• 한국정보전자통신기술학회논문지
• /
• 제8권1호
• /
• pp.45-50
• /
• 2015

본 논문은 능동 소음 제어를 위한 적응 알고리즘들의 성능을 비교함으로써 효과적인 적응 알고리즘을 보인다. 일반적인 적응 알고리즘으로는 normalized least mean square (NLMS) 알고리즘이 있다. NLMS는 구조가 간단하고 수렴 속도가 빠르다는 장점이 있어서 널리 사용되고 있다. 하지만 상관도가 높은 신호에 대해서는 수렴 성능이 떨어지는 문제가 발생한다. 이에 수렴 성능을 개선하기 위해 affine projection (AP) 알고리즘을 사용하고 있다. 하지만 연산량의 문제로 AP 알고리즘의 사용이 제한적이다. 이러한 사실을 바탕으로 협대역 소음 제어를 위한 능동 소음 제어 시스템에서 NLMS와 AP 알고리즘을 연산량과 수렴 성능을 비교함으로써 효과적인 알고리즘을 도출하였다. 실험을 통해 NLMS와 AP 알고리즘의 소음 제어 성능이 차이가 크게 발생하지 않는 것을 확인함으로써 NLMS가 AP 알고리즘에 비해 소음 제어에 효과적임을 확인하였다.

• 제어로봇시스템학회논문지
• /
• 제20권8호
• /
• pp.854-867
• /
• 2014

This paper deals with the performance comparison of a PSO algorithm inspired in the process of simulating the behavior pattern of the organisms. The PSO algorithm finds the optimal solution (fitness value) of the objective function based on a stochastic process. Generally, the stochastic process, a random function, is used with the expression related to the velocity included in the PSO algorithm. In this case, the random function of the normal distribution (Gaussian) or uniform distribution are mainly used as the random function in a PSO algorithm. However, in this paper, because the probability distribution which is various with 2 shape parameters can be expressed, the performance comparison of a PSO algorithm using the beta probability distribution function, that is a random function which has a high degree of freedom, is introduced. For performance comparison, 3 functions (Rastrigin, Rosenbrock, Schwefel) were selected among the benchmark Set. And the convergence property was compared and analyzed using PSO-FIW to find the optimal solution.

• 한국통신학회논문지
• /
• 제40권7호
• /
• pp.1413-1419
• /
• 2015

모노 펄스 레이더는 단일 송신 신호를 이용해 목표물의 위치를 예측해 내는 레이더이다. 본 논문은 9.41GHz의 X밴드 대역 주파수를 이용하여 해양 환경에서 선박용 레이더에 사용 될 각도 추정 기술로써 위상 비교 모노펄스 알고리즘에 대한 연구를 수행하였다. 또한, 위상 비교 모노펄스 알고리즘을 이용하여 안테나 간격과 타겟의 위치에 따른 평균 제곱근 오차를 계산해 보았다. 이를 이용하여 선형 배열 안테나를 사용할 때와 비선형 배열 안테나를 사용할 때의 위상 비교 모노펄스 알고리즘 성능을 비교 하였다. 마지막으로 본 논문에서 제안한 위상 비교 모노펄스 알고리즘과 MUSIC, BARTLETT 알고리즘의 성능 차이를 분석해 보았다.

• 한국산업정보학회논문지
• /
• 제27권5호
• /
• pp.1-11
• /
• 2022

딥러닝 기술의 발전에 따라 학습을 통해 선호도 랭킹 추정을 하기 위한 다양한 연구 개발이 진행되고 있으며, 웹 검색, 유전자 분류, 추천 시스템, 이미지 검색 등 여러 분야에 걸쳐 이용되고 있다. 딥러닝 기반의 선호도 랭킹을 추정하기 위해 근사(approximation) 알고리즘을 이용하는데, 이 근사 알고리즘에서 적정한 정도의 정확도를 보장할 수 있도록 모든 비교 대상에 k번 이상의 비교셋을 구축하게 되며, 어떻게 비교셋을 구축하느냐가 학습에 영향을 끼치게 된다. 이 논문에서는 크라우드 소싱 기반의 딥러닝 선호도 측정을 위한 쌍체 비교 셋을 생성하는 새로운 알고리즘인 k-disjoint 비교셋 생성 알고리즘과 k-체이닝 비교셋 생성 알고리즘을 제안한다. 특히 k-체이닝 알고리즘은 기존의 원형 생성 알고리즘과 같이 데이터 간의 연결성을 보장하면서도 안정적인 선호도 평가를 지원할 수 있는 랜덤적 성격도 함께 가지고 있음을 실험에서 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제12권2호
• /
• pp.153-158
• /
• 2012

