• The Magazine of the IEIE
• /
• v.12 no.5
• /
• pp.23-35
• /
• 1985

본 논문은 디지털 음성통신에서 사용되는 예측부호화(predictive coding) 방식에 관하여 기술하고 있다. 특히 전송속도가 16∼48kbit/s 대역에서 많이 사용하고 있는 adaptive differential pulse code modulation(ADPCM)과 adaptive delta modulation(ADM)에 관하여 중점적으로 토의한다. 또한 variable-rate ADPCM과 ADM에 관해서 기술하고, 이들 시스템의 noisy channel에서의 효과 및 성능개선방법, 그리고 PCM과의 transcoding에서의 문제점 등을 통의한다. ADPCM은 최근 CCITT에서의 표준화 결과로 앞으로 PCM과 함께 많이 쓰여질 전망이며, ADM은 시스템이 간단하고 또한 channel error에 강한 이유로 특수통신에 많이 쓰여질 것이다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 2004.05a
• /
• pp.252-252
• /
• 2004

새로운 공작기계나 절삭공구의 설계 및 개선을 위하여 절삭 공정 중 발생되는 절삭력 성분을 정확히 예측하는 것이 필요하다. 절삭 과정에서 절삭력 정보의 중요성은 그동안 공작기계 분야에서 익히 강조되어 왔다. 특히 주 절삭력 정보는 공구 파손을 예측하고 마모를 감지하여 그 밖의 다른 오동작을 검출해 내는 것에 있어서 매우 중요한 것으로 잘 알려져 있다. 최근 공작기계 강성 및 성능의 향상, 고속절삭용 공구의 발전, 금형 산업의 생산성과 정밀도 향상의 요구로 머시닝센터를 중심으로 고속가공에 관한 연구가 활발히 진행되고 있다. (중략)

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.270-271
• /
• 2019

본 논문에서는 최신 비디오 압축 표준인 HEVC 를 기반으로, 영상의 부호화 과정에서 블록 사이에 형성되는 잡음을 감소시키기 위하여 합성곱 신경망을 학습시켜 영상의 품질과 예측 성능을 향상시키는 기법을 제안한다. 실험 결과 본 제안 기법은 기존의 HEVC 대비 평균 0.06dB 의 PSNR 개선을 보였고, 원본 값과 예측 값의 오차는 0.5%만큼 감소하였다.

• Korean Chemical Engineering Research
• /
• v.57 no.2
• /
• pp.274-282
• /
• 2019

In recent years, big data analysis has been expanded to include automatic control through reinforcement learning as well as prediction through modeling. Research on the utilization of image data is actively carried out in various industrial fields such as chemical, manufacturing, agriculture, and bio-industry. In this paper, we applied NASNet, which is an AutoML reinforced learning algorithm, to DeepU-Net neural network that modified U-Net to improve image semantic segmentation performance. We used BRATS2015 MRI data for performance verification. Simulation results show that DeepU-Net has more performance than the U-Net neural network. In order to improve the image segmentation performance, remove dropouts that are typically applied to neural networks, when the number of kernels and filters obtained through reinforcement learning in DeepU-Net was selected as a hyperparameter of neural network. The results show that the training accuracy is 0.5% and the verification accuracy is 0.3% better than DeepU-Net. The results of this study can be applied to various fields such as MRI brain imaging diagnosis, thermal imaging camera abnormality diagnosis, Nondestructive inspection diagnosis, chemical leakage monitoring, and monitoring forest fire through CCTV.

• Annual Conference of KIPS
• /
• 2010.04a
• /
• pp.413-416
• /
• 2010

최근 발생한 수많은 표절 논란으로 인해 많은 유사 문서 탐색 시스템이 개발되어 사용되고 있다. 많은 시스템 중 내용기반 유사문서 탐색 시스템인 DeVAC은 대용량 문서 1:1간의 비교에서 빠른 성능을 보여주지만 수천~수만 개의 문서 집합에 대해서는 적절한 성능을 보여주지 못한다. 이를 해결하기 위해 전역 사전(Global Dictionary)을 이용한 전처리 방법이 고안되어 적용되었다. 이 전처리 방법을 통해 비교해야 할 문서쌍이 줄어들고 전체 시스템의 성능을 향상시킬 수 있다는 것은 밝혀졌으나, 전처리를 위해 발생하는 추가 비용에 대한 계측이 이루어지지 않았을 뿐 아니라 문서 쌍이 얼마나 감소하는지 측정한 실험에서도 언어 처리용 실험적 데이터(말뭉치)에 대한 실험이 대부분을 차지하였기 때문에 실제 데이터에 대해 어떤 성능을 보일지 정확히 예측할 수 없었다. 본 논문에서는 전체 시스템에서 전처리를 위해 필요한 모든 추가 비용을 측정하고, 데이터를 1.5Gb, 6263개의 문서로 이루어진 실존하는 문서 집합으로 구성하여 성능 향상 정도를 측정함으로써 실제 데이터에 대한 전처리 신뢰도를 예측하였다. 실험 결과 전처리 후 찾아낸 유사한 문서 쌍을 전처리를 하지 않을 경우의 80~89.3% 정도로 유지하면서 검사 시간을 기존의 10.8%~15.4% 수준으로 대폭 감소시킬 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.246-249
• /
• 2016

