• 한국전자파학회논문지
• /
• 제15권6호
• /
• pp.579-589
• /
• 2004

일반적인 시간 영역에서의 레이더 신호들은 표적의 관측각에 민감하게 변화한다. 이로 인하여 각도가 넓어짐에 따라서 표적 구분의 정확도가 상당히 감소하게 된다. 이러한 문제를 해결하기 위하여 본 논문에서는 다중각도 정보를 이용하여 표적 구분 성능을 향상시키기 위한 방법을 제시한다. 먼저, 대표적인 시간영역 레이더신호인 1차원 range profile로부터 central moments와 PCA를 결합하여 특성백터를 추출한다. 추출된 특성백터에 다중 각도 정보를 사용하는 구분기를 적용시켜 넓은 관측각에서 표적 인식 성능을 향상시킬 수 있다. 다중 각도정보를 이용하는 기법에는 독립방식과 종속방식이 있으며, 본 논문에서는 두 기법의 성능을 비교한다. 성능 비교 실험에는 포항공대 단축거리 무반향실에서 측정된 여섯 개의 항공기 모델에 대한 레이더가 단면적 데이터가 이용된다.

• 한국음향학회지
• /
• 제24권3호
• /
• pp.178-185
• /
• 2005

본 논문에서는 내용기반 음악 정보 검색 방법으로써 멜로디의 시간 변화 특성과 통계적 특성을 모두 이용할 수 있는 hybrid 방법에 대해 제안하였다. 실제 방송 환경에의 적용을 위해 드라마 OST의 좁은 검색 범위뿐만 아니라 가요 1,005곡의 넓은 검색 범위에서도 제안한 방법을 이용하여 실험하였다. 제안된 방법은 특징 벡터로써 pitch와 MFCC(Mel Frequency Cepstral Coefficient)를 사용하여 음의 특성을 나타내었으며 멜로디를 표현하기 위해 피치 히스토그램과 VQ (Vector Quantization) 코드화한 MFCC의 템포럴 시퀀스를 이용함으로써 음악 검색 방법에 멜로디의 시간 변화 특성과 통계적 특성을 함께 적용할 수 있었다. 또한 pitch 히스토그램과 MFCC-VQ 템포럴 방법을 모두 사용한 hybrid 방식에 적절한 패턴 매칭 방법을 제안함으로써 기존의 각 단일 방식을 이용한 성능 결과 (MFCC-VQ 템포럴)와 비교하여 볼 때 드라마 OST 검색 범위에서는 평균 $9.9\%$, 가요 1,005곡의 검색 범위에서는 $10.2\%$의 오류 감소율을 나타내었다.

• 한국컴퓨터정보학회논문지
• /
• 제13권1호
• /
• pp.89-97
• /
• 2008

본 논문에서는 인공신경망을 이용하여 사각형 형태 마커 검출 및 인식의 성능을 향상시키는 방법을 제안한다. 본 논문의 방법에서는 입력 영상으로부터 객체의 윤곽선을 찾은 다음에 선분으로 근사화한다. 근사화된 선분으로부터 기하학적 특징을 이용하여 사각형을 찾고 워핑 기법과 확대/축소 변환을 이용하여 사각형 영상을 정사각형 형태로 정규화 한다. 정사각형 형태로 정규화 한 다음에는 주성분 분석을 적용하여 특징 벡터의 크기를 줄인 다음에 인공신경망을 이용하여 마커 영상인지 아닌지를 검사한다. 마커 영상으로 판별된 영상에 대하여 인공신경망을 이용하여 마커의 종류를 인식한다. 인식 실험 결과 인공신경망을 사용함으로써 마커 검출의 오류 줄일 수 있었고 인식의 정확도를 개선할 수 있었다.

