• 전자공학회논문지SC
• /
• 제37권4호
• /
• pp.22-27
• /
• 2000

본 논문에서는 동적 다차원 웨이블릿 신경망을 제안한다. 웨이블릿 이론을 이용한 DMWNN은 근사화 대상함수를 유일하고 효과적으로 표현할 수 있으며, 추후에 사용할 수 있는 정보를 저장하는 능력을 가지고 있다. 따라서 DMWNN은 동적 매핑이 가능하고, 필요한 입력의 차원을 줄일 수 있는 장점이 있다. DMWNN은 대각 귀환신경망과 전방향 웨이블릿 신경망의 단점을 보완하여 설계하였다. 제안한 DMWNN의 우수성을 실험을 통해 검증하였다.

• 한국방사선학회논문지
• /
• 제2권2호
• /
• pp.11-16
• /
• 2008

PACS를 구현할 때 가장 어려운 점은 데이터 총량이 방대하다는 것이다. 이러한 이유로 PACS에서는 대용량의 기억장치를 필요로 하고, 동시에 빠른 전송시간이 요구된다. 따라서 PACS에 저장하는 의료영상은 압축이 필요하다. Ingrid Daubechies와 Stephane Mallat 등에 의해 발표된 웨이브릿 변환은 푸리어 변환과 같이 기저 함수들의 집합으로 신호를 분해하는 방법이다. 본 논문에서는 실험 의료영상을 DWT 방법으로 압축하여 효용성을 평가하였다. 실험 결과 $512{\times}512{\times}2^8$ 크기의 입력영상을 4 레벨 DWT 후 저주파영역에 남아 있는 신호를 디스플레이 하는 것이 효율적임을 알 수 있었다. 4 레벨 DWT에 의한 영상의 압축비는 1:16로서 높은 압축비를 가지고 있었으며, 압축결과 압축비는 좋았으나 블록화 현상에 의해 영상에 계단현상이 나타나는 문제점이 있었다.

• 한국멀티미디어학회논문지
• /
• 제3권5호
• /
• pp.542-549
• /
• 2000

본 논문에서는 곡선 그리드상의 2차원 플로우를 분석하고 시각화하기 위한 다해상도 모형을 제안한다. 다해상도 분석은 여러 상세 단계에서 윤곽을 나타내고 분석하는 매우 유용한 도구이다. 일반적으로 벡터 필드의 데이터는 매우 크고 복잡하기 때문에 벡터 필드 시각화에 다해상도 분석을 적용하는 것은 매우 유용하다. 낮은 해상도에서의 근사 값을 사용하면 벡터필드 위상의 전체적인 개요를 짧은 시간 안에 파악할 수 있다. 부분 합성은 사용자가 관심 있는 부분만 합성함으로써 효과적으로 화대 또는 축소할 수 있게 해준다. 이 새로운 모형은 네스트된 곡선 그리드 영역 상에 구분 적으로 정의된 함수의 네스트된 공간에 기초를 두고 있다. 네스트된 영역은 안쪽 경계선의 원래 기하학적 형상을 유지하기 위해 사용된다. 본 논문에서는 이러한 영역 위에서 Haar 웨이브릿에 대한 정제 방정식과 합성 방정식을 제안하고 예제들을 보여준다.

• 한국음향학회지
• /
• 제23권1호
• /
• pp.8-16
• /
• 2004

천해환경에서 저주파 광대역신호와 수직선배열을 이용하여, 퇴적층의 지음향인자(층두께, 종파속도, 종파감쇠계수, 밀도)를 역추정하였다. 역산방법은 모델 기반의 역산으로 유전알고리즘 (Genetic Algorithm)을 이용한 일관적 광대역 정합장처리(Coherent Broadband Matched Field Processing)기법을 사용하였다. 저주파 광대역음원으로 사용된 상업용 전구의 내폭신 호는 짧은 시간동안 많은 변화를 포함하는 천이신호이기 때문에, 분석시 시간과 주파수에 따른 창함수의 조절이 요구되는데, 주기신호분석에 주로 사용되는 퓨리에 기반의 분석방법은 이러한 점에서 많은 어려움이 있다. 본 논문에서는 해양도파관에서 근거리 음파전달 시 계측된 시계열신호로부터 다중경로성분을 구분하고 추출하기 위하여 시간-주파수영역에서 창함수의 크기조절이 가능한 웨이블릿 변환을 통한 신호 분석을 수행하였고, 분석된 실측음장과 계산된 복제음장의 연속웨이블릿 계수를 상호상관 시킴으로써 비용함수를 정의하였다. 비용함수의 전역최고점을 찾는 최적화 과정을 통하여 각 퇴적층의 지음향인자들을 역추정하였다. 특히 역산인자의 민감도에 따른 퇴적층별, 인자별, 분리연산을 수행함으로써 최적화과정에서 참값으로의 수렴효율을 높였다. 역산의 결과 실험해역 퇴적물 상층부에는 두께 44.43m, 음속 1549 m/s의 모래-실트-점토질(sand-silt-clay)층이 존재하고, 그 하부에는 12.28m 음속 1993 m/s의 거친모래질(Coarse sand)층의 존재를 추정해 내었다. 또한 역산 결과를 시추자료 및 탄성파 자료와 비교함으로써 본 논문에서 제안한 역산 방법의 유효성을 확인하였다.

• 한국방사선학회논문지
• /
• 제3권1호
• /
• pp.29-39
• /
• 2009

본 논문에서는 신경회로망을 이용한 의료영상의 질환부위 인식방법을 제안하였다. 질환부위 인식을 위한 신경회로망은 입력층, 은닉층, 출력층으로 구성하여 적응 오차 역전파 알고리즘으로 학습하였다. 신경회로망에 입력된 의료영상의 특징 파라미터는 웨이브릿 변환에 의하여 분해된 저주파 영역을 행렬식으로 표현하여 특성 다항식의 계수값(n+1)개로 하였다. 추출된 특징 파라미터는 탄젠트시그모이드 전달함수의 범위로 정규화하여 신경회로망의 입력 벡터로 이용하였다. 제안된 방법의 타당성을 입증하기 위해서 실험에 사용된 입력 의료영상을 가지고 모사실험을 통해 질환부위의 인식률을 평가하였다. 실험 결과 4레벨 DWT로 변환된 저주파영역 행렬의 특성 다항식 계수를 탄젠트시그모이드 전달함수의 범위로 정규화하여 신경회로망의 입력 벡터로 이용했을 때 최적의 학습 횟수를 보였다. 신경회로망의 학습은 적응 오차 역전파 알고리즘을 사용하였고, 학습계수를 0.01, 모우멘텀을 0.95로 하였을 때, 위영상에 대해서는 55회, 가슴영상은 55회, CT영상은 46회, 초음파영상은 55회 그리고 혈관영상에 대해서는 157회 등의 최적의 학습 횟수를 보이며 100%의 인식률을 보였다.