• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.543-546
• /
• 2004

Bishop과 Nabney에 의해 소개된 기존의 혼합 밀도 네트워크(Mixture Density Network)에서는 조건부 확률밀도 함수의 매개변수들(parameters)이 하나의 MLP(multi-layer perceptron)의 출력 벡터로 주어진다. 최근에는 변형된 혼합 밀도 네트워크(Modified Mixture Density Network)라고 하는 이름으로 조건부 확률밀도 함수의 선분포(priors), 조건부 평균(conditional means), 그리고 공분산(covariances) 등이 각각 독립적인 MLP의 출력벡터로 주어지는 경우를 다룬 연구가 보고된 바 있다. 본 논문에서는 조건부 평균이 입력에 관해 선형인 경우를 위한 버전에 대한 이론과 매트랩 프로그램 개발 및 적용을 다룬다. 본 논문에서는 우선 일반적인 혼합 밀도 네트워크에 대해 간단히 설명하고, 혼합 밀도 네트워크의 출력인 다층 퍼셉트론의 매개변수를 각각 다른 다층 퍼셉트론에서 학습시키는 변형된 혼합 밀도 네트워크를 설명한 후, 각각 다른 다층 퍼셉트론을 통해 매개변수를 얻는 것은 동일하나 평균값은 선형함수를 통해 얻는 혼합 밀도 네트워크 버전을 소개한다. 그리고, 모의실험을 통하여 이러한 혼합 밀도 네트워크를의 적용가능성에 대해 알아본다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.7
• /
• pp.847-851
• /
• 2004

In the original mixture density network(MDN), which was introduced by Bishop and Nabney, the parameters of the conditional probability density function are represented by the output vector of a single multi-layer perceptron. Among the recent modification of the MDNs, there is the so-called modified mixture density network, in which each of the priors, conditional means, and covariances is represented via an independent multi-layer perceptron. In this paper, we consider a further simplification of the modified MDN, in which the conditional means are linear with respect to the input variable together with the development of the MATLAB program for the simplification. In this paper, we first briefly review the original mixture density network, then we also review the modified mixture density network in which independent multi-layer perceptrons play an important role in the learning for the parameters of the conditional probability, and finally present a further modification so that the conditional means are linear in the input. The applicability of the presented method is shown via an illustrative simulation example.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.473-476
• /
• 2004

본 논문에서는 프라이버시를 침해 하지 않는 데이터 마이닝에 대해 다룬다. 방대한 데이터에서 유용한 정보를 추출하는 데이터 마이닝분야에서 데이터로부터 프라이버시 보존의 중요성이 부각되고 있다. 그래서 프라이버시의 침해를 막기 위한 방법으로 실제 데이터를 사용하지 않고 잡음이 들어간 데이터를 사용한다. 그리고 프라이버시를 침해하지 않기 위해 잡음이 들어간 데이터로부터 데이터의 확률 밀도 함수(PDF)만을 복원한다. 이렇게 복원된 확률 밀도 함수만을 이용하여 데이터 마이닝기술, 예를 들면 분류화에 곧바로 적용함으로써 프라이버시를 보존하는 것이다. 하지만 분류화에 사용되는 데이터의 1차원적인 확률 밀도 함수만 가지고는 군집화에 사용하기가 부적절하다. 따라서 본 논문에서는 군집화를 하기 위해 잡음이 들어간 데이터로부터 결합 확률 밀도 함수(Joint PDF)를 복원하고, 복원된 결합 확률 밀도 함수만 가지고 군집화를 할 수 있는 방법을 다룬다.

• Proceedings of the KIEE Conference
• /
• 2005.07c
• /
• pp.2082-2084
• /
• 2005

I-V 특성 곡선의 2차 미분을 통해서 얻어지는 전자 에너지 분포 함수를 정확하게 구하기 위해서는 스무딩 과정이 반드시 필요하다. 대표적인 스무딩 방법으로 가우시안 확률 밀도 함수를 instrument함수로 이용하는 가우시안 스무딩이 있다. 본 연구에서는 시스템에 따라서 instrument함수가 다르다는 점에 착안하여, 여러 가지 다른 종류의 확률 밀도 함수를 instrument함수로 사용 스무딩에 적용하여 확률 밀도 함수에 따른 노이즈 제거 및 전자 에너지 분포 함수의 정확도를 비교하였고. 동시에 대표적인 범용 스무딩 방법인 사비츠키-골래이 스무딩, Polynomial fitting과도 그 결과를 비교 분석하였다.

• The Journal of Korean Institute of Electromagnetic Engineering and Science
• /
• v.13 no.8
• /
• pp.797-803
• /
• 2002

In this paper we derive the probability density function of the phase error of the received signal over Rician fading channel and verify its propriety as the probability density function using the zeroth moment. In general, for the error probability over fading channel we compute the error probability in the first place when it is only AWGN, and then we get the final result by averaging the first result and the probability density function of the corresponding fading channel. In this paper, however, we compute the error probability by double integration after the probability density function over fading channel is computed.

