• 한국정보통신학회논문지
• /
• 제14권3호
• /
• pp.648-654
• /
• 2010

자원할당 시스템에서는 자원에 대한 요구연산과 반환연산이 반복적으로 이루어진다. 자원을 요구한 프로세스는 우선순위에 따라 할당받은 뒤, 일정 기간 사용 후 다시 반납하게 된다. 이때 자원에 오류가 발생하면 그 오류로부터 회복될 때까지 할당이 지연되거나, 할당받은 프로세스를 중단하는 사태가 발생한다. 이 논문은 이와 같은 처리 과정을 효과적으로 분석하기 위해, 기존의 프로세스 대수학 ACSR에 확률적 선택연산 개념을 추가한 확률적 ACSR 을 설계하였다. 확률적 ACSR을 이용하여 요구연산과 반환연산이 발생하는 비율과, 오류가 발생하고 그 오류로부터 복구하는 비율을 확률적으로 표기하고 분석할 수 있음을 보였다.

• 전기전자학회논문지
• /
• 제15권3호
• /
• pp.198-204
• /
• 2011

본 논문에서는 선택적 증폭후 전달(Opportunistic Amplify-and-Forward: OAF) 릴레이 시스템에 대한 새로운 성능 분석 기법을 레일리 페이딩 채널에 대하여 제안하였다. 제안된 분석 기법에서는 집합 연산(set-operation)을 기반으로 각 릴레이가 최적의 릴레이로 선택될 확률을 유도한다. 그리고 수신된 순시 신호 대 잡음비의 확률 밀도 함수를 기존의 분석 기법보다 일반적인 (확률밀도함수 표현에서 합 기호의 개수 및 그 영역이 구체화된)형태로 제시한다. 그리고 이를 이용하여 평균 오류율, 누락 확률 및 평균 채널 용량을 근사화된 닫혀진 형태로 유도한다. 제안된 성능분석 기법의 정확성은 모의실험을 통하여 검증한다. 성능분석 및 모의실험 결과 비교를 통하여 OAF 기법이 평균 오류 확률, 누락 확률 및 평균 채널 용량 측면에서 비선택적 기법에 비해 성능 향상 정도가 우수함을 확인한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.407-409
• /
• 1999

블록의 DCT계수를 이용하여 동영상 움직임 탐색(motion estimation)에서 탐색점 수를 결정하는 선택적 탐색 기법을 제안한다. DCT(Discrete Cosine Transform)에서 탐색점 수를 결정하는 선택적 탐색 기법을 제안한다. DCT(Discrete Cosine Transform) 연산과 블록정합 기법인 3단게 탐색기법을 기반으로 한다. DCT 연산 결과인 블록의 주파수성분에 가중치테이블을 적용하여 고주파성분을 많이 가진 블록일수록 탐색점의 수를 증가시켜 국부극소에 빠질 확률을 줄여 화질을 개선한다. MP@ML 영상테이터에 대해 제안된 기법을 사용하여 시뮬레이션하였다. 제안하는 기법은 3단계 탐색기법에 비하여 연산량은 증가하나, 연산량 증가에 비하여 좋은 화질을 제공한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.1728-1731
• /
• 2012

본 논문에서는 부모 개체의 해밍 거리에 기반하여 선택적 변이연산을 적용한 유전알고리즘을 제안한다. 유전자 형이 매우 유사한 개체들 간의 유전연산은 알고리즘의 탐색성능을 저하시키고 조기 수렴의 가능성을 증가시킨다. 본 논문에서는 이러한 현상을 극복하기 위하여, 교차연산 시 선택된 두 부모 개체간의 해밍 거리에 따라 그 값이 낮으면 교차연산 후 생성된 두 자식 개체 중 한쪽에게 높은 변이확률을 적용하고 다른 한쪽 자식은 부모와 비슷한 유전자 형으로 탐색을 계속하게 하여 조기 수렴을 방지하면서 해집단의 다양성 유지 기능을 향상 시켰다. 제안한 유전 알고리즘을 다차원 배낭 문제에 적용한 결과, 같은 조건에서 단순 유전 알고리즘(SGA) 보다 향상된 탐색 성능을 보여주었다.

• 한국산학기술학회논문지
• /
• 제19권4호
• /
• pp.161-166
• /
• 2018

본 논문에서는 컨볼루션 신경망 구조(Convolution Neural Network)에서 정규화 및 교차검증 횟수 감소를 위한 무작위로 풀링 연산을 선택하는 방법에 대해 설명한다. 컨볼루션 신경망 구조에서 풀링 연산은 피쳐맵(Feature Map) 크기 감소 및 이동 불변(Shift Invariant)을 위해 사용된다. 기존의 풀링 방법은 각 풀링 계층에서 하나의 풀링 연산이 적용된다. 이러한 방법은 학습 간 신경망 구조의 변화가 없기 때문에, 학습 자료에 과도하게 맞추는 과 적합(Overfitting) 문제를 가지고 있다. 또한 최적의 풀링 연산 조합을 찾기 위해서는, 각 풀링 연산 조합에 대해 교차검증을 하여 최고의 성능을 내는 조합을 찾아야 한다. 이러한 문제를 해결하기 위해, 풀링 계층에 확률적인 개념을 도입한 무작위 풀링 연산 선택 방법을 제안한다. 제안한 방법은 풀링 계층에 하나의 풀링 연산을 적용하지 않는다. 학습기간 동안 각 풀링 영역에서 여러 풀링 연산 중 하나를 무작위로 선택한다. 그리고 시험 시에는 각 풀링 영역에서 사용된 풀링 연산의 평균을 적용한다. 이러한 방법은 풀링 영역에서 서로 다른 풀링 조합을 사용한 구조의 평균을 한 것으로 볼 수 있다. 따라서, 컨볼루션 신경망 구조가 학습데이터에 과도하게 맞추어지는 과적합 문제를 피할 수 있으며, 또한 각 풀링 계층에서 특정 풀링 연산을 선택할 필요가 없기 때문에 교차 검증 횟수를 감소시킬 수 있다. 실험을 통해, 제안한 방법은 정규화 성능을 향상시킬 뿐만 아니라 및 교차 검증 횟수를 줄일 수 있다는 것을 검증하였다.

