• Journal of the Korean Institute of Intelligent Systems
• /
• v.9 no.4
• /
• pp.396-403
• /
• 1999

본 논문에서는 새로운 블록기반 신경망을 제안하고 블록기반 신경망의 패턴류 성능을 확인하였다. 블록기반 신경망은 4개의 가변 입출력을 가지는 블록을 기본 구성요소로하고 있으며 블록들의 2차원배열 형태로 이루어진다. 블록기반 신경망은 재구성가능 하드웨어에 의하여 구현이 용이하고 구조 및 가중치의 최적화에 진화 알고리즘을 적용시킬수 있는 새로운 신경망 모델이다. 블록 기반 신경망의 구조와 가중치를 재고성 가능 하드웨어(FPGA)의 비트열에 대응시키고 유전자 알고리즘에 의하여 전역최적화를 하여 구조와 가중치를 최적화한다. 유전 알고리즘에 의하여 설계된 블록기반 신경망을 비선형 결정평면을 가지는 여러 학습패턴에 적용하여 패턴분류 성능을 확인하였다.

• Journal of Hospice and Palliative Care
• /
• v.12 no.2
• /
• pp.56-60
• /
• 2009

More than 80% of cancer-related pain is pharmacologically controllable, whereas $10{\sim}20%$ of patients require interventional treatments. Neurolytic nerve block can play a major role in cancer pain treatment, and it has been proposed to prevent the development of pain and improve the quality of life of patients with cancer. If the pain is well localized and restricted to certain peripheral parts of the body, spinal peripheral or sympathetic nerve blocks may result in excellent therapeutic effects. Neurolytic sympathetic block, especially Celiac plexsus block (CPB) performed in earlier stages, is effective with successful long term results. However, selection of patients is critical for succeful outcomes. Neurolytic plexus block significantly improves the quality of life of patients and reduces abdominal and pelvic cancer pain, analgesic consumption and adverse opioids-related side effects. Interventional pain management should be considered at earlier stages to provide patients with the best quality of life possible.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2998-3000
• /
• 2000

본 논문에서는 BNN, 블록기반 신경망 모델을 재구성가능 하드웨어(FPGA)로 설계한다. 블록기 반 신경망은 재구성가능 하드웨어에 의하여 구현이 용이하고 구조 및 가중치의 최적화에 진화 알고리즘을 적용시킬 수 있다. 블록기반 신경망의 구조와 가중치를 표현하는 바이너리 스트링을 오프라인으로 진화시킨 후, 재구성가능 하드웨어로 구현한다. FPGA로 구현된 블록기반 신경망의 성능을 확인하기 위하여 간단한 성능시험에 사용되는 대표적인 패턴들을 사용하여 블록기반 신경망의 패턴분류 성능을 알아본다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.9B
• /
• pp.1292-1298
• /
• 2001

본 논문에서는 공간 영역에서의 블록 분류 (block classification)와 순방향 신경망 필터(feedforward neural network filter)를 이용한 블록 기반 부호화에서의 적응적 블록화 현상 제거 알고리듬을 제안하였다. 제안한 방법에서는 각 블록 경계를 인접 블록간의 통계적 특성을 이용하여 평탄 영역과 에지 영역으로 분류한 후, 각 영역에 대하여 블록화 현상이 발생하였다고 분류된 클래스에 대하여 적응적인 블록간 필터링을 수행한다. 즉, 평탄 영역으로 분류된 영역 중 블록화 현상이 발생한 영역은 오류 역전파 학습 알고리듬 (error backpropagation learning algorithm)에 의하여 학습된 2계층 (2-layer) 신경망 필터를 이용하여 블록화 현상을 제거하고, 복잡한 영역으로 분류된 영역 중 블록화 현상이 발생한 영역은 에지 성분을 보존하기 위하여 선형 내삽을 이용하여 블록간 인접 화소의 밝기 값만을 조정함으로써 블록화 현상을 제거한다. 모의 실험 결과를 통하여 제안한 방법이 객관적 화질 및 주관적 화질 측면에서 기존의 방법보다 그 성능이 우수함을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1199-1202
• /
• 2022

본 논문에서는 최근 연구되고 있는 신경망 이미지 부호화(NNIC: Neural Network based Image Coding)를 위한 적응적 크기 조정을 이용한 블록 기반 신경망 이미지 부호화 알고리즘을 제안한다. 제안 방법은 이미지를 여러 개의 2N×2N 블록으로 분할한 후 분할된 각 블록에 대해 두 가지 크기 조정 모드 중 하나로 부호화를 수행한다. 첫번째 모드는 2N×2N 블록을 구성하는 4 개의 N×N 블록을 각각 NNIC 인코더의 입력으로 사용하는 모드 1(크기 미조정 모드)이며, 두번째 모드는 2N×2N 블록을 하나의 N×N 블록으로 다운 스케일링하여 NNIC 입력으로 사용하는 모드 2(크기 조정 모드)이다. 모드 결정은 비트율-왜곡 비용(Rate-distortion Cost)이 더 적도록 이루어진다. 블록 기반 부호화와 제안 알고리즘을 비교하면, BDBR 은 약 -1.75%, BDSNR 은 약 0.073dB 으로 제안 알고리즘에서 성능 향상이 나타났고, 픽처 부호화와 제안 알고리즘을을 비교하면 BDBR 은 약 0.57%, BDSNR 은 -0.029dB 로 픽처 부호화와 거의 유사한 성능을 보인다는 것을 확인할 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.11a
• /
• pp.62-65
• /
• 2018

