• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.01a
• /
• pp.25-26
• /
• 2020

본 논문에서는 머신러닝을 이용한 이미지 생성을 위한 새로운 오차 함수모델을 제안한다. 제안된 함수모델은 기존 오차함수가 반영하지 못하던 채널 간 오차비율정보를 반영하여 기존 오차함수에 비해 빠른 초기 수렴속도와 더 좋은 FID값을 보인다. 본 논문에서는 하나의 네트워크 모델을 통해 기존의 오차함수모델에 비해서 우수함을 보인다.

• The Journal of the Acoustical Society of Korea
• /
• v.40 no.3
• /
• pp.234-240
• /
• 2021

In this paper, the mask-based speech enhancement is improved for effective speech recognition in noise environments. In the mask-based speech enhancement, enhanced spectrum is obtained by multiplying the noisy speech spectrum by the mask. The VoiceFilter (VF) model is used as the mask estimation, and the Spectrogram Inpainting (SI) technique is used to remove residual noise of enhanced spectrum. In this paper, we propose a combined loss to further improve speech enhancement. In order to effectively remove the residual noise in the speech, the positive part of the Triplet loss is used with the component loss. For the experiment TIMIT database is re-constructed using NOISEX92 noise and background music samples with various Signal to Noise Ratio (SNR) conditions. Source to Distortion Ratio (SDR), Perceptual Evaluation of Speech Quality (PESQ), and Short-Time Objective Intelligibility (STOI) are used as the metrics of performance evaluation. When the VF was trained with the mean squared error and the SI model was trained with the combined loss, SDR, PESQ, and STOI were improved by 0.5, 0.06, and 0.002 respectively compared to the system trained only with the mean squared error.

• The Korean Journal of Applied Statistics
• /
• v.7 no.2
• /
• pp.131-143
• /
• 1994

Under the asymmetric losses (entropy loss and Stein loss), we find the classes of Bayes and empiricla Bayes estimates for estimating the Poisson means when the distributin of means are believed a priori. Following the idea of Efron and Morris (1973), we have a computer simulation to compute a relative savings loss of proposed estimates as compared to the classical estimates.

• Journal of the Korean Geotechnical Society
• /
• v.27 no.8
• /
• pp.51-61
• /
• 2011

Spatial estimation of the thickness and depth of the geological profile has been regarded as an important procedure for the design of soft ground. A minimum variance criterion, which has often been used in traditional kriging techniques, does not always guarantee the optima1 estimates for the decision-making process in geotechnical engineering. In this study, a geostatistica; framework is used to determine the optimal thickness of the consolidation layer and the optimal area that needs the adoption of prefabricated vertical drains via indicator kriging and loss function. From the exemplary problem, different optimal estimates can be obtained depending on the loss function chosen. The design procedure and method considering the minimum expected loss presented in this paper can be used in the decision-making process for geotechnical engineering design.

• Proceedings of the Korean Society of Propulsion Engineers Conference
• /
• 1999.04a
• /
• pp.23-23
• /
• 1999

후류손실을 가지는 혼합 전단층에 대하여 밀도변화가 없는 유동 및 밀도변화가 있는 유동의 선형 불안정성 해석을 수행하였다. 기본 유동의 속도장 및 밀도장은 tanh 함수를 사용하였으며, Gaussian 형태의 해석적 함수를 사용하여 두 유동을 분리시키는 평판 바로 다음에 존재하는 후류 손실 유동을 포함시켰다. 공간적 선형 불안정성 해석을 수행하여 불안정성 모드의 성장률과 파장속도를 주파수의 함수로서 구하였다. 해석 결과로부터 후류 손실을 가지는 혼합층은 sinuous 모드와 varicose 모드의 두 개의 불안정성 모드를 가짐을 알았다. 밀도가 균일한 경우에는 varicose 모드보다 sinuous 모드가 지배적이다. 밀도가 균일한 경우에는 varicose 모드보다 sinuous 모드가 지배적이다. 밀도구배가 존재하나 빠른 자유유동의 밀도가 높은 경우에는 밀도가 균일한 경우와 마찬가지로 sinuous 모드가 지배적인 모드가 된다. 그러나 느린 자유 유동의 밀도가 높은 경우에는 밀도장의 두께가 속도장의 두께보다 상대적으로 얇아지면 varicose 모드가 sinuous 모드보다 더욱 불안정하여질 수 있다. varicose 모드와 sinuous 모드의 성장률이 비슷한 밀도장의 두께에서는 두 불안정성 모드가 주파수 변화에 따라 분지 되어지는 경향을 보인다.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2012.08a
• /
• pp.194-195
• /
• 2012

