• 한국통신학회논문지
• /
• 제25권4B호
• /
• pp.675-682
• /
• 2000

본 논문에서는 ATM 네트워크에서 다양한 멀티미디어 트래픽을 효율적으로 전송하기 위해 동적 우선순위 셀 전송 스케쥴링 기법인 AWRR/DT(Adaptive Weighted Round Robin with Delay Tolerance)를 제안하였다. AWRR/DT는 멀티미디어 트랙픽을 지연 특성에 따라 여러 개의 실시간 클래스와 하나의 비실시간 클래스로 분류하고, 각 클래스의 지연 특성과 입력 트래픽의 양을 고려하여 매 사이클마다 해당 클래스에 적절한 가중치(weight)를 할당 하도록 설계되었다. 또한, 제안한 알고리즘은 셀 폐기 메커니즘을 가지고 있어서 순간적인 서비스 품질(QoS:Quality of Service)열화가 계속 연속적으로 이어지는 현상을 줄여준다. AWRR/DT의 성능을 평가하기 위하여, SLAM II를 이용한 컴퓨터 시뮬레이션을 통해 기존의 스케쥴링 기법들과 평균 지연 측면에서 비교하였다. 그 결과, 제안한 기법이 실시간 트래픽 클래스의 QoS를 만족하면서도 비실시간 트래픽 클래스의 평균 지연을 감소시키 수 있음을 확인하였다.

• 한국정보처리학회논문지
• /
• 제2권4호
• /
• pp.477-486
• /
• 1995

본 논문에서는 이산수학에서 많이 다루고 있는 Galois-격자를 이용하여 객체지향 분석 모델을 구축하고 이를 유지 보수하기 위한 방법들을 제시하고, 예를 통해 객체 지향분석 모델을 구축하는 것에 대해 분석하였다. 클래스 객체들과 그들 사이에 형성 된 속성을 이항관계로 표현한 Galois-격자를 이용하여 관계(relation)를 정립하고, 분 석단계의 클래스 계층구조에 새로운 클래스 노드를 추가할 때마다 Galois-격자구조를 점증적으로 갱신하는 알고리즘을 제안하였다. 이러한 제안은 실험을 통하여 새로운 클 래스 노드의 추가는 일정한 시간내에 수행됨을 알았으며, 격자구조의 성장 속도는 클 래스 노드수와 비례하며, 클래스 노드에 관련된 속성의 수가 상한치를 갖을 때 알고리 즘의 최악경우 복잡도는 객체수에 따라 선형적으로 증가함을 보였다. 이 결과는 객체 지향 분석 모델의 이해도와 모델의 유지수하는 추적도를 높이고, 객체지향 시스템의 장점인 클래스의 재사용 가능성을 향상시키고 클래스 계층 유지보수를 실질적으로 지 원한다.

• 한국통신학회논문지
• /
• 제30권7B호
• /
• pp.433-439
• /
• 2005

본 논문에서는 무선 통신시스템에서 클래스간 비례지연 서비스를 위한 Flow Based Waiting Time Priority (FB-WTP) 스케쥴러를 제안한다. 기존의 스케쥴러는 클래스 단위로 동작하는 유선망의 구조를 그대로 사용하나, 제안된 FB-WTP 스제쥴러는 이와 달리 플로우 단위로 동작을 하며, 네트웍크 운영자가 입력한 클래스간 목표 큐잉 지연 비율은 기존 알고리즘과 같이 거의 동일하게 만족 시키면서도 클래스별 평균 큐잉 지연 성능은 월등히 향상 되었다. 이것은 각 플로우의 채널 환경이 동적으로 변화는 무선 환경에서 FB-WTP는 다중 플로우 다이버시티 효과를 최대한 이용 하기 때문이다. 또한 기존 알고리즘들에서 발생 할 수 있는 HOL 패킷 블록킹 문제가 발생하지 않는다. 성능평가를 위한 모의 실험에서 다중 채널 상태를 고려한 Look-ahead Waiting Time Priority (LWTP) 스케줄링 알고리즘과의 비교 분석으로 제안한 FB-WTP가 클래스간 목표 큐잉 지연 비율을 만족 시킬뿐만 아니라 LWTP에 비해 클래스별 평균 큐잉 지연 특성이 향상됨을 보였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권7호
• /
• pp.315-319
• /
• 2016

