• 한국생산제조학회지
• /
• 제9권5호
• /
• pp.119-126
• /
• 2000

Recently, according to the various taste of consumers, the design of a product is changed variously and complicatedly. The complicated product is not usually constructed with one path but multi-path. By the way, in machining, higher precision and the reduction of leading and machining time is required. But, for the multi-patch sculptured surface, the amount of machining data becomes large. This means the increase of leading and machining time. In this study, the tool path generation method with reparameterization is proposed for multi-patch sculptured surface and variable step size using NURBS is used to satisfy the precision and to reduce leading and machining time.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 2000년도 춘계학술대회논문집 - 한국공작기계학회
• /
• pp.647-652
• /
• 2000

Recently, according to the various taste of consumers, the design of a product is changed variously and complicatedly. The complicated product is not usually constructed with one patch but multi-patch. By the way, in machining, higher precision and the reduction of leading and machining time is required. But for the multi-patch sculptured surface, the amount of machining data becomes large. This means the increase of leading and machining time. In this study, the tool path generation method with reparameterization is proposed for multi-patch sculptured surface and variable step size using NURBS is used to satisfy the precision and to reduce leading and machining time.

• Journal of the Korean Data and Information Science Society
• /
• 제9권2호
• /
• pp.119-138
• /
• 1998

The case of proportional cell frequencies for the two-way cross-classification with interaction is considered. Several types of hypotheses for the general unbalanced data that are commonly used in the literature are shown, and they are written out for this particular case. A reparameterized form of the cell means model is defined to establish the reparameterized model, and orthogonal property of the model is shown using the augmented matrix and the numerator sums of squares are computed. Different ways of producing the same analysis of variance tables are shown in both orthogonal and nonorthogonal situations.

• Communications for Statistical Applications and Methods
• /
• 제23권2호
• /
• pp.179-187
• /
• 2016

The fixed effects panel probit model faces "incidental parameters problem" because it has a property that the number of parameters to be estimated will increase with sample size. The maximum likelihood estimation fails to give a consistent estimator of slope parameter. Unlike the panel regression model, it is not feasible to find an orthogonal reparameterization of fixed effects to get a consistent estimator. In this note, a hierarchical Bayesian model is proposed. The model is essentially equivalent to the frequentist's random effects model, but the individual specific effects are estimable with the help of Gibbs sampling. The Bayesian estimator is shown to reduce reduced the small sample bias. The maximum likelihood estimator in the random effects model is also efficient, which contradicts Green (2004)'s conclusion.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.2341-2344
• /
• 2001

In recent years the neural network known as a sort of the intelligent control strategy is used as a powerful tool for designing control system since it has learning ability. But it is difficult for neural network controllers to guarantee the stability of control systems. In this paper we try connecting a radial basis function network to an adaptive control strategy. Radial basis function networks are simpler and easier to handle than multilayer perceptrons. We use the radial basis function network to generate control input signals that are similar to the control inputs of adaptive control using linear reparameterization of the robot manipulator. We adopt the saturation function as an auxiliary controller. This paper also proves mathematically the stability of the control system under the existence of disturbances and modeling errors.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2006년도 학술대회 1부
• /
• pp.836-842
• /
• 2006

3D 애니메이션 제작에서 동작의 타이밍(예를 들면 timing&spacing, slow-in, slow-out)은 연기의 의미와 느낌을 정확히 표현하기 위한 매우 중요한 요소 중의 하나이다. 따라서 이러한 타이밍의 편집은 애니메이션 작업에서 필수적이라고 할 수 있는데, 이를 기존의 3D 애니메이션 시스템에서 수행하기에는 기술적으로 많은 어려움이 있었다. 첫째로 타이밍의 편집은 시간축 자체를 변형하는 문제이기 때문에 보간 곡선에 대한 재매개변수화가 필요한데, 이러한 가능은 기존 애니메이션 시스템에서 제공되지 않는다. 둘째로 타이밍 편집에는 종종 애니메이션 감독이 직접 참여하기도 하는데, 일반적으로 3D 애니메이션 시스템의 사용에 익숙하지 않기 때문에 원하는 결과를 직접 만들어 보기가 어려웠다. 본 논문에서는 이러한 문제들을 해결한 새로운 애니메이션 타이밍 시스템을 구현하였다. 이 시스템은 렌더링된 영상파일들과 애니메이션 장면 파일을 입력 받아 사용자가 타이밍 편집을 하고, 그 결과를 애니메이션 장면 파일에 다시 기록하는 방식으로 구현된다. 타이밍 편집은 기존 셀 애니메이션 제작 방식과 유사한 방식으로 프레임을 삽입하거나 삭제하는 가능과 시간왜곡 (time-warping) 그래프를 직접 조정하여 타이밍을 조정하는 가능을 제공한다. 전자는 제작도구에 익숙하지 않은 감독이나 셀 애니메이션 작업자들이 직관적으로 사용할 수 있는 기능이고, 후자는 좀 더 세밀한 타이밍 조정을 위해 제공하는 가능이다. 사용자가 편집한 타이밍 결과는 각 동작변수의 보간곡선을 재매개변수화하여 애니메이션 파일에 기록된다. 본 논문에서 구현한 시스템은 실제 애니메이션 제작에 보편적으로 사용되는 마야 애니메이션 파일을 지원하도록 구현되었다.

