• Journal of information and communication convergence engineering
• /
• 제19권3호
• /
• pp.180-187
• /
• 2021

In this paper, we present a computational volumetric reconstruction method for three-dimensional (3D) photon counting imaging with enhanced visual quality when low-resolution elemental images are used under photon-starved conditions. In conventional photon counting imaging with low-resolution elemental images, it may be difficult to estimate the 3D scene correctly because of a lack of scene information. In addition, the reconstructed 3D images may be blurred because volumetric computational reconstruction has an averaging effect. In contrast, with our method, the pixels of the elemental image rearrangement technique and a Bayesian approach are used as the reconstruction and estimation methods, respectively. Therefore, our method can enhance the visual quality and estimation accuracy of the reconstructed 3D images because it does not have an averaging effect and uses prior information about the 3D scene. To validate our technique, we performed optical experiments and demonstrated the reconstruction results.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권3호
• /
• pp.289-300
• /
• 2010

최근 휴대폰, 스마트폰, PDA와 같은 모바일 기기로 위치, 전화기록, SMS, 사진, 동영상 등 사용자에 관한 다양한 정보를 지속적으로 수집할 수 있게 되었다. 이에 모바일 기기로부터 수집된 정보를 토대로 개인의 일상을 검색 및 요약하는 서비스에 대한 연구가 활발하다. 본 논문에서는 이전 연구에서 개발된 라이프 브라우저를 소개하고, 이전 연구에서 확장된 내용으로 LPS 서버와 GPS 위치 보정을 추가로 설명하며, LPS 성능 평가 및 키워드 확장 검색에 대한 평가 실험 결과를 보인다. 라이프 브라우저는 모바일 기기에서 수집된 개인 정보를 효과적으로 검색할 수 있도록 해주고, 개념 네트워크를 이용하여 일반 상식으로부터 단편적인 키워드에 관련된 정보를 검색하는 기능을 지원한다. 사전 지식을 통해 설계된 베이지안 네트워크를 이용하여 확률적으로 연관성이 있는 장소를 검색할 수 있는 기능도 지원한다 실험에서는 실제 사용자를 대상으로 수집한 정보를 라이프 브라우저를 통해 시각화 하였으며, LPS 서버를 사용할 경우에 더 정확한 결과를 보일 수 있다는 점과 사용자 질의어의 개념을 개념 네트워크와 베이지안 네트워크로 확장하여 검색한 경우 더 유용한 결과를 보임을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제15권7호
• /
• pp.834-839
• /
• 2005

유비쿼터스 가정환경의 다양한 서비스들을 사용자에게 제공하기 위해서는, 사용자의 의도를 정확히 파악하여 적절한 서비스를 수행하는 지능형 에이전트가 필요하다. 기존에 서비스 선택을 위해 사용되던 명령어 기반 사용자 인터페이스와는 달리, 대화 시스템은 인간과 시스템 사이의 유연하고 풍부한 의사소통에 유용하지만 기존의 사용자나 시스템 주도 대화 시스템은 사용자의 배경지식이나 대화의 문맥에 기인한 다양한 표현을 다루기 어렵다. 본 논문에서는 '상호주도형' 의사소통을 위한 계층적 베이지안 네트워크를 이용하여 사용자와 에이전트 사이에 발생하는 대화의 모호성을 해결한다. 서비스 추론 시 정보가 부족할 경우에는 계층적 베이지안 네트워크를 이용하여 추가로 필요한 정보를 분석하고 사용자로부터 수집한다. 제안하는 방법을 유비쿼터스 가정환경에 적용하고 시뮬레이션 환경을 구축하여 그 유용성을 확인하였다.

