• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.05a
• /
• pp.172-178
• /
• 2005

순환탐색 알고리즘 및 스택기반 알고리즘 등은 유방향그래프에서 순환과 순환경로를 발견하는 특정 정점으로부터 출발하여 연결된 그래프에서 순환을 탐색하는 것이다. 기존 연구의 단점은 모든 순환을 다 찾아내지지 못하는 경우라든지, 동일한 순환을 중복해서 찾아내는 문제가 있었다. 본 연구에서 제시하는 정점제거 순환탐색 알고리즘은 특정 정점의 순환을 발견한 뒤 그 정점을 삭제하므로 중복된 순환을 발견하지 않고 모든 순환을 찾을 수 있다. 또한 순환을 발견했을 때, 순환경로를 출력하는데 있어서 스택의 인덱스를 이용해, 저장경로를 탐색하지 않고 출력하는 방법을 제안하였다. 실험에서는 임의의 정점과 간선을 생성하여 그래프로 만들고, 각 알고리즘에 따른 모든 정점을 찾을 수 있는지, 그래프 상황에 따라 어떠한 장단점이 있는지, 간선이 많아질수록 인덱스 순환탐색 알고리즘보다 탐색시간이 얼마나 차이를 보이는지를 확인하였다. 웹 구조처럼 일정한 크기의 웹페이지와 많은 수의 링크가 존재하는 그래프에서 정점제거 순환탐색 알고리즘이 순환을 찾는데 적합하다는 것을 입증했다.

• The Journal of the Korea Contents Association
• /
• v.9 no.2
• /
• pp.97-105
• /
• 2009

This paper presents a combination of the generalized Cascade Correlation and generalized Recurrent Cascade Correlation learning algorithms. The new network will be able to grow with vertical or horizontal direction and with recurrent or without recurrent units for the quick solution of the pattern classification problem. The proposed algorithm was tested learning capability with the sigmoidal activation function and hyperbolic tangent activation function on the contact lens and balance scale standard benchmark problems. And results are compared with those obtained with Cascade Correlation and Recurrent Cascade Correlation algorithms. By the learning the new network was composed with the minimal number of the created hidden units and shows quick learning speed. Consequently it will be able to improve a learning capability.

• KIISE Transactions on Computing Practices
• /
• v.23 no.7
• /
• pp.440-445
• /
• 2017

Due to the advance of e-commerce systems, the number of people using online shopping and products has significantly increased. Therefore, the need for an accurate recommendation system is becoming increasingly more important. Recurrent neural network is a deep-learning algorithm that utilizes sequential information in training. In this paper, an evaluation is performed on the application of recurrent neural networks to recommendation systems. We evaluated three recurrent algorithms (RNN, LSTM and GRU) and three optimal algorithms(Adagrad, RMSProp and Adam) which are commonly used. In the experiments, we used the TensorFlow open source library produced by Google and e-commerce session data from RecSys Challenge 2015. The results using the optimal hyperparameters found in this study are compared with those of RecSys Challenge 2015 participants.

• Spatial Information Research
• /
• v.20 no.2
• /
• pp.165-172
• /
• 2012

The query of the K closest object pairs between two object sets frequently occurs at recently retrieval systems. The circular location property of objects should be considered for efficiently process queries finding such a K nearest object pair. In this paper, we propose the optimal algorithm finding the K object pairs which are closest to each other in a search space with a circular domain and show its performance by experiments. The proposed algorithm optimizes the cost of finding the K nearest object pairs by using the circular search distances which is much applied the circular location property.

• Journal of KIISE:Computer Systems and Theory
• /
• v.26 no.2
• /
• pp.145-154
• /
• 1999

본 논문에서는 주어진 문제의 루프 알고리즘으로부터 시스톨릭 어레이 구현이 용이한 정규 순환 방정식으로의 자동적 유도를 위한 대수적인 방법과 조건을 제시하였다. 이를 위하여 계산점 집합과 순차 정렬 벡터를 구하고, 행렬의 커널을 이용하여 자료 흐름 벡터를 찾았으며, 정규 파이프라이닝 가능성 조건을 제시하였다 그리고 각 계산점에 대한 배열 원소의 초기 입력 위치를 구하였다. 본 논문에서 제시된 방법을 사용하면 주어진 루프 알고리즘을 정규 순환방정식으로 자동적으로 유도 할 수 있으며, 주어진 알고리즘이 정규 순환 방정식으로 유도될 수 있는지를 검사할 수 있다.

