• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2009.11a
• /
• pp.197-200
• /
• 2009

영상 압축은 멀티미디어 전송에 있어 핵심적인 기술이다. 동영상 압축 기술 중 움직임 예측부는 전체 동영상 압축 부호화에서 가장 복잡한 부분으로, 멀티미디어의 실시간 전송을 위하여 고속 알고리듬이 필요한 부분이다. 본 논문은 기존의 고속 움직임 예측 알고리듬의 하나인 이진 블록 정합 움직임 예측 알고리듬을 개선하여 더욱 빠른 속도의 알고리듬을 제안한다. 제안하는 알고리듬은 웨이블릿 변환 후 고주파 대역의 정보값을 조기 움직임 예측 중지 조건으로 사용하여 기존의 알고리듬을 개선한다. 제안하는 알고리듬은 기존의 알고리듬의 속도를 개선하는 동시에 화질을 유지시킨다.

• Journal of the Korean Data and Information Science Society
• /
• v.24 no.2
• /
• pp.223-233
• /
• 2013

At local emerging stock markets such as Korea, Hong Kong, Singapore and Taiwan, foreign investors (FI) are recognized as important investment community due to the globalization and deregulation of financial markets. Therefore, it is required to monitor the behavior of FI against a sudden enormous selling stocks for the concerned local governments or private and institutional investors. The main aim of this study is to propose an early warning system (EWS) which purposes issuing a warning signal against the possible massive selling stocks of FI at the market. For this, we suggest machine learning algorithm which predicts the behavior of FI by forecasting future conditions. This study is empirically done for the Korean stock market.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.06a
• /
• pp.123-126
• /
• 2013

High Efficiency Video Coding 비디오 표준은 다양한 분할방식 및 35가지 예측모드를 허용하기 때문에 최적의 분할 및 예측모드를 결정하기 위한 연산량이 많다. 이를 줄이기 위하여 본 논문에서는 CU분할의 결정에 있어 가설검정을 이용하여 early splitting 및 early pruning을 위한 임계값을 설정하고, early splitting의 경우 연산의 결과값이 임계값보다 클 경우, early pruning의 경우 연산의 결과값보다 임계값보다 작을 경우 CU의 분할을 조기에 결정하는 논문[1]의 방법을 차용하여 CU의 분할을 조기에 결정하며, 추가로 비트율 및 왜곡을 연산하는 예측모드의 개수를 줄임으로써 인코더의 성능을 향상시켰다. 또한 예측모드를 결정할 때 RDOQ를 수행하지 않음으로써 예측모드를 빠르게 결정하며, TU의 분할에 있어서도 CBF의 값 및 임계값을 이용한 early pruning 방법을 수행하여 인코더의 성능을 향상시켰다. 실험결과 5.9%의 luma BDRate의 증가가 있었으나, 63.7%의 인코딩 시간이 절감되었다.

• Journal of the Korea Society for Simulation
• /
• v.30 no.2
• /
• pp.41-48
• /
• 2021

As the rural population continues to decline and aging, the improvement of agricultural productivity is becoming more important. Early prediction of crop quality can play an important role in improving agricultural productivity and profitability. Although many researches have been conducted recently to classify diseases and predict crop yield using CNN based deep learning and transfer learning technology, there are few studies which predict postharvest crop quality early in the planting stage. In this study, a early quality prediction model is proposed for sprout ginseng, which is drawing attention as a healthy functional foods. For this end, we took pictures of ginseng seedlings in the planting stage and cultivated them through hydroponic cultivation. After harvest, quality data were labeled by classifying the quality of ginseng sprout. With this data, we build early quality prediction models using several pre-trained CNN models through transfer learning technology. And we compare the prediction performance such as learning period and accuracy between each model. The results show more than 80% prediction accuracy in all proposed models, especially ResNet152V2 based model shows the highest accuracy. Through this study, it is expected that it will be able to contribute to production and profitability by automating the existing seedling screening works, which primarily rely on manpower.

• Journal of Industrial Convergence
• /
• v.22 no.2
• /
• pp.23-32
• /
• 2024

This study utilized minimum number of demographic variables and first-semester GPA of students to predict the final academic status of students at a vocational college in Seoul. The results from XGBoost and LightGBM models revealed that these variables significantly impacted the prediction of students' dismissal. This suggests that early academic performance could be an important indicator of potential academic dropout. Additionally, the possibility that academic years required to award an associate degree at the vocational college could influence the final academic status was confirmed, indicating that the duration of study is a crucial factor in students' decisions to discontinue their studies. The study attempted to model without relying on psychological, social, or economic factors, focusing solely on academic achievement. This is expected to aid in the development of an early warning system for preventing academic dropout in the future.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.180-181
• /
• 2018

