의 수를 최대화한다. 또한 재생 상황을 더욱 적합하게 유지함으로써 모든 클라이언트들에게 공평한 서비스가 제공될 수 있다. 제시된 부하 조정 기법의 성능은 시뮬레이션을 통하여 다른 정적 부하 조정 기법과 비교 분석되었으며 종료시한내에 성공적으로 전송되는 프레임의 비율이 더 높은 것으로 나타났다.

• 인터넷정보학회논문지
• /
• 제20권4호
• /
• pp.91-102
• /
• 2019

자율주행 시스템에서, 카메라에 포착된 영상을 통하여 보행자를 분류하는 기능은 보행자 안전을 위하여 매우 중요하다. 기존에는 HOG(Histogram of Oriented Gradients)나 SIFT(Scale-Invariant Feature Transform) 등으로 보행자의 특징을 추출한 후 SVM(Support Vector Machine)으로 분류하는 기술을 사용했었으나, 보행자 특징을 위와 같이 수동(handcrafted)으로 추출하는 것은 많은 한계점을 가지고 있다. 따라서 본 논문에서는 CNN(Convolutional Neural Network)의 깊은 특징(deep features)과 전이학습(transfer learning)을 사용하여 보행자를 안정적이고 효과적으로 분류하는 방법을 제시한다. 본 논문은 2가지 대표적인 전이학습 기법인 고정특징추출(fixed feature extractor) 기법과 미세조정(fine-tuning) 기법을 모두 사용하여 실험하였고, 특히 미세조정 기법에서는 3가지 다른 크기로 레이어를 전이구간과 비전이구간으로 구분한 후, 비전이구간에 속한 레이어들에 대해서만 가중치를 조정하는 설정(M-Fine: Modified Fine-tuning)을 새롭게 추가하였다. 5가지 CNN모델(VGGNet, DenseNet, Inception V3, Xception, MobileNet)과 INRIA Person데이터 세트로 실험한 결과, HOG나 SIFT 같은 수동적인 특징보다 CNN의 깊은 특징이 더 좋은 성능을 보여주었고, Xception의 정확도(임계치 = 0.5)가 99.61%로 가장 높았다. Xception과 유사한 성능을 내면서도 80% 적은 파라메터를 학습한 MobileNet이 효율성 측면에서는 가장 뛰어났다. 그리고 3가지 전이학습 기법중 미세조정 기법의 성능이 가장 우수하였고, M-Fine 기법의 성능은 미세조정 기법과 대등하거나 조금 낮았지만 고정특징추출 기법보다는 높았다.

• 한국통신학회논문지
• /
• 제38A권9호
• /
• pp.750-758
• /
• 2013

본 논문은 type I 혼합-자동 반복 요구 (hybrid automatic repeat request: H-ARQ) 시스템에서 저밀도 패리티검사 (low-density parity-check: LDPC)로 부호화된 직교 주파수 분할 다중화 (orthogonal frequency division multiplexing: OFDM) 서브프레임의 전송 순서를 균등 결합 전력이 할당되도록 조정한 재전송 방법을 기초로 성능 개선을 채널 용량을 사용하여 분석하고, 계층 복호 방법을 적용하여 H-ARQ 재전송 기법의 수렴 속도 개선을 확인한다. 구체적으로 임의의 서브프레임 재전송 패턴에 대하여 채널 용량이 클수록 비트오류율 (bit error rate: BER) 성능도 우수하다는 사실을 검증한다. 그러므로 각 서브프레임에 대하여 균등 결합 전력 할당을 보장하는 서브프레임 재전송 패턴은 채널 용량을 최대로 하며, 임의의 다른 서브프레임 전송 순서 조정을 통한 재전송 패턴보다 성능이 우수하다. 결국 균등 결합 전력 할당을 만족하도록 서브프레임 순서를 조정하는 재전송 방법은 기존 체이스 결합 (Chase combining)보다 복호 복잡도를 증가시키지 않으면서도 주목할 만한 성능 개선을 보인다.

