• 디지털융복합연구
• /
• 제11권12호
• /
• pp.319-326
• /
• 2013

소프트웨어의 디버깅 오류의 발생 시간에 의존하는 많은 소프트웨어 신뢰성 모델이 연구되었다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 본 연구에서는 학습효과 비동질적인 유한고장모형 분석을 위한 모수 추정은 우도함수를 이용하였다. 소프트웨어 시장에 인도하기 위한 결정에 대하여 조건부 고장률은 중요한 변수가 되고 이러한 고장 모델은 실제 상황에서 많이 사용되고 있다. 통계적 공정 관리 (SPC)는 소프트웨어 오류의 예측을 모니터링 함으로써 소프트웨어의 신뢰성 향상에 크게 기여할 수 있다. 이러한 컨트롤 차트는 널리 소프트웨어 산업의 소프트웨어 프로세스 제어를 위해 사용된다. 본 연구에서는 로그 위험 학습 효과 속성의 비동질적인 포아송 과정의 평균값 기능을 사용한 컨트롤 메커니즘을 제안하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권9호
• /
• pp.603-611
• /
• 2001

본 논문은 학습 속도가 계층별 학습처럼 빠르며, 일반화 성능이 우수한 학습 방법을 제안한다. 제안한 방법은 최소 제곡법을 통해 구한 은닉층의 목표값을 이용하여 은닉층의 가중치를 조정하는 방법으로, 은닉층 경사 벡터의 크기가 작아 학습이 지연되는 것을 막을 수 있다. 필기체 숫자인식 문제를 대상으로 실험한 결과, 제안한 방법의 학습 속도는 오류역전파 학습과 수정된 오차 함수의 학습보다 빠르고, Ooyen의 방법과 계층별 학습과는 비슷했다. 또한, 일반화 성능은 은닉노드의 수에 관련없이 가장 좋은 결과를 얻었다. 결국, 제안한 방법은 계층별 학습의 학습 속도와 오류역전파 학습과 수정된 오차 함수의 일반화 성능을 장점으로 가지고 있음을 확인하였다.

• 한국음향학회지
• /
• 제18권7호
• /
• pp.112-117
• /
• 1999

잡음에 강한 음성인식시스템을 위하여 주파수 차감법을 사용할 경우 음성 신호마저 차감하여 신호를 더욱 부식시키는 경우가 존재한다. 본 연구에서는 이러한 경우를 위해서 프레임 마다 추정 잡음과 차감 신호의 SNR(Signal to Noise Ratio) 함수로부터 반연속 HMM(Hidden Markov Model)의 가우시안 함수를 변형 및 결정하는 방법을 제안한다. 이 방법의 타당성을 위해 프레임마다 추정 잡음의 오류 정도가 추정 잡음의 크기와 관계함을 신호 파형 형태로써 보였으며, 이러한 이유에서 SNR을 기준으로 가우시안 함수를 변형 및 결정하게 된다. 실험에서 80㎞/h 이상의 속도로 달리는 차량 내에서 배경 잡음과 음성이 혼합되었을 때의 음성 인식율을 평가하였다. 그 결과 주파수 차감한 경우와 차감하지 않은 경우에 비해 본 논문에서 제안한 SNR에 의한 가우시안 결정 방법이 더욱 향상된 인식율을 보였다.

• 한국통신학회논문지
• /
• 제22권9호
• /
• pp.2035-2042
• /
• 1997

비동기 부호 분할 다중 접속(Code Division Multiple Access: CDMA) 시스템을 위한 다단(mutistage) 간섭 제거 검출기의 매 단에서 기존에 사용되어 온 경판정(hard decision)을 대신할 수 있는 연판정(soft decision) 함수의 설계를 고려한다. 특히, 평균 제곱 오류(mean square error: MSE)의 관점에서 최적인 시그모이드(sigmoid) 함수와 구현시 복잡도를 줄이면서 시그모이드 함수를 가장 잘 근사화하는 다단계 양자화기(multu-level quantizer)들을 유도한다. 다단 검출기의 매 단에서 이들 판정 함수들의 변수는 산출된 입력 특성에 의해 조정된다. 컴퓨터 모의 실험을 통하여 이들 연판정 함수를 갖는 다단 검출기가 경판정을 사용하는 경우보다 현저하게 성능을 향상시킴을 보인다.

