• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06a
• /
• pp.135-138
• /
• 2011

자바스크립트 언어는 클라이언트 사이드 웹 언어로서 지금까지 널리 사용되어 왔다. 그러나 최근에서야 내장형 시스템에서의 웹 브라우징이 보급되면서 그 성능이 이슈가 되고 있는데, 이를 위해 여러 오픈 소스 진영에서 적시 컴파일러를 탑재한 고성능의 자바스크립트 엔진이개발되고 있다. 그 중 V8 자바스크립트 엔진이 현재는 성능이 가장 좋은 것으로 알려져 있으나, 자바스크립트 언어의 극도로 동적인 특성으로 인하여 아직 성능의 최적화 여지가 많이 남아 있다. 본 논문에서는 V8 자바스크립트 엔진의 적시 컴파일러에서 함수 호출 코드 생성에 관한 최적화를 적용 하였다. 두 개의 명령어와 하나의 상수 풀을 사용하던 기존의 함수 호출 코드에서 하나의 명령어만으로 함수 호출을 하도록 구현함으로써 성능이 1.5% 개선되었고, 네이티브 캐시 사용량이 7.7% 감소하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.389-392
• /
• 2005

본 논문의 컴포넌트 검색 시스템의 성능을 향상시키기 위해 사용자 피드백을 효율적으로 수행하는 방법을 제안하고자 한다. 기존의 퍼지 기법이 적용된 삼각형 모양의 퍼지화 함수는 컴포넌트를 선택할 때마다 매번 4가지 경우의 그래프를 재구성해야 하는 어려움이 있다. 본 연구에서는 이러한 피드백의 단점을 극복하기 위하여 검색된 컴포넌트의 선택여부에 따라 동일한 함수이지만 학습률을 달리할 수 있는 가우시안 함수를 이용한 상호작용 함수를 제안한다. 가우시안 함수를 피드백 함수로 채택 시 함수의 파라메타에 따른 검색 성능을 비교하고, 이를 토대로 가장 효율적인 동적 상호작용 함수를 제안하여 소수의 컴포넌트로도 좋은 검색 결과가 가능한 검색 시스템을 구축하고자 한다.

• The KIPS Transactions:PartD
• /
• v.15D no.2
• /
• pp.207-212
• /
• 2008

This paper evaluates software cost estimation models, and presents the most suitable model. First, we transformed a relevant model into variables to make in linear. Second, we evaluated model's performance considering how much suitable the cost data of the actual development software was. In the stage of model performance evaluation criteria, we used MMRE which is the relative error concept rather than the absolute error. Existing software cost estimation model follows Weibull, Gamma, and Rayleigh function. In this paper, Gompertz function model is suggested which is a kind of growth curve. Additionally, we verify the compatability of other different growth curves. As a result of evaluation of model's performance, Gompertz function was considered to be the most suitable for the cost estimation model.

• KIPS Transactions on Software and Data Engineering
• /
• v.9 no.7
• /
• pp.213-220
• /
• 2020

The convolutional neural network is composed of convolutional layers and fully connected layers. The nonlinear activation function is used in each layer of the convolutional layer and the fully connected layer. The activation function being used in a neural network is a function that simulates the method of transmitting information in a neuron that can transmit a signal and not send a signal if the input signal is above a certain criterion when transmitting a signal between neurons. The conventional activation function does not have a relationship with the loss function, so the process of finding the optimal solution is slow. In order to improve this, an agile activation function that generalizes the activation function is proposed. The agile activation function can improve the performance of the deep neural network in a way that selects the optimal agile parameter through the learning process using the primary differential coefficient of the loss function for the agile parameter in the backpropagation process. Through the MNIST classification problem, we have identified that agile activation functions have superior performance over conventional activation functions.

• Journal of the Korean Magnetics Society
• /
• v.25 no.6
• /
• pp.203-207
• /
• 2015

This paper introduces a probabilistic analysis method in order to analyze the effect of manufacturing tolerance on induction motor performance occurring in massive production. The univariate dimension reduction method is adapted to predict probabilistic characteristics of a performance function due to certain probabilistic distributions of design variables. Moreover, the sensitivity information on mean and variance of the performance function is estimated, and then the effect of randomness of individual design variables on the probability performance function is analyzed. The effectiveness and accuracy of the method is investigated with a mathematical model and an induction motor.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.25 no.10A
• /
• pp.1492-1498
• /
• 2000

Pilot symbol aided modulation (PSAM) using the conventional sinc interpolation (CSI) achieves nearly the same BER performance as Caver' optimal Wiener interpolation but with much less complexity. The CSI, however, has to use a non-rectangular window function that is applied to the sinc function to smooth out the abrupt truncation of rectangular window. In this paper, we propose the modified sinc interpolation (MSI). With the weighting factor the MSI scheme with no window has almost the same BER performance as the CSI scheme using window, In addition, if we use the MSI with a window its BER performance gets close to that of the theoretical one. We assume the multicarrier QAM system and an optimal frame structure for performance evaluation.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.1
• /
• pp.1-10
• /
• 2022

