• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10c
• /
• pp.189-194
• /
• 2006

현대의 텔레매틱스 서비스 환경은 더욱 다양화 되고 보편화 및 실시간성을 요구하는 형태로 진화되고 있다. 이에 따라 기존의 모바일 동기화 기법은 안정적 서비스를 목적으로 하기 때문에 상대적으로 빠른 처리와 한꺼번에 많은 용량의 데이터 처리를 요구하는 환경에서는 효과적으로 대처하는데 어려움이 있다. 이는 보편화되고 다양화된 사용자 환경을 고려하지 않았기 때문이다. 본 논문은 이러한 변화된 서비스 환경에 적합한 모바일 데이터 동기화를 위해 파라미터를 이용한 동기화 기법을 제안한다. 파라미터를 이용한 동기화 기법은 동기화할 영역을 입력되는 파라미터를 이용하여 제한함으로써 동기화 시 소요되는 통신비용을 절감하고 이로써 다양화, 보편화하는 서비스 환경에 적합하고, 기존의 방식에 비해 더욱 빠른 데이터 동기화 기능을 제공함으로써. 실시간 텔레매틱스 서비스에 적용할 수 있다..

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1995.04a
• /
• pp.572-584
• /
• 1995

공정으로부터 얻어지는 공정특성치는 일반적으로 시계열로 모형화 할 수 있다. 그러므로 공정의 상태변화 감지는 공정을 묘사하는 시계열 모형의 출력에 대한 통계적 분석이나 모형을 형성하고 있는 파라미터들에 대한 감시를 통하여 가능하게 된다. 공정의 상태변화를 감시하기 위한 기존의 방법들은 공정 모형의 구조나 파라미터가 알려져 있거나 가정한 방법론을 제시하고 있다. 그러나 공정변화의 원인을 진단하거나 변동형태 또는 변동시점의 감지에 있어 통계적인 분포가 알려지지 않은 경우나 동적구조를 가진 데이터의 변동감지에는 많은 제약이 존재한다. 또한, 실제로 동적으로 변화하는 공정의 모형구조와 파라미터를 모든 경우에 파악하여 사전에 특정 시계열 모형으로 가정하기는 어렵다. 본 연구에서는 공정으로부터 얻어지는 데이터들을 뉴럴 모형화하여 이들의 이노베이션(innovation)에 대한 연속적인 검정을 통하여 공정의 상태변화를 감지하는 방법을 제시한다. 또한 새롭게 변화된 공정모형의 파라미터 집합에 대한 규명을 특정 시계열 모형을 가정하지 않은 일반화된 모형들에 대한 분류를 통하여 실시하였다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.2095-2096
• /
• 2006

본 논문에서는 복잡하고 비선형적인 시스템에 대하여 구체적이고 체계적인 방법에 의한 퍼지 모델을 동정하기 위해 유전자알고리즘을 이용하여 전반부 및 후반부의 구조와 파라미터 동정하기 위한 유전론적 접근을 소개한다. 정보 입자 기반 퍼지 모델의 구조를 동정하기 위하여 유전자 알고리즘을 이용하여 입력 변수의 수, 선택될 입력 변수, 멤버쉽함수의 수, 그리고 후반부 형태를 결정하고, 파라미터를 동정하기 위하여 전반부 멤버쉽 파라미터를 동조하여 최적의 퍼지 모델을 설계한다. 또한 구조 동정 및 파라미터 동정에 있어서 개별적인 방법과 동시적인 방법으로 접근하여 정보 입자 기반 퍼지 모델의 최적 동정을 도모한다. 마지막으로 제안된 퍼지 모델은 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.121-124
• /
• 2006

본 논문에서는 Bacterial Foraging Algorithm과 FCM(fuzzy c-means)클러스터링을 이용하여 TSK(Takagi-Sugeno-Kang)형태의 퍼지 규칙 생성과 퍼지 시스템(FCM-ANFIS)을 효과적으로 구축하는 방법을 제안한다. 구조동정에서는 먼저 PCA(Principal Component Analysis)을 이용하여 입력 데이터 성분간의 상관관계를 제거한 후에 FCM을 이용하여 클러스터를 생성하고 성능지표에 근거해서 타당한 클러스터의 수, 즉 퍼지 규칙의 수를 얻는다. 파라미터 동정에서는 Bacterial Foraging Algorithm을 이용하여 전제부 파라미터를 최적화 시킨다. 결론부 파라미터는 RLSE(Recursive Least Square Estimate)에 의해 추정되어진다. PCA(Principal Component Analysis)와 FCM을 적용함으로써 타당한 규칙 수를 생성하였고 Bacterial Foraging Algorithm을 이용하여 최적의 전제부 파라미터를 구하였다. 제안된 방법의 성능을 평가하기 위하여 Box-Jenkins의 가스로 데이터와 Rice taste 데이터의 모델링에 적용하였고 우수한 성능을 보임을 알 수 있었다.

