• Landscaping Tree
• /
• s.130
• /
• pp.54-59
• /
• 2012

• Landscaping Tree
• /
• s.129
• /
• pp.48-53
• /
• 2012

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.297-300
• /
• 2021

영상 잡음 제거는 잡음으로 저하된 영상으로부터 잡음 없는 영상을 복원하는 기술이다. 최근 영상 처리에 딥러닝을 사용한 학습 기반 방법 중 저수준 컴퓨터 비전 분야에 고수준 영상 정보를 활용하는 접근이 있었다. 본 논문에서는 고수준 영상 정보인 영상 분할 지도를 활용하여 영상 속 가산 백색 잡음 제거 연구를 진행하였다. 잔차 연결을 활용한 구조의 인공신경망 모델에 잡음 영상, 잡음 수준 지도, 영상 분할 지도를 입력으로 넣어 고수준 영상 정보를 활용할 수 있게 하였다. 본 논문에서 제안한 인공신경망을 Outdoor Scene Dataset과 CBSD68 Dataset에 대해 확인해본 결과, PSNR과 인지적인 측면에서 DnCNN과 FFDNet보다 성능이 향상되는 것을 확인하였다.

• Magazine of the Korea Concrete Institute
• /
• v.27 no.4
• /
• pp.12-16
• /
• 2015

• Proceedings of the KSLP Conference
• /
• 1996.11a
• /
• pp.94-94
• /
• 1996

미주신경의 마디신경절내에 존재하는 신경세포는 경부, 흉강 및 복강의 감각신경을 지배하는 것으로 알려져 있으며 이와 관련된 SP, CGRP 등의 신경펩디드의 분포에 관하여 많은 보고가 이루어졌다. Vasoactive Intestinal Peptide(VIP)는 혈관, 평활근, 분비선 주위에 분포하는 부교감신경세포의 전달물질로서 후두의 자율신경계의 조절에 중요한 역할을 하고 있다 이러한 VIP지배신경의 기원에 관해서는 미주신경이나 후두신경, 그리고 일부 후두 구조내에 존재하는 부신경절(Paraganglia)에서 기원한 후 신경절 부교감신경으로 알려져 있는데, 즉 미주신경의 마디신경절은 단지 감각신경의 기원이 되는 신경세포 집합체로 마디신경절과 자율신경계의 상관관계에 대한 연구는 극히 드문 실정이다. 그러나 일부 보고에서 성문하부의 점막상피에서 SP나 CGRP외에도 VIP 양성세포가 발견됨으로써 일반적으로 자율신경계 세포로 알려진 VIP 양성세포의 기원과 기능은 더 규명되어야 할 부분의 하나로 사료된다 금번 저자는 고양이의 마디신경절에 대하여 면역 조직화학적 방법을 통한 VIP양성 세포의 출현여부를 관찰함으로써 마디신경절과 자율신경계와의 상관관계를 알아보고자 하였다.

• Proceedings of the KOR-BRONCHOESO Conference
• /
• 1997.04a
• /
• pp.118-118
• /
• 1997

갑상피열근이나 피열근에 대하여 상후두신경과 반회후두신경의 이중지배(dual supply)는 오랜동안 논란이 되어왔다. 특히 피열근에 분포하는 신경은 반회후두신경의 피열분지에 의해 지배되며 또한 상후두 신경의 내지의 일부인 ramus preforantes에 의해서도 이중지배를 받는다고 알려져왔다. 그러나 한편 이러한 피열근의 운동신경지배 중 상후두신경의 역할에 대해서 적지않은 보고가 후두의 신경해부학적인 고찰 및 전기적 자극을 통한 연구에서 단지 피열근 근처에서 twig을 형성할 뿐, 직접적인 운동지배 현상은 보이지않음을 입증하여 피열근은 오직 반회후두신경에 의해서만 실질적으로 운동지배된다고 주장하였다. 저자는 양측 반회후두신경을 절단한 개 모델에서 피열근에 대하여 HRP 역행성 착색법 후 뇌간에서 살펴본 결과 후두의 운동신경원인의 핵에서 양성으로 표현되는 것을 관찰하였다. 또한 상후두신경의 내지에 대하여 운동신경섬유의 표식자로 여겨질 수 있는 Cholineacetyl transferase(CHAT) 면역염색을 시행한 결과 피열근의 운동신경에 상후두신경이 괸여함을 알 수 있었다.

• Proceedings of the Korea Concrete Institute Conference
• /
• 1999.10a
• /
• pp.495-498
• /
• 1999

This paper examines a diagnostic model based on the concept of rule and fuzzy pattern recognition. One example is presented to demonstrate the feasibility of the model in diagnosing crack formations in reinforced concrete structures and the result by the expert system is generally satisfactory

• Proceedings of the Korea Concrete Institute Conference
• /
• 2000.10b
• /
• pp.1285-1290
• /
• 2000

The inspection of bridge condition is of extreme importance. Current inspection codes for bridge inspection are vague and uncertain. So, the results are highly subjective and different from person to person and even day to day for a given person. To circumvent possible inconsistencies in inspection and rating of bridge components, the revised inspection guidelines have been proposed.

• Annual Conference on Human and Language Technology
• /
• 2012.10a
• /
• pp.142-147
• /
• 2012

본 논문에서는 신경망을 재귀적으로 사용하여 문장에서 지시 표현을 추출하고 분석하는 방법에 대해서 제안한다. 임의의 문장이 들어올 때, 문장을 구성하는 각 단어들은 통사론적 자질 벡터와 의미론적 자질 벡터로 나눌 수 있다. 이들 벡터들의 쌍을 인자로써 입력받는 신경망 구조를 제시할 수 있으며, 신경망의 출력 결과는 다시 재귀적으로 쌍인자 신경망에 입력으로써 주입된다. 신경망을 재귀적으로 학습시킴으로써, 문장 내의 지시 표현을 추출할 수 있다. 쌍인자 신경망 파싱 모델의 성능을 측정했고, 제안한 모델의 문제점과 가능성에 대해서 관찰하였다.

• Korean Journal of Cognitive Science
• /
• v.10 no.1
• /
• pp.13-24
• /
• 1999

In this paper, we propose a classifier based on modular networks using an unsupervised learning method. The structure of each module is designed through stochastic analysis of input data and each module classifier data independently. The result of independent classification of each module and a measure of the nearest distance are integrated during the final data classification phase to allow more precise c classification. Computation time is decreased by deleting modules that have been classified to be incorrect during the final classification phase. Using this method. a neural network sharing the best performance was implemented without considering. lots of of variables which can affect the performance of the neural network.