• The Korean Journal of Applied Statistics
• /
• v.12 no.2
• /
• pp.433-447
• /
• 1999

검사관련 능력과 문항점수사이의 관계를 모형화하기 위해 사용한 순환모형에서 관측불능인 능력상대변수를 비롯한 모든 변수들이 범주형 변수라 가정하자. 이 범주형 자료를 위한 모수추정문제를 다루기 위해 EM 방법을 이용했는데, EM 방법은 사용하기에 편리하지만 순환모형에 대한 추정값이 적절하지 않는 경우가 발생한다. 그 주된 원인중의 하나로 초기값 선정의 잘못을 들 수 있는데, 본 논문에서는 이 외에 구조상의 결함도 그 원인이 됨을 경험적으로 보았다. 따라서 구조적 결함을 먼저 해결하면 보다 효과적인 초기값을 선정할 수 있으리가 기대한다.

• Proceedings of the Korea Institutes of Information Security and Cryptology Conference
• /
• 2006.06a
• /
• pp.595-598
• /
• 2006

무선 센서네트워크에서의 브로드캐스트 인증은 중요한 문제이다. 이를 위해 ${\mu}-TESLA$와 이를 개선한 멀티레벨 ${\mu}-TESLA$ 방법 등이 제안되었다. 이들 모두는 인증을 성공적으로 수행하기 위해 브로드캐스트 메시지를 보내고자 하는 당사자의 해시체인 commitment를 인증 받으려는 상대방에게 안전하게 전달해야만 했다. 하지만, 센서들이 랜덤하게 배치될 경우 각 노드는 인증을 위해 전체 노드 수만큼의 commitment를 저장해야만 하는 문제점을 지니고 있다. 이를 해결하기 위해 Chen 등은 브로드 캐스트 인증에 사용되는 해시 체인 commitment를 안전하고 효율적인 방법으로 전달하는 방안을 제안하였다. 그러나 불행이도 이들의 방법은 노드 추가가 원천적으로 불가능하고, 초기화 과정에서 부득이하게 참여하지 못한 노드를 구제할 방법이 전혀 없어 큰 비용 낭비를 초래한다. 뿐만 아니라 베이스 스테이션이 비밀 값을 재사용 할 경우 안전성에도 큰 문제가 발생한다. 제안하는 스킴은 멀티 세션을 적용하고 비밀 값에 대한 해시 체인을 구성하여 앞서 열거된 모든 문제점을 해결함으로써 안전하고 효율적인 commitment 전달 방법을 제시한다. 아울러 주고받는 메시지에 대한 무결성 검증을 제공한다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.44 no.1
• /
• pp.26-32
• /
• 2007

In sequential speaker classification, the lack of prior information about the speakers poses a challenge for model initialization. To address the challenge, a predetermined generic model set, called Sample Speaker Models, was previously proposed. This approach can be useful for accurate speaker modeling without requiring initial speaker data. However, an optimal method for sampling the models from a generic model pool is still required. To solve this problem, the Speaker Quantization method, motivated by vector quantization, is proposed. Experimental results showed that the new approach outperformed the random sampling approach with 25% relative improvement in error rate on switchboard telephone conversations.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.1307-1310
• /
• 2008

EM(Expectation Maximization)은 불확실한 데이터들을 가지고 분포를 모델링하는, 널리 알려진 군집화 알고리즘이다. EM 알고리즘에서, 정규 분포는 기대(Expectation)-최대화(Maximization)과정을 반복하는 과정에서 그 윤곽을 다져간다. 이 때 이 과정은 EM 알고리즘의 다양한 확률 초기화에 따라 다른 결과를 내게 된다, 본 논문에서는 이 확률 초기화 값의 조정을 통하여 HAPS(High Altitude Platform Station) 기반 네트워크에서 이동 기지국의 위치를 실시간으로 결정하고자 하는 문제를 풀기 위한 조건을 몇 가지 반영시켜 확률 초기 값을 결정해 보고, 그 결과를 제시한다. 이에 더불어, ITU에서 제한하고 있는 이동 기지국의 서비스 반경을 고려하는 방법을 제시한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04a
• /
• pp.760-762
• /
• 2004

