• 정보보호학회논문지
• /
• 제29권1호
• /
• pp.117-125
• /
• 2019

최근 다양한 분야에서 활용중인 딥러닝은 적대적 공격 가능성의 발견으로 위험성이 제기되고 있다. 본 논문에서는 딥러닝의 이미지 분류 모델에서 악의적 공격자가 생성한 적대적 샘플에 의해 분류 정확도가 낮아짐을 실험적으로 검증하였다. 대표적인 이미지 샘플인 MNIST데이터 셋을 사용하였으며, 텐서플로우와 파이토치라이브러리를 사용하여 만든 오토인코더 분류 모델과 CNN(Convolution neural network)분류 모델에 적대적 샘플을 주입하여 탐지 정확도를 측정한다. 적대적 샘플은 MNIST테스트 데이터 셋을 JSMA(Jacobian-based Saliency Map Attack)방법으로 생성한 방법과 FGSM(Fast Gradient Sign Method)방식으로 변형하여 생성하였으며, 분류 모델에 주입하여 측정하였을 때 최소 21.82%에서 최대 39.08%만큼 탐지 정확도가 낮아짐을 검증하였다.

• 로봇학회논문지
• /
• 제17권3호
• /
• pp.365-372
• /
• 2022

The accurate object recognition is important for the precise and accurate manipulation. To enhance the recognition performance, we can use various types of sensors. In general, acquired data from sensors have a high sampling rate. So, in the past, the RNN-based model is commonly used to handle and analyze the time-series sensor data. However, the RNN-based model has limitations of excessive parameters. CNN-based model also can be used to analyze time-series input data. However, CNN-based model also has limitations of the small receptive field in early layers. For this reason, when we use a CNN-based model, model architecture should be deeper and heavier to extract useful global features. Thus, traditional methods like RN N -based and CN N -based model needs huge amount of learning parameters. Recently studied result shows that Fast Fourier Convolution (FFC) can overcome the limitations of traditional methods. This operator can extract global features from the first hidden layer, so it can be effectively used for feature extracting of sensor data that have a high sampling rate. In this paper, we propose the algorithm to recognize objects using tactile sensor data and the FFC model. The data was acquired from 11 types of objects to verify our posed model. We collected pressure, current, position data when the gripper grasps the objects by random force. As a result, the accuracy is enhanced from 84.66% to 91.43% when we use the proposed FFC-based model instead of the traditional model.

• Nuclear Engineering and Technology
• /
• 제55권11호
• /
• pp.3925-3934
• /
• 2023

The importance of fast neutron detection for nuclear safeguards purposes has increased due to its potential advantages such as reasonable cost and higher precision for larger sample masses of nuclear materials. Pulse-shape discrimination (PSD) is inevitably used to discriminate neutron- and gamma-ray- induced signals from organic scintillators of very high gamma sensitivity. The light output (LO) threshold corresponding to several MeV of recoiled proton energy could be necessary to achieve fine PSD performance. However, this leads to neutron count losses and possible distortion of results obtained by neutron multiplicity counting (NMC)-based nuclear material accountancy (NMA). Moreover, conventional PSD techniques are not effective for counting of neutrons in a high-gamma-ray environment, even under a sufficiently high LO threshold. In the present work, PSD performance (figure-of-merit, FOM) according to LO bands was confirmed using a conventional charge comparison method (CCM) and compared with results obtained by convolution neural network (CNN)-based PSD algorithms. Also, it was attempted, for the first time ever, to reject fake neutron signals from distorted PSD regions where neutron-induced signals are normally detected. The overall results indicated that higher neutron detection efficiency with better accuracy could be achieved via CNN-based PSD algorithms.

• 대한전자공학회논문지SP
• /
• 제44권6호
• /
• pp.63-74
• /
• 2007

고속 퓨리에 변환(Fast Fourier Transform: FFT)은 입력신호가 주기적이라는 가정하에 빠른 계산량과 좋은 성능으로 영상복원에 다방면으로 적용되고 있다. 하지만 실제취득영상은 주기가 무한한 영역의 일부분을 한 주기로 가정하고, 또한 외부영역에 대한 정보손실로 인하여 경계왜곡이 발생한다. 본 논문은 현재까지 진행되어온 경계왜곡을 줄이기 위한 기술들에 대해 고찰정리 하였다. 뿐만 아니라 FFT의 계산량 감소를 위해 블록기반의 영상처리와 이때 발생하는 경계왜곡 감소를 위한 알고리듬을 제안한다. 외부영역의 정보를 알고 있는 경우의 보다 좋은 결과를 위하여 안쪽 블록과 바깥블록의 처리를 달리 적용하였다. 이러한 과정을 통해 경계왜곡을 줄이면서 고속으로 영상복원을 가능하게 한다.

• 방송공학회논문지
• /
• 제14권5호
• /
• pp.543-550
• /
• 2009

가장 많이 사용되는 변환영역 컨벌루션 알고리즘인 중칩보류기법의 경우 데이터를 M개 단위로 처리하고자 할 때 현재 M개의 데이터를 앞의 M개의 데이터와 연결시킨 2M개의 데이터에 대하여 길이 2M FFT와 주파수 영역 곱셈을 수행하고 뒤의 M개의 데이터를 취함으로써 선형 컨벌루션 결과를 얻는다. 본 논문에서는 새로운 변환을 제시하고 이를 이용하여 M개의 데이터에 대하여 길이 M의 변환을 수행하면 되는 새로운 컨벌루션 알고리즘을 소개한다. 새로 제안된 변환은 M개의 곱셈과 고속 푸리에 변환의 계산으로 이루어지므로 기존의 FFT 라이브러리 또는 하드웨어를 그대로 사용할 수 있다. 또한 기존의 중첩보류기법에 비하여 약간의 계산량 감소가 있고 다루어야 하는 데이터의 길이가 반이므로 데이터 이동 및 기타 처리에서도 이득이 있어서 전체적인 CPU 시간이 줄어든다.

