• 한국항행학회논문지
• /
• 제13권3호
• /
• pp.351-357
• /
• 2009

본 논문에서는 QualNet에 Matlab으로 구현해 놓은 WAVE 채널 모델과 물리계층 시뮬레이션 모듈을 효과적으로 연동시킬 수 있는 방안을 연구하였다. 우선, QualNet 시뮬레이터에서 사용하는 간소화된 무선 물리계층 및 통신매체의 구현 방법에 대해 검토 후, QualNet 네트워크 시뮬레이터가 상세한 다중경로 페이딩 모델과 IEEE802.11p 통신 모뎀이 구현된 이종의 물리계층 시뮬레이션 모듈을 도입하기 위한 실질적인 방안을 제시하였다. 본 논문의 결과는 차세대 DSRC 규격인 WAVE를 위한 상위계층에서부터 하위 물리계층 링크를 통합시뮬레이션 하는 링크 시뮬레이션 기법으로 활용될 것이다.

• 한국정보전자통신기술학회논문지
• /
• 제13권5호
• /
• pp.313-322
• /
• 2020

많은 양의 데이터는 딥 러닝 모델의 견고성을 향상시키고 과적합 문제를 방지할 수 있게 해준다. 자동 혀 분할에서, 혀 영상 데이터 세트를 실제로 수집하고 라벨링하는 데에는 많은 어려움이 수반되므로 많은 양의 혀 영상 데이터를 사용하기 쉽지 않다. 데이터 증강은 새로운 데이터를 수집하지 않고 레이블 보존 변환을 사용하여 학습 데이터 세트를 확장하고 학습 데이터의 다양성을 증가시킬 수 있다. 이 논문에서는 이미지 자르기, 회전, 뒤집기, 색상 변환과 같은 7 가지 데이터 증강 방법을 사용하여 확장된 혀 영상 학습 데이터 세트를 생성하였다. 데이터 증강 방법의 성능을 확인하기 위하여 InceptionV3, EfficientNet, ResNet, DenseNet 등과 같은 전이 학습 모델을 사용하였다. 실험 결과 데이터 증강 방법을 적용함으로써 혀 분할의 정확도를 5~20% 향상시켰으며 기하학적 변환이 색상 변환보다 더 많은 성능 향상을 가져올 수 있음을 보여주었다. 또한 기하학적 변환 및 색상 변환을 임의로 선형 조합한 방법이 다른 데이터 증강 방법보다 우수한 분할 성능을 제공하여 InveptionV3 모델을 사용한 경우에 94.98 %의 정확도를 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.67-77
• /
• 2023

본 연구는 스마트팜 환경에서 진행된 혁신적인 연구로, 딥러닝을 기반으로 한 질병 및 해충 탐지 모델을 개발하고, 이를 지능형 사물인터넷(IoT) 플랫폼에 적용하여 디지털 농업 환경 구현의 새로운 가능성을 탐색하였다. 연구의 핵심은 Pseudo-Labeling, RegNet, EfficientNet 등 최신 ImageNet 모델과 전처리 방식을 통합하여, 복잡한 농업 환경에서 다양한 질병과 해충을 높은 정확도로 탐지하는 것이었다. 이를 위해 앙상블 학습 기법을 적용하여 모델의 정확도와 안정성을 극대화했으며, 평균 정밀도(mAP), 정밀도, 재현율, 정확도, 박스 손실 등의 다양한 성능 지표를 통해 모델을 평가하였다. 또한, SHAP 프레임워크를 활용하여 모델의 예측 기준에 대한 깊은 이해를 도모하였고, 이를 통해 모델의 결정 과정을 보다 투명하게 만들었다. 이러한 분석은 모델이 어떻게 다양한 변수들을 고려하여 질병 및 해충을 탐지하는지에 대한 중요한 통찰력을 제공하였다.

• 한국CDE학회논문집
• /
• 제9권3호
• /
• pp.203-211
• /
• 2004

In this paper, we present a method of extracting a regular 2-manifold triangular net from a triangular net including degenerate and self-intersected triangles. This method can be applied to obtaining an offset model without degenerate and self-intersected triangles. Then this offset model can be used to generate CL curves and extract machining features for CAPP The robust and efficient algorithm to detect valid triangles by growing regions from an initial valid triangle is presented. The main advantage of the algorithm is that detection of valid triangles is performed only in valid regions and their adjacent selfintersections, and omitted in the rest regions (invalid regions). This advantage increases robustness of the algorithm. As well as a k-d tree bucketing method is used to detect self-intersections efficiently.

• 대한전자공학회논문지SD
• /
• 제39권6호
• /
• pp.19-25
• /
• 2002

규칙적인 가상 연결방법을 이용하면 노드에서 라우팅을 위한 프로세싱 시간이 단축되어 고속의 네트워크에 적용이 가능하다. 규칙적인 가상 연결방법의 하나인 셔플넷은 일반적으로 p개의 연결이 다른 노드들과 이루어진다. 그러나 우리가 제안한 하나 걸른 행과 연결된 이중층 셔플넷 토폴로지를 이용하면 2p개의 노드들과 동시에 연결되므로 더욱 효과적인 광역 통신망에 적용할 수 있다. 이 하나 걸른 행과 연결된 이중층 셔플넷 토폴로지를 이용하여 물리적 토폴로지에 가상 토폴로지를 imbedding하는 방법을 본 논문에서 연구하였다. 전체 지연 시간을 최소화하는 것을 목표로 네트워크를 최적화하였다.