본 논문에서는 IEEE 802.11b WLAN 종단 간(end to end) 의 DATA 전송에 있어서 효율성 향상을 위한 방법을 충돌 횟수의 감소와 throughput 값의 증가를 나타낼 수 있는 방법을 통해서 제안한다. CW(contention window) 값이 충돌 발생할 시에 증가하는 것이 다음 프레임 전송 시 충돌 발생 확률을 줄이기 위한 것임에 착안하여 CW 값의 변화를 현재 방식에서 변화를 주어 전송 효율성 향상을 위한 알고리즘을 제안한다. 현재의 CW 값이 증가하는 방식은 유지하고 프레임 전송 성공 시 CW 값이 초기화되는 방식을 수정하고자 한다. 만일 CW 값이 크게 증가하였을 시에는 충돌이 많이 발생하고 있는 것으로 간주한다. 그래서 현재의 값 변화 방식인 CW 값이 최소값으로 초기화하는 것이 아니라 최소값 보다는 큰 CW 값을 유지하여 CW 값이 크게 변화되는 것을 막아 충돌 발생 확률을 줄일 수 있음을 확인한다. 본 논문에서는 3가지 방식의 알고리즘에 대하여 시뮬레이션 하였다. original 방식과 다른 알고리즘의 효율성을 시뮬레이션을 통해 비교하여 CW의 값이 전송 성능에 미치는 영향에 대한 결과를 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.35-36
• /
• 2009

터치스크린 구동을 위해서는 터치된 위치의 아날로그 신호를 디지털 값으로 변환해 주는 ADC의 모드와 인터럽트 요청 발생을 위한 ADC의 채널에 연결된 스위치의 활성화 여부를 설정해야 한다. 본 논문은 터치스크린 LCD 모듈인 LP35가 부착된 LN2440SBC 임베디드 보드의 터치스크린 구동을 위한 초기화 방법과 터치스크린의 위치 좌표를 LCD의 픽셀 좌표로 변환해주는 좌표 보정 방법을 설명한다. 터치스크린의 구동은 크게 인터럽트 요청 대기/처리 상태로 구분된다. ADC 모드와 채널 스위치의 활성화 여부를, 인터럽트 요청 대기 상태에서는 인터럽트의 요청을 대기하며, 인터럽트 발생시 터치된 위치에 대한 아날로그 신호를 자동으로 디지털 값으로 변환하도록 설정하고, 인터럽트 요청 처리 상태에서는 인터럽트 요청을 처리하는 동안 새로운 인터럽트 요청을 마스킹(masking)하도록 설정한다. 좌표 보정은 터치된 위치 좌표 2개와 이에 대응되는 2개의 픽셀 좌표를 구하고, 이 좌표 값들을 이용하여 좌표 보정 일차 함수를 구함으로써 구현한다.

• Proceedings of the KIEE Conference
• /
• 2000.07a
• /
• pp.102-106
• /
• 2000

본 논문은 뉴로-퍼지 모델의 구조학습을 이용하여 한 시간 앞의 전력 수요를 예측하는 체계적인 방법을 제안한다. 제안된 예측시스템은 시간 단위로 뉴로-퍼지 모델을 재학습하기 위해서 필요한 초기 구조를 요일 유형과 시간 별로 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점의 요일 유형에 따라 선택된 초기 구조를 이용하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 실제 전력 수요 데이터를 이용하여 모의 실험을 수행한다. 실험결과 제안된 방법은 기존의 다층 퍼셉트론을 이용한 방법과 비교하여 예측의 정확도 측면과 신뢰도 측면에서 모두 향상된 결과를 얻는다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.283-287
• /
• 2004

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시접에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간, 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고, 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.

• Proceedings of the KIEE Conference
• /
• 2001.07a
• /
• pp.323-326
• /
• 2001

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.489-492
• /
• 2005

TSP(Traveling Salesman Problem)는 N개의 주어진 도시를 한번씩만 방문하여 다시 출발지로 돌아오는 여러 경로들 중 가장 짧은 거리를 구하는 문제로 유전자 알고리즘이 대표적으로 이용된다. NP-Hard문제로 분류되어 보다 우수한 결과를 얻기 위해 현재까지 다양한 연산자들이 개발되고 연구되어왔다. 본 논문에서는 이러한 연산자들을 적용하여 보다 나은 해를 얻기 위해 새로운 집단초기화 방법과 순차변환 방법을 제안하여 기존의 방법들과 비교를 통해 성능 향상을 입증 하였다.