• 전기전자학회논문지
• /
• 제24권2호
• /
• pp.475-485
• /
• 2020

최근, 별도의 센서를 설치하지 않고 센서가 포함된 사용자의 기기로부터 제공되는 실시간 센싱 데이터를 가지고 새로운 센싱 서비스를 제공하는 크라우드센싱(Crowdsensing) 시스템이 주목받고 있다. 크라우드센싱 시스템에서는 사용자의 조작실수나 통신 문제로 인해 의미 없는 데이터가 제공되거나 보상을 얻기 위해 거짓 데이터를 제공할 수 있어 해당 이상 데이터의 탐지 및 제거가 크라우드센싱 서비스의 질을 결정짓는다. 이러한 이상데이터를 탐지하기 위해 제안되었던 방법들은 크라우드센싱의 빠른 변화 환경에 효율적이지 않다. 본 논문은 머신러닝 기술을 활용하여 지속적이고 빠르게 변화하는 센싱 데이터의 특징을 추출하고 적절한 알고리즘을 통해 모델링하여 이상데이터를 탐지하는 방법을 제안한다. 지도학습의 딥러닝 이진 분류 모델과 비지도학습의 오토인코더 모델을 사용하여 제안 시스템의 성능 및 실현 가능성을 보인다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권9호
• /
• pp.1171-1179
• /
• 2004

본 논문에서는 음성인식의 전처리 단계로서 음성 영역과 비음성 영역 사이의 경계를 검출하는 음성경계 추출에 대하여 기술한다. 본 논문에서는 음성경계 추출을 위해 두 가지의 특징벡터를 사용한다. 첫 번째는 백색잡음(white noise)에 강건한 시간 영역의 정보인 정규화된 RMS이고, 두 번째는 주파수 영역의 정보인 정규화된 멜주파수 대역 최대 에너지(met-frequency band maximum energy)이다. 본 논문에서 사용하는 음성경계 추출 알고리즘은 학습을 통해 규칙을 생성하고 음성의 시간 정보를 적용하기 위해 순환노드를 추가한 순환 퍼지연상기억장치이다. 퍼지부의 가중치 학습은 헤비안 학습 방법을 사용하고, 순환부의 가중치 학습을 위해서는 오류 역전파(error back-propagation) 알고리즘을 사용한다. 실험에서는 KAIST에서 제공한 연령과 성별로 구분된 음성 자료를 사용하였다.

• 음성과학
• /
• 제11권4호
• /
• pp.43-52
• /
• 2004

Model parameters in HMM based speech recognition systems are normally estimated using Maximum Likelihood Estimation(MLE). The MLE method is based mainly on the principle of statistical data fitting in terms of increasing the HMM likelihood. The optimality of this training criterion is conditioned on the availability of infinite amount of training data and the correct choice of model. However, in practice, neither of these conditions is satisfied. In this paper, we propose a training algorithm, MCE(Minimum Classification Error), to improve the performance of a speech recognizer detecting mispronunciation of a foreign language. During the conventional MLE(Maximum Likelihood Estimation) training, the model parameters are adjusted to increase the likelihood of the word strings corresponding to the training utterances without taking account of the probability of other possible word strings. In contrast to MLE, the MCE training scheme takes account of possible competing word hypotheses and tries to reduce the probability of incorrect hypotheses. The discriminant training method using MCE shows better recognition results than the MLE method does.

• ETRI Journal
• /
• 제42권1호
• /
• pp.46-53
• /
• 2020

Gait analysis is an effective clinical tool across a wide range of applications. Recently, inertial measurement units have been extensively utilized for gait analysis. Effective gait analyses require good estimates of heel-strike and toe-off events. Previous studies have focused on the effective device position and type of triaxis direction to detect gait events. This study proposes an effective heel-strike and toe-off detection algorithm using a smart insole with inertial measurement units. This method detects heel-strike and toe-off events through a time-frequency analysis by limiting the range. To assess its performance, gait data for seven healthy male subjects during walking and running were acquired. The proposed heel-strike and toe-off detection algorithm yielded the largest error of 0.03 seconds for running toe-off events, and an average of 0-0.01 seconds for other gait tests. Novel gait analyses could be conducted without suffering from space limitations because gait parameters such as the cadence, stance phase time, swing phase time, single-support time, and double-support time can all be estimated using the proposed heel-strike and toe-off detection algorithm.