음성인식 성능 개선을 위한 언어모델의 기술적 진보는 최근 심층 신경망을 기반으로 한 접근방법으로 한 단계 더 진보한 모양새다. 그러나 연구되고 있는 심층 신경망 기반 언어모델은 대부분 음성인식 이후 리스코링 단계에서 적용할 수 있는 한계를 지닌다. 또한 대규모 어휘에 대한 심층 신경망 접근방법은 아직 시간이 필요하다고 본다. 따라서 본 논문은 심층 신경망 언어 모델의 단순화된 형태인 워드 임베딩 기술을 음성인식 후처리가 아닌 기반 N-gram모델에 바로 적용할 수 있는 접근 방법을 찾는다. 클래스 언어모델이 한 접근 방법이 될 수 있는데, 본 연구에서는 워드 임베딩을 우선 구축하고, 해당 어휘별 벡터 정보를 클러스터링하여 클래스 언어모델을 구축 방법을 제시한다. 이를 기존 어휘기반 N-gram 모델에 통합한 후, 언어모델의 성능 개선 여부를 확인한다. 클래스 언어모델의 타당성 검증을 위해 다양한 클래스 개수의 언어모델 실험과 RNN LM과의 비교 결과를 검토한 후, 모든 언어모델의 성능 개선을 보장하는 품사 부착 언어모델 생성 방법을 제안한다.

• 디지털콘텐츠학회 논문지
• /
• 제8권2호
• /
• pp.235-243
• /
• 2007

수학과의 학습은 학습자가 구체적인 조작을 통해서 개념을 학습한다. 그러나 웹에서 구현되는 대부분의 콘텐츠들은 정적이며 학습자와의 상호작용에 제약이 많다. 이런 제약 조건을 극복하고 학생들의 인지적인 단계에 적합한 동적인 상호작용을 위한 콘텐츠 개발이 필요하다. 이에 본 연구에서는 초등수학에서 수와 연산 영역의 교육과정 분석하였다. 이를 기반으로 객체지향설계원리를 이용하여 학습 애플릿에 필요한 "수 클래스"를 설계하고 구현하였으며, 구현된 "수 클래스"를 기반으로 클래스기반 "수와 연산 학습 애플릿"을 개발하였다. 클래스기반 '수와 연산 학습 애플릿'은 초등학교 수학과의 '수와 연산' 영역 교육과정을 토대로 학습 주제를 선정하였으며, 각 학습 주제에 따라 소단위 프로그램으로 제작하였다. 이 학습 애플릿은 자유로운 조작과 탐구활동을 통해 수와 연산의 개념과 원리를 학습할 수 있도록 한다. 이것은 학생들의 동적인 상호 작용을 강화한다.

• 인터넷정보학회논문지
• /
• 제9권5호
• /
• pp.85-97
• /
• 2008

최근 서비스 지향 시스템이 시스템 기능적 단위인 서비스들을 재사용함으로 해서 개발 시간과 노력을 줄이는 특성 때문에 더욱 중요하게 부각되고 있다. 서비스의 재사용은 서비스들 간의 느슨한 결합에 의하여 효과적으로 이루어질 수 있고 서비스의 느슨한 결합은 컴포넌트 기반 시스템에 의존된다. 즉, 컴포넌트 기반 시스템은 클래스 간의 상호 의존이 강한 클래스들을 그룹화 하여 도출하고 서비스 지향 시스템의 서비스는 컴포넌트 기반 시스템에 의존되어 설계된다. 따라서 효율적인 컴포넌트 기반 시스템 및 서비스 지향 시스템 설계를 위해서는 클래스 간의 결합도를 좀 더 정확히 측정할 수 있는 메트릭이 요구된다. 본 논문에서, 우리는 클래스 간의 구조적 특성, 동적 특성 그리고 미 사이로 정규화된 값을 적용한 클래스 간의 결합 척도를 제안한다. 우리는 Briand이 제안한 공리에 의해서 제안된 메트릭이 이론적으로 타당함을 증명하고 사례 연구를 통하여 정확성과 실용성을 제시한다. 우리는 기존 메트릭스와의 비교 분석을 통해서 제안된 메트릭의 평가 결과를 제시한다.

