• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권11호
• /
• pp.1115-1122
• /
• 2000

기존의 블록 정합 알고리즘인 FS(Full Search) 알고리즘은 정확한 움직임 벡터를 구할 수 있으나 요구되는 계산량이 많다. 반면에 국부 탐색을 하는 고속 블록 정합 알고리즘은 FS보다 빠른 탐색을 할 수 있으나 FS 보다 정합 오차가 크다. 본 연구는 전역탐색을 하는 유전자 알고리즘에 빠른 탐색을 하는 블록 정합 알고리즘인 NTSS(New Three Ste Search)알고리즘을 제안한다. 제안한 방법에서 각 염색체는 움직임 벡터를 표현하며 초기 염색체는 탐색 공간의 중심 탐색점 가까이에 고정적으로 발생시키고 각 염색체는 MSE(Mean Square Error)값으로 평가된다. 평가된 염색체 중 작은 MSE값을 가지는 염색체가 NTSS의 탐색점 수만큼 다음 세대의 탐색점으로 선택된다. 선택된 염색체는 세대를 거치면서 돌연변이 연산과 교배연산이 행해지고 이 때 돌연변이 연산의 크기는 NTSS의 탐색 단계 크기가 된다. 제안한 세대 수 만큼 반복 후 최소의 MSE 값을 가지는 유전자가 해당 블록의 움직임 벡터가 된다. 시뮬레이션 결과 제안한 방법을 가장 우수한 성능을 가지는 FS와 유사한 MSE 값을 얻을 수 있었고 동시에 FS에서 요구되는 계산량에 비해 많은 계산량을 줄일 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.1231-1234
• /
• 2012

본 연구에서는 Mobile Smart Device와 Bluetooth 기반의 휴대용 센서 모듈을 이용하여 Bluetooth 기반의 USN을 구성하여 상시 건강 관리를 위한 데이터를 측정하고 건강 가이드를 제공하는 Lifestyle 측정 시스템을 설계, 구현하였다. 운동, 도보 등 상시 활동량을 측정하기 위해 3축 가속도 센서로 움직임을 측정하고 Bluetooth 통신을 통해 Mobile Smart Device로 측정 데이터를 전송할 수 있는 LSM(Lifestyle Sensor Module)과 전송된 측정 데이터를 Android Mobile Smart Device를 사용하여 상시 활동량 데이터를 저장, 처리하여 분석결과에 의한 건강 가이드를 제공하는 Android App을 설계 구현하였다. 활동량을 분석하기 위해 3축 가속도 센서로 측정한 2G, 4G, 8G, 16G 3축 데이터를 에너지 값으로 변경 후 임계값을 다양하게 변경하면서 에너지 값을 분석하여 최적의 임계값을 도출하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.369-370
• /
• 2012

일반적으로 회귀분석의 최적화는 평균적인 개념을 확장하여 사용되어지고 있다. 평균은 관찰값들에 관한 모든 정보와 관련된 통계량으로써 많은 연구에 이용되어지고 있다. 정규분포를 이루는 모집단의 경우 평균을 사용한 추정이 바람직하지만, 이상치로 인한 분포의 꼬리가 두꺼워지는 경우 중위수(median)를 사용하는 것이 바람직하다고 알려져 있다. 강수량의 분포형태는 꼬리(tail)가 두꺼운 왜곡된 형태를 갖고 있으므로 robust 통계량인 Quantile을 이용한 강수량의 분석 및 평가를 실시하였다. 본 연구에서는 Quantile에 따른 회귀선의 변화를 이용하여 강수량의 경향성을 평가하고, 극치강수량의 변화를 보여줄 수 있는 Quantle값을 추출해 보고자 한다. 또한 bootstrap 방법을 이용하여 Quantile에 따른 회귀계수의 신뢰구간을 분석하여 회귀인자의 신뢰성을 평가하였다. 본 연구에서 적용한 Quantile Regression 기법은 회귀계수의 추정에 있어서 회귀인자의 신뢰성을 Quantile-회귀계수 그래프를 통해 분석할 수 있으며, 이상값의 영향을 저감시키는 평균과 달리 이상값의 영향을 효과적으로 분리 및 재현시킬 수 있어 극치값에 따른 변화를 효과적으로 평가할 수 있으며, robust 통계량의 특징인 분산이 적은 안정적인 추정량을 확보할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.125-128
• /
• 2006

