• Proceedings of the Acoustical Society of Korea Conference
• /
• 1995.06a
• /
• pp.179-183
• /
• 1995

DTW를 사용한 텍스트종속 화자확인의 성능향상에 관한 것으로, 화자인식의 근본적인 난점인 화자 정보 추출의 어려움, 사칭자의 거부, 시간 변화에 따른 인식률 저하 등을 해결하고자 하였다. 먼저 기존의 DTW 방식을 유지하면서 DTW의 단점이라 할 수 있는 과다한 계산량과 발성 습관과 시간 변화에 따른 음성왜곡을 개선하기 위하여 기준 패턴에 통계적 의미를 도입한 대표 평균치 패턴을 사용하였다. 가중 켑스트럼은 화자별로 유용한 켑스트럼 차수를 구하여, 그 차수에 가중치를 두는 것으로 본 실험에서는 F-ratio를 사용하여 구하였다. 실험결과 대표 평균치 패턴과 F-ratio를 사용할 경우 인식률이 각각 약 3~4% 향상되었다.

• Journal of Internet Computing and Services
• /
• v.9 no.1
• /
• pp.137-143
• /
• 2008

In ubiquitous environment the multi-agent system is effective for providing intelligent services. In this paper we introduce a new scheduling service model for improving the communication performance in the multi-agent system. It is achieved by assigning a priority to the message according to the weight of formalized ACL message and the number of messages exchanged between the agents. An experiment reveals that the proposed approach allows smaller processing time per message and turnaround time than the scheduling with the existing JADE platform. Moreover, the proposed scheme allows a scalable messaging system.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10c
• /
• pp.466-468
• /
• 2001

전자상점에서 이루어지는 고객의 구매패턴이 온라인 상에서 데이터베이스화되어, 이를 통하여 고객의 취향에 맞는 상품을 제공할 수 있는 많은 알고리즘이 연구되고 있다. 이러한 알고리즘은 전자상점에서 고객의 개별특성을 고려한 상품을 제공하기 위하여, 고객정보 데이터베이스와 거래정의 데이터베이스로부터 연관규칙 등을 추출하여 사용한다. 그러나 시간의 흐름에 민감한 계절상품이나 특선상품과 같이 전자상점의 거래량에 크게 직결될 수 있는 것 등에도 같은 알고리즘을 적용한다면 추천성공률이 떨어질 것이다. 따라서 본 논문에서는 시간의 영향을 많이 받는 상품추천을 위하여, 최근 전자상점 추천시스템으로 효과적인 아이템 기반 협력알고리즘에 지수적 가중치를 적용하여 추천하는 알고리즘을 제안한다. 또한 이러한 추천시스템이 대용량의 고객데이터와 상품데이터에 대한 연산을 수행하고 다수의 고객에게 실시간으로 서비스를 제공하여야 하므로 MMDB를 활용한다.

• Proceedings of the KIEE Conference
• /
• 2001.07a
• /
• pp.273-275
• /
• 2001

본 논문은 배전 계통 정전복구에 있어서 빠르고 효율적인 방법을 보여준다. 정전복구에 문제는 제약적인 최적화 문제로 계산되어지고, 빠른 시간과 더 우수한 방법을 요구한다. 왜냐하면 비고장 정전 구역는 가능한 빠르게 복구되어져야 하기 때문이다. 제한된 방법는 빠른 시간안에 해를 구할 수 있으며, 계통망의 개폐기와 선로의 조류계산을 통한 허용 전류 가중치를 이용한 딕스트라 알고리즘에 의해 정전복구 방법이 설계되어 진다. 시뮬레이션 결과는 36모선에서 제안된 방법의 경우의 유용성과 효율성이 나타난다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04a
• /
• pp.262-264
• /
• 2004

시스템 호출 감사자료기반 기계학습기법을 사용한 프로그램 행위 학습방법은 효과적인 호스트기반 침입탐지 방법이며, 특히 신경망은 기존 연구 중 가장 좋은 성능을 보였다. 하지만 보통의 신경망은 그 구조를 찾기 위한 방법이 알려져 있지 않아 침입탐지에 효과적인 구조를 찾기 위해서는 많은 시간이 요구된다. 본 논문에서는 기존 신경망 기반 침입탐지시스템의 단점을 보완하고 성능을 향상시키기 위해 진화신경망을 이용한 방법을 제안한다. 진화 신경망은 신경망의 구조와 가중치를 동시에 학습하기 때문에 일반 신경망보다 빠른 시간 내에 더 좋은 성능의 신경망을 얻을 수 있다는 장점이 있다. 1999년의 DARPA IDEVAL자료로 실험한 결과 기존의 연구보다 좋은 성능을 보여 진화신경망이 침입탐지에 효과적임을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10c
• /
• pp.187-189
• /
• 2004

피어-투-피어 시스템에서는 한 홉(hop) 떨어진 두 피어간의 네트워크 상 거리는, 이들 피어들이 서로 다른 대륙간 네트워크에 존재할 수도 있기 때문에 매우 클 수 있다. 그러나 검색 질의 메시지를 전달할 다음 피어를 선택하는 기존의 방법은 네트워크의 근접성을 고려하지 않고, 단순히 목적 피어까지의 홉 수를 최대로 줄이는 피어를 선택한다. 따라서 네트워크의 근접성을 고려하여 동적으로 다음 라우팅 피어를 선택하는 새로운 기법이 필요하다. 본 논문에서는 대표적 DHT 방식 시스템인 Chord를 중심으로, 검색 시간을 향상시키기 위한 적응적 근접 경로 선택 기법을 제시한다. 본 기법에서는 동적인 P2P 환경에 적응하기 위해서 지수적 최근-가중치 평균을 통해 예측된 지연시간을 바탕으로 쿼리를 전달할 다음 피어를 선택한다.

