• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.777-781
• /
• 2004

This paper presents an algorithm for multichannel slotted-ring topology medium access protocol (MAC) using in wavelength division multiplexing (WDM) networks. In multichannel ring, there are two main previously proposed architectures: Tunable Transmitter - Fixed Receiver (TTFR) and Fixed Transmitter - Tunable Receivers (FTTR). With TTFR, nodes can only receive packets on a fixed wavelength and can send packets on any wavelengths related to destination of packets. Disadvantage of this architecture is required as many wavelengths as there are nodes in the network. This is clearly a scalability limitation. In contrast, FTTR architecture has advantage that the number of nodes can be much larger than the number of wavelength. Source nodes send packet on a fixed channel (or wavelength) and destination nodes can received packets on any wavelength. If there are fewer wavelengths than there are nodes in the network, the nodes will also have to share all the wavelengths available for transmission. However the fixed wavelength approach of TTFR and FTTR bring low network utilization. Because source node with waiting data have to wait for an incoming empty slot on corresponding wavelength. Therefore this paper presents Tunable Transmitter - Tunable Receiver (TTTR) approach, in which the transmitting node can send a packet over any wavelengths and the receiving node can receive a packet from any wavelengths. Moreover, the self-similar distributed input traffic is used for evaluation of the performance of the proposed algorithm. The self-similar traffic performs better performance over long duration than short duration of the Poison distribution. In order to increase bandwidth efficiency, the Destination Stripping approach is used to mark the slot which has already reached the desired destination as an empty slot immediately at the destination node, so the slot does not need to go back to the source node to be marked as an empty slot as in the Source Stripping approach. MATLAB simulator is used to evaluate performance of FTTR, TTFR, and TTTR over 4 and 16 nodes ring network. From the simulation result, it is clear that the proposed algorithm overcomes higher network utilization and average throughput per node, and reduces the average queuing delay. With future works, mathematical analysis of those algorithms will be the main research topic.

• 제어로봇시스템학회논문지
• /
• 제16권12호
• /
• pp.1150-1158
• /
• 2010

In this study, the Polynomial-based Radial Basis Function Neural Networks is proposed as one of the recognition part of overall face recognition system that consists of two parts such as the preprocessing part and recognition part. The design methodology and procedure of the proposed pRBFNNs are presented to obtain the solution to high-dimensional pattern recognition problem. First, in preprocessing part, we use a CCD camera to obtain a picture frame in real-time. By using histogram equalization method, we can partially enhance the distorted image influenced by natural as well as artificial illumination. We use an AdaBoost algorithm proposed by Viola and Jones, which is exploited for the detection of facial image area between face and non-facial image area. As the feature extraction algorithm, PCA method is used. In this study, the PCA method, which is a feature extraction algorithm, is used to carry out the dimension reduction of facial image area formed by high-dimensional information. Secondly, we use pRBFNNs to identify the ID by recognizing unique pattern of each person. The proposed pRBFNNs architecture consists of three functional modules such as the condition part, the conclusion part, and the inference part as fuzzy rules formed in 'If-then' format. In the condition part of fuzzy rules, input space is partitioned with Fuzzy C-Means clustering. In the conclusion part of rules, the connection weight of pRBFNNs is represented as three kinds of polynomials such as constant, linear, and quadratic. Coefficients of connection weight identified with back-propagation using gradient descent method. The output of pRBFNNs model is obtained by fuzzy inference method in the inference part of fuzzy rules. The essential design parameters (including learning rate, momentum coefficient and fuzzification coefficient) of the networks are optimized by means of the Particle Swarm Optimization. The proposed pRBFNNs are applied to real-time face recognition system and then demonstrated from the viewpoint of output performance and recognition rate.