• 한국산학기술학회논문지
• /
• 제17권4호
• /
• pp.59-73
• /
• 2016

지하 수송에 대한 수요가 증가함에 따라 도로터널 사용자와 운영자는 다양한 원인에 의한 위험에 노출되어 있으며, 주요 원인은 각각 사고 이벤트가 될 수 있는 교통상황이다. QRA(정량적 위험평가)의 중요성은 도로터널의 안전성을 정량화하고, 다수의 이해관계자들의 관점(용량, 신뢰성, 가용성, 유지보수 및 안전)에서의 요구조건에 밸런스를 유지하려는 의도에서 커지기 시작했다. 위험평가에 사용되는 고전적 방법은 ETA, FTA이지만, 변수의 다양함과 상호관계를 반영하지 못한다는 이유에서 이 방법들은 상대적으로 단순한 경우에만 적용할 수 있다. 특정위험평가에 필요한 객체, 이벤트, 결과 및 가정, 경계조건 등의 총체는 도로 터널시설 위험평가를 위해 필수적인 내용으로 관찰되어야 하는 시스템을 만들고, 정보, 데이터, 모델 등 관련 항목들이 그 시스템을 서술하게 된다. 시스템은 위험모델에 기반한 계층적 지표들을 사용하여 모델링되고 분석되며, 시스템의 모든 가능한 구성은 지표의 적절한 선택을 통하여 표현될 수 있다. 따라서 본 연구에서는 일반터널에서뿐만 아니라 복층터널 같은 복합적인 지하시스템 변수들간의 상호의존성을 고려하여 정량화할 수 있는 베이지안 네트워크를 근거로 한 정량적 위험평가방법을 소개한다.

• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.20-26
• /
• 2008

지능형 로봇이나 컴퓨터가 일상생활 속에서 차지하는 비중이 점점 높아짐에 따라 인간과의 상호교류도 점점 중요시되고 있다. 이렇게 지능형 로봇(컴퓨터) - 인간의 상호 교류하는데 있어서 감정 인식 및 표현은 필수라 할 수 있겠다. 본 논문에서는 음성 신호와 얼굴 영상에서 감정적인 특징들을 추출한 후 이것을 Bayesian Learning과 Principal Component Analysis에 적용하여 5가지 감정(평활, 기쁨, 슬픔, 화남, 놀람)으로 패턴을 분류하였다. 그리고 각각 매개체의 단점을 보완하고 인식률을 높이기 위해서 결정 융합 방법과 특징 융합 방법을 적용하여 감정 인식 실험을 하였다. 결정 융합 방법은 각각 인식 시스템을 통해 얻어진 인식 결과 값을 퍼지 소속 함수에 적용하여 감정 인식 실험을 하였으며, 특징 융합 방법은 SFS(Sequential Forward Selection) 특징 선택 방법을 통해 우수한 특징들을 선택한 후 MLP(Multi Layer Perceptron) 기반 신경망(Neural Networks)에 적용하여 감정 인식 실험을 실행하였다. 그리고 인식된 결과 값을 2D 얼굴 형태에 적용하여 감정을 표현하였다.

• 한국통신학회논문지
• /
• 제32권6A호
• /
• pp.550-557
• /
• 2007

인과 관계에 대한 직관적인 개념으로 Bayesian Networks 알고리즘이나 트리 구조 추측 알고리즘 그리고 유전자 알고리즘을 사용하여 다양한 구조의 상황을 예측을 하게 된다. 하지만 이런 예측 알고리즘들을 상황인지 서비스 구현에 적용하기에는 실제 구현의 어려움과 실시간 환경에서 트레이닝 데이터 처리에서 오는 시간 지연 문제 등이 발생하게 된다. 이 때문에 특정 목적의 상황인지 시스템에서 이 알고리즘들이 어느 정도의 예측 정확도와 신뢰도를 가지고 상황 정보에 부합하는지 미지수이다. 따라서 본 논문에서는 기존의 예측 알고리즘과는 다른 접근 방식을 통해, 사용자의 습관이나 행동양식을 데이터베이스로 만들어 이를 고려함으로써 상황인지 시스템의 상황 정보와 부합되는 Flexible Window 기법을 이용한 위치 예측 알고리즘을 제안한다. 제안된 Flexible Window 기법을 이용한 위치 예측 알고리즘은 동일한 실험 조건 아래, Fixed Window 기법을 이용한 위치 예측 알고리즘보다 평균적으로 5.10% 더 우수한 성능을 보인다. 이 방식은 기하급수적으로 늘어나는 상황 정보를 감안했을 때 알고리즘 수행 시 처리 시간의 감소와 예측 정확도를 향상 시킬 수 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제9권2호
• /
• pp.345-355
• /
• 1998

다층전방향 신경망을 학습시키기 위해 역전파 알고리즘이 널리 사용되고 있으나 이 알고리즘은 긴 훈련시간, 극소점 문제, 이상치에 민감하다는 단점을 가지고 있다. 한편 실제문제에서는 많은 경우에 자료에 과대오차와 이상치가 포함되게 된다. 따라서 과대 오차에 민감하지 않고, 이상치의 영향을 최소화시키는 로버스트 역전파 알고리즘의 필요성이 대두되었다. 본 논문에서는 기존의 두종류의 로버스트 역전파 알고리즘을 이론적으로 비교하고 비선형 회귀 함수추정과 문자인식과 같은 패턴인식 문제에 적용하여 실험결과를 분석한다. 그리고 향후 연구과제로 신경망 학습을 위해 베이지안 기법의 사용을 제안한다.