• The Korean Journal of Financial Studies
• /
• v.13 no.1
• /
• pp.1-17
• /
• 2007

고빈도의 주가 데이터 시계열의 확률적 진폭성을 다 시간 축척 가중치를 사용하여 정립된 비모수적 추정방법으로 이 논문에서는 추정하였다. 이 방법을 한국종합 주가지수에 적용하였다. 확률과정에 의한 주가 움직임은 표류 항보다 확산 항이 고빈도 시계열에 있어서는 중요시된다. 데이터의 이산시간 간격이 매우 짧으면 표류 항은 그 값이 매우 작아 거의 0에 가깝다. 이 경우에는 주가 행동이 확산 항에 의하여 결정된다. 주가 확률과정의 확산 항은 결정짓는 인자는 주가의 확률적 진폭성이다. 따라서 주가의 운동을 정확히 파악하기 위해서는 확률적 진폭성의 추정이 관건이 된다. 일별 한국종합주가지수를 사용하여 연별로 추정한 확률적 진폭성은 상당이 크다. 연도의 관점에서 볼 때 주가는 일별로 상당히 변동하고 있다는 것을 이 결과는 함의하고 있다. 주가가 상승하고 있는 기간에는 그렇지 않은 기간에 비해 진폭성이 증가하고 있다. IMF 이전과 이후는 확률적 진폭성의 질이 다르다. IMF 이후에 확률적 진폭성의 측면에서 구조변화가 발생하였다. 변화된 특성은 진폭성이 매우 크다는 것이다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.1
• /
• pp.479-484
• /
• 2005

본 논문에서는 오류 역전파 알고리즘에서 은닉층의 노드 수를 설정하는 문제와 ART1의 경계 변수의 설정에 따른 인식률이 저하되는 문제점을 개선하기 위해 ART1 알고리즘과 퍼지 단층 지도 학습 알고리즘을 결합한 ART1 기반 퍼지 지도 학습 알고리즘을 제안한다. 제안된 알고리즘은 가중치 조정에 승자 뉴런 방식을 도입하여 은닉층에 해당하는 클래스에 영향을 끼친 패턴들의 정보만 저장하게 하여 은닉층 노드로의 책임 분담에 의한 정체 현상이 일어날 가능성을 줄인다. 그리고 학습시간과 학습의 수렴성도 개선한다. 제안된 알고리즘의 학습 성능을 분석하기 위하여 주민등록번호 분류를 대상으로 실험한 결과, 제안된 방법이 기존의 신경망보다 경계 변수나 모멘트에 민감하지 않으며 학습 시간도 적게 소요되고 수렴성도 우수한 성능이 있음을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2843-2845
• /
• 1999

Temporal 웨이브릿 변환은 2차원 이미지 시퀀스 즉, 프레임 사이의 시간적 변화를 포함한다. Temporal 웨이브릿 변환은 우선 2차원 이미지를 프레임 단위로 행방향, 열방향의 순서로 웨이브릿 변환을 수행한 후 원영상의 1/2 해상도의 영상 프레임 시퀀스를 시간축 방향으로 웨이브릿 변환을 수행한다. Temporal Wavelet 변환의 결과로 나온 계수는 각 프레임의 특성과 프레임과 프레임 사이의 특성을 포함한다. 본 논문에서는 이 Temporal 웨리브릿 변환 결과로 나온 계수의 특성을 이용하여 물체의 움직임을 추적하는 Division Rule을 제시하고, 더욱 정확한 결과를 얻기 위해 Division Rule이 적용된 결과에 실험적으로 최적화된 가중치를 결정하여 컨벌루션을 적용한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.112-114
• /
• 2003

현재의 웹은 동일한 답변을 요구하는 중복된 질문들과 은톨로지의 부재로 인해 심각한 자원 낭비의 문제를 안고 있다. 이러한 문제를 해결하기 위하여 이동 에이전트를 이용한 정보 공유 시스템이 대안으로 제시되었으나, 서버 수의 급증에 따른 자료 처리시간 증가와 사용자의 의도라는 전설 다른 달변을 가져오는 등의 문제를 여전히 안고 있다. 따라서 본 논문에서는 이물 해결하기 위해 RDF와 ROFS 기반의 은톨로지를 활용한 시스템을 제안한다. 본 논문에서 제안하는 시스템은 잔바 기반의 이동 에이전트와 RDF, RDFS 기반의 은톨로지로 구성된다. 분산 이형 환경에서 독립적으로 운영되던 질의 응답 게시판을 검색할 때, 이동 에이전트는 코드의 이동으로 네트워크의 부하를 방지하고 구조화된 온톨로지는 질문에 대한 도메인을 확인함으로써 효율적인 이동 에이전트의 라우팅을 제공한다. 본 논문에서 제안한 시스템을 전자상거래에서 빈번하게 발생하는 상품에 대한 소비자들간의 질의 응답 게시판에 적용하여 시멘틱 웹 환경에서 도메인 추론을 통한 에이전트 라우팅과 가중치를 부설하지 않은 클래스의 속성 비교를 이용한 검색 방법이 시간의 단축과 네트워크 부하의 감소, 그리고 기존 시스템의 가장 큰 문제점이었던 정확도(precision)와 재현율(recall)을 개선하는데 효과적이고 타당하다는 것을 보여준다.