• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.346-347
• /
• 2020

본 논문에서는 ANC 시스템의 빠른 수렴을 위한 적응 필터의 초기화 방법을 제안한다. 기존 ANC 시스템은 적응 필터의 계수를 0으로 초기화한다. 이러한 초기화 방법은 일반적으로 발생하는 외부 소음의 특성을 고려하지 않은 방법으로 ANC의 수렴 소요시간이 길다. 이와 같은 문제를 해결하고자 본 논문에서는 핑크 노이즈를 입력으로 ANC를 수행하여 얻은 적응 필터의 계수 값을 초기값으로 사용하는 새로운 초기화 방법을 제안한다. 제안한 방법으로 여러 잡음에 대해 실험한 결과, 낮은 초기 에러를 갖고 기존 방법보다 빠르게 수렴하는 것을 확인하였다. 또한, 기존 방법에서 수렴하지 못한 일부 소음에 대해서도 수렴하는 것을 확인하였다.

• International Area Studies Review
• /
• v.15 no.1
• /
• pp.585-602
• /
• 2011

This study is to investigate the long run convergence behavior of the housing rent of Korean 21 cities, by using the Phillips and Sul (2007)'s newly developed panel convergence test method. The empirical result shows that the 21 Korean cities nationwide converge in four different groups according to the level of convergence. The 1st group is composed of 3 Seoul metropolitan cities, the 2nd group is composed of Bucheon, the 3rd group is composed of 10 cities such as Busan, Daegu, etc, and the 4th group is composed of 7 cities including Jeonju and Mokpo etc. About the speed of convergence among the member cities within the group, the 1st group has the highest speed and next the 4th group, followed by the 2nd group, and finally the 3rd group. The fact that the member cities of the 1st group with the highest rent level and the 4th group with the lowest rent level converges rapidly means the polarization of rent between the two groups. Finally, this paper suggests policy implications to relax the widening gap of individual income between the higher and the lower rent convergent groups.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.656-659
• /
• 2020

초해상화 딥러닝 기법은 학습 시 수렴하기까지 최소 수백 번의 에폭을 필요로 하며 오랜 시간이 걸린다. 최근, 영상 인식용 딥러닝 모델에서는 학습 수렴 속도를 향상시키기 위해 픽셀, 채널간 불필요한 상호연관 정보를 제거하는 Deconvolution 기술이 제안되었다. 본 논문에서는 최초로 Deconvolution 기술을 초해상화 딥러닝 방법에 적용하여 학습 수렴 속도 증가를 시도했다. 영상 인식 딥러닝 기법과 다르게 초해상화 딥러닝 기법은 이미지 특성 추출 부분과 이미지 복원 부분의 정보를 보존하는 것이 중요하기 때문에, EDSR을 Baseline 모델로 사용하여 양쪽 끝의 레이어는 기존의 Convolution 연산을 그대로 유지하고, 중간 레이어의 ResBlock 내의 Convolution 연산만 Deconvolution 연산으로 바꿔서 구성하였다. 초해상화 벤치마크 데이터셋을 사용한 실험 결과, 수렴속도가 빨라지지 않는 결과를 도출했다. 본 논문에서는 Deconvolution 기술이 Baseline 모델의 성능을 개선하지 못하는 이유를 초해상화 분야에서 기본적으로 적용되는 Residual Learning 기법 때문으로 분석했다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.25 no.12A
• /
• pp.1781-1786
• /
• 2000

본 논문에서는, 적응 간섭 제거기(AIC : adaptive interference canceller)에 사용되는 적응 알고리즘 중 계산량이 적고, 하드웨어적 복잡성이 낮은 최소 평균 자승(LMS)알고리즘의 적응화 상수(constant step size)를 여러 개 사용하여 빠른 수렴 속도와 낮은 평균 자승 에러를 가지는 방법을 제안한다. 최소 평균 자승 알고리즘에서 적응화 상수는 수렴속도와 평균 자승 에러를 제거하는데, 적응화 상수가 증가할수록 수렴속도가 빨라지는 반면, 평균 자승 에러는 증가하게 된다. 이 논문에서는 수렴속도를 증가하는 동시에 평균 자승 에러를 줄이기 위해, 최소 평균 자승 알고리즘에서 세 개의 적응화 상수를 가지는 새로운 검출기를 제안한다. 이 구조에서, 매 반복횟수에 따른 각 그룹 출력 값들을 가지고, 선택(selection)부분에서 평균 자승 에러들을 비교하며, 가장 작은 평균 자승 에러를 나타내는 그룹의 에러 값과 필터 계수 값들이 선택되어져 여러 적응화 상수 최소 평균 자승 알고리즘(several step size LMS algorithm)부분에서 각 그룹의 필터 계수를 갱신하는데 필요한 정보로 이용된다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.1-2
• /
• 2015