• 한국콘텐츠학회논문지
• /
• 제6권3호
• /
• pp.20-27
• /
• 2006

본 연구는 객체 지향 소스 코드의 검색과 재사용을 효율적으로 수행할 수 있는 의미망을 구축하였다. 이를 위하여 각 노드 간 객체지향 상속의 개념을 표현할 수 있도록 의미망의 초기 관련값을 시소러스로 구축하였다. 또한, 의미망의 노드와 간선을 활성화시키고 활성값을 전파시키기 위해 사용되는 스프레딩 엑티베이션 방법의 단점을 보완하여 스프레딩 엑티베이션의 성능은 최대한 유지하면서 검색 속도를 향상 시킬 수 있는 방법을 제안하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권8호
• /
• pp.4026-4040
• /
• 2019

In this paper, we present an approach for detecting slide transitions in lecture videos by introducing the spatio-temporal residual networks. Given a lecture video which records the digital slides, the speaker, and the audience by multiple cameras, our goal is to find keyframes where slide content changes. Since temporal dependency among video frames is important for detecting slide changes, 3D Convolutional Networks has been regarded as an efficient approach to learn the spatio-temporal features in videos. However, 3D ConvNet will cost much training time and need lots of memory. Hence, we utilize ResNet to ease the training of network, which is easy to optimize. Consequently, we present a novel ConvNet architecture based on 3D ConvNet and ResNet for slide transition detection in lecture videos. Experimental results show that the proposed novel ConvNet architecture achieves the better accuracy than other slide progression detection approaches.

• 한국정보통신학회논문지
• /
• 제22권1호
• /
• pp.1-8
• /
• 2018

최근 합성곱 신경망은 컴퓨터 비전에 관련된 여러 분야에서 높은 성능을 보여 주고 있으나 합성곱 신경망이 요구하는 많은 연산양은 임베디드 환경에 도입되는 것을 어렵게 하고 있다. 이를 해결하기 위해 ASIC이나 FPGA를 통한 합성곱 신경망의 구현에 많은 관심이 모이고 있고, 이러한 구현을 위해서는 효율적인 고정 소수점 표현이 필요하다. 고정 소수점 표현은 ASIC이나 FPGA에서의 구현에 적합하나 합성곱 신경망의 성능이 저하될 수 있는 문제가 있다. 이 논문에서는 합성곱 계층과 배치(batch) 정규화 계층에 대해 고정 소수점 표현을 분리해서, ResNet-50 합성곱 신경망의 합성곱 계층을 표현하기 위해 필요한 비트 수를 16비트에서 10비트로 줄일 수 있게 하였다. 연산이 집중되는 합성곱 계층이 더 간단하게 표현되므로 합성곱 신경망 구현이 전체적으로 더 효율적으로 될 것이다.

• 대한전자공학회논문지TC
• /
• 제42권5호
• /
• pp.29-38
• /
• 2005

본 논문은 생태계 군집 시스템을 네트워크 기술에 응용한 적응형 라우팅 알고리즘인 AntNet을 기존의 상용 네트워크 프로세서 기반에서 최적화할 수 있도록 개선된 알고리즘을 제안하는 연구이다. 현재 사용되고 있는 네트워크 프로세서는 단순한 패킷 프로세싱만을 위해 설계되어 AntNet과 같은 복잡한 연산이 필요한 적응형 라우팅 알고리즘을 구현하는데 많은 문제점을 가지고 있다. 이를 분석하고 해결하기 위해 AntNet의 강화인자를 연산하는 부분을 중심으로 적응 성능은 유지하면서도 효율적으로 연산실행시간을 줄일 수 있는 개선된 AntNet알고리즘을 제안하였다. 이를 시뮬레이션을 통해 비교분석함으로서 제안한 개선된 AntNet알고리즘의 효용성을 검증한다.

• 생태와환경
• /
• 제53권2호
• /
• pp.156-164
• /
• 2020

The accurate estimation of fish assemblages is highly dependent on the sampling gear used for sampling. We used data from 15 sampling sites along the Nakdong River, which is a large river in South Korea, to identify differences in assemblages and sizes of freshwater fishes collected with either cast nets or gill nets, the two most commonly used sampling gear in South Korea. The two gears differed in the fish assemblages they captured, with more species caught by gill nets. Further, due to its tighter mesh size, the cast net caught significantly smaller fishes than the gill nets(independent t-test, p<0.05). We found the cast net to be appropriate for species that inhabit shallow (less than 2 m) and open water, but inappropriate for deep water, habitats with plant beds, and nocturnal species. Thus, cast net sampling is not efficient in a large river environment, and a combination of sampling methods is more suitable for understanding fish assemblages in such habitats. In general, appropriate selection of fishing methods to specific habitats is necessary to improve data quality and minimize the misrepresentation of environmental conditions.