• 대한전자공학회논문지TC
• /
• 제48권4호
• /
• pp.6-14
• /
• 2011

이동통신이 발전해 감으로써 사용자들은 점점 더 높은 데이터율과 신뢰성이 높은 통신 시스템을 요구하고 있다. 최근에는 이러한 사용자 요구에 부합하기 위해 MIMO(Multiple Input Multiple Out)와 OFDM(Orthogonal Frequency Division multiplexing)의 장점을 모두 활용하는 MIMO-OFDM에 기반을 둔 시스템 개발이 활발히 이루어지고 있다. 또한, 빠른 무선 채널 환경에 대응하여 높은 전송률 및 양질의 데이터를 만족하기 위해서 채널 상태에 따라서 적응적으로 변조, 코딩, 부 반송 파수 및 파워 할당을 달리하는 시스템 등이 결합되고 있다. 이러한 피드백 기반 시스템은 얼마나 정확히 채널에 대한 상태 정보(CSI : Channel State Information)를 지연 없이 송신기에 전달하느냐에 따라서 시스템 전체 성능이 향상 될 수 있고 저하될 수 있다. 본 논문에서는 송 수신단에서 서로 알고 있는 프리앰블(Preamble)을 이용하여 채널 추정과정 없이 정확한 SNR (신호 대 잡음비: Signal to Noise Ratio) 추정이 가능한 알고리즘을 제안하고 기존의 프리앰블 기반 SNR 추정 알고리즘들과 여러 가지 평가방법을 통해 성능을 비교 분석하였다. 또한, IEEE 802.11n 시스템에서 각 알고리즘에 의해 추정된 SNR을 피드백 기반으로 AMC를 적용해보았다. 여러 채널에서 각 알고리즘의 성능을 분석 해 본 결과, 제안된 알고리즘 기반으로 AMC 기법을 적용하였을 때 모든 채널에 대해서 가장 높은 전송률을 보임을 확인하였다.

• 한국지반공학회논문집
• /
• 제15권1호
• /
• pp.99-112
• /
• 1999

국내에서 계측된 92개의 측압계수를 이용하여 심도에 따른 측압계수의 경향을 분석하고 Hoek & Brown이 정의한 측압계수의 범위와 비교하였다. 국내의 측압계수는 1이상이 84%로 대부분의 경우 수평응력이 연직응력보다 크게 나타났다. 지반의 침식. 퇴적 및 암반 풍화. 횡압력에 의한 측압계수의 변화를 분석하기 위해 탄소성 이론을 적용하고 그 결과를 유한요소해석과 비교하였다. 측압계수는 지표 침식과 횡압력이 크고 암질이 양호할수록 증가하였고 퇴적의 경우에 감소하였다. 본 연구를 통하여 여러 지질작용이 측압계수에 미치는 영향을 파악할 수 있었고, 특히 지하공동의 굴착 심도인 천부 암반에서의 측압계수 변화를 파악할 수 있었다. 다층 역전파 학습 알고리즘을 적용한 인공신경망을 이용하여 측압계수 예측 전문가 시스템을 개발하였다. 학습률, 모멘텀 상수 그리고 은닉층 노드수를 고려하여 실측치와 상관계수 0.996 이상의 매우 높은 추론율을 보이는 모델을 선정하였다 학습에서 제외한 9개 계측자료로 이 모델을 검증한 결과, 추론오차의 평균은 20%였으며 상관계수도 0.95 이상으로 측압계수를 예측하는데 있어 높은 신뢰성을 보였다.