• 한국정보과학회논문지:정보통신
• /
• 제31권6호
• /
• pp.556-565
• /
• 2004

알려지지 않은 악성 코드의 수행에 의한 피해를 막는 방법으로 프로그램의 실행 환경을 제한하는 '샌드박스' 기법이 많이 쓰여져 왔다. 코드의 비정상 행위를 탐지하는 이 기법은 구현 방식에 따라 적용성(configurability)과 편리성(ease of use) 간의 양면성(trade-off)을 가진다. 기존의 MAPbox는 이 두 가지를 동시에 만족 키기 위해 프로그램의 클래스별로 특정 샌드박스를 두는 클래스별 샌드박스 적용 기법을 사용한다[1]. 그러나, 이 방법은 정적으로 클래스의 수와 특성이 결정되므로 적용성에 한계가 있다. 본 논문에서는 MAPbox의 개념에 동적 클래스 생성 기능을 추가함으로써 적용성을 높이는 기법을 소개하고 이를 구현한다. 새로이 생성된 클래스에는 적절한 접근 제어를 가한다. MAPbox에 비해 적용성이 높아진 예로 MAPbox에서는 정상행위이지만 비정상행위로 판단되는 경우가 제안된 기법을 통해 올바르게 판단됨을 보인다. 또한 이 기법을 분석하고 실제로 구현하기 위해 어떠한 문제를 해결하였는지 보인다.

• 전자공학회논문지
• /
• 제50권7호
• /
• pp.216-224
• /
• 2013

영상분할에 사용되는 문턱치 처리 방법들 중 Otsu 방법은 클래스 내 분산(within-class variance)을 이용하여 최적의 문턱치를 자동으로 추정한다. 이때, Otsu 방법은 각 클래스(class)의 통계적 분포를 표현함에 있어 분산을 사용하며, 이러한 분산은 평균으로부터 해당 자료까지의 거리 제곱으로 표현된다. 그 결과, Otsu 방법의 최적 문턱치는 분산의 크기에 큰 영향을 받으며, 분산들 중 크기가 큰 쪽으로 편향되는 문제점을 보인다. 이에 본 논문은 분산을 표준편차로 변경함으로써 이러한 현상을 감소시켰으며, 보다 정확한 문턱치를 추정할 수 있었다. 본 논문은 기존의 클래스 분산(class variance)을 클래스 표준편차(class standard deviation)로 대체하였으며, 문턱치 선택 기준으로서 클래스 내 표준편차(within-class standard deviation)을 제안하였다. 타당성을 검증하기 위해 두 개의 정규분포 히스토그램(histogram) 및 음영이 있는 영상들에 대해 모의실험을 수행하였으며, 제안된 방법을 Otsu 방법 및 기존의 방법들과 비교하였다. 또한, 객관적 성능평가(Misclassification Error)를 통해 제안된 방법의 우수성을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제10권2호
• /
• pp.113-121
• /
• 2005

본 논문에서는 근전도 패턴인식을 수행하기 위한 혼합 LVQ 학습 알고리즘을 설계하였다. 제안된 혼합 LVQ 학습 알고리즘은 초기 참조벡터의 학습을 위해 SOM을 이용하고, LVQ 출력뉴런의 부류지정을 위하여 out-star학습법을 사용하는 변형된 C.p Net.이다. 제안된 C.p. Net.의 입력 층과 종속 클래스 층 사이의 연결강도는 SOM과 LVQ 알고리즘을 이용하여 초기 참조벡터의 설정 및 학습이 가능하게 하였고, 패턴벡터를 종속 클래스 층의 뉴런에 의해 종속 클래스로 분류하고, C.p. Net.의 종속 클래스 층과 클래스 층 사이의 연결강도는 분류된 종속 글래스를 클래스로 지정하는 학습을 하게 된다 근전도 패턴 분류를 위하여 제안된 학습알고리즘을 이용하여 시뮬레이션 되었고 기존의 LVQ 학습방식 보다 우수한 분류성공률을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제17권7호
• /
• pp.45-52
• /
• 2012

본 논문에서는 다중 클래스 아다부스트 기반의 분류기를 이용하여 엘리베이터 내 군집 밀도를 추정하는 방법을 제안한다. SOM을 사용하는 기존의 방법은 재현성이 떨어지며 충분한 성능을 내지 못한다. 제안한 방법은 GLDM(Grey-Level Dependency Matrix)과 GGDM(Grey-Gradient Dependency Matrix)의 텍스처 특징과 다중 클래스 아다부스트 기반의 분류기를 통해 실내 군집 밀도를 추정한다. 다중 클래스를 분류하기 위해 기존의 아다부스트 알고리즘에서 웨이트 업데이트 식을 변형하여 더 높은 성능의 약한 분류기를 생성하도록 하였다. 군집 밀도는 인원수에 따라 0명, 1~2명, 3~4명, 5명 이상 등 네 가지 클래스로 구분하였다. 엘리베이터 내 영상을 이용한 모의 실험 결과 제안된 방법은 기존의 방법보다 약 20% 정도의 검출률 향상을 나타내었다.