• 대한의용생체공학회:의공학회지
• /
• 제17권4호
• /
• pp.449-458
• /
• 1996

Most of the conventional electrocardiowaphs foil to detect signals other than P-QRS-T due to the limited SNR and bandwidth. High-resolution electrocardiography(HRECG) provides better SNR and wider bandwidth for the detection of micro-potentials with higher frequency components such as vontricular late potentials(LP). We have developed a HRECG using uncorrected XYZ lead for the detection of LPs. The overall gain of the amplifier is 4000 and the bandwidth is 0.5-300Hz without using 60Hz notch filter. Three 16-bit A/D converters sample X, Y, and Z signals simultaneously with a sampling frequency of 2000Hz. Sampled data are transmitted to a PC via a DMA-controlled, optically-coupled serial communication channel. In order to further reduce the noise, we implemented a signal averaging algorithm that averaged many instances of aligned beats. The beat alignment was carried out through the use of a template matching technique that finds a location maximizing cross-correlation with a given beat tem- plate. Beat alignment error was reduced to $\pm$0.25ms. FIR high-pass filter with cut-off frequency of 40Hz was applied to remove the low frequency components of the averaged X, Y, and Z signals. QRS onset and end point were determined from the vector magnitude of the sigrlaIL and some parameters needed to detect the existence of LP were estimated. The entire system was designed for the easy application of the future research topics including the optimal lead system, filter design, new parameter extraction, etc. In the developed HRECG, without signal averaging, the noise level was less than 5$\mu$V$_rms RTI$. With signal averaging of at least 100 beats, the noise level was reduced to 0.5$\mu$V$_rms RTI$, which is low enough to detect LPs. The developed HRECG will provide a new advanced functionality to interpretive ECG analyzers.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권2호
• /
• pp.742-756
• /
• 2022

A flood of information has occurred with the rise of the internet and digital devices in the fourth industrial revolution era. Every millisecond, massive amounts of structured and unstructured data are generated; smartphones, wearable devices, sensors, and self-driving cars are just a few examples of devices that currently generate massive amounts of data in our daily. Machine learning has been considered an approach to support and recognize patterns in data in many areas to provide a convenient way to other sectors, including the healthcare sector, government sector, banks, military sector, and more. However, the conventional machine learning model requires the data owner to upload their information to train the model in one central location to perform the model training. This classical model has caused data owners to worry about the risks of transferring private information because traditional machine learning is required to push their data to the cloud to process the model training. Furthermore, the training of machine learning and deep learning models requires massive computing resources. Thus, many researchers have jumped to a new model known as "Federated Learning". Federated learning is emerging to train Artificial Intelligence models over distributed clients, and it provides secure privacy information to the data owner. Hence, this paper implements Federated Averaging with a Deep Neural Network to classify the handwriting image and protect the sensitive data. Moreover, we compare the centralized machine learning model with federated averaging. The result shows the centralized machine learning model outperforms federated learning in terms of accuracy, but this classical model produces another risk, like privacy concern, due to the data being stored in the data center. The MNIST dataset was used in this experiment.

• 한국통신학회논문지
• /
• 제30권4C호
• /
• pp.223-229
• /
• 2005

본 논문에서는 디인터레이싱을 위해 제한된 탐색영역을 갖는 확장된 에지기반 라인 평균 방법을 제안한다. 기존의 에지기반 라인 평균 방법들은 화소단위의 상관도를 이용하기 때문에 잡음과 계조도의 변화에 매우 취약하다는 단점이 있다. 그리고 방향성 에지를 탐색할 때, 탐색영역 내에 동일 방향을 갖는 에지들이 다수 존재할 경우 잘못된 에지 방향을 찾게 되고 보간된 영상에 점과 같은 잡음이 발생한다. 이러한 단점을 해결하기 위해 에지 방향 탐색시 탐색영역을 제한하는 블록단위의 에지 기반 라인 평균 방법을 제안한다. 실험 결과 제한하는 방법은 기존의 화소 단위의 에지기반 라인 평균 방법들보다 PSNR 측면에서 약 1 dB 이상 우수한 결과를 나타내었다.