본 논문에서는 화면 내 블록 카피 (IntraBC: Intra Block Copy) 예측 기술의 압축 성능 분석과 향상된 해쉬 기법을 통한 HEVC (High Efficiency Video Coding) 스크린 콘텐츠 코딩 성능 기법을 제안한다. 현재 SCM (Screen Content Coding Test Model) 에 채택 된 화면 내 블록 카피 기술에서는 $16{\times}16$ 블록에는 1차원 탐색을 수행하고 $8{\times}8$블록에서는 해쉬기반 전역 탐색을 수행하여 해쉬가 일치하는 블록들과 RD-Cost를 수행한다. 현재의 해쉬기반 전역탐색에는 기울기 (Gradient) 위주의 해쉬 구성으로 인해 해쉬가 고르게 분포하지 않아, RD-Cost 수행횟수가 과도하게 많아지는 문제가 있다. 제안하는 방법은 전역적 화면 내 블록 카피의 해쉬 구성 방법을 개선함으로써, 기존 SCM-6.1 대비 0.46%의 BDBR 향상을 확인하였다.

• Journal of the Institute of Electronics Engineers of Korea TC
• /
• v.49 no.8
• /
• pp.33-38
• /
• 2012

An equalization algorithm is proposed for digital video broadcasting - terrestrial version 2 (DVB-T2) systems to minimize the noise effect. It is done by averaging frequency-domain data and channel responses obtained with different signal intervals for the same orthogonal frequency division multiplexing (OFDM) symbol. Its performance is evaluated by computer simulations along with comparison of conventional algorithms.

• Journal of Intelligence and Information Systems
• /
• v.12 no.2
• /
• pp.167-183
• /
• 2006

Since data mining attempts to find unknown facts or rules by dealing with also vaguely-known data sets, it always suffers from high error rate. In order to reduce the error rate, many researchers have employed multiple models in solving a problem. In this research, we present a new type of multiple models, called DyMoS, whose unique feature is that it classifies the input data and applies the different model developed appropriately for each class of data. In order to evaluate the performance of DyMoS, we applied it to a real customer churn problem of an automobile insurance company, The result shows that the DyMoS outperformed any model which employed only one data mining technique such as artificial neural network, decision tree and case-based reasoning.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.2
• /
• pp.156-163
• /
• 2006

CF systems are widely used in recommendation due to the easy implementation and the outstanding performance. They have several problems such as the sparsity problem, the first-rater problem, and recommending explanation. Many studies are suggested to resolve these problems. While the influence of the sparsity problem lessens as the users' data are accumulated, but the first-rater problem is originated from the CF systems and there are a number of researches to overcome the disadvantages of CF systems based on the content-based methods. Also CF systems are black boxes, providing no explanation of working of the recommendation. In this paper we present a content-based prediction system based on the preference words, which exposes the reasoning behind a recommendation. Our system predicts user's rating of a new movie and we suggest a semiotic network-based method to solve the mismatching problem between the items. For experimental comparison, we used EachMovie and IMDb dataset.

• Journal of the Korean Geosynthetics Society
• /
• v.21 no.2
• /
• pp.11-19
• /
• 2022

In this paper, we propose a GoogleNet transfer learning and CNN-LSTM combination method to improve the time-series prediction performance for crack detection using crack data captured inside the sewer pipes. LSTM can solve the long-term dependency problem of CNN, so spatial and temporal characteristics can be considered at the same time. The predictive performance of the proposed method is excellent in all test variables as a result of comparing the RMSE(Root Mean Square Error) for time series sections using the crack data inside the sewer pipe. In addition, as a result of examining the prediction performance at the time of data generation, the proposed method was verified that it is effective in predicting crack detection by comparing with the existing CNN-only model. If the proposed method and experimental results obtained through this study are utilized, it can be applied in various fields such as the environment and humanities where time series data occurs frequently as well as crack data of concrete structures.