• Proceedings of the Korea Society of Information Technology Applications Conference
• /
• 2002.11a
• /
• pp.363-370
• /
• 2002

A substrate network model characterizing substrate effect of submicron MOS transistors for RF operation and its parameter extraction with physically meaningful values are presented. The proposed substrate network model includes a single resistance and inductance originated from ring-type substrate contacts around active devices. Model parameters are extracted from S-parameter data measured from common-bulk configured MOS transistors with floating gate and use where needed with out any optimization. The proposed modeling technique has been applied to various-sized MOS transistors. Excellent agreement the measurement data and the simulation results using extracted substrate network model up to 30GHz.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.56-60
• /
• 1999

본 논문은, 자동차에서 발생할 수 있는 다양한 형태의 잡음이 섞인 음성을 대상으로, 잡음에 강인한 파라미터들을 사용하여 인식기들을 구축하였으며, 이들 파라미터를 비교 평가하였다. 실험에 사용된 음성 데이터는 차종, 속도, 도로 환경, 라디오 ON/OFF, 창문 개폐여부 등 다양한 잡음 환경에서 수집하였다. 실험에서 비교된 파라미터는 MFCC(Mel-Blrequency Cepstral Coefficient)와 PLP(Perceptually Linear Prediction) 이며, 각각의 파라미터에 대해서 MKM(Modified k-mean)을 이용하여 코드북을 작성하였고, DHMM(Discrete Hidden Markov Model)을 인식알고리즘으로 사용하였다. 실험 결과로서, 아스팔트 도로에서 창문을 닫고, 라디오를 켜지 않은 상태에서 60km/h로 주행시 $96.25\%$로 가장 높은 인식률을 얻었고, 고속도로에서 창문을 열고 100km/h로 주행시에는$60\%$로 가장 낮은 인식률을 얻었다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2002.11a
• /
• pp.363-370
• /
• 2002

A substrate network model characterizing substrate effect of submicron MOS transistors for RF operation and its parameter extraction with physically meaningful values are presented. The proposed substrate network model includes a single resistance and inductance originated from ring-type substrate contacts around active devices. Model parameters are extracted from S-parameter data measured from common-bulk configured MOS transistors with floating gate and use where needed with out any optimization. The proposed modeling technique has been applied to various-sized MOS transistors. Excellent agreement the measurement data and the simulation results using extracted substrate network model up to 30㎓

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.370-373
• /
• 2006

본 논문에서는 복잡하고 비선형적인 시스템에 대하여 구체적이고 체계적인 방법에 의한 퍼지 모델을 설계하기 위해 유전자알고리즘을 이용하여 전반부 및 후반부의 구조와 파라미터 동정한다. 정보 입자 기반 퍼지 모델의 구조를 동정하기 위하여 유전자 알고리즘을 이용하여 입력 변수의 수, 선택될 입력 변수, 멤버쉽함수의 수, 그리고 후반부 형태를 결정하고, 파라미터를 동정하기 위하여 전반부 멤버쉽 파라미터를 동조하여 최적의 퍼지 모델을 설계한다. 또한 구조 동정 및 파라미터 동정에 있어서 개선된 연속적 동조 방법으로 접근하여 정보 입자 기반 퍼지 모델의 최적 동정을 도모한다. 마지막으로 제안된 퍼지 모델은 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• The Journal of Korean Institute of Electromagnetic Engineering and Science
• /
• v.25 no.8
• /
• pp.808-820
• /
• 2014

In this paper, we fabricated two on-wafer type DUT(Device-Under-Test)s; a 10-dB attenuator and an amplifier using commercially available MMIC and we proposed the measurement method of the noise parameters for the two fabricated DUTs. Since the 10-dB attenuator DUT is a passive device, its noise parameters can be accurately determined when its S-parameters are measured. In the case of the amplifier DUT, its noise parameters are available in the datasheet. Hence, the measured noise parameters using the proposed method can be assessed by comparing with the known noise parameters. The noise parameter measurement method having been presented by the authors requires the S-parameters of the 8-port network used in the measurement and limited to coaxial type DUTs. When on-wafer probes are included in the 8-port network, the 8-port S-parameters requires the measurements with different kinds of connectors. In this paper, we obtained the 8-port S-parameters using the Smart-Cal function in the network analyzer. The measured noise parameters shows about ${\pm}0.2dB$ fluctuations for $NF_{min}$. Other noise parameters with the frequency change show good agreement with the expected results.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.41 no.6
• /
• pp.279-283
• /
• 2004

In general, triangular shape filters are used in the filter bank when we extract MFCC feature parameters from the spectrum of the speech signal. A different approach, which uses specific filter shapes in the filter bank that are optimized to the spectrum of training speech data, is proposed by Lee et al. to improve the recognition rate. A principal component analysis method is used to get the optimized filter coefficients. Using a large amount of 4-digit telephone speech database, in this paper, we get the MFCCs based on the PCA-optimized filter bank and compare the recognition performance with conventional MFCCs and direct weighted filter bank based MFCCs. Experimental results have shown that the MFCC based on the PCA-optimized filter bank give slight improvement in recognition rate compared to the conventional MFCCs but fail to achieve better performance than the MFCCs based on the direct weighted filter bank analysis. Experimental results are discussed with our findings.