• 한국정보통신학회논문지
• /
• 제10권1호
• /
• pp.104-110
• /
• 2006

고정도, 저주파용 데이터 변환기로 사용되어온 델타-시그마 변환기는 그 출력 단에 1 bit 혹은 multi-bit 양자화기(ADC)를 사용할 수 있다. 이 중 multi-bit 양자화기를 사용하는 경우 궤환회로에도 multi-bit DAC을 사용하여야 하며 시스템의 데이터 변환 정확도는 DAC의 비선형성에 직접적인 영향을 받는다. 이 영향을 최소화하여 델타-시그마 변환기의 변환 정확도를 높이기 위해서는 DAC에 사용되는 단위 데이터 변환소자 간의 오차가 시스템에 미치는 영향을 최소화 하여야한다. 이 과정 즉 Dynamic Element Matching을 위하여 제안된 4가지 방안(DER, CLA, ILA, DWA)을 비교 설명하였다. 그리고 각 방안을 사용하였을 때 시스템 출력의 잡음 특성을 비교 하였다. 이중 DWA(Data Weighted Averaging) 방안이 가장 우수한 출력 특성을 보였다.

• Industrial Engineering and Management Systems
• /
• 제10권1호
• /
• pp.84-94
• /
• 2011

In this paper, we propose a method to provide the distribution of option price under local volatility model when market-provided implied volatility data are given. The local volatility model is one of the most widely used smile-consistent models. In local volatility model, the volatility is a deterministic function of the random stock price. Before estimating local volatility surface (LVS), we need to estimate implied volatility surfaces (IVS) from market data. To do this we use local polynomial smoothing method. Then we apply the Dupire formula to estimate the resulting LVS. However, the result is dependent on the bandwidth of kernel function employed in local polynomial smoothing method and to solve this problem, the proposed method in this paper makes use of model averaging approach by means of bandwidth priors, and then produces a robust local volatility surface estimation with a confidence interval. After constructing LVS, we price barrier option with the LVS estimation through Monte Carlo simulation. To show the merits of our proposed method, we have conducted experiments on simulated and market data which are relevant to KOSPI200 call equity linked warrants (ELWs.) We could show by these experiments that the results of the proposed method are quite reasonable and acceptable when compared to the previous works.

• 전기학회논문지
• /
• 제58권8호
• /
• pp.1638-1643
• /
• 2009

Uroflowmetry is a convenient clinical test to screen the benign prostatic hyperplasia(BPH) common in the aged men. A load cell is located beneath the urine container to measure the weight of urine. However, it is sensitive to the impact applied on the bottom of the container by the urine stream, which could be a noise source lowering the reliability of the system. With this aim, our study proposed a noise reduction technique by computing ensemble average of the weighted signals that were acquired from three-load cells forming a regular triangle beneath the urine container. Simulated urination experiment was performed with three different collection methods, all of which demonstrated significant noise reduction by ensemble averaging. Furthermore, the best results can be obtained without any special urine collection devices. Thus, our novel method can be usefully applied to uroflowmetry for enhancing measurement in terms of accuracy and reliability.

• 한국멀티미디어학회논문지
• /
• 제10권11호
• /
• pp.1516-1522
• /
• 2007

FPA(Fixed Partition Averaging) 기법은 기억공간의 효율적인 사용과 분류성능의 향상을 위하여 제안되었던 메모리 기반 추론 기법으로 대상 패턴 공간을 분할 한 후 대표 패턴을 추출하여 분류 기준 패턴으로 사용한다. 이 기법은 메모리 사용 효율과 분류 성능 면에서 우수한 결과를 보인다. 그러나 여러 클래스가 혼합된 분할패턴공간의 경우에 원래의 패턴들을 그대로 저장하여 메모리와 분류성능에 부담으로 작용하는 문제점을 가지고 있다. 본 논문에서는 여러 클래스가 혼합된 분할공간에서 패턴비율을 고려하여 고정분할을 반복적으로 실행하여 초월평면을 생성하고 분류하는 반복적 고정분할평균기법을 제안한다. 본 논문에서 제안한 기법은 기존의 k-NN 기법과 비교하여 현저하게 줄어든 대표패턴을 이용하여 유사한 분류 성능을 보여주며, NGE 이론을 구현한 EACH 시스템과 FPA 기법 등과 비교하여 탁월한 분류 성능을 보여준다.