• 정보처리학회논문지B
• /
• 제13B권1호
• /
• pp.27-34
• /
• 2006

본 연구에서는 엔트로피를 이용한 독립성분분석(ICA : Independent Component Analysis)에서 점수함수(score function)를 생성하는 알고리즘을 제안한다. 점수함수를 생성하기 위해서 원 신호(original signals)에 대한 확률밀도함수의 추정이 반드시 필요하고 밀도함수가 미분 가능해야 한다. 따라서 원 신호에 따른 적응적인 점수 함수를 유도할 수 있도록 커널 기반의 밀도추정(kernel density estimation)방법을 사용하였으며, 보다 빠른 밀도 추정 계산을 위해서 식의 형태를 컨볼루션(convolution) 변환 한 후, 컨볼루션을 빠르게 계산할 수 있는 FFT(Fast Fourier Transform) 알고리즘을 이용하였다. 제안한 점수함수 생성 방법은 원 신호에 확률밀도분포와 추정된 신호의 확률밀도 분포의 오차를 줄이는 역할을 한다 실험 결과, 암묵신호분리(blind source separation)문제에서 기존의 Extended Infomax 알고리즘과 Fixed Point ICA 보다 원 신호와 유사한 밀도함수를 추정하였고, 분리된 신호의 신호대잡음비등(SNR)에 있어서 향상된 성능을 얻을 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제14권12호
• /
• pp.63-73
• /
• 2009

본 논문에서는 단순화한 색상 정보에 기반한 컨벌류션 정합(Convolution Matching)을 이용하여 차량을 검출하는 기법을 제안한다. 입력 영상을 화소 색상 벡터의 방향을 고려해 8방향 색상(Red, Green, Blue Cyan, Yellow, Magenta, White, Black)으로 표현한다. 8 방향 색상의 표현은 조명이나 환경 변화에 강인한 영상을 제공한다. 본 논문의 차량 검출 단계는 크게 후보 영역 검출 단계와 차량 검증 단계로 구성된다. 후보 영역 검출 단계에서는 수직 에지와 그림자 등을 고려하여 차량의 후보 영역을 결정한다. 차량 검증 단계에서는 차량을 판별하기 위해 컨벌류션 정합과 후보 영역내의 에지 복잡도를 사용한다. 제안하는 차량 검출 알고리즘은 조명이나 환경이 변화하는 다양한 실험들에서 빠르고 높은 검출률을 보였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2004년도 학술대회지
• /
• pp.897-899
• /
• 2004

There is scientific work containing the recurrence method of synthesis the new class of orthogonal circle m-invariant signals: designed effective algorithms of fast-direct computing m-convolution in time domain: engineer methods of design economic scheme of decoders for optimal receiving in aggregate of suggested signal.

• 한국전자통신학회논문지
• /
• 제18권1호
• /
• pp.115-126
• /
• 2023

무작위 및 주기적인 변동하는 재생에너지 발전 전력 품질 교란으로 인해 발전 변환 송전 및 배전에서 더 자주 발생하게 된다. 전력 품질 교란은 장비 손상 또는 정전으로 이어질 수 있다. 따라서 서로 다른 전력 품질 외란을 실시간으로 자동감지하고 분류하는 것이 필요하다. 전통적인 PQD 식별 방법은 특징 추출 특징 선택 및 분류의 세 단계로 구성된다. 그러나 수동으로 생성한 특징은 선택 단계에서 정확성을 보장하기 힘들어서 분류 정확도를 향상하는 데에는 한계가 있다. 본 논문에서는 16가지 종류의 전력 품질 신호를 인식하기 위해 CNN(Convolution Neural Networ)과 LSTM(Long Short Term Memory)을 기반으로 시간 영역과 주파수 영역의 특징을 결합한 심층 신경망 구조를 제안하였다. 주파수 영역 데이터는 주파수 영역 특징을 효율적으로 추출할 수 있는 FFT(Fast Fourier Transform)로 얻었다. 합성 데이터와 실제 6kV 전력 시스템 데이터의 성능은 본 연구에서 제안한 방법이 다른 딥러닝 방법보다 일반화되었음을 보여주었다.

• 한국해안해양공학회지
• /
• 제7권3호
• /
• pp.265-276
• /
• 1995

본 논문에서는 실시간 해황예보 시스템 개발의 일환으로 수행된 회선적분법을 이용한 신속 표층유속 재현에 대하여 다룬다. 바람응력은 공간적으로 균일하고 대 기압은 무시된다. Data Base 구축을 위하여 4방향의 바람(북서, 북동, 남서, 남동)을 고려하여 각 지점의 회선적분의 가중치를 Galerkin-FEM 모형에 의해 계산하였다. 시간에 따른 바람응력이 주어지면 구성된 Data Base를 이용하여 회선적분법에 의해 신속한 예보가 가능하다. 시간적으로 변하는 임의의 바람응력은 6시간 단위로 정의되는 wind pulse의 연속으로 표현되며 총 12개의 pulse(즉, 72시간전)가 convolution product에 사용된다. 회선적분법의 적용 가능성을 확인하기 위하여 황해 이상화한 해역과 황해와 동지나해에 이르는 실제 해역에서의 수치실험이 수행되었다. 고려한 바람응력은 역풍류 생성 확인을 위하여 시간에 따라 sin 함수적으로 변하는 북풍을 고려하였고, 실험 결과 역풍류 생성의 화인과 회선적분법을 이용한 신속 표층해류 예측 가능성을 확인할 수 있었다.