본 논문에서는 ANC 시스템의 빠른 수렴을 위하여 2차 경로 필터를 초기화하는 방법을 제안한다. 대부분의 ANC 시스템에서는 2차 경로 필터를 설계하기 위하여 LMS 알고리즘을 사용한다. 그러나 기존의 방법들은 2차 경로 필터의 초기 계수 값을 0으로 설정하기 때문에 필터의 수렴 시간이 길어진다. 이를 해결하기 위하여 본 논문에서는 미리 구한 계수 값을 2차 경로 필터의 초기값으로 설정하여 필터의 수렴 시간을 줄이는 방법을 제안한다. 제안한 방법을 사용하면 2차 경로 필터의 초기 단계부터 에러가 작게 나타내며, 이에 따라 ANC 시스템의 수렴이 빨라진다. 상용 헤드셋을 이용하여 제안하는 방법을 실험하였으며, 기존 방법보다 빠르게 ANC 시스템이 수렴하는 것을 확인하였다.

• Investigative Magnetic Resonance Imaging
• /
• v.6 no.2
• /
• pp.137-146
• /
• 2002

Purpose : This paper introduces an improved classification approach which adopts a deterministic relaxation method and an agglomerative clustering technique for the classification of MRI using neural network. The proposed approach can solve the problems of convergency to local optima and computational burden caused by a large number of input patterns when a neural network is used for image classification. Materials and methods : Application of Hopfield neural network has been solving various optimization problems. However, major problem of mapping an image classification problem into a neural network is that network is opt to converge to local optima and its convergency toward the global solution with a standard stochastic relaxation spends much time. Therefore, to avoid local solutions and to achieve fast convergency toward a global optimization, we adopt MFA to a Hopfield network during the classification. MFA replaces the stochastic nature of simulated annealing method with a set of deterministic update rules that act on the average value of the variable. By minimizing averages, it is possible to converge to an equilibrium state considerably faster than standard simulated annealing method. Moreover, the proposed agglomerative clustering algorithm which determines the underlying clusters of the image provides initial input values of Hopfield neural network. Results : The proposed approach which uses agglomerative clustering and deterministic relaxation approach resolves the problem of local optimization and achieves fast convergency toward a global optimization when a neural network is used for MRI classification. Conclusion : In this paper, we introduce a new paradigm to classify MRI using clustering analysis and deterministic relaxation for neural network to improve the classification results.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.21 no.9
• /
• pp.2349-2354
• /
• 1996

Convergence analysis on Godard's quartic (GQ) algorithm used forblind equalization is accomplished in this paper. The first main result is an explanation of the lacal behavior of the GQ algorithm around the global minimum point of the average performance functio, from which we can determine the adaptation gain. It is show that the normalized adaptation gain of the GQ algorithm should be smaller than that of the decision directed (DD) algorithm. In addition, it is observed that the GQ algorithm converges faster than the DD equalization algorithm.

• The Journal of the Acoustical Society of Korea
• /
• v.17 no.4
• /
• pp.60-66
• /
• 1998

본 연구에서는 임펄스 잡음 환경 하에서, 대표적인 Bussgang계열의 블라인드 등화 알고리즘인 LMS-Sato 및 LMS-CMA 블라인드 등와 알고리즘의 수렴특성을 컴퓨터 모의 실험을 통하여 살펴보았다. LMAD-Sato 및 LMAD-CMA 블라인드 등화 알고리즘을 유도 하고, 동일한 조건하에서 그 수렴특성을 살펴보았다. 16-QAM 데이터에 대한 실험 결과 임 펄스 잡음 환경 하에서 LMAD 형태의 블라인드 등화 알고리즘이 LMS 형태의 블라인드 등 화 알고리즘 보다 안정적인 수렴특성을 보여 주었다. 또한, normalized 형태의 LMAD-Sato 및 CMA 블라인드 등화 알고리즘을 제안하였으며, 실험 결과 이들 알고리즘들이 임펄스 잡 음 환경에서 LMAD 형태의 알고리즘 보다 더 우수한 수렴 특성을 보여 주었다.

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.16 no.9
• /
• pp.1722-1727
• /
• 1992

In this study, techniques of adaptive input-output linearizing control of a class of uncertain nonlinear system are investigated. It is shown through concepts of signal growth rates that bounded trackings yield by adaptive input-output linearizing control law using normalized estimator. The convergence characteristics are improved significantly by using the normalized estimator. Simple example is presented as illustration.

• The Journal of the Korea Contents Association
• /
• v.14 no.12
• /
• pp.694-705
• /
• 2014

Recently media use is in the period of upheaval because of the advent of smart media. At this present, there are many discussions about the multiplexing or convergence of media use and these effects of everyday life, based on the theory of 'media repertoires'. But many researches just divide media repertoire categories and show media use hours by these categories. To have more mighty power of explanation, the study about media repertoires must execute both a static analysis of media use hours and a dynamic analysis of media use by media repertoire categories in everyday life.