본 논문은 사람의 움직임에 따라 다양한 형태의 몸동작이 발생하고 이러한 몸동작을 이용해 헬스케어정보로 사용될 수 있도록 몸동작 인식 시스템을 제안하였다. 몸동작 인식 시스템은 입력된 영상으로부터 몸동작의 특징 정보를 추출하여 학습에 필요한 데이터로 사용된다. 학습과정을 거처 다양한 몸동작 데이터베이스를 만들고 이를 이용해 몸동작 인식을 수행한다. 본 논문에서 사용된 스테레오 영상 정보는 두 대의 카메라로부터 입력된 영상에서 배경과 객체를 분리하고 분리된 객체에 대해 사각형 영역을 생성한다. 각각의 사각형 정보를 이용해 켈리브레이션 과정을 거쳐 3차원 특징값을 얻을 수 있다. 학습과 인식에 필요한 알고리즘으로 HMM이 사용 되었고 HTK를 이용해 구현 하였다. 실험에 사용된 특징 정보는 몸동작에 따른 사각형의 너비와 높이의 변화량, 사각형 중심점 위치의 변화량 등 2가지 특징값을 이용해 각각 실험 하였다. 실험 결과 사각형의 너비와 높이의 특징값을 이용하는 것보다 중심점의 3차원 위치 변화량을 이용하는 것이 높은 인식률을 보였다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2010년도 추계학술발표논문집 1부
• /
• pp.92-95
• /
• 2010

본 논문에서는 2차원 영상을 3차원 영상으로 변환하여 입체감을 주는 방법을 제안하였다. 2D/3D 변환을 위해 Normalized Cut을 사용하여 객체를 분할하였고, 분할된 객체에 Optical Flow 값을 계산해 깊이정보를 생성하여 입체감을 주었다. 객체를 분할하기 위해 Normalized Cut을 이용한 방법에 Optical Flow를 이용한 가중치 값을 추가하여 정확한 객체 분할을 하였고, 처리속도 향상을 위해 영상의 밝기, 색상을 고려한 Watershed 알고리즘을 적용하여 연산량을 줄였다. 분할된 영상에 Optical Flow를 이용하여 색상 정보의 차이를 통해 객체별 고유벡터 값을 연산하여 객체의 움직임 정보를 추출하고 운동시차를 고려해 깊이 정보를 생성하였다. 제안한 방법으로 변환하기 위해 MATLAB을 사용하였다. 제안한 변환 방법은 2D/3D 입체변환에 효과적이었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (1)
• /
• pp.688-690
• /
• 2002

고성능 슈퍼스칼라 프로세서에서는 명령어 수준 병렬성(Instruction Level Parallelism, ILP)의 장애인 명령어간의 종속 관계 중 데이터 종속관계를 극복하기 위해 값 예측기를 이용하여 모험적으로 명령어들을 실행한다. 값 예측 시에 필요한 테이블 참조와 값 예측 실패 시 실행되는 잘못된 명령어의 실행은 프로세서의 부가적인 전력 소모를 요구한다. 본 논문에서는 값 예측기와 Cai-Lim의 전력모델을 슈퍼스칼라 프로세서 사이클 수준 시뮬레이터인 SimpleScalar 3.0 툴셋에 삽입하여 전력 소모량을 측정하고 분석한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (1)
• /
• pp.310-312
• /
• 2005

무선 Ad-hoc 네트워크상에서 hidden node problem을 해결하기 위해 도입된 RTS/CTS의 사용여부는 네트워크의 처리량(throughput)에 영향을 미친다. 이는 RTS/CTS가 hidden node problem을 해결해주지만 거기에서 발생하는 overhead 때문에 처리량이 떨어질 수도 있기 때문이다. 기존 관련 연구에서는 RTS/CTS의 사용여부를 패킷의 크기에 따라 달리 해야 한다고 말하고 있다. 그리고 이를 구현하기 위해서 RTSThreshold라는 값을 사용하고 있다. 만약 이 값보다 패킷의 크기가 작으면 RTS/CTS는 사용 되지 않고, 만약 이 값보다 패킷의 크기가 크면 RTS/CTS가 사용된다. 이렇게 RTS/CTS의 사용여부를 결정해주는 RTSThreshold값을 결정하기 위해선 네트워크의 처리량에 영향을 줄 수 있는 모든 인자들을 고려해 보아야 할 것이다. 조사한 바에 의하면 이미 관련 연구에서 physical preamble의 크기, 노드의 수, 그리고 data rate와 RTSThreshold와의 관계를 연구 했었지만, 그밖에 네트워크의 처리량에 영향을 줄 수 있는 carrier sense range나 네트워크의 크기와의 관계는 연구가 되지 않았었다. 따라서 본 논문에서는 이 두가지 인자와 RISThreshold와의 관계를 살펴보고자 모의실험을 수행하였고 그 결과를 분석하였다. 두 인자가 어느 정도 RTSThreshold를 결정하는데 영향을 줄 것이라 예상했었지만, 실험 결과를 분석한 결과 carrier sense range나 네트워크의 크기는 RTSThreshold를 결정하는데 크게 영향을 주지 않는 것으로 나타났다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.69-71
• /
• 2000

