• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3383-3397
• /
• 2023

Scene graphs serve as semantic abstractions of images and play a crucial role in enhancing visual comprehension and reasoning. However, the performance of Scene Graph Generation is often compromised when working with biased data in real-world situations. While many existing systems focus on a single stage of learning for both feature extraction and classification, some employ Class-Balancing strategies, such as Re-weighting, Data Resampling, and Transfer Learning from head to tail. In this paper, we propose a novel approach that decouples the feature extraction and classification phases of the scene graph generation process. For feature extraction, we leverage a transformer-based architecture and design an adaptive calibration function specifically for predicate classification. This function enables us to dynamically adjust the classification scores for each predicate category. Additionally, we introduce a Distribution Alignment technique that effectively balances the class distribution after the feature extraction phase reaches a stable state, thereby facilitating the retraining of the classification head. Importantly, our Distribution Alignment strategy is model-independent and does not require additional supervision, making it applicable to a wide range of SGG models. Using the scene graph diagnostic toolkit on Visual Genome and several popular models, we achieved significant improvements over the previous state-of-the-art methods with our model. Compared to the TDE model, our model improved mR@100 by 70.5% for PredCls, by 84.0% for SGCls, and by 97.6% for SGDet tasks.

• 대한조선학회논문집
• /
• 제38권2호
• /
• pp.79-86
• /
• 2001

본 연구에서는 수작업으로 행해지는 블록 어셈블리 순서 결정과 같은 조선 공정계획을 자동화 하기 위하여 선박의 어셈블리 모델을, 그래프 이론을 기반으로, 기하, 관계, 순서 및 계층의 4단계 모델로 구성하는 방법을 제안하였다. 기하모델은 CAD로부터 입력받는 부품들의 기하형상에 일부 속성 값(판부재, 보강재)을 부가한 것이다. 어셈블리 부품간 연결관계를 연결관계를 표현하기 위한 관계 모델을 기하 모델의 곡면간 교차계산을 통해 생성하고, 블록 어셈블리 순서와 구성관계를 나타내기 위해, 관계 모델로부터 그래프 알고리즘과 조선소의 조립 방법을 그래프 탐색 규칙으로 사용해서, 순서모델을 생성하였으며, 이를 위상정렬하여 어셈블리 계층 및 부품 리스트를 표현하는 계층모델을 생성하였다. 끝으로 위에서 제안한 4단계에 따라 Single type, double bottom type과 같은 대표적인 블록 어셈블리 모델을 대상으로 본 연구에서 제안한 방법의 타당성을 검증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (A)
• /
• pp.545-547
• /
• 2003

본 논문에서는 Edge-Labeled Graph에 기반하여 XML 인스턴스들을 관계형 데이터베이스(RDB)로 저장하는 모델을 제안하고 구현한다. 저장되는 XML 인스턴스들은 Edge-Libeled Graph에 기반 한 Data Graph로 표현되고 이를 이용하여 데이터 경로(Data Path), 요소(Element), 속성(Attribute), 테이블 인덱스(Table Index) 테이블에 정의된 값들이 추출된 후 Napper를 이용하여 데이터베이스 스키마를 정의하고 추출된 값들을 저장한다. 그리고, RDB 저장 모델은 질의를 지원하기 위해, XPATH를 따르는 질의 언어로 사용되는 XQL을 SQL로 변환하는 변환기를 제공하며, 또한 저장된 XML 인스턴스를 복원하는 DBtoXML 처리기를 갖도록 하였다. 구현 결과, XML 인스턴스들과 RDB 구조로의 저장 관계가 그래프(Graph) 기반의 경로(Path)를 이용한 표현으로 가능했으며, 동시에, 특정 요소 (Element) 또는 속성(Attribute)들의 정보들을 쉽게 검색할 수 있는 가능성을 보였다.

• International Journal of Computer Science & Network Security
• /
• 제22권1호
• /
• pp.121-128
• /
• 2022

There are much processing techniques of microwave circuits, whose dimensions are small compared to the wavelength, but the disadvantage is that they cannot be directly applied to circuits working at high and/or low frequencies. In this article, we will consider the bond graph approach as a tool for analyzing and understanding the behavior of microwave circuits, and to show how basic circuit and network concepts can be extended to handle many microwaves analysis and design problems of practical interest. This behavior revealed in the scattering matrix filter, and which will be operated from its reduced bond graph model. So, we propose in this paper, a new application of bond graph approach jointly with the scattering bond graph for a high frequency study.

• Journal of Information Processing Systems
• /
• 제19권6호
• /
• pp.803-816
• /
• 2023

Explainable artificial intelligence is a method that explains how a complex model (e.g., a deep neural network) yields its output from a given input. Recently, graph-type data have been widely used in various fields, and diverse graph neural networks (GNNs) have been developed for graph-type data. However, methods to explain the behavior of GNNs have not been studied much, and only a limited understanding of GNNs is currently available. Therefore, in this paper, we propose an explanation method for node classification using graph convolutional networks (GCNs), which is a representative type of GNN. The proposed method finds out which features of each node have the greatest influence on the classification of that node using GCN. The proposed method identifies influential features by backtracking the layers of the GCN from the output layer to the input layer using the gradients. The experimental results on both synthetic and real datasets demonstrate that the proposed explanation method accurately identifies the features of each node that have the greatest influence on its classification.