• Asia pacific journal of information systems
• /
• 제29권4호
• /
• pp.771-788
• /
• 2019

Deep learning techniques such as Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs) show superior performance in text classification than traditional approaches such as Support Vector Machines (SVMs) and Naïve Bayesian approaches. When using CNNs for text classification tasks, word embedding or character embedding is a step to transform words or characters to fixed size vectors before feeding them into convolutional layers. In this paper, we propose a parallel word-level and character-level embedding approach in CNNs for text classification. The proposed approach can capture word-level and character-level patterns concurrently in CNNs. To show the usefulness of proposed approach, we perform experiments with two English and three Korean text datasets. The experimental results show that character-level embedding works better in Korean and word-level embedding performs well in English. Also the experimental results reveal that the proposed approach provides better performance than traditional CNNs with word-level embedding or character-level embedding in both Korean and English documents. From more detail investigation, we find that the proposed approach tends to perform better when there is relatively small amount of data comparing to the traditional embedding approaches.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2002년도 춘계 학술발표회 논문집
• /
• pp.91-97
• /
• 2002

최근의 생물학 연구를 위한 기기의 자동화 및 고속화는 생물학 관련 정보량의 급증을 가져오고 있다. 예를 들어, DNA chip에서 얻어지는 마이크로어레이(microarray)는 수천 종류의 유전자의 발현량을 동시에 측정한다. 이러한 기술들은 생물의 세포나 조직에서 일어나는 일련의 다양한 현상을 전체적으로 조망하는 관점에서 관찰할 수 있는 기회를 제공하고 있으며, 이를 통한 생명공학의 전반적인 발전이 기대되고 있다. 따라서 대량의 생물학 관련 정보의 분석이나 데이터 마이닝이 행해지고 있으며 이를 위한 대표적인 기법들로는 각종 클러스터링(clustering) 및 신경망 계열의 모델 등이 있다. 본 논문에서는 확률그래프모델의 하나인 베이지안망(Bayesian network)을 생물정보분석에 이용한다. 구체적으로 유전자 발현패턴과 약물의 활성패턴 및 암 종류 사이의 확률적 관계를 모델링한다. 이러한 모델은 NCI60 dataset(http://discover.nci.nih.gov)에서 베이지안망을 학습함으로써 구성된다. 분석의 대상이 되는 데이터가 sparse하기 때문에 발생하는 어려움들을 해결하기 위한 기법들이 제시되며 학습된 모델에 대한 검증은 이미 생물학적으로 확인되어 있는 사실과의 비교를 통해 이루어진다. 학습된 베이지안망 모델은 각각의 유전자 간, 혹은 유전자와 처리된 약물 간의 실제 생물학적 관계를 다수 표현하며, 이는 제시되는 방법이 생물학적으로 유의미한 가설을 데이터 분석을 통해 효율적으로 생성하는데 유용하게 활용될 수 있음을 보인다.

• Journal of the Korean Statistical Society
• /
• 제30권2호
• /
• pp.179-192
• /
• 2001

When a statistical model has a hierarchical structure such as multilayer perceptrons in neural networks or Gaussian mixture density representation, the model includes distribution with unidentifiable parameters when the structure becomes redundant. Since the exact structure is unknown, we need to carry out statistical estimation or learning of parameters in such a model. From the geometrical point of view, distributions specified by unidentifiable parameters become a singular point in the parameter space. The problem has been remarked in many statistical models, and strange behaviors of the likelihood ratio statistics, when the null hypothesis is at a singular point, have been analyzed so far. The present paper studies asymptotic behaviors of the maximum likelihood estimator and the Bayesian predictive estimator, by using a simple cone model, and show that they are completely different from regular statistical models where the Cramer-Rao paradigm holds. At singularities, the Fisher information metric degenerates, implying that the cramer-Rao paradigm does no more hold, and that he classical model selection theory such as AIC and MDL cannot be applied. This paper is a first step to establish a new theory for analyzing the accuracy of estimation or learning at around singularities.