• 전자공학회지
• /
• 제38권8호
• /
• pp.33-39
• /
• 2011

HEVC(High Efficiency Video Coding)는 현재 국제 비디오 부호화 표준화 단체인 JCT-VC에서 표준화가 진행되고 있는 새로운 국제비디오 부호화 표준이다. 이 표준화에서는 H.264/AVC를 넘어선 높은 부호화 성능을 갖기 위해서 다양한 부호화 방법들이 논의되고 있다. 본고에서는 HEVC의 새로운 부호화 모드 중 화면 내 예측(intra prediction) 부호화 방법에 대해 소개한다. 화면 내 예측 부호화는 시간적으로 다른 영상을 참조하지 않고 오직 현재 부호화하려는 영상에서 공간적 주변 정보를 이용하여 현재 블록을 예측하는 방법이다. 이 화면 내 부호화 방법은 화면 간 예측(inter prediction) 부호화 방법과 함께 부호화 효율 향상에 기여할 뿐만 아니라, 임의 접근(random access)을 가능하게 하고 부호화 된 비트스트림의 에러 내성을 높인다. HEVC 화면 내 부호화 방법은 예측 모드의 종류를 최대 35개까지 확장함으로써 기존 비디오 부호화 표준에 비해 높은 부호화 효율을 갖는다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 춘계 학술발표회 논문집
• /
• pp.255-260
• /
• 2003

공간자료에 대한 통계적 모형과 상관관계, 거리모형 등을 고려하여 크리깅방법에 의한 미 측정지역의 오존도를 예측한다. 서울시의 오존자료를 이용하여 예측한 결과 보통 크리깅방법이 효율적이다.

• 한국전산구조공학회논문집
• /
• 제25권4호
• /
• pp.355-362
• /
• 2012

건전성 예측은 구조물의 고장이 발생될 때까지 남은 시간인 잔존유효수명을 예측하는 것으로, 이는 안전 및 정비 계획과 직접적으로 연관되기 때문에 매우 중요하다. 건전성 예측방법에는 물리모델 기반방법, 데이터 기반방법과 두 방법의 장점을 통합하는 방법이 있으며, 본 연구에서는 잔존수명 예측의 정확도가 모델변수 추정과 직접적으로 관련되는 물리모델 기반 건전성 예측에 초점을 맞춘다. 물리모델기반 건전성 예측에서는 모델변수 추정을 통해 시스템 상태의 장기 예측이 가능하지만, 대부분의 실제 구조물들의 상태모델은 여러 개의 모델변수를 포함함은 물론이고, 그 변수들이 서로 상관되어 있기 때문에 모델변수를 추정하는 일은 간단한 문제가 아니다. 본 연구에서는 물리모델 기반 건전성 예측을 위한 세 가지 변수 추정방법들의 차이를 논한다. 이 세 가지 방법들은 파티클 필터, 전반적인 베이지안 접근법, 그리고 순차적인 베이지안 접근법으로 모두 베이지안 추론이라는 하나의 이론적 바탕에 기반하지만, 샘플링 방법이나 갱신 절차 등에서 차이가 있다. 균열성장을 표현하는 Paris 모델의 변수 추정을 통해 세 가지 방법의 차이점이 논해지고, 건전성 예측 메트릭을 이용하여 정량적 차이를 표현한다. 파티클 필터방법이 건전성 예측 메트릭 측면에서 가장 높은 성능을 나타내었지만, 전반적인 베이지안 방법은 파티클 필터방법과 근소한 차이를 보이면서도 데이터가 집단으로 존재할 때에는 가장 효율적인 방법으로 나타났다.

