• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
• /
• pp.163-166
• /
• 2017

딥러닝은 모델이 복잡해질수록 Train 시간이 오래 걸리는 작업이다. Layer Normalization은 Train 시간을 줄이고, layer를 정규화 함으로써 성능을 개선할 수 있는 방법이다. 본 논문에서는 한국어 의미역 결정을 위해 Layer Normalization이 적용 된 Bidirectional LSTM CRF 모델을 제안한다. 실험 결과, Layer Normalization이 적용 된 Bidirectional LSTM CRF 모델은 한국어 의미역 결정 논항 인식 및 분류(AIC)에서 성능을 개선시켰다.

• 음성과학
• /
• 제11권1호
• /
• pp.21-29
• /
• 2004

In this paper we examined the effect of normalization on discriminating the pathological voice into normal and abnormal classes using artificial neural network. Average values per each parameter were used to normalize each set of parameter values. Artificial neural networks were used as classifiers. And the effect of normalization was evaluated by comparing the discrimination results between original and normalized parameter sets.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권6호
• /
• pp.503-518
• /
• 2007

정규화는 교차 연산 전에 두 부모해 사이의 일관성을 유지하기 위하여 한 부모해를 다른 부모해에 맞추어 변환하는 연산이다. 본 논문은 비유사 중복 인코딩이 유전 알고리즘의 성능을 떨어뜨리는 이유와 정규화 연산이 비유사 중복 인코딩에 의해 유발되는 문제점들을 어떻게 완화하는지 설명한다. 이를 위해 완전 비유사 중복 인코딩을 정의하고, 완전 비유사 중복 인코딩에 의해 적합도와 거리의 상관성이 없는 탐색 공간이 만들어짐을 증명한다. 또한, 완전 비유사 중복 인코딩을 사용하는 다수의 문제들에 대한 실험을 바탕으로, 정규화를 통해 상관성이 없는 탐색 공간이 상관성이 있는 탐색 공간으로 변화되어 유전알고리즘의 성능이 향상됨을 보인다.

• 한국전문물리치료학회지
• /
• 제14권3호
• /
• pp.32-40
• /
• 2007

Although many children with cerebral palsy have problems with their eye movements available data on its intervention is minimal. The purpose of the study was to determine the effectiveness of the postural movement normalization and eye movement program on the oculomotor ability of children with cerebral palsy. Twenty-four children with cerebral palsy (12 male and 12 female), aged between 10 and 12, were invited to partake in this study. The subjects were randomly allocated to two groups: an experimental group received the postural movement normalization and eye movement program and a control group which received conventional therapy without the eye movement program. Each subject received intervention three times a week for twelve weeks. The final measurement was the ocular motor computerized test before and after treatment sessions through an independent assessor. Differences between the experimental group and control group were determined by assessing changes in oculomotor ability using analysis of covariance (ANCOVA). The changes of visual fixation (p<.01), saccadic eye movement (p<.01) and pursuit eye movement (p<.01) were significantly higher in the experimental group than in the control group. These results show that the postural movement normalization and eye movement program may be helpful to treat children with cerebral palsy who lose normal physical and eye movement.

• 전기전자학회논문지
• /
• 제26권2호
• /
• pp.319-328
• /
• 2022

베어링은 기계가 작동할때 중요한 역할을 한다. 때문에, 베어링에 결함이 발생하면 기계전체의 치명적인 결함을 발생시킨다. 그러므로 베어링 결함은 조기에 발견되어야한다. 본 논문에서는 연속 웨이블릿 변환과 Switchable 정규화를 기반으로 한 합성곱 신경망(SN-CNN)을 이용한 방법을 베어링 결함 감지 모델에 대해 설명한다. 모델의 정확도는 Case Western Reserve University(CWRU) 베어링 데이터 집합을 사용하여 측정되었다. 또한 배치 정규화(BN, Batch Normalization)[1] 방법과 스펙트로그램 이미지가 모델 성능의 비교를 위해 사용되었다.

• 음성과학
• /
• 제13권1호
• /
• pp.129-139
• /
• 2006

In this paper, we propose two effective energy feature normalization methods for robust speech recognition in noisy environments. In the first method, we estimate the noise energy and remove it from the noisy speech energy. In the second method, we propose a modified algorithm for the Log-energy Dynamic Range Normalization (ERN) method. In the ERN method, the log energy of the training data in a clean environment is transformed into the log energy in noisy environments. If the minimum log energy of the test data is outside of a pre-defined range, the log energy of the test data is also transformed. Since the ERN method has several weaknesses, we propose a modified transform scheme designed to reduce the residual mismatch that it produces. In the evaluation conducted on the Aurora2.0 database, we obtained a significant performance improvement.