• Proceedings of the KAIS Fall Conference
• /
• 2003.06a
• /
• pp.243-246
• /
• 2003

기존에 만들어진 미로 생성 알고리즘은 ‘Perfect 미로’를 지향하는 알고리즘이다. Perfect 미로는 두 점사이의 path가 유일하며, 순환되지 않고, 막힌공간이나, 접근할 수 없는 공간이 없는 미로를 말한다. 이런 미로 알고리즘을 사용하여 만든 미로는, 정형적인 형태를 띄게 된다. 이 알고리즘들을 아무런 수정 얼이, RPG/액션/시뮬레이션/전략게임 둥에 사용하게 되면, 게임 캐릭터는, 유일하면서 막힘이 빈번한 path 안에서 부자연스런 움직임을 가지게 될 것이다. 그래서 보다 넓은 면적을 탐험할 수 있고, 전진성을 높여주기 위하여 여러개의 path와 순환을 허용하는 알고리즘을 제안하게 되었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.13-16
• /
• 2016

본 논문에서는 순환 신경망을 이용하여 동영상에서의 배경과 전경을 구분하는 알고리즘을 제안한다. 순환 신경망은 일련의 순차적인 입력에 대해서 내부의 루프(loop)를 통해 이전 입력에 의한 정보를 지속할 수 있도록 구성되는 신경망을 말한다. 순환 신경망의 여러 구조들 가운데, 우리는 장기적인 관계에도 반응할 수 있도록 장단기 기억 신경망(Long short-term memory networks, LSTM)을 사용했다. 그리고 동영상에서의 시간적인 연결 뿐 아니라 공간적인 연관성도 배경과 전경을 판단하는 것에 영향을 미치기 때문에, 공간적 순환 신경망을 적용하여 내부 신경망(hidden layer)들의 정보가 공간적으로 전달될 수 있도록 신경망을 구성하였다. 제안하는 알고리즘은 기본적인 배경차분 동영상에 대해 기존 알고리즘들과 비교할만한 결과를 보인다.

• Proceedings of the KIPE Conference
• /
• 2017.07a
• /
• pp.168-169
• /
• 2017

본 논문에서는 ZCMV(zero common mode voltage) PWM을 사용하는 병렬형 3상 3레벨 NPC 컨버터의 DC단 전압의 불평형 제어를 이용한 순환전류 저감 알고리즘을 제안한다. 이상적으로 ZCMV PWM은 공통 모드 전압을 발생하지 않지만, 초기 운전 및 데드타임과 같은 실제적인 문제로 인해 공통 모드 전압이 발생한다. 발생한 공통 모드 전압은 미세한 순환전류를 발생시키며 이는 컨버터의 효율을 감소시킨다. 따라서, 본 논문에서는 DC단 전압 불평형 제어를 이용하여 순환전류를 저감하는 제어 알고리즘을 제안한다. 상, 하단 DC 전압의 불평형은 공통 모드 전압을 발생시키며 이를 통해 미세하게 발생한 순환전류를 저감하여 컨버터의 효율을 향상 시킬 수 있다. 제안한 알고리즘은 시뮬레이션을 통해 타당함을 검증하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.39C no.8
• /
• pp.637-642
• /
• 2014

In this paper, we propose a efficient shift index searching algorithm for design of the block LDPC codes. It is combined with the message-passing based cycle search algorithm and ACE algorithm. We can determine the shift indices by ordering of priority factors which are effect on the LDPC code performance. Using this algorithm, we can construct the LDPC codes with low complexity compare to trellis-based search algorithm and save the memory for storing the parity check matrix.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.5
• /
• pp.552-559
• /
• 2005

Recurrent neural networks(RNNs) trained with gradient based such as real time recurrent learning(RTRL) has a drawback of slor convergence rate. This algorithm also needs the derivative calculation which is not trivialized in error back propagation process. In this paper a derivative free Kalman filter, so called the unscented Kalman filter(UKF), for training a fully connected RNN is presented in a state space formulation of the system. A derivative free Kalman filler learning algorithm makes the RNN have fast convergence speed and good tracking performance without the derivative computation. Through experiments of nonlinear channel equalization, performance of the RNNs with a derivative free Kalman filter teaming algorithm is evaluated.