박막 실리콘 태양전지에 입사한 빛 중 흡수층인 진성 비정질 실리콘층(i-a-Si)에 흡수된 빛은 출력으로 변환되나, 기타의 층에서 흡수된 빛은 손실 성분이 된다. 이 중 흡수 손실이 큰 층은 도핑 층(p-a-SiC 및 n-a-Si)들인데, 이 들의 흡수 손실을 측정된 광학함수를 이용해 계산해 보면 Fig. 1과 같이 나타난다. p-a-SiC은 광 입사부에 위치하여 단파장 영역의 흡수 손실을 일으키고, n-a-Si 은 태양전지의 후면에 위치하여 장파장 영역의 흡수손실을 일으킨다. 이러한 도핑층에서의 흡수 손실을 제거 또는 개선하기 위해 도핑층의 재료를 기존 재료보다 광학적 밴드갭이 큰 재료로 대체하여 개선하는 방안에 대해 논하고자 한다. 금속 산화물의 밴드갭은 실리콘 화합물에 비하여 대체로 큰 값을 가지기 때문에 이를 기존의 실리콘 화합물 대신으로 사용한다면 광학적 흡수 손실을 효과적으로 줄일 수 있다. 단, 이때 태양전지의 광 전압을 결정하는 인자가 p층과 n층 사이의 일함수 차이에 해당하므로, p층의 대체층으로 사용 가능한 금속 산화물은 일함수가 큰(＞5 eV) 재료 중에서 선택하는 것이 적합하며, n층의 대체층으로 사용 가능한 금속 산화물은 일함수가 작은(＜ 4.2 eV) 재료 중에서 선택하는 것이 적합하다. Table 1에서 p층과 n층 대체용 금속산화물의 후보들을 정리하였다. 먼저 도핑층에서의 광 흡수가 광손실이 될 수 밖에 없는 물리적 근거에 대해서 논하고, 그 실험적인 증명을 제시한다. 이러한 개념을 바탕으로 도핑층의 내부 전기장의 방향을 제어하여 전자-정공쌍을 분리 수집하는 방법을 실험적으로 구현하였다. 이어서 금속 산화물을 부분적으로 대체하여 흡수 손실을 개선하는 방안을 제시한다. WOx, NiOx, N doped ZnO 등을 적용하여 그 효과를 비교 검토하였다. 끝으로 금속산화믈 대체 또는 쇼트키 접합을 적용하여 도핑층의 광 흡수를 줄이고 효율을 향상하는 방안을 제시한다. 그 사례로서 WOx, MoOx, LiF/Al의 적용결과를 살펴보고 추가 개선방안에 대해 토의할 것이다. 결론적으로 광학적 밴드갭이 큰 재료를 도핑층 대신 사용하여 흡수 손실을 줄이는 것이 가능하다는 것을 알 수 있고, 이 때 일함수 조건이 만족이 되면 광 전압의 손실도 최소화할 수 있다는 점을 확인할 수 있었다. 현재까지 연구의 한계와 문제점을 정리하고, 추가 연구에 의한 개선 가능성 및 실용화 개발과의 연관관계 등을 제시할 것이다.

• Geophysics and Geophysical Exploration
• /
• v.26 no.3
• /
• pp.114-125
• /
• 2023

The physics-informed neural network (PINN) has been proposed to overcome the limitations of various numerical methods used to solve partial differential equations (PDEs) and the drawbacks of purely data-driven machine learning. The PINN directly applies PDEs to the construction of the loss function, introducing physical constraints to machine learning training. This technique can also be applied to wave equation modeling. However, to solve the wave equation using the PINN, second-order differentiations with respect to input data must be performed during neural network training, and the resulting wavefields contain complex dynamical phenomena, requiring careful strategies. This tutorial elucidates the fundamental concepts of the PINN and discusses considerations for wave equation modeling using the PINN approach. These considerations include spatial coordinate normalization, the selection of activation functions, and strategies for incorporating physics loss. Our experimental results demonstrated that normalizing the spatial coordinates of the training data leads to a more accurate reflection of initial conditions in neural network training for wave equation modeling. Furthermore, the characteristics of various functions were compared to select an appropriate activation function for wavefield prediction using neural networks. These comparisons focused on their differentiation with respect to input data and their convergence properties. Finally, the results of two scenarios for incorporating physics loss into the loss function during neural network training were compared. Through numerical experiments, a curriculum-based learning strategy, applying physics loss after the initial training steps, was more effective than utilizing physics loss from the early training steps. In addition, the effectiveness of the PINN technique was confirmed by comparing these results with those of training without any use of physics loss.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.129-132
• /
• 2001

영역 기반의 영상 압축 방법으로 quadtree 분할 압축 방법이 있다[1][2]. 이 방법은 낮은 bpp환경의 손실 압축에서 우수한 압축성능을 나타내지만 무손실이나 혹은 손실이 거의 없는 그레이 영상 압축에는 적당하지 않다. 본 논문에서는 quadtree 분할 압축을 예측자 및 F함수와 함께 사용하여 무손실이면서 우수한 압축성능을 가지는 무손실 압축 방법을 제안한다.