Deep neural networks are widely used to solve various problems. In a fully connected neural network, the nonlinear activation function is a function that nonlinearly transforms the input value and outputs it. The nonlinear activation function plays an important role in solving the nonlinear problem, and various nonlinear activation functions have been studied. In this study, we propose a combined parametric activation function that can improve the performance of a fully connected neural network. Combined parametric activation functions can be created by simply adding parametric activation functions. The parametric activation function is a function that can be optimized in the direction of minimizing the loss function by applying a parameter that converts the scale and location of the activation function according to the input data. By combining the parametric activation functions, more diverse nonlinear intervals can be created, and the parameters of the parametric activation functions can be optimized in the direction of minimizing the loss function. The performance of the combined parametric activation function was tested through the MNIST classification problem and the Fashion MNIST classification problem, and as a result, it was confirmed that it has better performance than the existing nonlinear activation function and parametric activation function.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.5A
• /
• pp.855-862
• /
• 2001

본 논문에서는 백색잡음과 페이딩 환경하의 통신시스템의 성능평가시 백색잡음에 대해서만 모멘트 기법을 이용조건부 오류확률을 구하고 페이딩에 대해서는 해석적 접근방식을 취함으로써 전체적인 컴퓨터 수행시간을 획기적으로 개선시킬 수 있는 기법을 제안하고, 제안된 기법의 효율성을 컴퓨터 시뮬레이션 수행시간 비교를 통해 입증하였다. 현재 널리 사용되는 Monte Carlo 시뮬레이션 기법은 IS-95 순방향 채널과 같이 많은 샘플수를 필요로 하는 시스템에서 상당한 시뮬레이션 수행시간을 요구하게 된다. 이러한 문제점을 해결하기 위하여, 제안된 방식에서는 백색잡음하의 수신신호의 N차 모멘트를 측정하여 이산확률밀도함수를 구함으로써 수신신호의 확률적 특성을 모사하고, 이로부터 내삽법과 외삽법을 적용하여 조건부 누적확률분포함수를 산출함으로써 채널오류율을 구하게 된다. 그리고 페이딩 성능평가시 조건부 채널오류율을 이용하여 산출된 조건부 누적확률분포함수를 환경조건에 맞춘 후에 페이딩의 확률밀도함수와 수치 해석적으로 간단히 적분하여 성능평가를 함으로써 수행시간의 줄임과 동시에 정확한 채널오류율을 구하게 된다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.224-227
• /
• 2022

객체 분류는 입력으로 주어진 이미지에 포함된 객체의 종류를 판단하는 기술이다. 대표적인 딥러닝 기반의 객체 분류 방법으로서 Faster R-CNN[2], YOLO[3] 등의 모델이 개발되었으나, 여전히 성능 향상의 여지가 있다. 본 연구에서는 각도 마진 손실 함수를 기존의 몇 가지 객채 분류 모델에 적용하여 성능 향상을 유도한다. 각도 마진 손실 함수는 얼굴 인식 모델인 SphereFace [4]에서 제안한 방법으로, 얼굴 인식과 같이 단일 도메인의 데이터셋을 분류하는 문제를 풀기 위해 제안되었다. 이는 기존 소프트맥스 함수에서 클래스 결정 경계선에 마진을 주는 방식으로 클래스 간의 구분 능력을 향상시킨다. 본 논문은 각도 마진 손실 함수를 CIFAR10, CIFAR100 데이터셋의 분류 문제에 적용하였으며 ResNet, EfficientNet, MobileNet 등의 백본 네트워크로 실험하여 평균적으로 mAP 성능이 향상되는 것을 확인하였다.

• Transactions of the Korean Society for Noise and Vibration Engineering
• /
• v.18 no.6
• /
• pp.642-653
• /
• 2008

This study deals with modeling of head-related transfer functions(HRTFs) using principal components analysis(PCA) in the time and frequency domains. Four PCA models based on head-related impulse responses(HRIRs), complex-valued HRTFs, augmented HRTFs, and log-magnitudes of HRTFs are investigated. The objective of this study is to compare modeling performances of the PCA models in the least-squares sense and to show the theoretical relationship between the PCA models. In terms of the number of principal components needed for modeling, the PCA model based on HRIR or augmented HRTFs showed more efficient modeling performance than the PCA model based on complex-valued HRTFs. The PCA model based on HRIRs in the time domain and that based on augmented HRTFs in the frequency domain are shown to be theoretically equivalent. Modeling performance of the PCA model based on log-magnitudes of HRTFs cannot be compared with that of other PCA models because the PCA model deals with log-scaled magnitude components only, whereas the other PCA models consider both magnitude and phase components in linear scale.