본 논문에서는 통신 채널에서 발생되는 찌그러짐과 잡음의 영향을 최소화하기 위하여 사용되는 적응 등화 알고리즘인 CMA 와 MMA 의 성능을 비교하였다. 다른 방식에비해 비교적 간단한 연산으로 고속 등화가 가능한 알고리즘인 CMA (Constant Modulus Algorithm)와 이의 오차 함수를 변형한 MMA (Multi-Modulus Algorithm)의 성능을 분석하여 점대점 또는 점대다점의 디지털 전송에서 적용 가능성을 확인하였다. CMA 알고리즘은 수신 신호의 진폭만을 보상하며 위상은 보상하지 못하므로 별도의 PLL을 사용하여야 하지만, MMA 알고리즘은 진폭과 위상을 동시에 보상할 수 있음을 컴퓨터 시뮬레이션을 통하여 확인하였으며 이의 성능 비교를 위해서 적응 등화기에 필수적인 수렴 특성과 잔류 isi양을 사용하였고, 그 결과 수렴 특성에서는 MMA 방식이, 진폭 보상을 나타내는 잔류 isi 양에서는 CMA 방식이 우월함을 알 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제12권2호
• /
• pp.131-139
• /
• 2007

본 논문에서는 다중해상도 알고리즘을 제안하여 탐색점과 복잡도를 블록정합 알고리즘과 비교하여 나타내었다. 또한 스피드 업을블록정합 알고리즘과 비교 하였다. 제안한 다중해상도 NTSS-3 Level 알고리즘을 비교대상인 TSS-3 Level 알고리즘과 NTSS 알고리즘에 비교하였다. 비교 결과 탐색점과 스피드업에서 제안한 NTSS-3 Level 알고리즘이 우수함을 나타내었다. 따라서 제안한 NTSS-3 Level 알고리즘이 비교 대상인 블록정합 알고리즘에 비해 탐색점에서 $2{\sim}3$배 우수한 성능을 나타내었고 복잡도 계산에서도 $2{\sim}4$배의 우수함을 나타내었다. 스피트업에서도 제안한 NTSS-3 Level 알고리즘이 2배 이상의 성능을 나타내었다. 따라서 제안한 다중해상도 NTSS-3 Level 알고리즘이 탐색점과 스피드 업 대비 PSNR 우수함을 나타내었다.

• 한국품질경영학회:학술대회논문집
• /
• 한국품질경영학회 1998년도 The 12th Asia Quality Management Symposium* Total Quality Management for Restoring Competitiveness
• /
• pp.696-704
• /
• 1998

Artificial neural networks (ANN) have successfully applied into various areas. But, How to effectively established network is the one of the critical problem. This study will focus on this problem and try to extensively study. Firstly, four different learning algorithms ANNs were constructed. The learning algorithms include backpropagation, simulated annealing, genetic algorithm, and tabu search. The experimental results of the above four different learning algorithms were tested by statistical analysis. The training RMS, training time, and testing RMS were used as the comparison criteria.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 2004년도 춘계학술대회 논문집
• /
• pp.287-292
• /
• 2004

In this study, we made a comparative study of backpropagation neural network and probabilistic neural network and bayesian classifier and perceptron as shape recognition algorithm of welding flaws. For this purpose, variables are applied the same to four algorithms. Here, feature variable is composed of time domain signal itself and frequency domain signal itself, Through this process, we confirmed advantages/disadvantages of four algorithms and identified application methods of few algorithms.

• IEIE Transactions on Smart Processing and Computing
• /
• 제5권6호
• /
• pp.390-394
• /
• 2016

This paper presents a new comparison method for haze-removal algorithms in next-generation automotive systems. Compared to previous peak signal-to-noise ratio-based comparisons, which measure similarity, the proposed modulation transfer function-based method checks sharpness to select a more suitable haze-removal algorithm for lane detection. Among the practical filtering schemes used for a haze-removal algorithm, experimental results show that Gaussian filtering effectively preserves the sharpness of road images, enhancing lane detection accuracy.

• International Journal of Internet, Broadcasting and Communication
• /
• 제6권1호
• /
• pp.16-22
• /
• 2014

Clustering methods such as k-means and EM are the group of classification and pattern recognition, which are used in management science and literature search widely. In this paper, k-means and EM algorithm are compared the performance using by Weka. The winning Lottery numbers of 567 cases are experimented for our study and presentation. Processing speed of the k-means algorithm is superior to the EM algorithm, which is about 0.08 seconds faster than the other. As the result it is summerized that EM algorithm is better than K-means algorithm with comparison of accuracy, precision and recall. While K-means is known to be sensitive to the distribution of data, EM algorithm is probability sensitive for clustering.