본 논문에서는 JEM(Joint Exploration Model)의 부호화기 계산 복잡도 감소를 위한 CU 조기 결정 방법을 제시한다. 기존의 JEM 의 경우 현재 CU(Coding Unit)의 RDO(Rate Distortion Optimization)를 통한 최적의 예측 모드가 Merge SKIP 모드이고 BT(Binary Tree)의 깊이가 2 또는 3 이상일 때 CU 결정을 조기 종료한다. 제안하는 방법에서는 현재 CU 의 최적의 예측모드가 Merge SKIP 이고 BT 일 경우 통계적 분석을 통한 왜곡 값, CU 샘플 수, 시간적 계층 순서, 양자화 파라미터를 고려한 문턱 값을 이용하여 CU 를 조기 결정한다. 실험결과로써 제안하는 방법이 JEM 7.1 대비 Y, U, V 각각 평균 0.86%, 0.08%, 0.18%의 BD-rate 손실이 발생하고 평균 16% 부호화 속도를 개선시킨다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.1346-1349
• /
• 2010

본 논문은 국가 정보통신 인프라체계를 대상으로 한 사이버 위협에 대해서 전사적 조기경보체계 구축 방안을 제시하였다. 전사적 조기경보체계는 조기경보시스템을 활용하여 사이버 공격의 징후정보를 초기에 수집, 분석하고 이를 통해 예측할 수 있는 사이버 공격 경로를 사전에 파악하여 공격이 더 이상 진행되지 않고 심각한 피해가 발생하지 않도록 네트워크로 연결된 모든 정보통신체계나 보안 관리자들에게 관련 정보를 신속하게 전파하여 위협을 제거할 수 있도록 하는 체계이다. 국가 정보통신 인프라체계에서 사이버전의 확산과 피해를 줄이기 위해서는 조기경보체계를 국가 기간망 체계와 사이버전의 특성을 고려하여 구축하여야 한다. 본 논문에서는 국가 대상 사이버전이 발생할 경우를 대비하여 조기경보체계 구축 방안을 정책적 및 기술적 측면에서 제시하였다.

• Review of KIISC
• /
• v.15 no.1
• /
• pp.17-22
• /
• 2005

웜, 바이러스, 해킹 등 아직 일어나지 않은 사이버 위협을 예측하여 소기 예·경보를 통해 능동적으로 방어할 수 있는 위협관리시스템(TMS; Threat Management System)이 보안업계의 새로운 관심분야로 떠오르고 있다. 본 논문에서는 이 위협관리시스템의 개념과 기능에 대해 선명하고, 이를 통한 조기 경보의 방법을 논의하고자 한다.

• Korean Journal of Remote Sensing
• /
• v.39 no.5_3
• /
• pp.1031-1042
• /
• 2023

In this study, a deep learning model was developed to predict the yield of cabbage and radish, one of the five major supply and demand management vegetables, using satellite images of Landsat 8. To predict the yield of cabbage and radish in Gangwon-do from 2015 to 2020, satellite images from June to September, the growing period of cabbage and radish, were used. Normalized difference vegetation index, enhanced vegetation index, lead area index, and land surface temperature were employed in this study as input data for the yield model. Crop yields can be effectively predicted using satellite images because satellites collect continuous spatiotemporal data on the global environment. Based on the model developed previous study, a model designed for input data was proposed in this study. Using time series satellite images, convolutional neural network, a deep learning model, was used to predict crop yield. Landsat 8 provides images every 16 days, but it is difficult to acquire images especially in summer due to the influence of weather such as clouds. As a result, yield prediction was conducted by splitting June to July into one part and August to September into two. Yield prediction was performed using a machine learning approach and reference models , and modeling performance was compared. The model's performance and early predictability were assessed using year-by-year cross-validation and early prediction. The findings of this study could be applied as basic studies to predict the yield of field crops in Korea.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.11a
• /
• pp.172-173
• /
• 2013

최근 표준화가 완료된 HEVO(High Efficiency Video Coding)에서는 계층적 구조를 갖는 가변블록의 크기를 사용하고 재귀적으로 부호화를 수행사여, 최적의 부호화단위(CU: Coding Unit) 분할 구조와 예측단위(PU: Prediction Unit)를 결정함으로써 높은 부호화 효율을 얻을 수 있는 반면 부호화 복잡도가 증가하는 문제가 있다. 본 논문에서는 부호화기의 복잡도를 감소시키기 위한 고속 부호화 알고리즘으로 고속 모드 결정 기법을 제안한다. 제안기법은 상위 깊이(CU: Coding Unit)의 최적 모드와 부호화 율-왜곡 비용을 이용해서 현재 깊이 CU에서의 특정 모드의 율-왜곡 비용 계산을 생략함으로써 PU 탐색을 조기 종료한다. 즉, 상위 깊이 CU의 조건에 따라 화면간 예측 모드의 일부 또는 화면내 예측을 수행하지 않는다. 실험결과 제안기법은 HM 12.0대비 0.2%의 비트 증가에 22.9%의 계산시간 감소 효과를 얻을 수 있음을 확인하였다.