• 정보처리학회논문지D
• /
• 제9D권6호
• /
• pp.1119-1126
• /
• 2002

이 논문에서는 공간적 통계기법에 근거한 예측적 공간 데이터 마이닝 방법을 제안하고, 산불위험지역을 예측하는데 적용하였다. 제안된 방법은 조건부 확률과 우도비를 이용한 방법으로 과거 산불발생지역에 대해 산불과 관련된 공간데이터 집합들 사이의 정량적 관계에 의존적인 예측 모델이다. 두 가지 방법을 이용하여 산불위험지역 예측도를 만들고, 각 모델의 예측력을 평가하기 위해 산불위험율(FHR : Forest Fire Hazard Rate)과 예측률곡선(PRC : Prediction Rate Curve)을 이용하였다. 제안된 두 가지 예측모델의 예측력 비교분석 결과, 우도비 방법이 조건부 확률 방법보다 더 우수한 것으로 나타났다. 이 논문에서 제안된 산불위험지역 예측모델을 이용하여 작성된 산불위험지역 예측도는 산불예방과 산불감시장비 및 인력의 효율적인, 배치 등 산불관리의 효율성을 높이는데 많은 도움을 줄 것으로 기대된다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.291-300
• /
• 1999

본 논문은 인공신경망과 귀납적 학습방법 등의 인공지능 방법과 선물가격결정에 대한 기존 재무이론을 사용하여 일상어휘로 표현되는 파생상품 가격예측 모형을 개발하는데 있다. 모형의 개발은 1단계로 인공신경망이나 기존의 선물가격결정이론(평균보유비용모형이나 일반균형모형)을 이용하여 선물 가격을 예측한 후, 서로 비교분석하여 인공신경망 모형의 우수성을 확인하였다. 귀납적 학습방법중 CART 알고리듬을 사용하여 If-Then 규칙을 생성하였다. 특히 실용적 측면에서 선물가격의 일상어휘화를 통한 모형개발을 여러 가지 방법으로 시도하였다. 이러한 선물가격 예측모형의 유용성은 일단 If-Then 규칙으로 표현되어 전문가의 판단에 확실한 이론적인 근거를 제시할 수 있는 장점이 있으며, 특히 의사결정지원시스템으로 활용화 될 경우 매우 유용한 근거자료로 활용될 수 있다. 이러한 선물가격 예측모형은 정확성은 분석표본과 검증표본으로 나누어 검증표본에서 세가지 기본모형(평균보유비용모형, 일반균형모형, 인공신경망 모형)과 각 모형의 귀납적 학습방법 모형의 다른 3가지 어휘표현방법 3가지를 모형별로 비교 분석하였다. 분석결과 인공신경망모형은 상당한 예측력을 갖고 있는 것으로 판명되었으며, 특히 CART를 기반으로 한 일상어휘 기반의 선물가격예측 모형은 예측력이 높은 것으로 나타났다.

• 한국콘텐츠학회논문지
• /
• 제9권4호
• /
• pp.12-18
• /
• 2009

본 논문은 동영상 압축 표준인 H.264/AVC의 인트라 예측 방법에서 $4{\times}4$ 인트라 예측 모드 정보를 효율적으로 부호화할 수 있는 방법을 제안한다. 인트라 예측 모드에는 $4{\times}4$휘도 블록에 대한 9가지 예측 모드와, $16{\times}16$휘도 블록에 대한 4가지 예측 모드가 존재한다. 각 $4{\times}4$블록에 대한 인트라 모드를 부호화하기 위해서는 많은 비트가 필요하다. H.264/AVC에서는 이웃한 블록의 예측 모드를 이용해서 MPM(Most Probable Mode)을 결정하고 이를 이용해 부호화 효율을 높이는 방법을 사용하고 있다. 본 논문에서는 $4{\times}4$ 인트라 예측 모드 정보를 효율적으로 부호화하기 위해 인접한 블록들에 분포한 예측 모드들의 분포를 이용해 새로운 MPM을 결정하는 방법을 제안한다. 실험 결과 제안된 방법이 기존 방법보다 0.1dB 정도 더 좋은 성능을 보였다.

• 한국전산응용수학회:학술대회논문집
• /
• 한국전산응용수학회 2003년도 KSCAM 학술발표회 프로그램 및 초록집
• /
• pp.16.2-16
• /
• 2003

미분 방정식의 수치적 해를 나타내는 방법 중 예측자-수정자 방법(predictor-corrector method)으로 알려진 Adams-Bashford-Moulton 방법은 다단계 방법을 이용하기 때문에 일단계 방법에 비하여 훨씬 좋은 수치적인 결과를 보여주고 있다. 이제, 이 다단계 방법에 오차제어 변수를 첨가한 새로운 형태의 예측자-수정자 방법을 제시하고 안정적인 해를 구할 수 있는 오차 제어 변수의 범위를 확인한다. 또한, 새로운 형태의 예측자-수정자 방법이 기존의 방법에 비하여 미분 방정식의 해에 대한 오차를 줄일 수 있는 방법임을 수치적인 결과를 통하여 검증한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.67-70
• /
• 2022