• The Journal of the Acoustical Society of Korea
• /
• v.12 no.6
• /
• pp.21-27
• /
• 1993

계층형 신경망은 패턴 분류를 위해 사용되어 왔다. 이것은 주어진 교사패턴들의 학습으로 원하는 입력-출력 간의 매핑을 할 수 있기 때문이다. 신경망은 타겟ㅌ트 패턴이 입력 패턴의 카테고리에 일치할 때 타겟트 패턴을 학습하므로서 사후 확률을 근사화할 수 있다. 그리고 입력 공간을 부분 공간으로 나누어 학습 데이터들의 비율로서 만든 타겟트 벡터들로 학습한 신경망은 확률밀도 함수를 나타낼 수 있다. 본 연구에서는 역전파 학습법을 이용한 계층형 NN 과 코드북으로서 사후 확률과 확률밀도함수의 측정방법을 제안하였다. VQ 로 추정한 사후확률고 확률밀도함수를 이용하여 학습이 필요없는 RBF network 의 일종인 PNN으로 모음 인식을 수행 하였다. 인식 실험에서 PNN 의 결과는 역전파 학습법을 이용항 3층 신경망과 VQ 의 평균 인식율과 비교되었다. VQ-PNN의 인식율이 다른 것보다 우수하게 나타났다.

• The Journal of the Acoustical Society of Korea
• /
• v.17 no.6
• /
• pp.37-42
• /
• 1998

본 논문에서는 SCHMM에 적용된 관찰 확률 최대화에 의한 화자 적응 알고리즘을 제안한다. 제안된 알고리즘은 SCHMM의 관찰 확률 밀도들이 새로운 화자의 음성 특징을 잘 표현하지 못하는 경우 인식 성능이 저하되는 것을 막기 위하여, 적응 데이터의 각 특징 벡터들이 최대의 관찰 확률을 가질 수 있도록 관찰 확률 밀도를 결정하는 평균 벡터 μ와 분산 행렬 Σ를 기울기 탐색(gradient search) 알고리즘에 의해 반복적으로 적응시켜 주는 방법이다. SCHMM의 상태 천이 확률 A와 혼합 밀도 계수 C는 관찰 확률 밀도 적응 과정 을 거친 후, 적응 데이터로부터 구한 확률과 기존 확률의 가중 평균을 취하는 과정을 반복 하여 적응시켜 주었다. 제안된 화자 적응 알고리즘을 사용하여 단독음 인식 실험을 수행한 결과, 화자 적응을 수행하지 않았을 때와 비교하여 화자 독립 시스템에서는 평균 9.8%, 남 성 화자 종속 시스템에서는 평균 46.0%, 여성 화자 종속 시스템에서는 평균 52.7%의 인식 률 향상을 보였다.

• The Journal of the Acoustical Society of Korea
• /
• v.5 no.4
• /
• pp.16-21
• /
• 1986

위상이 불규칙적으로 변하는 RZ와 NRZ 신호에 대하여 전력 밀도 스펙트럼을 구하였고 신호의 펄스폭 점유율은 가변으로 하였다. 이때 불규칙 위상의 확률분포는 구간 내에서 일정하다고 가정한다. 단극성 지터없는 신호는 입력된 신호의 기본 주파수의 정수배마다 스펙트럼의 이산성분이 존재하며 이 것은 데이터를 찾기 위한 타이밍 신호로써 이용된다. 그러나 지터가 유입되는 경우에는 이 이산 신호성 분이 점차 감소하게 되며, 균일한 확률 분포를 갖는 지터의 경우는 완전히 소멸하였음을 확인하였다.

• Journal of the Korean School Mathematics Society
• /
• v.23 no.4
• /
• pp.509-521
• /
• 2020

This study began with the discovery of the concept of frequency density in Singapore textbooks and in a set of subject contents of the UK's General Certificate of Secondary Education. To understand the mathematical meaning of frequency density, the mathematical connection of frequency density was considered in terms of mathematics internal connections and mathematics external connections. In addition, the teaching method of frequency density was introduced. In terms of mathematical internal connections, the connections among the probability density function, relative frequency density, and frequency density in high school statistics were examined. Regarding mathematical external connections, the connection with the density concept in middle school science was analyzed. Based on the mathematical connection, the study suggested the need to introduce the frequency density concept. For the teaching method of frequency density, the Singapore secondary mathematics textbook was introduced. The Singapore textbook introduces frequency density to correctly represent and accurately interpret data in histograms with unequal class intervals. Therefore, by introducing frequency density, Korea can consistently teach probability density function, relative frequency density, and frequency density, emphasizing the mathematical internal connections among them and considering the external connections with the science subject. Furthermore, as a teaching method of frequency density, we can consider the method provided in the Singapore textbook.

• The Journal of the Acoustical Society of Korea
• /
• v.28 no.3
• /
• pp.239-244
• /
• 2009

This paper is to develop the Korean Phonotactic Probability Calculator (KPPC) that anticipates the phonotactic probability in Korean. KPPC calculates the positional segment frequecncy, position-specific biphone frequency and position-specific triphone frequency. And KPPC also calculates the Neighborhood Density that is the number of words that sound similar to a target word. The Phonotactic Calculator that was developed in University of Kansas can be analyzed by the computer-readable phonemic transcription. This can calculate positional frequency and position-specific biphone frequency that were derived from 20,000 dictionary words. But KPPC calculates positional frequency, positional biphone frequency, positional triphone frequency and neighborhood density. KPPC can calculate by korean alphabet or computer-readable phonemic transcription. This KPPC can anticipate high phonotactic probability, low phonotactic probability, high neighborhood density and low neighborhood density.