• International Journal of Computer Science & Network Security
• /
• 제23권1호
• /
• pp.112-119
• /
• 2023

Traditionally used for networking computers and communications, the Internet has been evolving from the beginning. Internet is the backbone for many things on the web including social media. The concept of social networking which started in the early 1990s has also been growing with the internet. Social Networking Sites (SNSs) sprung and stayed back to an important element of internet usage mainly due to the services or provisions they allow on the web. Twitter and Facebook have become the primary means by which most individuals keep in touch with others and carry on substantive conversations. These sites allow the posting of photos, videos and support audio and video storage on the sites which can be shared amongst users. Although an attractive option, these provisions have also culminated in issues for these sites like posting offensive material. Though not always, users of SNSs have their share in promoting hate by their words or speeches which is difficult to be curtailed after being uploaded in the media. Hence, this article outlines a process for extracting user reviews from the Twitter corpus in order to identify instances of hate speech. Through the use of MPCA (Modified Principal Component Analysis) and ECNN, we are able to identify instances of hate speech in the text (Enhanced Convolutional Neural Network). With the use of NLP, a fully autonomous system for assessing syntax and meaning can be established (NLP). There is a strong emphasis on pre-processing, feature extraction, and classification. Cleansing the text by removing extra spaces, punctuation, and stop words is what normalization is all about. In the process of extracting features, these features that have already been processed are used. During the feature extraction process, the MPCA algorithm is used. It takes a set of related features and pulls out the ones that tell us the most about the dataset we give itThe proposed categorization method is then put forth as a means of detecting instances of hate speech or abusive language. It is argued that ECNN is superior to other methods for identifying hateful content online. It can take in massive amounts of data and quickly return accurate results, especially for larger datasets. As a result, the proposed MPCA+ECNN algorithm improves not only the F-measure values, but also the accuracy, precision, and recall.

• 지능정보연구
• /
• 제11권1호
• /
• pp.17-33
• /
• 2005

자기공명영상과 계층적 신경망을 이용하여 간경변증을 단계별로 분류하고자 하였다. 내원한 231명의 데이터를 분석하였으며, 각 단계별 분류는 정상,1, 2, 3단계로 분류하였다. TI강조 자기공명 간 영상으로부터 정상 간 실질과 간 경변 결절을 추출하고, 간 경화증의 단계를 객관적으로 해석 분류하였다. 간 경변 분류기 구현은 계층적 신경망을 이용하였고, 명암도 분석과 간 결절 특성을 통하여 정상간과 3단계의 간 경변으로 구분하였다. 제안한 신경망 분류기는 오류 역전파 알고리듬을 이용하였다. 분류결과 인식율이 정상군은 $100\%$, 1 단계는 $82.8\%$, 2 단계는 $87.1\%$, 3 단계는 $84.2\%$의 분류율을 나타내었다. 신경망 분류 결과와 전문의 판독 결과를 서로 비교한 결과 인식률은 매우 높게 나타났다. 만일 더욱더 충분한 데이터나 파라미터를 가지고 지속적으로 수행한다면 간 경변 환자들에게 임상적으로 지원하는 도구뿐만 아니라 의료전문 신경망으로도 기대된다.

• 한국산업정보학회논문지
• /
• 제11권1호
• /
• pp.77-85
• /
• 2006

본 논문에서는 내용기반 영상 분류를 위한 방법론으로써 신경망을 이용한 계층적 분류 방법을 제안한다. 분류 대상 영상은 인터넷상의 다양한 영상들 중에서 전경과 배경의 구분이 있는 객체 영상이다. 전처리 과정에서 영역 분할을 이용하여 영상 내에서 배경을 제거하고 객체 영역을 추출한다. 분류를 위한 특징으로는 웨이블릿 변환 후 추출된 형태 특징과 질감 특징을 이용한다. 추출된 특징 값들을 Principal Component Analysis(PCA)와 K-means를 이용해서 군집화 시키고 유사한 군집들을 묶으면서, 5단계의 계층적 분류기를 구성한다. 계층적 분류기는 BP를 학습 알고리즘으로 사용하는 59개의 신경망분류기로 구성된다. 배경을 제거하고 질감특징 중 가장 높은 분류율을 보이는 대각 모멘트를 사용하여 실험하였을 때, 100종류에서 각 10개씩, 총 1000개의 학습 데이터와 1000개의 테스트 데이터에 대하여 각각 81.5%와 75.1%의 정분류율을 보였다.