• 정보처리학회논문지B
• /
• 제11B권2호
• /
• pp.199-206
• /
• 2004

본 논문에서는 고정점 알고리즘과 신호의 시간적 상관성을 적응 조정한 견실 알고리즘의 조합형 독립성분분석을 제안하였다. 여기서 고정점 알고리즘은 뉴우턴법의 경신규칙에 기초한 방법으로 빠른 분석속도와 우수한 분석성능을 얻기 위함이고, 견실 알고리즘은 시간적 상호 의존성이나 낮은 쿠토시스를 가지는 신호도 효과적으로 분석하기 위함이다. 특히 견실 알고리즘에서 경험적으로 설정되던 최대지연시간을 신호상호간의 자기상관함수를 이용하여 적응 조정되도록 함으로써 그 성능을 더욱 더 개선하였다. 제안된 독립성분분석을 500개 샘플을 가시는 4개의 신호와 $512\times512$ 픽셀의 10개 영상으로부터 임의의 혼합행렬에 따라 발생되는 혼합신호와 혼합영상 각각의 분리에 적용한 결과, 고정점 알고리즘의 독립성분분석 및 고정점 알고리즘과 최대시간지연을 경험적으로 설정하는 기존의 견실 알고리즘을 단순히 조합한 독립성분분석에 비해 분리속도와 분리률에서 개선된 성능이 있음을 확인하였다. 특히 문제의 규모가 증가할수록 분석성능의 개선정도도 증가함을 확인하였다.

• 스마트미디어저널
• /
• 제13권6호
• /
• pp.44-53
• /
• 2024

현대사회의 기업들은 소셜 미디어, 제품 리뷰, 고객 피드백 등 다양한 영역에 걸쳐 소비자 의견을 정확하게 이해하는 것이 경쟁에서 성공하기 위한 주요 과제임을 강조하며 감성 분류를 점점 더 중요한 작업으로 채택하고 있다. 감성 분류는 소비자의 다양한 의견과 감성을 파악하여 제품이나 서비스 개선에 도움을 주는 이유로 많은 연구가 진행중이다. 감성 분류에서는 대규모 데이터 셋과 사전 학습된 언어 모델을 통한 미세 조정이 성능 향상에 중요한 역할을 한다. 최근 인공지능 기술의 발전으로 감성 분류 모델은 높은 성능을 보이고 있으며, 특히 ELECTRA 모델은 효율적인 학습 방법과 적은 컴퓨팅 자원을 통해 뛰어난 결과를 제공한다. 따라서 본 논문에서는 ELECTRA에서 한국어를 학습한 KoELECTRA 모델을 이용하여 다양한 데이터 셋에 대한 효율적인 미세 조정을 통해 감성 분류 성능을 향상하는 방법을 제안한다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 1997년도 한국감성과학회 연차학술대회논문집
• /
• pp.174-178
• /
• 1997

가상환경을 위한 상호작용장치의 개발과 성능평가는 이용자에게 현실감과 작업 효율성을 제공하는 측면에서 중요한 의미를 가진다. 본 논문은 감성공학의 일환인 3차원 시청각환경제시기를 활용하여, 휠체어와 자전거를 이용한 네비게이션 장치의 개발과 보편적인 성능평가기준을 이용한 네비게이션 장치의 성능분석을 제시한다. 본 연구는 다양한 대상영역에 대하여 효과적인 상호작용장치의 선택과 조정(tuning)그리고 새로운 장치의 개발을 지원할 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.454-456
• /
• 2003

