• 한국정보전자통신기술학회논문지
• /
• 제10권1호
• /
• pp.85-94
• /
• 2017

본 논문에서는 동물소리 인식시스템을 위하여 최대 빈도모델 탐색 알고리즘을 고안하고 이를 이용한 소리모델을 생성하는 방법을 제안하였다. 소리모델 생성 방법은 동물종의 소리 데이터로부터 학습과정, 비터비 탐색과정 및 최대 빈도모델 탐색과정을 반복하면서 HMM(Hidden Makcov Model)모델의 구조(상태의 수와 GMM의 수)를 탐색하여 최적의 인식률을 갖는 모델집합이 생성하는 방법이다. 최대 빈도모델 탐색 알고리즘은 입력 소리 데이터를 비터비(Viterbi) 알고리즘으로 탐색하여 모델리스트를 생성하고 이 리스트 중에서 최대 빈도수의 모델을 탐색하여 최종 인식결과로 결정하는 방법이다. 알고리즘에서 소리특징으로 MFCC(Mel Frequency Cepstral Coefficient), 모델형식으로 HMM을 이용하고 C# 프로그래밍언어로 구현 하였다. 알고리즘의 성능을 평가하기 위하여 27종의 동물소리를 선정하고 실험을 하였으며 27개의 HMM 모델집합이 97.29 퍼센트의 인식률로 생성됨을 확인하였다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2000년도 추계학술대회 및 정기총회
• /
• pp.33-36
• /
• 2000

관찰학습(OLA: Observational Learning Algorithm)은 앙상블 네트워크의 각 구성 모델들이 다른 모델들을 관찰함으로써 얻어진 가상 데이터와 초기에 bo otstrap된 실제 데이터를 학습에 함께 이용하는 방법이다. 본 논문에서는, 초기 학습 데이터 셋을 분할하고 분할된 각 데이터 셋에 대하여 앙상블의 구성 모델들을 전문화(specialize)시키는 방법을 적용하여 기존의 관찰학습 알고리즘을 개선시켰다. 제안된 알고리즘은 bagging 및 boosting과의 비교실험에 의하여, 보다 적은 수의 구성 모델로 동일 내지 보다 나은 성능을 나타냄이 실험적으로 검증되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.308-310
• /
• 2000

관찰학습(OLA: Observational Learning Algorithm)은 앙상블 네트워크의 각 구성 모델들이 아른 모델들을 관찰함으로써 얻어진 가상 데이터와 초기에 bootstrap된 실제 데이터를 학습에 함께 이용하는 방법이다. 본 논문에서는, 초기 학습 데이터 셋을 분할하고 분할된 각 데이터 셋에 대하여 앙상블의 구성 모델들을 전문화(specialize)시키는 방법을 적용하여 기존의 관찰학습 알고리즘을 개선시켰다. 제안된 알고리즘은 bagging 및 boosting과의 비교 실험에 의하여, 보다 적은 수의 구성 모델로 동일 내지 보다 나은 성능을 나타냄이 실험적으로 검증되었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.467-470
• /
• 2005

퍼지모델은 주로 경험적 방법에 의해 추출되기 때문에 보다 구체적이고 체계적인 방법에 의한 동정 및 최적화 될 필요성이 요구된다. 따라서 본 논문에서는 퍼지 모델의 전반부 및 후반부의 구조 동정과 파라미터 동정에 있어서 최적의 구조 및 파라미터를 찾기 위해 유전자 알고리즘을 이용한다. 초기 퍼지 모델을 설계하기 위해 유전자 알고리즘을 이용하여 입력 변수의 수, 선택될 입력 변수, 멤버쉽함수의 수, 그리고 후반부 형태를 결정한다. 구축된 퍼지 모델은 유전자 알고리즘에 의해 세대를 거듭하면서 전반부 파라미터를 자동 동조함으로써 최적의 퍼지 모델을 설계한다. 또한 구조 동정 및 파라미터 동정을 동시에 시행함으로서 정보 입자 기반 퍼지 모델의 유전자적 최적화를 도모한다. 마지막으로 제안된 퍼지 모델은 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.57-58
• /
• 2021

우리는 한정된 공간에 분산하여 위치한 다수 개의 카메라들을 이용하여 생성된 실사 그래픽스 체적 모델 시퀀스 기반 동적 복원 알고리즘을 제안한다. 각 프레임 단위로 생성된 정적 모델의 시퀀스로부터 일정 시간 단위로 키 프레임을 생성한다. 키 프레임과 키 프레임 사이의 모델에 대한 리메싱(Remeshing) 처리를 수행하고 이를 통해 생성된 3D 모델과 키 프레임 사이 특징 점을 획득한다. 획득된 특징 점의 3차원 좌표들 사이의 오차를 최소화 하는 최적화 알고리즘(Solver)을 이용하여 키 프레임 모델과 리 매싱된 모델의 비 강체 정합을 모든 키 프레임 단위로 반복적으로 수행한다. 제안한 정합 방법을 이용하여 생성된 모델과 키 프레임 모델 사이 에러를 비교함으로써 결과를 검증한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.443-446
• /
• 2019