• 스마트미디어저널
• /
• 제8권4호
• /
• pp.64-71
• /
• 2019

The performance of an OMR (Optical Music Recognition) system is usually determined by the characterizing features of the input music score images. Low resolution is one of the main factors leading to degraded image quality. In this paper, we handle the low-resolution problem using the super-resolution technique. We propose the use of a deep neural network with instance normalization to improve the quality of music score images. We apply instance normalization which has proven to be beneficial in single image enhancement. It works better than batch normalization, which shows the effectiveness of shifting the mean and variance of deep features at the instance level. The proposed method provides an end-to-end mapping technique between the high and low-resolution images respectively. New images are then created, in which the resolution is four times higher than the resolution of the original images. Our model has been evaluated with the dataset "DeepScores" and shows that it outperforms other existing methods.

• Communications for Statistical Applications and Methods
• /
• 제31권1호
• /
• pp.105-127
• /
• 2024

We propose recurrent neural network (RNN) methods for forecasting realized volatility (RV). The data are RVs of ten major stock price indices, four from the US, and six from the EU. Forecasts are made for relative ratio of adjacent RVs instead of the RV itself in order to avoid the out-of-scale issue. Forecasts of RV ratios distribution are first constructed from which those of RVs are computed which are shown to be better than forecasts constructed directly from RV. The apparent asymmetry of RV ratio is addressed by the Piecewise Min-max (PM) normalization. The serial dependence of the ratio data renders us to consider two architectures, long short-term memory (LSTM) and gated recurrent unit (GRU). The hyperparameters of LSTM and GRU are tuned by the nested cross validation. The RNN forecast with the PM normalization and ratio transformation is shown to outperform other forecasts by other RNN models and by benchmarking models of the AR model, the support vector machine (SVM), the deep neural network (DNN), and the convolutional neural network (CNN).

• 한국통신학회논문지
• /
• 제36권8C호
• /
• pp.505-515
• /
• 2011

본 논문에서는 객체 검출에 사용되는 Haar-like feature의 정규화 방법에 대해 다룬다. 기존의 Haar-like feature의 분산 정규화는 후보 윈도우 픽셀들에 대한 표준편차 계산에 사용되는 별도의 적분 영상 생성을 위해 많은 연산을 필요로 했으며 밝기 변화가 작은 영역에서 오검출이 증가하는 문제를 가지고 있으나, 제안하는 정규화 방법은 별도의 적분 영상을 사용하지 않아 처리 속도가 빠르며 제안하는 방법을 사용하여 학습시킨 분류기는 밝기 변화에 대해 강건한 성능을 보인다. 실험 결과 제안한 방법을 사용했을 때 객체 검출기의 처리 속도는 26% 향상 되었으며, 제안한 방법을 사용하여 학습시킨 분류기들은 5% 이상 향상된 검출률을 보였으며, 밝기 변화가 심한 경우는 45% 향상된 검출률을 보였다.

• 한국통신학회논문지
• /
• 제35권7C호
• /
• pp.604-610
• /
• 2010

본 논문에서는 기존의 CLSFN (Cepstral distance and Log-energy based Silence Feature Normalization) 방법의 인식성능을 향상시키기 위하여, 필터 뱅크 서브 밴드 영역에서 잡음을 차감하는 방법과 CLSFN을 결합하는 방법, 즉 FSFN (Filter bank sub-band energy subtraction based CLSFN)을 제안하였다. 이 방법은 음성으로부터 특징 파라미터를 추출할 때 필터 뱅크 서브 밴드 영역에서 잡음을 제거하여 켑스트럼 특징을 향상시키고, 이에 대한 켑스트럼 거리를 이용하여 음성/묵음 분류의 정확도를 개선함으로써 기존 CLSFN 방법에 비해 향상된 인식성능을 얻을 수 있다. Aurora 2.0 DB를 이용한 실험결과, 제안하는 FSFN 방법은 CLSFN 방법에 비해 평균 단어 정확도 (word accuracy)가 약 2% 향상되었으며, CMVN (Cepstral Mean and Variance Normalization)과의 결합에서도 기존 모든 방법에 비해 가장 우수한 인식성능을 나타내어 제안 방법의 유효성을 확인할 수 있었다.