• 한국ITS학회 논문지
• /
• 제8권1호
• /
• pp.30-36
• /
• 2009

도심지역에서 사용되는 DSRC 통신시스템은 노변기지국과 차량간 100미터의 통신거리를 갖고 있으며, 이 특성을 이용하여 DSRC시스템에서 RSE(Road Side Equipment)는 차량으로부터 교통정보를 수집하거나 차량에 교통정보를 제공한다. 그러나 고속도로상에서 100미터 통신범위를 갖는 RSE를 사용하는 것은 장비가격 및 설치비가 고가이어서 현실적으로 많은 어려움이 있다. 본 논문에서는 RSE의 표준 셀 범위를 100미터에서 300미터로 확장하고 차량단말기가 RSE와 통신할 수 없는 불감지역을 Cover 하기 위하여 Fixed Relay를 도입하였으며, 이로 인해 Fixed Relay를 사용하는 것이 RSE 만을 사용하는 것 보다 더 경제적인 것을 보인다.

• 한국자기학회지
• /
• 제22권2호
• /
• pp.45-48
• /
• 2012

Co계 비정질 리본인 Metglass$^{(R)}$2714A 코어를 사용하여, 자기장 측정 범위가 ${\pm}100\;{\mu}T$, 측정 주파수 범위가 dc~10 Hz인 3-축의 피드백형 플럭스게이트 마그네토미터를 제작하였다. 제작된 마그네토미터의 아날로그 출력의 전기잡음은 5 pT/$\sqrt{Hz}$ at 1 Hz 이었으며, Micro-controller와 24 bit ADC(Analog to Digital Converter)를 사용한 마그네토미터의 출력을 0.1 nT의 분해능으로 디지털로 출력 할 수 있게 하였다. 디지털 신호로 출력되는 마그네토미터의 선형도는 $1{\times}10^{-4}$ 이하였으며, 1시간 동안 영점 변화는 0.2 nT 이하였다.

• 대한전자공학회논문지SD
• /
• 제49권4호
• /
• pp.1-6
• /
• 2012

본 논문에서는 고주파에서 동작하는 터널링 전계효과 트랜지스터 (TFET)의 소신호 파라미터 추출과 이에 대한 분석을 다루고 있다. 시뮬레이션으로 구현된 TFET의 채널 길이는 50 nm에서 100 nm 사이에서 변화되었다. Conventional planar MOSFET 기반의 quasi-static 모델을 이용하여 TFET의 파라미터 추출이 이루어졌으며 다른 채널 길이를 갖는 TFET에 대한 소신호 파라미터의 값을 게이트 바이어스 변화에 따라서 추출하였다. 추출 결과로부터 effective gate resistance와 transconductance, source-drain conductance, gate capacitance 등 주요 파라미터의 채널 길이 변화에 따른 경향성이 conventional MOSFET과 상당히 다른 것을 확인하였다. 그리고 $f_T$는 MOSFET과 달리 게이트 길이 역수의 값에 정확히 반비례하는 특성을 보였으며 TFET의 고주파 특성 향상을 transconductance의 개선이 아닌 gate capacitance의 감소에 의하여 가능함을 알 수 있었다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2015년도 추계학술대회
• /
• pp.214-217
• /
• 2015

해상교통안전진단제도의 개정으로 인해 해상교통안전진단의 대상사업이 축소됨에 따라 안전진단대상사업에서 제외된 100미터 미만인 선박의 안전진단 결과 부두의 평면배치가 변경되는 등 안전진단제도의 맹점이 도출되고 있다. 또한 안전진단 시행이전에 사업이 승인되어 공사 작업 중에 공사구간을 운항하는 여객선이 통항시 위험성으로 인해 운항이 중단되고 있다. 홍도 방파제 안전진단에 따른 평면배치의 사례와 솔빛대교의 사례를 통해 특별안전진단의 필요성을 제안한다.

• 한국음향학회지
• /
• 제11권3호
• /
• pp.61-66
• /
• 1992

음성 인식에 신경망 모델을 적용하는 많은 연구들이 있었지만, 주된 관심은 음성인식에 적합한 구조와 학습 방법이었다. 그러나 음성인식에 신경망 모델을 적용한 시스템의 효율 향상은 모델 자체의 구조뿐 아니라, 신경망 모델의 입력으로 어떤 음성 파라미터를 사용하는가에 따라서도 큰 영향을 받는다. 본 논문은 기존 음성인식에 신경망 모델을 적용한 많은 연구들에서 사용한 음성 파라미터를 살펴보고, 대표적인 음성 파라미터 6개를 선정하여, 같은 데이타와 같은 신경망 모델 하에서 어떻게 성능이 달라지는지를 분석한다. 인식 실험에 있어서는 한국어 파열음 9개에 대한 8개 데이터 집합과 모음 8개에 대한 18개 데이터 집합을 음성 파라미터로 하고 신경망 모델은 순환 신경망 모델을 사용하여 노드의 수를 일정하게 한뒤 다양한 입력 파라미터의 성능을 비교하였다. 그 결과 선형 예측 계수로부터 얻어진 delta cepstrum의 음성 파라미터가 가장 좋은 성능을 보였으며 이때 인식률은 같은 학습 데이터에 대해 파열음 100.0%, 모음 95.1%이었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권5호
• /
• pp.169-176
• /
• 2020