• 한국통신학회논문지
• /
• 제38C권7호
• /
• pp.623-629
• /
• 2013

본 논문에서는 뇌파 전송 프로토콜 설계하고 이를 검증할 테스트 플랫폼 제작 결과를 소개한다. 건식 전극에서 검출된 뇌파는 인접한 ADC(analog-to-digital converter)를 거쳐 디지털 신호로 변환되고, 각 센서 노드에서 디지털 신호로 변환된 뇌파는 $I^2C$(inter-integrated circuit) 프로토콜을 통해서 DSP(digital signal processor) 플랫폼으로 전송된다. DSP 플랫폼에서는 뇌파 전처리 알고리즘 수행 및 뇌 특성 벡터 추출 등의 기능을 수행한다. 본 연구에서는 각 채널당 10비트 또는 12비트 ADC를 사용하여 최대 16채널의 데이터를 전송하기 위하여 $I^2C$ 프로토콜을 적용하였다. 실험결과 4바이트 데이터 버스트전송을 수행하면 통신오버헤드가 2.16배로 측정이 되어 10 비트 또는 12 비트 1 ksps ADC를 16채널로 사용시 총 데이터전송율이 각각 345.6 kbps, 414.72 kbps 로 확인되었다. 따라서 400 kbps 고속전송모드 $I^2C$를 사용할 경우 ADC 비트에 따라서 슬레이브와 마스터의 채널비가 각각 16:1, $(8:1){\times}2$ 로 되어야 한다.

• 한국정보통신학회논문지
• /
• 제14권12호
• /
• pp.2836-2842
• /
• 2010

본 논문에서는 다양한 3D 게임 진행에서 NPC들을 속성에 따라 그룹핑하는 방법을 제시한다. 움직임이 없는 NPC는 가버필터링 결과에서 특이한 방향성 특성을 띄는 경향이 있지만 사람이나 동물과 같은 NPC는 그렇지 않다. 그룹핑을 위해 우선 NPC 객체 내부의 방향성과 주파수 영역의 특징을 분석하고 각각을 24개의 가버 필터뱅크로 구성하며 필터의 스케일과 방향에 따른 24차원 특징 벡터를 산출한다. 추출된 벡터는 특정 방향에 따른 에너지를 나타낸다. 이러한 에너지는 NPC 내부에 있는 객체 질감의 특정 방향에 대한 크기를 나타내고 있기 때문에 NPC들을 그룹핑 속성으로 이용하였다. 제안한 방법은 게임진행에서 유사한 속성을 가진 NPC들이 자동으로 그룹핑되어 전략적이고 속도감 있게 플레이 할 수 있는 기능을 제공한다.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.699-704
• /
• 2001

본 논문에서는 혼성 모듈 구조의 recurrent 시간지연신경회로망(time-delay neural network)과 HMM(hidden Markov model)을 결합한 음성인식을 위한 새로운 구조에 대해 연구하였다. 시간지연신경회로망에서는 윈도우 크기를 확장하는 것이 인식률 향상에 유리하므로 이를 위해 첫 번째 은닉층에 궤환 구조를 사용하여 윈도우 크기를 실제로 크게 하지 않고도 동일한 효과를 얻을 수 있도록 하였다. 다음 이 시간지연신경망에서 입력된 음소의 특징 벡터의 시간에 따라 변화하는 성질을 잘 처리 할 수 있도록 시간지연신경회로망의 입력층을 복수의 상태로 나누어 음소특징의 시간축에 대한 각 상태마다 특징 감지기를 갖도록 하였다. 이때 시간지연신경회로망은 전체 음성인식 영역에 적용될 수 있도록 모듈 방식의 구조로 구성되었다. 그리고 이 모듈 구조 시간지연신경망의 출력 벡터를 HMM에 연결하여 서로 결합 하므로써 양 구조의 장점을 취하는 혼성 구조의 인식시스템을 구성하였고 이때 이 혼성 구조에서 효율적으로 적용할 수 있는 HMM 파라미터 smoothing 방법을 제시하였다.

• 정보처리학회논문지B
• /
• 제14B권3호
• /
• pp.191-198
• /
• 2007

본 논문에서는 거동이 불편한 환자를 위하여 주변 환경에 놓여 있는 기기들에 대한 제어와 간호사를 호출하는 간단한 의사소통 등을 위한 몇 가지 사각형 형태의 마커를 제시하고 이 마커들을 카메라 영상으로부터 검출하고 인식하는 방법을 제안한다. 본 논문에서는 사각형 형태의 마커 검출을 위하여 다중 임계값을 사용하여 입력 영상을 이진 영상으로 변환하고 객체들의 윤곽선을 추출한 다음에 윤곽선을 선분으로 근사화한다. 근사화 된 선분으로부터 기하학적 특징을 이용하여 사각형을 찾는다. 마커의 사각형 영역을 찾은 다음에는 워핑 기법을 이용하여 사각형 마커 영상을 정사각형 형태로 정규화한다. 마커 영상을 정규화한 다음에는 주성분 분석을 통하여 마커 영상으로부터 특징 벡터를 추출하고 마커의 종류를 인식한다. 본 논문의 시스템은 다중 임계값을 이용하여 조명에 견고하며 워핑 기법과 주성분 분석을 이용하여 촬영 각도에 견고하다. 총 21개의 마커를 설계하여 인식 실험한 결과 최대 100%의 인식률을 얻을 수 있었고 초당 12프레임의 수행속도로 조명과 각도 변화에 견고한 인식 결과를 얻을 수 있었다.