• 한국위성정보통신학회논문지
• /
• 제10권1호
• /
• pp.29-32
• /
• 2015

운전자의 안전과 편의성을 높이기 위해 통신시스템과 자동차와의 융합의 중요성이 부각되고 있다. 질 높은 서비스를 지원하기 위해 선 차량들 간에 정보가 신뢰성 있게 전달되어야 한다. 따라서 고속주행 환경에서는 채널이 급격하게 변하므로 채널 값을 정확히 추정할 수 있는 기법이 중요하다. 이 논문은 차량용 무선 통신 규격인 IEEE 802.11p에서 시변 채널 추정을 위해 개선된 결정지향 기법인 FADP(Frequency Averaging Data Pilot)를 제안한다. 주파수 대역에서 평균화 과정을 거치고 시간 대역에서 데이터 심벌간의 강한 상관관계를 이용하여 좀 더 정확하게 채널 추정 값을 구하였다. 평균 제곱 오차 및 비트 에러율의 관점에서 기존의 기법들과 비교분석하여 FADP의 성능을 검증하였다.

• Asia pacific journal of information systems
• /
• 제16권1호
• /
• pp.85-101
• /
• 2006

Actual type of aggregation performed by an ordered weighted averaging (OWA) operator heavily depends upon the weighting vector. A number of approaches have been suggested for obtaining the associated weights. In this paper, we present analytic forms of OWA operator weighting functions, each of which has such properties as rank-based weights and constant value of orness, irrespective of number of objectives aggregated. Specifically, we propose four analytic forms of OWA weighting functions that can be positioned at 0.25, 0.334, 0.667, and 0.75 on the orness scale. The merits for using these weights over other weighting schemes can be mentioned in a couple of ways. Firstiy, we can efficiently utilize the analytic forms of weighting functions without solving complicated mathematical programs once the degree of orness is specified a priori by decision maker. Secondly, combined with well-known OWA operator weights such as max, min, and average, any weighting vectors, having a desired value of orness and being independent of the number of objectives, can be generated. This can be accomplished by convex combinations of predetermined weighting functions having constant values of orness. Finally, in terms of a measure of dispersion, newly generated weighting vectors show just a few discrepancies with weights generated by maximum entropy OWA.

• 한국멀티미디어학회논문지
• /
• 제6권5호
• /
• pp.824-830
• /
• 2003

메모리 기반 추론에서 기억공간의 효율적인 사용과 분류성능의 향상을 위하여 제안되었던 RPA(Recursive Partition Averaging)알고리즘은 대상 패턴 공간을 분할 한 후 대표 패턴을 추출하여 분류 기준 패턴으로 사용한다. 이 기법은 구성된 초월 평면상에서 단순히 대표패턴을 추출하여 분류 성능 저하의 원인이 되는 단점을 가지고 있었다. 여기에서는 기존 RPA의 단점을 보완하기 위해 FPD (Feature-based Population Densimeter)를 이용한 OHC (Optimized Hyperrectangle Calving) 알고리즘을 제안한다. 제안된 알고리즘은 RPA분할 종료 후 OHC를 이용하여 초월 평면을 최적화한 후 패턴 평균 기법을 적용하여 학습 결과를 산출한다. 제안된 알고리즘은 k-NN분류기에서 필요로 하는 메모리 공간의 40%정도를 사용하며 분류에 있어서도 RPA보다 우수한 인식 성능을 보이고 있다. 또한 저장된 패턴의 감소로 인하여, 실제 분류에 소요되는 시간비교에 있어서도 k-NN보다 월등히 우수한 성능을 보이고 있다.