• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.6-9
• /
• 2016

최근 3D 스캔 장비 발전과 함께 물체를 스캔하여 모델링하는 역설계 기술이 발전하고 있다. 하지만 역설계를 통해 만들어진 메쉬는 3D 스캔 장비의 데이터 누락, 측정 에러와 같은 이유 때문에 무딘 모서리, 거친 표면과 같은 에러가 발생한다. 이러한 에러를 제거하기 위해 다양한 메쉬 에디팅 방법이 연구되고 있다. 대부분의 기존 방법은 특정 영역을 세밀하게 에디팅 하기 때문에 사용자 에디팅 능력에 따라 메쉬 품질이 달라지고, 에디팅 시간도 오래 걸린다. 본 논문은 프리미티브 수정을 이용한 새로운 메쉬 에디팅 방법을 제안한다. 먼저 원본 메쉬를 모양에 따라 여러 개의 메쉬 세그먼트로 나눈다. 그런 다음 각 메쉬 세그먼트에 프리미티브 타입을 지정하고 해당 파라미터를 수정하여 사용자가 원하는 모양으로 에디팅 한다. 제안한 방법은 프리미티브 수정 기반의 직관적 사용자 인터페이스를 지원하며 빠른 시간 안에 사용자가 의도한대로 에디팅 할 수 있다.

• Journal of KIISE
• /
• v.43 no.6
• /
• pp.636-644
• /
• 2016

Annotated Corpus is important to understand natural language using machine learning method. In this paper, we propose a new method to automate error reduction of annotated corpora. We use the Ripple-Down Rules(RDR) for reducing errors and Kernel to extend RDR for NLP. We applied our system to the Korean Wikipedia and blog corpus errors to find the annotated corpora error type. Experimental results with various views from the Korean Wikipedia and blog are reported to evaluate the effectiveness and efficiency of our proposed approach. The proposed approach can be used to reduce errors of large corpora.

• Annual Conference on Human and Language Technology
• /
• 2015.10a
• /
• pp.129-132
• /
• 2015

본 논문에서는 단어열 패턴과 리커런트 신경망을 이용한 하이브리드 음성 인식 오류 수정 방법을 제안한다. 음성 인식 결과 문장에서 음성 인식 오류 단어가 발견되었을 경우에 첫째로 단어열 패턴과 그 패턴의 발음열 점수를 통해 1차적 수정을 하고 적절한 패턴을 찾지 못하였을 경우 음절단위로 구성된 Recurrent Neural Network를 통해 단어를 음절단위로 생성하여 2차적으로 오류를 수정한다. 해당 방법론을 한국어로 된 음성 인식 오류와 그 정답 문장으로 구성된 TV 가이드 영역 말뭉치를 바탕으로 성능을 평가하였고, 기존의 단순 단어열 패턴 기반의 음성 인식 오류 수정보다 성능이 향상되었음을 볼 수 있었다. 이 방법론은 음성 인식 오류와 정답의 말뭉치가 필요 없이 옳은 문장으로만 구성된 일반 말뭉치만으로 훈련이 가능하여, 음성 인식 엔진에 의존적이지 않는 강점이 있다.

• Journal of the korean veterinary medical association
• /
• v.35 no.2
• /
• pp.108-109
• /
• 1999

오늘날 `인공수정`하면 소,돼지는 일반화된 방법이 된 지 오래다. 그런데 `개의 인공수정`하면 아직도 많은 수의사나 번식가들이 회의를 가지고 있다. 필자 역시 KCRC 울산 지회로 가입하기 전까지는 그런 부류에 속했다. 그러나 KCRC의 수차례의 Canine Reproduction(AL)에 대한 세미나와 실습을 통하여 냉동 정액을 이용하여 인공수정을 할 수 있구나 하는 생각을 가지게 되었고 필자가 인공수정의 전 과정을 스르로 해 본 결과 나름대로 확신을 가질 수 있게 되었다. 물론 다음의 한 예가 인공수정에 대한 의문을 모두 제거하리라는 기대는 무리가 있겠지만 최소한 개의 인공 수정에 대한 이해의 폭은 넓히리라 확신한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.441-443
• /
• 2000