• Journal of applied mathematics & informatics
• /
• 제42권1호
• /
• pp.123-137
• /
• 2024

In this paper, Power fuzzy graphs is newly introduced by allotting fuzzy values on power graphs in such a way that the newly added edges, has the edge membership values between a closed interval which depends on vertex membership values and the length of the added edges. Power fuzzy subgraphs and total power fuzzy graphs are newly defined with properties and some special cases. It is observed that every power fuzzy graph is a fuzzy graph but the converse need not be true. Edges that are incident to vertices with the least vertex membership values are retained in the least power fuzzy subgraph. Further, the application of these concepts in real life time has been presented and discussed using power fuzzy graph model.

• 한국콘텐츠학회논문지
• /
• 제18권1호
• /
• pp.465-475
• /
• 2018

최근 소셜 미디어, IoT 등에 대한 활용이 증가됨에 따라 대용량의 그래프 스트림이 생성되고 있으며 그래프 스트림을 실시간으로 처리하기 위한 많은 연구들이 진행되고 있다. 본 논문에서는 그래프가 지속적으로 변경될 때 이전 결과 데이터를 재사용하는 점진적인 그래프 스트림 처리 기법을 제안한다. 또한, 점진적 처리와 정적인 처리를 선택적으로 수행하기 위한 비용 모델을 제안한다. 제안하는 비용 모델은 실제 처리된 이력을 바탕으로 재계산 영역의 탐색 비용 및 처리 비용의 예측 값을 계산하여 점진적 처리가 정적인 처리보다 이득인 경우 점진적 처리를 수행한다. 제안하는 점진적 처리는 그래프 갱신이 발생하면 변경되는 부분만을 처리하여 효율성을 증가시킨다. 또한, 변경되는 부분의 이전 결과 데이터만을 수집하여 점진적인 처리를 수행함으로써 디스크 I/O 비용을 감소시킨다. 다양한 성능평가를 통해 제안하는 기법이 기존 기법에 비해 성능이 우수함을 보인다.

• 한국항만학회지
• /
• 제12권1호
• /
• pp.55-64
• /
• 1998

본 논문은 Crandall의 탑승자 사망에 관한 모형에 Directed Graph를 응용한 것으로써 데이터는 Crandall이 사용한 미국의 1947-1981 기간의 탑승자 사망 데이터를 1993년까지 확장한 것을 사용하였다. Directed Graph Algorithm방법은 최근에 컴퓨터과학 분야에서 발전된 것을 원용한 것이다. 먼저 1947-1981 기간의 데이터를 기초로 하여 회귀분석을 통한 분석 대신에 Directed Graph Algorithm을 이용한 결과, 회귀분석을 이용했던 Crandall의 결과와는 달리 탑승자 사망은 소득수준, 자동차의 운행거리, 자동차의 안전장치 수준에 의하여 직접적으로 결정이 되는 것으로 나타났다. 자동차의 운행거리는 수득수준과 시내주행에 대한 교외주행 의 비 에 의해서 결정되는 것으로 나타났다. 이런 결과에 근거하여 3SLS(three stage least squares regression)를 이용하여 추정하고, 이러한 추정에 근거하여 1982-1993 기간을 예측했으며, Crandall의 원래의 모형의 예측력과 비교를 하여？. 예측 결과 본 모형이 MSE(mean squared error)를 기준으로한 예측력에서 훨씬 뛰어난 결과를 보였다. 더욱 중요한 것은 본고에서는 Crandall이 사용한 변수간에 기존의 계량적 방법으로는 색출이 불가능했던 잠재변수 (Latent variable)가 존재함을 구체적으로 보임으로써 회귀분석을 통한 모형화는 진정한 변수간의 관계를 반영치 못함을 보인 것이다.

• Journal of Information Processing Systems
• /
• 제20권4호
• /
• pp.501-513
• /
• 2024

In recent years, graph neural networks (GNNs) have been extensively used to analyze graph data across various domains because of their powerful capabilities in learning complex graph-structured data. However, recent research has focused on improving the performance of a single GNN with only two or three layers. This is because stacking layers deeply causes the over-smoothing problem of GNNs, which degrades the performance of GNNs significantly. On the other hand, ensemble methods combine individual weak models to obtain better generalization performance. Among them, gradient boosting is a powerful supervised learning algorithm that adds new weak models in the direction of reducing the errors of the previously created weak models. After repeating this process, gradient boosting combines the weak models to produce a strong model with better performance. Until now, most studies on GNNs have focused on improving the performance of a single GNN. In contrast, improving the performance of GNNs using multiple GNNs has not been studied much yet. In this paper, we propose gradient boosted graph neural networks (GBGNN) that combine multiple shallow GNNs with gradient boosting. We use shallow GNNs as weak models and create new weak models using the proposed gradient boosting-based loss function. Our empirical evaluations on three real-world datasets demonstrate that GBGNN performs much better than a single GNN. Specifically, in our experiments using graph convolutional network (GCN) and graph attention network (GAT) as weak models on the Cora dataset, GBGNN achieves performance improvements of 12.3%p and 6.1%p in node classification accuracy compared to a single GCN and a single GAT, respectively.

• 한국안전학회지
• /
• 제31권5호
• /
• pp.141-148
• /
• 2016

There exists required safety integrity level (SIL) to assure safety in accordance with international standards for every electrical / electronics / control equipment or systems with safety related functions. The SIL is allocated from lowest level (level 0) to highest level (level 4). In order to guarantee certain safety level that is internationally acceptable, application of methodology for SIL allocation and demonstration based on related international standards is required. Especially, in case of the SIL allocation method without determining of quantitative tolerable risk, the additional review is needed to check whether it is suitable or not is required. In this study, the quantitative risk reduction model based on the safety integrity allocation results of railway platform screen door system using Risk Graph method has been examined in order to review the suitability of quantitative risk reduction according to allocated safety integrity level.