• 한국음향학회지
• /
• 제38권1호
• /
• pp.47-50
• /
• 2019

본 논문에서는 잡음 환경에서 효과적인 음성 인식을 위하여 DNN(Deep Neural Network) 기반의 잡음 오염 함수 예측을 이용한 음향 모델 적응 기법을 제안한다. 깨끗한 음성과 잡음 정보를 입력으로 하고 오염된 음성에 대한 특징 벡터를 출력으로 하는 DNN을 학습하여 비선형 관계를 갖는 잡음 오염 함수를 예측한다. 예측된 잡음 오염 함수를 음향모델의 평균 벡터에 적용하여 잡음 환경에 적응된 음향 모델을 생성한다. Aurora 2.0 데이터를 이용한 음성 인식 성능 평가에서 본 논문에서 제안한 모델 적응 기법이 기존의 전처리, 모델 적응 기법에 비해 일치, 불일치 잡음 환경에서 모두 평균적으로 우수한 성능을 나타낸다. 특히 불일치 잡음 환경에서 평균 오류율이 15.87 %의 상대 향상률을 나타낸다.

• 한국정보통신학회논문지
• /
• 제13권11호
• /
• pp.2295-2303
• /
• 2009

수중에서의 통신은 해수면과 해저면 등에 의한 신호의 반사에 의해 발생한 다중경로 현상으로 신호가 왜곡되어 원활한 통신이 어렵다. 이에 본 논문에서는 다중경로에 의해 발생한 오류를 정정하고자 수중채널 전달함수를 이용한 정정기법을 제안하였으며, 본 논문에서 제안하는 기법에 의해 정정하지 못한 오류를 정정하고자 LDPC 부호와 연접부호를 적용하여 그 성능을 확인하고 수중통신에 적용하고자 하였다. 또한 추정된 수중 채널 전달함수의 시간 지연 오차와 진폭 오차에 대한 성능 분석을 하였다. 시뮬레이션 결과 제안한 기법을 적용하였을 경우 적용하지 않았을 때 보다 더욱 우수한 성능을 보이는 것을 확인 할 수 있으며, 채널 부호로 LDPC 부호를 사용한 경우에는 정정기법을 사용하였을 때 12 dB의 성능이 개선됨을 알 수 있다. 또한 추정된 수중 채널 전달함수의 시간 지연 오차는 성능에 큰 영향을 미치며, 진폭 오차에 대해서는 1 dB의 성능 열화가 나타남을 확인하였다.

• 한국정보통신학회논문지
• /
• 제7권5호
• /
• pp.1044-1051
• /
• 2003

본 논문은 MLP의 학습 방법으로 사용되는 EBP학습, Cross Entropy함수, 계층별 학습을 소개하고, 필기체 숫자인식 문제를 대상으로 각 학습 방법의 장단점을 비교한다. 실험 결과, EBP학습은 학습 초기에 학습 속도가 다른 학습 방법에 비해 느리지만, 일반화 성능이 좋다. 또한, EBP학습의 단점을 보안한 Cross Entropy 함수는 학습 속도가 EBP학습보다 빠르다. 그러나, 출력층의 오차 신호가 목표 벡터에 대해 선형적으로 학습하기 때문에, 일반화 성능이 EBP학습보다 낮다. 그리고, 계층별 학습은 학습 초기에, 학습 속도가 가장 빠르다. 그러나, 일정한 시간 후, 더 이상 학습이 진행되지 않기 때문에, 일반화 성능이 가장 낮은 결과를 얻었다. 따라서, 본 논문은 MLP를 응용하고자 할 때, 학습 방법의 선택 기준을 제시한다.