• Current Optics and Photonics
• /
• 제8권2호
• /
• pp.151-155
• /
• 2024

Optical systems often suffer from optical aberrations caused by imperfect hardware, which places significant constraints on their utility and performance. To reduce these undesirable effects, a comprehensive understanding of the aberrations inherent to optical systems is needed. This article presents an effective method for aberration detection using Zernike polynomials. The process involves scanning the object plane to identify the optimal focus and subsequently fitting the acquired focus data to Zernike polynomials. This fitting procedure facilitates the analysis of various aberrations in the optical system.

• 전자공학회논문지
• /
• 제51권5호
• /
• pp.51-57
• /
• 2014

본 논문에서는 M-ary 홀로그래픽 데이터 저장장치에 적용 가능한 진화 연산 알고리즘 기반 적응적 문턱치 검출 기법을 제안한다. 전통적으로 유전 알고리즘은 생명체의 유전자 진화과정에 근간하여 최적 혹은 준최적 문제와 데이터 추정을 위해 사용되는 매우 유용한 기법이다. 본 연구에서는 픽셀 어긋남이 심화되는 2차원 홀로그래픽 채널 환경에서 데이터의 검출 성능을 향상시키기 위해서, 각 데이터 검출 영역의 문턱 값(threshold value)을 유전 알고리즘의 인구 집합(population set)의 해로 간주하여 비트 검출 영역을 적응적으로 선택하는 방법을 제안한다. 제안하는 기법의 성능을 평가하기 위해 픽셀 어긋남 현상이 심화된 4-ary 멀티레벨 입력의 홀로그래픽 채널 환경을 고려하고 모의실험을 수행하여 진화 연산의 세대수에 따른 비트오율 성능을 측정한다. 성능평가를 통해 기존의 비트 검출 기법과 비교함으로써 제안 기법의 우수성을 확인하였다.

• 대기
• /
• 제23권4호
• /
• pp.471-483
• /
• 2013

Nighttime sea fog detection from satellite is very hard due to limitation in using visible channels. Currently, most widely used method for the detection is the Dual Channel Difference (DCD) method based on Brightness Temperature Difference between 3.7 and 11 ${\mu}m$ channel (BTD). However, this method have difficulty in distinguishing between fog and low cloud, and sometimes misjudges middle/high cloud as well as clear scene as fog. Using CALIPSO Lidar Profile measurements, we have analyzed the intrinsic problems in detecting nighttime sea fog from various satellite remote sensing algorithms and suggested the direction for the improvement of the algorithm. From the comparison with CALIPSO measurements for May-July in 2011, the DCD method excessively overestimates foggy pixels (2542 pixels). Among them, only 524 pixel are real foggy pixels, but 331 pixels and 1687 pixels are clear and other type of clouds, respectively. The 514 of real foggy pixels accounts for 70% of 749 foggy pixels identified by CALIPSO. Our proposed new algorithm detects foggy pixels by comparing the difference between cloud top temperature and underneath sea surface temperature from assimilated data along with the DCD method. We have used two types of cloud top temperature, which obtained from 11 ${\mu}m$ brightness temperature (B_S1) and operational COMS algorithm (B_S2). The detected foggy 1794 pixels from B_S1 and 1490 pixel from B_S2 are significantly reduced the overestimation detected by the DCD method. However, 477 and 446 pixels have been found to be real foggy pixels, 329 and 264 pixels be clear, and 989 and 780 pixels be other type of clouds, detected by B_S1 and B_S2 respectively. The analysis of the operational COMS fog detection algorithm reveals that the cloud screening process was strictly enforced, which resulted in underestimation of foggy pixel. The 538 of total detected foggy pixels obtain only 187 of real foggy pixels, but 61 of clear pixels and 290 of other type clouds. Our analysis suggests that there is no winner for nighttime sea fog detection algorithms, but loser because real foggy pixels are less than 30% among the foggy pixels declared by all algorithms. This overwhelming evidence reveals that current nighttime sea fog algorithms have provided a lot of misjudged information, which are mostly originated from difficulty in distinguishing between clear and cloudy scene as well as fog and other type clouds. Therefore, in-depth researches are urgently required to reduce the enormous error in nighttime sea fog detection from satellite.