• 센서학회지
• /
• 제8권6호
• /
• pp.461-468
• /
• 1999

다중 센서 어레이와 신경회로망을 이용하여 메탄, 프로판, 부탄 등의 폭발성 가스의 종류 및 농도를 실시간으로 분석하고, 인식하여 결과를 실시간으로 출력할 수 있는 가스 인식 시스템을 구현하였다. 정유 공장이나 도시가스 배관 등에 비교적 많이 분포하는 폭발성 가스인 메탄, 프로판, 부탄 등의 가스들을 분류하고, 그 농도를 인식할 수 있는 시스템의 구현을 위해, 우선 9개의 후막형 반도체식 가스 센서로 구성된 가스 센서 어레이로부터 얻어지는 다차원 신호를 Principal Component Analysis(PCA)를 이용하여 그 특성을 분석하였다. 분석 결과를 바탕으로 오차역전파 학습 알고리즘을 갖는 다층 구조 신경회로망을 이용하여 가스 종류 및 농도를 정확하게 인식할 수 있는 가스 인식 시스템을 구현하였으며, 실시간 처리 시스템을 위해 TMS320C31 DSP 보드를 이용하여 가스인식 시스템을 구현하였다.

• 대한전자공학회논문지SD
• /
• 제49권7호
• /
• pp.30-38
• /
• 2012

본 논문은 mmWave OFDM-기반 WPAN 시스템을 위한 패킷 검출과 주파수 옵셋 추정 및 보정 구조를 제안하고 성능 분석 결과를 보여준다. 패킷 검출 블록은 반복된 훈련 심볼의 자기상관 관계를 이용하고 상관된 값이 일정 문턱 값을 넘을 때 패킷 시작점을 검출하는데 사용된다. 적용한 자기상관 알고리즘 구조는 기존의 패킷검출에 사용한 알고리즘에 비해 간단하게 하드웨어를 구현 할 수 있다. 주파수 옵셋 추정 구조는 기존구조와는 다른 위상 천이 처리 블록, 하드웨어 사이즈를 줄여주는 내부비트 줄임 블록 및 look-up table의 사이즈를 줄인 주파수 옵셋 조정 블록을 설계하였다. 추정된 주파수 옵셋 값은 설계한 보정 블록을 통해 수신 신호를 보정함으로써 주파수 옵셋에 대한 영향을 줄일 수 있다. 설계 검증툴을 이용한 성능 분석 결과 제안된 구조는 하드웨어 구현복잡도가 감소함을 보여 주었고 기존구조에 비하여 게이트수가 감소함을 보였다. 따라서 제안된 구조는 OFDM-기반 WPAN 시스템의 초기 동기화 과정에 적용 될 수 있고 고속 저전력 WPAN칩에 사용 될 수 있다.

• 한국정보통신학회논문지
• /
• 제25권1호
• /
• pp.8-19
• /
• 2021

최근 산업화에 따른 대기오염 문제는 국가와 국민 모두에 큰 관심을 끌고 있다. 국내의 광역(廣域) 대기오염 정보는 국가적으로 공공 데이터를 통해 국민에게 제공하고 있으나, 환경변수가 다른 지역적인 대기오염 정보는 매우 부족한 상황이다. 따라서 본 연구에서는 지역적인 대기오염 현상을 보다 정확하게 분석하고 예측할 수 있는 지역 환경변수 기반의 대기오염 분석 및 예측 시스템을 설계하고 구현한다. 특히 제안한 시스템은 지역적으로 측정된 환경 데이터와 공공 빅데이터를 기반으로 지역의 대기정보를 정확하게 분석하여 제공하고, 인공지능 알고리즘을 통해 미래의 지역 대기정보를 예측하여 제시한다. 나아가 제안된 시스템을 통해 지역적인 대기오염의 발생 원인을 정확하게 파악하여 지역의 대기오염을 예방할 수 있을 것으로 기대할 수 있다.