• 한국통신학회논문지
• /
• 제34권4C호
• /
• pp.476-483
• /
• 2009

마이크로파 탐색기를 이용하여 표적을 탐지, 추적하는 경우 하방 표적에 대해서는 지표면에서 반사되는 클러터 신호의 영향을 받는다. HPRF (high pulse repetition frequency) 모드를 사용하는 마이크로파 탐색기에서 부엽클러터 영역에 나타나는 퇴각표적을 탐지하기 위해서는 여러 지형과 상황에 따른 지표면 부엽클러터 전력의 통계적인 특징을 파악하여야 한다. HPRF 모드를 사용하는 탐색기의 항공기 탑재시험에서 지상 클러터의 전력을 측정한 자료를 기반으로, 각 지형과 안테나 시선각 등의 상황에 따라 부엽클러터의 확률분포 특성을 가장 근접하게 표현하는 확률밀도함수를 구하고 그 확률밀도함수의 매개변수를 추정하였다. 확률밀도함수 및 매개변수를 추정한 자료를 이용하여, 퇴각표적을 탐지할 때에 원하는 수준의 표적탐지 오류 확률을 가지는 표적탐지 임계값 설정에 관하여 분석하였다. 본 논문의 지표면 부엽클러터 전력의 확률분포 특성 분석과 표적탐지 임계값 설정에 관한 분석 자료는 표적탐지 방법 개발 및 일정 오경보 처리 등의 다양한 분야에 이용될 수 있다.

• 기술혁신학회지
• /
• 제13권2호
• /
• pp.231-251
• /
• 2010

과학기술 R&D 활동의 대표적 성과인 SCI 논문과 특허의 생산에 영향을 미치는 요인은 연구비, 연구원수, 지식스톡(R&D스톡, 논문스톡, 특허스톡 등), 연구환경, 개방화 정도, 인적자본, GDP 등 다양하다. 일반적인 회귀모형을 이용하여 논문 또는 특허의 생산에 영향을 미치는 요인을 추정하면 생산요인들 간에 다중공선성 문제가 발생하여 추정의 오류가 발생한다. 본 논문에서는 과학기술 지식생산에 영향을 미치는 요인들 간의 다중공선성 문제를 해결하기 위해 주성분 회귀모형을 이용하였다. SCI 논문을 산출로 가정한 과학생산성과와 특허를 산출로 가정한 기술생산성과에 영향을 미치는 요인을 회귀모형과 주성분 회귀모형을 이용하여 3가지 사례를 대상으로 비교 분석하였다. 일반 회귀모형을 이용하여 SCI 논문과 특허의 생산에 영향을 미치는 요인들을 분석한 결과, 요인들간에 다중공선성이 매우 높게 나타났고, 그 결과 회귀계수와 추정과 검정에 오류가 발생되었다. 반면 주성분 회귀모형을 이용하여 분석한 결과 다중공선성문제가 해결되어, 개별 생산요인에 대한 효과를 적절하게 추정할 수 있었다. 본 논문에서 제안한 주성분 회귀모형을 이용한 과학기술 지식생산함수 추정방법은 다중공선성이 강한 소수의 생산요소를 포함한 회귀분석에서 유용하게 적용될 수 있을 것이다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권7호
• /
• pp.590-606
• /
• 2009

C프로그램에서 발생할 수 있는 메모리 누수(memory leaks)를 실행 전에 찾아 주는 분석기를 제안한다. 이 분석기는 SPEC2000 벤치마크 프로그램과 여러 오픈 소스 프로그램들에 적용시킨 결과 다른 분석기에 비해 상대적으로 뛰어난 성능을 보여준다. 총 1,777 KLOC의 프로그램에서 332개의 메모리 누수 오류를 찾아냈으며 이 때 발생한 허위 경보(false positive)는 47개에 불과하다(12.4%의 허위 경보율). 이분석기는 초당720 LOC를 분석한다. 각각의 함수들이 하는 일을 요약하여 그 함수들이 불려지는 곳에서 사용함으로써 모든 함수에 대해 단 한번의 분석만을 실행한다. 각각의 함수 요약(procedural summary)은 잘 매개화 되어 함수가 불려질 때의 상황에 맞게 적용할 수 있다. 실제 프로그램들에 적용하고 피드백 받는 방법을 통해 함수가 하는 일중에 메모리 누수를 찾는데 효과적인 정보들만으로 추리는 과정을 거쳤다. 분석은 요약 해석(abstract interpretation)에 기반하였기 때문에 C의 여러 문법 구조와 순환 호출 (recursive call), 루프(loop)등은 고정점 연산(fixpoint iteration)을 통해 자연스럽게 해결한다.