최근 딥러닝 방법의 발전하면서 영상처리 및 컴퓨터 비전의 다양한 분야에서 딥러닝 기반의 알고리즘들이 그 이전의 방법들에 비하여 큰 성능 향상을 보이고 있다. 손실 영상 압축의 경우 최근 encoder-decoder 형태의 네트웍이 영상 압축에서 사용되는 transform을 대체하고 있고, transform 결과들의 엔트로피 코딩을 위한 추가적인 encoder-decoder 네트웍을 사용하여 HEVC 수준에 버금가는 성능을 내고 있다. 무손실 압축의 경우에도 매 픽셀 예측을 CNN으로 수행하는 경우, 기존의 예측방법들에 비하여 예측성능이 크게 향상되어 JPEG-2000 Lossless, FLIF, JEPG-XL 등의 딥러닝을 사용하지 않는 방법들에 비하여 우수한 성능을 내는 것으로 보고되고 있다. 그러나 모든 픽셀에 대하여 예측값을 CNN을 통하여 계산하는 방법은, 영상의 픽셀 수 만큼 CNN을 수행해야 하므로 HD 크기 영상에 대하여 지금까지 알려진 가장 빠른 방법이 한 시간 이상 소요되는 등 비현실적인 것으로 알려져 있다. 따라서 최근에는 성능은 이보다 떨어지지만 속도를 현실적으로 줄인 방법들이 제안되고 있다. 이러한 방법들은 초기에는 FLIF나 JPEG-XL에 비하여 성능이 떨어져서, GPU를 사용하면서도 기존의 방법보다 좋지 않은 성능을 보인다는 면에서 여전히 비현실적이었다. 최근에는 신호의 특성을 더 잘 활용하는 방법들이 제안되면서 매 픽셀마다 CNN을 수행하는 방법보다는 성능이 떨어지지만, 짧은 시간 내에 FLIF나 JPEG-XL보다는 좋은 성능을 내는 현실적인 방법들이 제안되었다. 본 연구에서는 이러한 최근의 몇 가지 방법들을 살펴보고 이들보다 성능을 더 좋게 할 수 있는 보조적인 방법들과 raw image에 대한 성능을 평가한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2013년도 하계학술대회
• /
• pp.407-408
• /
• 2013

동영상 압축 표준인 HEVC(High Efficiency Video Coding)는 ITU-T(VCEG)와 ISO-IEC(MPEG)에서 JCT-VC라는 팀을 이루어 공동으로 표준화를 완성단계에 이르고 있다. 이 표준에서는 동영상 압축의 대표적 기술인 인트라 예측 방법을 사용하며, 기존 H.264/AVC 보다 더욱 다양한 방향의 예측을 통한 부호화 및 복호화의 효율을 가져온다. 제안하는 방법은 다양한 방향의 화소 예측에 사용되는 필터링 방법을 개선하여, 영상에 특성에 맞추어 DCT-IF 필터와 선형 필터를 적응적으로 영상의 특징에 맞추는 화소 예측 방법을 통해 기존 방법보다 약 2% 이상의 성능 향상을 가져오는 방법이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.848-851
• /
• 2010

IEEE 802.11 DCF(Distributed Coordination Function)의 성능은 채널에 접근하기 위하여 경쟁하는 단말수에 큰 영향을 받는다. 이에 경쟁하는 단말 수를 예측하기 위하여 많은 방법들이 제안되고 있지만 기존의 방법들은 채널 오류를 고려하지 않고 있다. 따라서 본 논문에서는 기존의 제안된 방법들 중 ARMA(Auto Regressive Moving Average) 필터(Filter)가 적용된 경쟁 단말 수 예측 방법을 수정 및 개선하여 채널 오류를 반영한 단말 수 예측 방법을 제시하였다. 시뮬레이션 결과 제안된 방법은 채널 오류가 존재하는 환경에서 효과적으로 경쟁하는 단말 수를 예측할 수 있음을 확인하였다.