• 산업경영시스템학회지
• /
• 제38권3호
• /
• pp.56-63
• /
• 2015

Several fields of science have demanded large-scale workflow support, which requires thousands of CPU cores or more. In order to support such large-scale scientific workflows, high capacity parallel systems such as supercomputers are widely used. In order to increase the utilization of these systems, most schedulers use backfilling policy: Small jobs are moved ahead to fill in holes in the schedule when large jobs do not delay. Since an estimate of the runtime is necessary for backfilling, most parallel systems use user's estimated runtime. However, it is found to be extremely inaccurate because users overestimate their jobs. Therefore, in this paper, we propose a novel system for the runtime prediction based on workload-aware clustering with the goal of improving prediction performance. The proposed method for runtime prediction of parallel applications consists of three main phases. First, a feature selection based on factor analysis is performed to identify important input features. Then, it performs a clustering analysis of history data based on self-organizing map which is followed by hierarchical clustering for finding the clustering boundaries from the weight vectors. Finally, prediction models are constructed using support vector regression with the clustered workload data. Multiple prediction models for each clustered data pattern can reduce the error rate compared with a single model for the whole data pattern. In the experiments, we use workload logs on parallel systems (i.e., iPSC, LANL-CM5, SDSC-Par95, SDSC-Par96, and CTC-SP2) to evaluate the effectiveness of our approach. Comparing with other techniques, experimental results show that the proposed method improves the accuracy up to 69.08%.

• 전자공학회논문지CI
• /
• 제42권3호
• /
• pp.29-38
• /
• 2005

직관력은 의사결정시 자주 의존되나, 효과적인 의사결정지원 시스템의 개발 목적으로는 거의 고려되고 있지 않다. 본 연구는 의사결정자의 인지특성 및 감성특성과 시계열 직관 예측 간의 상관성을 자기조직 인공신경망에 의해 확인하고 비교함으로써, 시계열 직관 예측에 영향을 주는 의사결정자의 인지적 특성과 감성적 특성을 도출하고 궁극적으로는 효과적인 의사결정 환경을 조성하는데 공헌하고자 한다. 이 실험에 사용하는 인공신경망은 자기감독적응 알고리듬을 이용하는데, 이의 특징은 학습 기간 중 자기조직 층의 뉴런 클러스터 간에 정보를 교류함으로써 본질적으로 입력 벡터간의 상관성을 이용할 수 있다는 것이다. 실험결과, 인지 특성과 감성 특성이 모두 시계열 예측과 상관성이 있는 것으로 나타났으며, 또한 인지 특성이 감성 특성보다 상관성이 높은 것으로 나타났다. 유형별로는, 개념적 인지유형이 분석적 또는 행동적 인지유형보다, 불쾌-이완 감성유형이 쾌활-각성 감성유형보다 시계열 직관 예측의 상관성이 높은 것으로 관찰되었다.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.55-62
• /
• 2005

본 논문에서는 입력된 얼굴 영상으로부터 구한 DCT 계수에 대해 LDA를 적용하는 DCT/LDA를 이용한 얼굴 인식 방법을 제안한다. 제안된 방법은 적은 수의 DCT 계수를 이용하여 입력 영상을 저차원으로 표현함으로써 특징 공간의 차수보다 트레이닝 데이터의 수가 적은 경우 발생하는 LDA의 SSS 문제를 해결한다. DCT는 기저 벡터가 일정하며 PCA와 유사한 에너지 압축 효율을 가지기 때문에 제안된 방법은 기존의 PCA/LDA 방법보다 학습 속도는 빠르면서 실제 얼굴인식 시스템에 적용이 가능한 정도의 얼굴 인식율을 기대할 수 있다. 실험을 통해 제안된 방법이 PCA/LDA 방법과 유사한 얼굴 인식 성능을 보이면서 약 13,000배 빠르게 학습되는 것을 확인하였고, 기존의 Block-DCT/LDA 방법과 유사하거나 향상된 인식 결과를 확인하였다.