• 한국지반신소재학회논문집
• /
• 제21권2호
• /
• pp.11-19
• /
• 2022

본 연구에서는 하수관거 내부에서 촬영된 균열 데이터를 활용하여 균열검출에 대한 시계열 예측 성능을 개선하기 위해 GoogleNet의 전이학습과 CNN- LSTM(Long Short-Term Memory) 결합 방법을 제안하였다. LSTM은 합성곱방법(CNN)의 장기의존성 문제를 해결할 수 있으며 공간 및 시간적 특징을 동시에 모델링 할 수 있다. 제안 방법의 성능을 검증하기 위해 하수관거 내부 균열 데이터를 활용하여 학습데이터, 초기학습률 및 최대 Epochs를 변화하면서 RMSE를 비교한 결과 모든 시험 구간에서 제안 방법의 예측 성능이 우수함을 알 수 있다. 또한 데이터가 발생하는 시점에 대한 예측 성능을 살펴본 결과 역시 제안방법이 우수하게 나타나 균열검출의 예측에서 제안 방법이 효율적인 것을 검증하였다. 기존 합성곱방법(CNN) 단독 모델과 비교함으로써 본 연구를 통해 확보된 제안 방법과 실험 결과를 활용할 경우 콘크리트 구조물의 균열데이터뿐만 아니라 시계열 데이터가 많이 발생하는 환경, 인문과학 등 다양한 영역에서 응용이 가능하다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제29권1호
• /
• pp.1-11
• /
• 2023

딥러닝 기반의 이미지 세그멘테이션은 차선 인식을 위해 널리 사용되는 접근 방식 중 하나로, 차선의 키포인트를 추출하기 위한 후처리 과정이 필요하다. 일반적으로 키포인트는 사용자가 지정한 임계값을 기준으로 추출한다. 하지만 최적의 임계값을 찾는 과정은 큰 노력을 요구하며, 데이터 세트(또는 이미지)마다 최적의 값이 다를 수 있다. 본 연구는 사용자의 직접 임계값 지정 대신, 대상의 이미지에 맞추어 적절한 임계값을 자동으로 설정하는 키포인트 추출 알고리즘을 제안한다. 본 논문의 키포인트 추출 알고리즘은 차선 영역과 배경의 명확한 구분을 위해 줄 단위 정규화를 사용한다. 그리고 커널 밀도 추정을 사용하여, 각 줄에서 각 차선의 키포인트를 추출한다. 제안하는 알고리즘은 TuSimple과 CULane 데이터 세트에 적용되었으며, 고정된 임계값 사용 대비 정확도 및 거리오차 측면에서 1.80%p와 17.27% 향상된 결과를 얻는 것을 확인하였다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.157-173
• /
• 2011

최근 인터넷 사용의 증가에 따라 네트워크에 연결된 시스템에 대한 악의적인 해킹과 침입이 빈번하게 발생하고 있으며, 각종 시스템을 운영하는 정부기관, 관공서, 기업 등에서는 이러한 해킹 및 침입에 의해 치명적인 타격을 입을 수 있는 상황에 놓여 있다. 이에 따라 인가되지 않았거나 비정상적인 활동들을 탐지, 식별하여 적절하게 대응하는 침입탐지 시스템에 대한 관심과 수요가 높아지고 있으며, 침입탐지 시스템의 예측성능을 개선하려는 연구 또한 활발하게 이루어지고 있다. 본 연구 역시 침입탐지 시스템의 예측성능을 개선하기 위한 새로운 지능형 침입탐지모형을 제안한다. 본 연구의 제안모형은 비교적 높은 예측력을 나타내면서 동시에 일반화 능력이 우수한 것으로 알려진 Support Vector Machine(SVM)을 기반으로, 비대칭 오류비용을 고려한 분류기준값 최적화를 함께 반영하여 침입을 효과적으로 차단할 수 있도록 설계되었다. 제안모형의 우수성을 확인하기 위해, 기존 기법인 로지스틱 회귀분석, 의사결정나무, 인공신경망과의 결과를 비교하였으며 그 결과 제안하는 SVM 모형이 다른 기법에 비해 상대적으로 우수한 성과를 보임을 확인할 수 있었다.