군집화는 데이터 집합을 유사한 데이터 개체들의 군집들로 분할하여 데이터 속에 존재하는 의미 있는 정보를 얻는 과정이다. 대부분의 군집화 기법들은 비교적 적은 양의 데이터를 대상으로 한 것이고 다차원 대용량의 데이터 처리에 관한 문제는 다루지 않고 있어서 데이터 마이닝을 위한 군집화 기법으로는 부적절하다. 따라서 본 논문을 통해 대용량의 데이터에 적용할 수 있는 새로운 군집화 알고리즘인 계층적 대표값 군집화(HRC) 기법을 제안한다. HRC는 자기조직화지도와 계층적 군집화 기법을 접목한 하이브리드 방법으로 두 단계에 거쳐 군집화를 수행한다. 첫 번째 단계에서 자기조직화지도를 통해 데이터를 요약하고, 두 번째 단계에서 요약된 대표값 정보만을 가지고 계층적인 군집화를 수행한다. 또한, 두 번째 단계의 계층적 군집화 적용시 양질의 군집을 발견하기 위해 군집간의 유사도를 측정하는 새로운 척도를 고안하였다. 그리고 실험을 통해 HRC와 기존 군집화 알고리즘이 발견한 군집의 질을 비교하여 성능을 평가했다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1354-1357
• /
• 2013

최근 다양한 센서들이 일상생활에 활용되어, 일정한 환경에서 사람의 행동을 분류하고 인식하기 위한 연구들이 활발하게 진행되고 있다. 본 연구에서는 2개의 진동센서 값과 1개의 적외선 센서 값을 은닉 마코프 모델에 적용하여 침대 위에 있는 사람의 3가지 행동유형-눕기, 뒤척임, 일어나기-을 분류하고자 한다. 3개 센서 값의 특징들을 기초로 은닉 마코프 모델에 학습시키고, 특징집합과 학습 데이터량을 변화시키면서 사람의 행동유형에 대한 인식 실험을 수행하였다. 특징 개수 혼합에 따른 인식률의 차이는 거의 없는 것으로 나타났으나, 학습 데이터량을 증가시켜 가면서 수행한 실험에서는 인식률이 평균 78.127%로 향상되는 성과를 거두었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.31-34
• /
• 2024

태양광 에너지는 탄소 중립 이행을 위한 주요 방안으로 많은 주목을 받고 있다. 태양광 발전량은 여러 환경적 요인에 따라 크게 달라질 수 있으므로, 정확한 발전량 예측은 전력 네트워크의 안정성과 효율적인 에너지 관리에 근본적으로 중요하다. 대표적인 인공지능 기술인 신경망(Neural Network)은 불안정한 환경 변수와 복잡한 상호작용을 효과적으로 학습할 수 있어 태양광 발전량 예측에서 우수한 성능을 도출하였다. 하지만, 신경망은 모델의 구조나 초매개변수(Hyperparameter)를 최적화하는 것은 복잡하고 시간이 많이 드는 작업이므로, 에너지 분야에서 실제 산업 적용에 한계가 존재한다. 본 논문은 2단계 신경망 최적화를 통한 태양광 발전량 예측 기법을 제안한다. 먼저, 태양광 발전량 데이터 셋을 훈련 집합과 평가 집합으로 분할한다. 훈련 집합에서, 각기 다른 은닉층의 개수로 구성된 여러 신경망 모델을 구성하고, 모델별로 Optuna를 적용하여 최적의 초매개변숫값을 선정한다. 다음으로, 은닉층별 최적화된 신경망 모델을 이용해 훈련과 평가 집합에서는 각각 5겹 교차검증을 적용한 발전량 추정값과 예측값을 출력한다. 마지막으로, 스태킹 앙상블 방식을 채택해 기본 초매개변숫값으로 설정해도 우수한 성능을 도출하는 랜덤 포레스트를 이용하여 추정값을 학습하고, 평가 집합의 예측값을 입력으로 받아 최종 태양광 발전량을 예측한다. 인천 지역으로 실험한 결과, 제안한 방식은 모델링이 간편할 뿐만 아니라 여러 신경망 모델보다 우수한 예측 성능을 도출하였으며, 이를 바탕으로 국내 에너지 산업에 이바지할 수 있을 것으로 기대한다.