• 한국산학기술학회논문지
• /
• 제12권10호
• /
• pp.4543-4549
• /
• 2011

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 하는 과정에서 소프트웨어 관리자들이 소프트웨어 및 검사 도구에 효율적인 학습기법을 이용한 NHPP 소프트웨어 모형에 대하여 연구 하였다. 적용분포는 버르 분포를 적용한 유한고장 NHPP에 기초하였다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 그 결과 학습요인이 자동 에러 탐색요인보다 큰 경우가 대체적으로 효율적인 모형임을 확인 할 수 있었다. 본 논문의 수치적인 예에서는 고장 간격 시간 자료를 적용하고 모수추정 방법은 최우추정법을 이용하여 추세분석을 통하여 자료의 효율성을 입증한 후 평균자승오차와 $R^2$(결정계수)를 이용하여 효율적인 모형을 선택 비교하였다.

• 융합신호처리학회논문지
• /
• 제3권2호
• /
• pp.30-36
• /
• 2002

본 논문에서는 선형적응필터를 사용하고 있는 기존의 적응잡음제거 기 의 단점을 보완하기 위해 신경망 적응필터를 이용한 비선형 적응잡음제거기를 다루고 있다. 제안된 적응잡음제거기는 광대역 시변 잡음신호를 사용하여 잡음제거 성능을 조사하였으며 상대평가를 위해 TDL (tapped-delay -line) 선형필터의 적응잡음제거기와 비교하였다. 실험결과에 의하면 적응잡음 제거기의 주입력에 포함된 잡음과 기준입력 사이에 비선형적인 상관관계가 존재하는 경우 신경망 적응잡음제거기는 평균자승오차값을 기준으로 선형잡음제거기보다 더 우수한 성능을 보여주었으며, 또한 리커런트 신경망 적응필터가 순방향 신경망 필터보다 성능이 우수하였다. 따라서 적응잡음제거기에서 광대역 시변잡음을 제거하는데 신경망 적응필터가 선형 적응필터보다 효과적임을 확인하였다.

• KDI Journal of Economic Policy
• /
• 제15권1호
• /
• pp.3-86
• /
• 1993

본(本) 거시경제모형(巨視經濟模型)은 "케인즈"적인 소득지출모형(所得支出模型)으로서, 최근 개방화 및 자율화추세에 따라 크게 변모한 경제구조하에서 예측의 정확도를 높이고 대내외여건(對內外與件) 변화(變化)에 기인한 제반 영향을 보다 명확하게 분석하기 위해서 작성되었다. 모형(模型)의 구조(構造)는 6개 부문, 162개의 방정식으로 구성되어 있으며, 70년대와 80년대의 구조변화(構造變化)를 고려하여 1982년부터 1991년까지를 추정대상 기간으로 삼았다. 기존의 KDI 분기모형과 비교할 때 본(本) 개정모형(改定模型)의 가장 두드러진 특징은 총량변수를 항목별로 세분하여 대내외여건 변화시 경제에 마치는 영향을 기존의 총량수준보다 한 단계 더 세분화된 수준에서 파악하고자 한 점이다. 또한 각종 가격변수들의 시장조절기능(市場調節機能)을 반영하기 위해서 금리(金利), 임금(賃金), 환율(換率) 등을 내생화(內生化)하였고, 총통화(總通貨)와 장기자본수지(長期資本收支) 등도 모형내에서 결정되도록 하였다. 역사적(歷史的) 시뮬레이션의 결과, 주요 내생변수의 평균자승근퍼센트오차가 5% 내외의 양호한 수준을 나타냄으로써 본(本) 모형(模型)이 80년대의 구조변화(構造變化)를 적절히 반영하고 있다고 볼 수 있다. 정책(政策)시뮬레이션은 원유 및 원자재수입가격과 같은 해외여건(海外與件) 변화(變化)와, 기타건설(其他建設), 정부소비지출(政府消費支出), 국내민간신용(國內民間信用)의 확대와 같은 정책변화(政策變化)의 두 부문으로 나누어 시행하였다. 원유 및 원자재가격의 상승은 우리 경제에 부(負)의 공급충격(供給衝擊)으로 작용함으로써 성장을 둔화시키고 물가를 상승시켰으며, SOC 투자를 포함한 기타건설(其他建設)의 증가(增加), 정부소비지출(政府消費支出),의 확대(擴大), 민간신용(民間信用)의 증가(增加)는 모두 단기적으로 경기부양의 효과는 있으나 장기적으로 물가를 더욱 상승시키는 것으로 나타나 물가(物價)와 성장(成長)이 서로 상충관계에 있는 것으로 파악되었다.