최근 들어 이질적인 컴퓨팅 자원들을 이용하는 GRID같은 연구가 진행 중에 있다. 이는 여러 지역에 분산되어있는 고성능의 시스템들을 네트워크로 연결하여 작업을 좀더 빠르게 수행시키는데 목적을 두고 있다. 이러한 시스템에서 작업을 수행하면 수행시간을 단축시킬 수 있다는 장점을 가지고 있으나 컴퓨팅 자원들이 여러 지역에 분산되어 있고 각 자원들의 성능이 모두 다르다는 단점 또한 가지고 있다. 따라서 이러한 시스템에서 스케줄링 정책은 자원의 특성을 고려해야 한다는 문제점을 갖는다. 본 논문에서는 GRID 환경에서 기존의 스케줄링 알고리즘을 적용가능한지, 그리고 기존의 성능과 유사한 결과를 보이는지를 시뮬레이션을 통해 살펴보았다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.601-603
• /
• 2004

미리 읽기(readahead) 설계는 파일 시스템 성능에 큰 영향을 미치는 요소 중 하나이다 기존 리눅스 커널 2.6.7 버전의 미리 읽기는 임의적 파일 접근 시에 읽는 크기가 클수록 사용되지 않는 페이지들의 할당에 시간을 낭비하게 되어 전체적인 성능 저하가 일어난다. 본 논문에서는 이러한 문제를 해결하기 위해 요청되는 읽기 크기에 따라 미리 읽기 크기를 조정하는 방법을 제안하며 제안된 방법으로 리눅스 커널을 수정하여 임의적 파일 접근 시에 성능 향상이 일어남을 실험을 통해 보이고자 한다.

• 전기전자학회논문지
• /
• 제7권2호
• /
• pp.265-270
• /
• 2003

본 논문에서는 웹 서버의 부하 분산을 위해 네트워크를 LAN 내부와 LAN 외부로 나누고 이들에 각각의 웹 서버를 할당한다. LAN 내부의 노드들에 의한 접속만이 가능한 웹 서버의 성능은 RTO(Retransmission Time Out : 재전송타임아웃)라는 TCP 파라미터에 의해 많은 영향을 받는다. 웹 서버의 운영체제 내에 디폴트로 설정된 RTO 값은 LAN에서는 지나치게 큰 값으로 네트워크와 웹 서버의 성능을 저하시킨다. 이에 본 논문에서는 기존의 재전송 타임아웃의 알고리즘 방식을 이용하지 않고, 조정된 RTO값을 사용하여 LAN 내부의 웹 서버 성능을 향상시킬 수 있음을 확인하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.531-534
• /
• 2022

신경망 기반 심층학습 기술은 대화처리 분야에서 대폭적인 성능 개선을 가져왔다. 특히 GPT-2와 같은 대규모 사전학습 언어모델을 백본 네트워크로 하고 특정 도메인 타스크 대화 데이터에 대해서 미세조정 방식으로 생성되는 종단형 대화모델의 경우, 해당 도메인 타스크에 대해서 높은 성능을 내고 있다. 하지만 이런 연구들은 대부분 하나의 도메인에 대해서만 초점을 맞출 뿐 싱글 모델로 두 개 이상의 도메인을 고려하고 있지는 않다. 특히 순차적인 미세 조정은 이전에 학습된 도메인에 대해서는 catastrophic forgetting 문제를 발생시킴으로써 해당 도메인 타스크에 대한 성능 하락이 불가피하다. 본 논문에서는 이러한 문제를 해결하기 위하여 MultiWoz 목적지향 대화 데이터에 오픈 도메인 칫챗 대화턴을 유사도에 기반하여 추가하는 데이터 증강 방식을 통해 사용자 입력 및 문맥에 따라 MultiWoz 목적지향 대화와 오픈 도메인 칫챗 대화를 함께 생성할 수 있도록 하였다. 또한 목적지향 대화와 오픈 도메인 칫챗 대화가 혼합된 대화에서의 시스템 응답 생성 성능을 평가하기 위하여 오픈 도메인 칫챗 대화턴을 수작업으로 추가한 확장된 MultiWoz 평가셋을 구축하였다.