• 정보처리학회논문지C
• /
• 제18C권1호
• /
• pp.1-6
• /
• 2011

암호학의 암호 생성과 해독, 소수판별법의 성능은 대부분 $a^b$(mod n)의 모듈러 지수연산의 효율적 구현여부로 결정된다. 모듈러 지수연산법에는 표준 이진법이 최선의 선택으로 알려져 있다. 그러나 큰 자리수의 b에 대해서는 d-ary, (d=2,3,4,5,6)이 보다 효율적으로 적용된다. 본 논문에서는 $b{\equiv}0$(mod m), $2{\leq}m{\leq}16$인 경우 b를 m-진법으로 변환시켜 수행하는 방법과 m-진법 수행과정에서 결과 값이 1 또는 a가 발생하는 경우 곱셈 수행횟수를 획기적으로 줄이는 방법을 제안하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.15-17
• /
• 2022

볼 베어링 선택조립 시스템에서 잉여부품을 최소화하기 위해서는 각 부품의 치수 분포를 파악하여 선택 확률을 최적화하여야 하지만, 복잡한 시스템은 생산 공정에 지연이 일으킨다. 본 논문에서는 볼 베어링 선택조립 시스템에서 빠르고 간단하게 선택 우선순위를 결정할 수 있는 군집 우선 선택 알고리즘을 제안한다. 그리고 실제 볼 베어링 선택조립 공정에서 수집한 데이터로 모의 상황을 가정하고, 군집 우선 선택 알고리즘과 기존 알고리즘을 시뮬레이션하여 잉여부품 발생률과 연산소요시간을 평가한다. 시뮬레이션 결과, 군집 우선 선택 알고리즘이 기존 알고리즘에 비하여 83.8% 적은 잉여부품을 발생하였고, 연산소요시간도 39.7% 단축되었다.

• 한국정보통신학회논문지
• /
• 제17권2호
• /
• pp.385-390
• /
• 2013

본 논문에서는 높은 데이터 처리량을 갖는 CABAC 하드웨어 구조를 제안한다. 제안하는 CABAC 복호기는 데이터의 의존성을 유지하면서 한 사이클의 두 개의 bin을 처리한다. 또한 문맥의 전환이나 확률 상태가 변환될 수 있기 때문에 결과 값을 선택적으로 처리할 수 있는 구조로 구현하였다. 확률 구간을 읽어오는 동안 Offset과 Range를 선 연산하고, Offset에 비트를 추가하여 연산함으로써 병목현상을 완화시켰다. 제안하는 CABAC 복호기의 동작 주파수를 비교 분석한 결과, 기존 구조 대비 40%이상 향상된 결과를 얻었다.

• 한국지능시스템학회논문지
• /
• 제7권4호
• /
• pp.65-73
• /
• 1997

본 논문에서는 진화연산을 이용하여 동적 귀환 신경망의 구조를 저차원화하는 방법을 제안한다. 일반적으로 진화연산을 개체군을 이용한 탐색 방법으로서 신경회로망의 여러 가지 다른 성질을 동시에 최적화할 필요가 있을 때 유용한 방법이다. 본 연구에서는 동적 귀환 신경망의 구조를 조차원화하기 위하여 진화 프로그래밍으로 신경망의 구조를 탐색하고, 진화전략으로 신경망의 연결강도를 학습시킴으로서 전체적인 구조를 저차원화하였다.신경망의 중간층 노드의 추가/삭제는 돌연변이 확률에 의하여 결정한다. 노드를 삭제할 경우에는 입력 연결강도의 총합이 가장 작은 노드를 삭제하고, 노드를 추가할 경우에는 미리 지정한 확률함스에 따라 노드를 추가한다. 그리고 추가된 노드와 다른 노드와의 연결방법은 서로 영향을 미칠 수 있는 모든 연결강도 중에서 확률적으로 선택하여 연결하였다. 마지막으로 제안한 저차원화 동적 귀환 신경망이 완전 연결된 신경망보다 더 좋은 성능을 얻을 수 있음을 예제로서 본 논문에서는 도립진자의 안정화 및 제어와 로봇 매니퓰레이터의 비주얼 서보잉에 적용하여 컴퓨터 시뮬레이션을 통하여 그 유효성을 확인한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 추계종합학술대회
• /
• pp.927-930
• /
• 2005

ACSR은 실시간 시스템을 기술하고 분석하기 위한 시간 프로세스 대수학으로서, 동기적으로 발생 하는 timed action과 비동기적으로 발생하는 event의 기술을 지원한다. ACSR의 선택 연산에 확률개념을 도입하여 확장한 대수학이 PACSR이다. 이 논문은 PACSR을 이용하여 일반적인 자원할당시스템에서 시스템 오류의 발생 및 그 오류로부터의 복구 과정을 기술하고자 한다. 시스템 오류 발생과정이 오류 발생 확률과 복구 확률로부터 분석 가능함을 보였다.