• 한국음향학회지
• /
• 제24권3호
• /
• pp.150-159
• /
• 2005

본 논문에서는 임의의 음성을 특정 화자가 발성한 것처럼 들리도록 변환하는 음성 개성 변환 알고리즘에 대해 연구하였다. 제안된 기법은 화자의 음성을 LPC 켑스트럼, 피치, 발성 속도를 사용하여 표현하였으며 각각에 대한 변환 규칙을 생성하여 변환을 수행하였다. LPC 켑스트럼은 혼합 가우시안 모델을 이용한 확률적으로 모델링하고, 두 화자간의 대응관계를 조건 확률로 나타내었다. 확률적인 모델링에 필요한 각종 파라메터들을 얻기 위해 최대 가능도 기법이 사용되었으며, 변환 LPC 켑스트럼은 최소 자승 오차 방법에 근거하여 얻어지도록 하였다. 운율 변환을 위한 변수로 본 논문에서는 피치와 발성 속도를 사용하였으며, 두 음성간의 평균값 비율을 사용하여 운율 변환을 수행하였다. 제안된 기법은 기존 벡터 양자화 기반의 기법과 비교에서, 객관적인 척도로 사용한 평균 켑스트럼 거리 감소율, 가능도 증가율 면에서 우수한 성능을 나타내었다. 주관적인 테스트에서도 기존의 방법과 유사한 인식율을 얻었으며 특히 완만하게 변화하는 스펙트럼 궤적에 따른 고음질이 얻어짐을 확인할 수 있었다.

• 한국음향학회지
• /
• 제7권2호
• /
• pp.20-25
• /
• 1988

본 연구는 소음전파에 대한 옥외실험과 축적 음향모형실험에 의해서 지표면에 의한 초과감쇠 특징을 밝힌 것으로써, 옥외실험에 의한 소음전파감쇠는 음향출력이 큰 소형엔진을 사용하여, 거리감쇠로부터 산출한 실측의 초과감쇠와 Log(D/(Hs+Hr))의 관계를 확인했다. 그 결과 소음전파감쇠는 풍향, 주파수에 따라 다르며 직선회귀 된다는 것을 알 수 있었다. 그리고, 지표면상의 초과감쇠치는 통기저항을 이용해서 Log(D/Hs+Hr))을 파라미터로써 구할 수 있었고, 가장 적당한 통기저항$\sigma$는 실측의 초과감쇠치와 임의의 $\sigma$에 대한 $L=-20Log\mid1+(r_1/r_2)Qexp(ik, \bigtriangleup r)\mid$ 식의 평균자승 오차가 가장 적어질 때 결정된다. 모형의 지표로써 축척 1/40의 모형실험으로, 큰 무향실내에서 거리감쇠의 측정을 한 결과, 실측치와의 대응이 충분하다는 것을 확인했다.

• 대한의용생체공학회:의공학회지
• /
• 제20권3호
• /
• pp.307-314
• /
• 1999

M-wave 는 신경전도 연구에 있어서 후기반응 현상 중 직접적인 반응으로, 반응 후 일정시간내에 정보가 존재하는 단발 반응의 특성을 가지고 있다. 이러한 M-wave 는 신경계통의 질환을 진단하기 위한 유용한 요소이며, 따라서 M-wave 의 형태 및 시간에 관한 정보가 간단히 표현될 수 있다면 신경질환 연구에 많은 도움이 될 것이다. 따라서 본 연구에서는 Ar 모델링 방법이 이러한 M-wave 의 정보 압축에 있어서 효과적임을 증명하였다. 이로 인해 먼저 실제로 측정된 M-wave 신호에서 Ar 파라메터를 추정하였으며, 추정된 파라메터를 가지고 근사화한 곡선과 최근의 M-wave의 정보압축에 관한 연구인 Hermite 변환을 이용한 방법에 따른 근사화 곡선을 비교하였다. 제안된 방법의 구체적인 검증을 위해 실신호와 근사화 곡선의 정규화 평균자승오차(NMSE)를 구하여 비교하였다. 결론적으로 M-wave 의 정보를 압축하는데 있어 Hermite 변환은 30개의 파라메터가 필요한 반면, 본 연구에서 제시한 AR 모델링방법은 3개의 파라메터만 가지고도 효과적으로 M-wave 의 특징을 압축할 수 있음을 보였다.

• 융합보안논문지
• /
• 제11권1호
• /
• pp.25-32
• /
• 2011

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 하는 과정에서 소프트웨어 관리자들이 소프트웨어 및 검사 도구에 효율적인 학습기법을 이용한 NHPP 소프트웨어 모형에 대하여 연구 하였다. 적용분포는 와이블 분포를 적용한 유한고장 NHPP에 기초하였다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 그 결과 학습요인이 자동 에러 탐색요인보다 큰 경우가 대체적으로 효율적인 모형임을 확인 할 수 있었다. 본 논문의 수치적인 예에서는 고장 간격 시간 자료를 적용하고 모수추정 방법은 최우추정법을 이용하고 추세분석을 통하여 자료의 효율성을 입증한 후 평균자승오차와 $R_{sq}$(결정계수)를 이용하여 효율적인 모형을 선택 비교하였다.