신경망은 깊어질수록 gradient vanishing/exploding과 같은 네트워크가 불안정해지는 문제가 발생 한다. 잔차 블록을 이용하여 이러한 문제를 해결 할 수 있다. 본 논문에서는 영상 인식 분야에서 훌륭한 성능을 보여준 잔차 블록 기반의 깊은 합성곱 신경망을 통한 단일 영상 초해상도 복원 기법을 제안 한다. 제안한 알고리듬은 EDSR에 사용된 잔차 블록을 다양한 크기의 합성곱 연산을 통해 영상의 특징들을 다르게 분석하도록 수정하고 VDSR과 비슷한 수준의 복잡도로 구성하여 향상된 성능을 얻었다. 실험 결과, VDSR에 비해 PSNR이 최대 0.1dB까지 증가했다.

• Information Systems Review
• /
• v.22 no.1
• /
• pp.1-16
• /
• 2020

Blockchain is emerging as a technology that can build trust between users participating in the system. As interest of Blockchain has increased, previous studies have mainly focused on cryptocurrency and application methods related to Blockchain technology. On the other hand, the studies on the stable implementation of Blockchain were rarely conducted. Typically, uncle block in the Blockchain plays an important role in the stable implementation of the Blockhain system, but no study was conducted on this. Drawing on this recognition, this study attempts to predict the uncle block of Blockchain using machine learning method, Blockchain information, and macro-economic factors. The results of artificial neural network and support vector machine analysis, Blockchain information and macro-economic factors contributed to the prediction of uncle block of Blockchain. In addition, artificial neural network using only Blockchain information provided the best performance for predicting the occurrence of uncle block. This study suggests ways to lead and contribute to Blockchain research in information systems filed.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.8 no.6
• /
• pp.122-128
• /
• 1998

This paper presents compression of image sequences based on the classification of interframe difference image blocks. classification process consists of image activity classification and energy distribution classification. In the activity classification, interframe difference image blocks are classified into activity blocks and non-activity blocks using the edge detection. In the distribution classification, activity blocks are further classified into vertical blocks, horizontal blocks, and small activity blocks using the AC energy distribution features. The RBFN, trained with numerical classification results, successfully classifies difference image blocks according to image details. Image sequence compressing based on the classification of interframe difference image blocks using the RBFN shows better compression results and less training time than the classical sorting method and the MLP network.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.3
• /
• pp.179-187
• /
• 2000

Fractal theory has strengths such as high compression rate and fast decoding time in application to image compression, but it suffers from long comparison time necessary for finding an optimally similar domain block in the encoding stage. This paper proposes a neural network based block classifier which enhances the encoding time significantly by classifying domain blocks into 4 patterns and searching only those blocks having the same pattern with the range block to be encoded. Size of a block is differently determined depending on the image complexity of the block. The proposed algorithm has been tested with three different images having various featrues. The experimental results have shown that the proposed algorithm enhances the compression time by 40% on average compared to the conventional fractal encoding algorithms, while maintaining allowable image qualify of PSNR 30 dB.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.550-552
• /
• 2002

본 논문에서는 웨이브렛 변환 영역의 정보를 신경망 학습을 통하여 영상검색에 관한 연구를 제안하였다. 영상검색은 연구가 이루어지고 있지만, 영상의 특징을 정확하게 표현한다는 것은 현실적으로 어렵기 때문에 영상의 저장 및 검색에 많은 어려움이 있다. 따라서 영상데이터의 효율적인 저장 및 검색을 위해서는 공간 영역보다는 변환 영역에서의 특징추출 방법이 고려되어야 한다. 본 논문에서는 웨이브렛 변환 후 생성되는 저주파 대역의 영상을 일정한 크기로 ( 2$^n$$\times$2$^n$) 분할한 다음 각 블록의 표준편차를 구하고, 주어진 경계 값을 기준으로 작성된 블록 맵을 유사성의 척도로 이용하여 유사한 영상을 함께 모아 카테고리 분류에 의한 저장을 한다. 또한 질의영상에 대한 블록 맵을 신경망 학습을 통해 해당 카테고리를 찾아 1:1매칭을 통한 검색을 함으로써 검색 시간을 줄이고, 제안된 시스템 효율을 증대 시킬 수 있었다.