연속 음성 인식을 하는 경우에 많은 에러가 발생한다. 특히 기능어의 경우나 서술어의 경우에는 동시 조음 현상에 의한 음운 변화에 의해 빈번한 에러가 발생한다. 이러한 빈번한 에러를 수정하기 위한 방법에는 언어 모델의 개선과 음향 모델의 개선등을 통한 인식률 향상과 여러 단계의 인식과정을 두어 서로 다른 언어 모델을 적용하는 등의 방법이 있지만 모두 시간과 비용이 많이 들고 각각의 상황에 의존적인 단점이 있다. 따라서 본 논문에서 제안하는 방법은 이것을 수정하기 위해 음성 인식기로부터 인식되어 나온 결과 문장을 정답과 비교, 학습함으로써 빈번하게 에러 패턴을 통계적 방법에 의해 학습하고 후처리 모듈을 이용하여 인식시에 발생하는 에러를 적은 비용과 시간으로 수정할 수 있도록 하는 것이다. 실험은 3000 단어급의 한국어 낭독체 연속 음성을 대상으로 하여 형태소와 의사형태소를 각각 인식단위로 하고, 언어모델로 World bigram과 Tagged word bigram을 각각 적용 실험을 하였다. 형태소, 의사 형태소일 경우 모두 언어 모델을 tagged word bigram을 사용하였을 경우 N best 후보 문장 중 적당한 단어 후보의 분포로 각각 1 best 문장에 비해 12%, 18%정도의 에러 수정하여 문장 인식률 향상에 상당한 기여를 하였다.

• 한국가축인공수정사협회:학술대회논문집
• /
• v.1991 no.05
• /
• pp.34-46
• /
• 1991

• 한국가축인공수정사협회:학술대회논문집
• /
• v.2004 no.05
• /
• pp.27-31
• /
• 2004

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.231-236
• /
• 2009

본 논문에서는 통계적으로 추출한 수정규칙을 이용하여 구 기반 한-중 통계기계번역 시스템(PBSMT)의 단어정렬 결과를 개선하는 방법을 제안한다. 논문에서 제안하는 수정규칙은 단어정렬의 결과를 사람이 만든 정답과 비교하여 통계적으로 추출하였다. 본 논문에서는 위에서 추출한 수정규칙을 이용하여 한-중 통계기계번역 시스템의 단어정렬의 결과에서 한국어 기능어(functional word)에 나타나는 오류를 수정함으로써 단어정렬의 결과를 개선하였고 최종적으로 기계번역의 성능을 제고하였다.

• Monthly Duck's Village
• /
• s.56
• /
• pp.54-56
• /
• 2008

오리 종란을 수집하기 위해서 이용하는 가장 보편적인 사육 방법은 암.수를 일정한 비율로 합사하는 것으로 자연교미를 이용하는 것이다. 그러나 우수한 종오리나 특정 합성종오리(종간 혹은 속간 잡종)를 생산하기 위해서는 인위적인 인공수정기술을 이용하여 계획교배를 하여야 하며, 이를 위해서 선발된 오리들은 케이지 사육을 하여야 한다. 오리 인공수정기술이 닭의 인공수정기술과는 숫오리의 정액 채취기술에서만 차이가 있고 다른 부분에서는 매우 유사하므로 정액채취부분을 중심으로 설명을 하고자 한다.

• The Korean Journal of Applied Statistics
• /
• v.19 no.3
• /
• pp.535-544
• /
• 2006

We consider use of Bootstrap calibration in the problem of setting a confidence interval for a linear combination of variance components. Based on the the modified large sample(MLS) method by Graybill and Wang(1980), Bootstrap Calibration is applied to improve the coverage probability of the MLS confidence bound when the experiment is balanced and coefficients of a linear combination are positive. Performance of the proposed confidence bound in small sample is investigated by simulation studies.