• 한국지능시스템학회논문지
• /
• 제25권2호
• /
• pp.133-138
• /
• 2015

본 논문에서는 비균일 양자화에 기반을 둔 영상의 질감분석에 널리 이용되고 있는 gray level co-occurrence matrix(GLCM)의 성능개선을 제안하였다. 여기서 비균일 양자화는 평균자승오차의 최소화를 위한 반복계산 기법인 Lloyd 알고리즘을 이용하였다. 이는 영상에서의 비균일 양자화 과정으로 얻어지는 비선형의 명암레벨을 GLCM의 생성에 이용함으로써 행렬의 차원을 감소시켜, GLCM의 생성과 질감특성 파라미터들의 계산에 따른 부하를 줄이기 위함이다. 제안된 기법을 30개의 $120{\times}120$ 픽셀의 256 그레이 레벨을 가진 영상들을 대상으로 적용하여 angular second moment, contrast, variance, entropy, correlation, inverse difference moment 6개의 질감특성 파라미터들을 각각 계산한 실험결과, 양자화를 수행하지 않은 256 레벨 GLCM에 비해 계산시간과 저장 공간에서 개선된 성능이 있음을 확인하였다. 특히 48, 32, 16, 12, 8의 비균일 양자화 레벨 중에서 16일 때 가장 우수한 질감특성분석 성능이 있음을 알 수 있었다.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1103-1108
• /
• 2023

본 논문에서는 음향신호의 배경잡음을 감쇠하기 위한 새로운 알고리즘을 제안한다. 이 알고리즘은 이산 웨이블릿 변환(DWT: Discrete Wavelet Transform) 후 기존의 적응필터를 대신 FNN(: Full-connected Neural Network) 심층학습 알고리즘을 이용하여 잡음감쇠 성능을 개선하였다. 입력신호를 단시간 구간별로 웨이블릿 변환한 다음 1024-1024-512-neuron FNN 딥러닝 모델을 이용하여 잡음이 포함된 단일입력 음성신호로부터 잡음을 제거한다. 이는 시간영역 음성신호를 잡음특성이 잘 표현되도록 시간-주파수영역으로 변환하고 변환 파라미터에 대해 순수 음성신호의 변환 파라미터를 이용한 지도학습을 통하여 잡음환경에서 효과적으로 음성을 예측한다. 본 연구에서 제안한 잡음감쇠시스템의 성능을 검증하기 위하여 Tensorflow와 Keras 라이브러리를 사용한 시뮬레이션 프로그램을 작성하고 모의실험을 수행하였다. 실험 결과, 제안한 심층학습 알고리즘을 사용하면 기존의 적응필터를 사용하는 경우보다 30%, STFT(: Short-Time Fourier Transform) 변환을 사용하는 경우보다는 20%의 평균자승오차(MSE: Mean Square Error) 개선효과를 얻을 수 있었다.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.113-118
• /
• 2024

본 논문에서는 음향신호의 배경잡음을 소거하기 위한 시스템에서 최적의 wavelet을 제안한다. 이 시스템은 기존의 단구간 푸리에변환(STFT: Short Time Fourier Transform) 대신 이산 웨이블릿변환(DWT: Discrete Wavelet Transform)을 수행한 후 심층학습과정을 통하여 잡음소거 성능을 개선하였다. DWT는 다해상도 대역통과필터 기능을 하며 각 레벨에서 모 웨이블릿을 시간 이동시키고 크기를 스케일링한 여러 웨이블릿을 이용하여 변환 파라미터를 구한다. 여기서 음성을 분석하는데 가장 적합한 모(mother) 웨이블릿을 선정하기 위해 여러 웨이블릿에 대한 잡음소거 성능을 실험하였다. 본 연구에서 여러 웨이블릿에 대한 잡음소거시스템의 성능을 검증하기 위하여 Tensorflow와 Keras 라이브러리를 사용한 시뮬레이션 프로그램을 작성하고 가장 많이 사용되는 4개의 wavelet에 대해 모의실험을 수행하였다. 실험 결과, Haar 또는 Daubechies 웨이블릿을 사용하는 경우가 가장 우수한 잡음소거 성능을 나타냈으며 타 웨이블릿을 사용하는 경우보다 평균자승오차(MSE: Mean Square Error)가 크게 개선되는 것을 볼 수 있었다.