최근 심층 신경망 (Deep Neural Networks, DNNs)는 모바일 및 임베디드 디바이스에 인간과 유사한 수준의 인공지능을 제공해 많은 응용에서 혁명을 가져왔다. 하지만, 이러한 DNN의 높은 추론 정확도는 큰 연산량을 요구하며, 따라서 기존의 사용되던 모델을 압축하거나 리소스가 제한적인 디바이스를 위해 작은 풋프린트를 가진 새로운 DNN 구조를 만드는 방법으로 DNN의 연산 오버헤드를 줄이기 위한 많은 노력들이 있어왔다. 이들 중 최근 작은 메모리 풋프린트를 갖는 모델 설계에서 주목받는 기법중 하나는 레이어 간에 패러미터를 공유하는 것이다. 하지만, 기존의 패러미터 공유 기법들은 ResNet과 같이 패러미터에 중복(redundancy)이 높은 것으로 알려진 깊은 심층 신경망에 적용되어왔다. 본 논문은 ShuffleNetV2와 같이 이미 패러미터 사용에 효율적인 구조를 갖는 소형 신경망에 적용할 수 있는 패러미터 공유 방법을 제안한다. 본 논문에서 제안하는 방법은 작은 크기의 템플릿과 레이어에 고유한 작은 패러미터를 결합하여 가중치를 생성한다. ImageNet과 CIFAR-100 데이터셋에 대한 우리의 실험 결과는 ShuffleNetV2의 패러미터를 15%-35% 감소시키면서도 기존의 패러미터 공유 방법과 pruning 방법에 대비 작은 정확도 감소만이 발생한다. 또한 우리는 제안된 방법이 최근의 임베디드 디바이스상에서 응답속도 및 에너지 소모량 측면에서 효율적임을 보여준다.

• 한국방사선학회논문지
• /
• 제17권5호
• /
• pp.709-715
• /
• 2023

본 연구의 목적은, U-net 딥러닝 모델을 이용하여 CT 영상에서의 노이즈 감소 효과를 다양한 하이퍼 파라미터를 적용하여 평가하였다. 노이즈가 포함된 입력 영상 생성을 위하여 Gaussian 노이즈를 적용하였고, 총 1300장의 CT 영상에서 train, validation, test 셋의 비율을 8:1:1로 유지하여 U-net 모델을 적용하여 학습하였다. 연구에서 적용된 하이퍼파라미터는 최적화 함수 Adagrad, Adam, AdamW와 학습횟수 10회, 50회, 100회와 학습률 0.01, 0.001, 0.0001을 적용하였으며, 최대 신호 대 잡음비와 영상의 변동계수 값을 계산하여 정량적으로 분석하였다. 결과적으로 U-net 딥러닝 모델을 적용한 노이즈 감소는 영상의 질을 향상시킬 수 있으며 노이즈 감소 측면에서 유용성을 입증하였다.

• 전자공학회논문지S
• /
• 제36S권5호
• /
• pp.70-77
• /
• 1999

본 논문에서는 Wavelet을 이용한 위장 영상의 질환 부위 특징을 추출하여 질환 부위 패턴을 인식할 수 있는 알고리즘을 제안하였다. 전처리 과정으로서 위장 영상이 형태정보는 입력 영상을 DWT(Discrete wavelet transform)에 의해 4레벨 DWT 계수 행렬을 구하고 계수 행렬의 특징에 따라 저주파 계수 행렬로부터 저주파 특징 파라미터 32개, 수평 고주파 계수 행렬로부터 수평 고주파 특징 파라미터 16개, 수직 고주파 계수 행렬로부터 수직 고주파 특징 파라미터 16개, 그리고, 대각 고주파 계수 행렬로부터 대각 고주파 특징 파라미터 32개 등 모두 96개의 특징 파라미터를 추출한 후 각각의 특징 파라미터를 최대 값+0.5로 최소 값을 -0.5로 정규화 하여 신경회로망의 입력 벡터로 사용하였다. 위장 영상 패턴 인식을 위한 신경회로망은 교사 학습을 요구하는 다층 구조의 오차 역전파(Error back propagation)알고리즘으로 하였고 구조적 특성을 이용하여 입력층, 중간층, 출력층의 계층 구조로 설계하였다. 설계된 신경회로망의 학습은 학습계수를 0.2로 모우멘텀을 0.6으로 설정하여 출력층 최대오차가 0.01보다 작을 때까지 수행하였으며 약 8000회 정도 학습한 결과 설정값 보다 작은 결과를 얻었고 질환의 종류나 위치, 크기에 관계없이 100%의 인식률을 얻었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1999년도 학술발표대회 논문집 제18권 1호
• /
• 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.

• 한국산림과학회지
• /
• 제100권4호
• /
• pp.664-671
• /
• 2011

Random Walk Model을 이용하면 토석류 피해범위 예측할 수 있지만 이 모델을 적용하기 위해서는 각 지형조건에 맞는 3가지 파라미터가 추출되어야 한다. 본 연구에서는 이 3가지 파라미터인 1회토사량 및 정지조건, 관성가중치에서 최적의 파라미터를 추출하기 위한 기법을 개발하였고, 토석류가 발생한 지역에 적용하여 검증을 실시하였다. 최적 파라미터의 추출은 일치율이란 정확도 판단방법을 개발하고 3가지 파라미터의 범위를 한정하여 무작위로 수행하였다. 이 중 가장 정확도 및 일관성이 높은 파라미터 조합을 최적 파라미터로 결정하였다. 연구지역인 봉화군지역에 적용하여 추출한 최적 파라미터는 일치율이 -0.2일 때 1회토사량이 $1.0m^3$, 정지조건이 $4.2^{\circ}$, 관성가중치가 2로 결정되었고, 검증결과도 일치율이 평균 -0.2에 가깝게 나타냈다.