빅데이터 분석을 위해 많이 사용하고 있는 기계학습 알고리즘들 중 딥러닝 알고리즘이 많이 활용되고 있으며 분류와 예측에 높은 정확도를 나타내고 있다. 딥러닝 알고리즘의 적용에 따른 많은 장단점들이 있지만, 단점은 분석에 사용되는 특징들이 너무 많다는 것과 분석 모델을 만드는데 사용되는 알고리즘도 여러 가지를 적용하다 보니 분석 시간이 오래 걸린다는 것이다. 이런 단점들은 업무를 파악하면 특징을 최소화할 수 있고 필요로 하는 정보만 선별해서 대표적인 딥러닝 알고리즘 하나에 분석을 하게 되면 분석 시간을 단축시킬 수 있다. 이 실험은 [1], [2]에서 연구한 영화 관객수 예측 모델을 4개의 특징으로 최소화하고 선별된 데이터를 인공신경망 알고리즘 하나로 예측 모델을 생성하였을 때 유의미한 정보를 도출해 낼 수 있는지를 알아보기 위한 것이다. 실험결과는 최종 관객수를 1명 단위까지 정확하게 예측하지는 못했지만 비슷한 수준의 관객수 정보를 예측하였다. 학문적인 접근으로 보았을 때 예측 정확도가 높지 않으면 사용이 불가능한 모델이라고 판단할 수 있지만, 기업 입장으로 접근해 보았을 때 예측 정보가 [1]. [2] 연구 결과에 비해 부족한 수준은 아니다. 총 소요된 시간은 기획 3일, 데이터 수집 및 모델 개발 5일, 분석 시간 10분으로 개발 시간 단축, 업무 효율성 향상, 비용 절감을 기대할 수 있다.

• 정보처리학회논문지A
• /
• 제10A권2호
• /
• pp.131-136
• /
• 2003

본 논문에서는 여러 가지 동시성제어 알고리즘들의 비교기준을 설정하는데 어떠한 항목들이 필요한지 알아보고 선택모델을 작성한다. 또한 작성된 선택모델을 이용하여 동시성제어 알고리즘들을 비교 분석한다. 분석 결과는 동시성제어 알고리즘이 필요한 시스템 개발시 사용자 환경에 맞는 최선의 알고리즘을 선택 할 수 있도록 하는데 크게 기여할 것이다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2014년도 추계학술대회
• /
• pp.160-163
• /
• 2014

본 논문에서는 프레임 내 전체 배경 모델을 도입하여 기존 배경 분리 알고리즘에서의 오검출을 줄여 정확도를 개선하고자 한다. 기존의 알고리즘은 프레임 간의 정보만을 이용하여 배경 확률 모델을 만들고 배경을 제외한 전경만을 검출한다. 제안하는 알고리즘에서는 먼저 기존의 알고리즘을 통해 프레임 간의 정보를 이용하여 간단하게 배경과 전경을 분리한다. 그 후 프레임 내 정보를 통해 전체 배경 모델을 만들고, 앞의 결과에서 한번 더 배경을 제외함으로써 검출 정확도를 개선하고자 한다. 실험결과에서 Change Detection Workshop dataset에 대해 실험을 한 후 결과 영상 비교 및 F-measure 를 통해 개선된 결과를 확인할 수 있다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 춘계학술대회 학술발표 논문집 제15권 제1호
• /
• pp.305-308
• /
• 2005

본 논문은 유전자 알고리즘 기반 퍼지 다항식 뉴럴네트워크(Genetic Algorithm-based Fuzzy Polynomial Neural Networks ; GAs-based FPNN)를 이용하여 비선형 데이터의 최적화 추론 알고리즘을 제안한다. FPNN의 각 노드는 GMDH와 퍼지규칙을 기초로 만들었다. FPNN의 각 노드는 퍼지 다항식 뉴론(Fuzzy Polynomial Neuron : FPN)이라고 표현하다. 제안된 모델은 구조 선택에 있어서 유전자 알고리즘(Genetic Algorithms : GAs)을 이용하였다. 유전자 알고리즘을 사용하여 입력의 차수와 입력의 개수 그리고 후반부 추론의 형태를 최적 선택하였다. 비선형 데이터에 대한 모델 설계를 위해 최적화 알고리즘인 유전자 알고리즘 기반 FPNN 모델 설계가 유용하고 효과적임을 보인다.

• Spatial Information Research
• /
• 제20권2호
• /
• pp.117-127
• /
• 2012

본 연구는 실내 GIS 모델을 구축하기 위한 위상학적 모델이 객체의 기하학적 특징을 반영할 필요성에 의해, 기하적 정보를 갖는 위상학적 모델인 기하 네트워크 모델을 자동 구축하는 알고리즘을 개발하는 것을 목적으로 한다. GNM의 요소 중 기하 정보를 갖는 요소를 자동 추출하기 위한 중심 알고리즘으로서 직선 중심축 추출 알고리즘을 개발하였다. 개발된 SMAT 알고리즘은 기존의 S-MAT 알고리즘을 활용하여 일반화되었고, 해당되는 객체의 범위를 단순 폴리곤에서 내부 폐색 구역을 갖는 폴리곤으로 확장하였다. 자동 구축된 GNM은 타 시스템에서의 활용 및 용이한 접근을 위해 최종적으로 .csv 파일로 출력된다. GNM 자동 추출 알고리즘은 최단 경로 탐색, 위급 상황 발생 시 대피로 안내, 상황에 따른 차별적 분석 등 다양한 경우에 효율적으로 활용될 수 있다.