• Journal of Biosystems Engineering
• /
• v.9 no.1
• /
• pp.34-45
• /
• 1984

우리가 소비하는 식량의 확보는 단위 수량의 증대 뿐만 아니라, 생산이후 수확, 조제가공 및 건조 저장과정에서의 곡물 손실 방지 또는 감소로 인한 간접 증산으로도 이룩될 수 있는데, 현재 우리나라에서는 수확 이후의 곡물 손실량이 전체 생산량의 약 11%에 달하는 것으로 추정되고 있다(12). 여기서 식량의 중요 손실원으로 기계적 원인과 곡물 자체의 특성에 의한 두가지 요인을 고려할 수 있다. 따라서 쌀의 물리적 특성이 규명되면 각 과정에서 발생되는 기계적 손실을 더욱 줄일 수 있을 것이다. 이러한 중요성에도 불구하고 지금까지 우리나라에서는 벼의 물리적 특성에 관한 연구가 거의 없는 실정이다. 특히 우리나라에 많이 보급되고 있는 통일계 품종은 관행 품종에 비하여 물리적 특성이 크게 다르다고 인정되고 있다. 따라서 본 연구는 벼와 현미의 특성을 기계적 및 유동학적 측면에서 함수율 및 품종별로 규명하여, 농업기계의 설계 및 작동조건, 그리고, 조제가공의 기초적 자료로 제시하고자 하였다. 실험 결과를 요약하면 다음과 같다. 1. 준 정하중의 압축시험에서 함수율은 벼와 현미의 기계적 및 유동학적 특성에 큰 영향을 미쳤으며, 특히 높은 함수율에서는 점성적인 특성이, 낮은 함수율에서는 탄성적인 특성이 나타났다. 2. 벼와 현미의 함수율이 24-12% (습량기준)의 범위에 있을 때 현미의 항복점은 2.0-7.2kg, 벼의 항복점은 2.5-7.6kg을 나타냈으며, 전반적으로 현미보다 벼의 항복점이 0.5-1kg 더 높았다. 또한 함수율이 18%(습량기준) 이하에서는 일반계 품종이 통일계 품종보다 압축 강도가 더 높았으나 18% 이상의 높은 함수율에서는 더 낮게 나타났다. 그리고 낮은 함수율에서 현미의 항복점은 현미 두께 대 길이의 비의 증가에 따라 직선적으로 감소하였다. 3. 현미의 최대압축 강도는 함수율 24-12%(습량기준)의 범위에서 2.94-10.4kg을 나타냈으며, 14% 수준의 낮은 함수율에서는 현미의 최대 압축 강도는 5.66-11.4kg으로 품종간에 높은 유의성이 있었다. 따라서 벼와 현미의 크기가 최대 압축 강도에 큰 영향을 미친 것으로 사료된다. 4. 함수율 12-24%(습량기준)의 범위에서, 현미의 항복점에서 변형은 0.20-0.40mm를 나타냈으며, 함수율이 약 17%일 때 최소치를 보였다. 벼의 항복점에서 변형은 0.20-0.41mm 였으며 통일계 품종이 일반계 품종보다 변형이 더 많이 생겼다. 5. 함수율 24-12%(습량기준)의 범위에서, 일반계 품종의 레질리언스(resilience)는 $0.142-0.603kg{\cdot}mm$, 통일계 품종의 레질리언스는 $0.229-0.601kg{\cdot}mm$로 나타났다. 함수율이 19% 이하에서는 일반계 품종이 통일계 품종보다 더 높게 나타났으며 19% 이상에서는 반대 현상이 일어났다. 또한 14%의 낮은 함수율에서, 현미의 레질리언스는 현미 두께 대 길이의 비의 증가에 따라 감소하였다. 벼의 레질리언스는 함수율의 감소에 따라 증가했으며, 그 범위는 $0.285-0.850kg{\cdot}mm$이었다. 6. 현미의 터프니스(toughness)는 함수율 24-12%(습량기준)의 범위에서 $0.841-2.795kg{\cdot}mm$이었다. 또한 일반계 품종과 통일계 품종 사이에는 유의성이 없었으나. 품종간에는 높은 유의성이 있었다. 7. 현미의 탄성계수와 스티프니스(stiffness)는 함수율의 감소에 따라 직선적으로 증가하였다. 현미의 함수율이 24-12%(습량기준)의 범위에 있을 때 탄성계수는 $7-40kg/mm^2$, 스티프니스는 8-34kg/mm를 나타냈다.

• 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.