• 전기전자학회논문지
• /
• 제26권2호
• /
• pp.160-168
• /
• 2022

본 논문에서는 딥러닝과 구체의 형태 변형 방법을 이용한 단일 이미지에서의 3D mesh 재구축 기법을 제안한다. 제안한 기법은 기존의 방식과 다른 다음과 같은 독창성이 있다. 첫 번째, 기존의 근처의 가까운 점들을 연결하여 모서리 또는 면을 구축하는 방식과 다르게 딥러닝 네트워크을 통하여 구체의 꼭짓점의 위치를 사물의 3D 포인트 클라우드와 매우 유사하게 수정한다. 3D 포인트 클라우드를 이용하므로 메모리가 적게 필요하며 구체의 꼭짓점에 오프셋 값 사이에 덧셈 연산만을 수행하기 때문에 더 빠른 연산이 가능하다. 두 번째, 수정한 꼭짓점에 구체의 면 정보를 씌워 3D mesh를 재구축한다. 구체의 꼭짓점의 위치를 수정하여 생성한 3D 포인트 클라우드의 점들의 간격이 일정하지 않을 때에도 이미 점들 사이의 연결 여부를 나타내는 구체의 면 정보라는 3D mesh의 면 정보를 가지고 있어 표현의 단순화나 결손을 방지할 수 있다. 제안하는 기법의 객관적인 신뢰성을 평가하기 위해 공개된 표준 데이터셋인 ShapeNet 데이터셋을 이용하여 비교 논문들과 같은 방법으로 실험한 결과, 본 논문에서 제안하는 기법의 IoU 값이 0.581로, chamfer distance 값은 0.212로 산출되었다. IoU 값은 수치가 높을수록, chamfer distance 값은 수치가 낮을수록 우수한 결과를 나타내므로 다른 논문에서 발표한 기법들보다 3D mesh 재구축의 결과에서 성능의 효율성이 입증되었다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.227-241
• /
• 2022

전파형 역산은 석유가스 탐사를 위한 탄성파 자료처리 분야에서 지층의 속도 모델을 추정하는데 사용되는 역산 기법이다. 최근 탄성파 자료처리에 딥러닝 기술의 활용이 급격하게 증가하고 있는데, 전파형 역산 기술도 마찬가지로 다양한 연구가 이루어지고 있다. 초기에는 머신러닝 기술을 활용한 자료처리 기법이 전파형 역산을 위한 입력자료의 전처리 목적으로 활용되는 수준이었으나, 딥러닝 기술을 통해 전파형 역산을 직접적으로 구현하는 연구가 등장하기 시작하였다. 딥러닝 기술을 활용한 전파형 역산은 순수 데이터 기반 접근법, 물리 기반 신경망 활용법, 인코더-디코더 구조 활용법, 신경망 재매개변수화를 이용한 구현법, 물리정보 기반 신경망 기법 등으로 구분할 수 있다. 이 논문에서는 딥러닝 기반 전파형 역산 기법을 발전 과정 순서로 체계화하여 각각의 접근법에 대한 이론과 특징을 설명하였다. 전파형 역산 기술에 딥러닝 기법을 도입한 초기에는 데이터 과학의 기본 원리에 충실하게 대량의 학습자료를 준비하고 순수 데이터 기반 예측 모델을 적용하여 속도 모델을 역산하는 연구로 시작하였다. 최근 연구 동향은 탄성파 자료의 잔차나 파동방정식 자체의 물리정보를 심층 신경망에 활용하여 순수 데이터 기반 접근법의 단점을 보완해 나가는 방향으로 진행되고 있다. 이러한 발전으로 대량의 학습자료가 필요하지 않고, 전파형 역산의 태생적 한계점인 주기 놓침 현상을 완화하며 계산 시간을 획기적으로 줄일 수 있는 딥러닝 기반 전파형 역산 기술이 등장하고 있다. 딥러닝 기술의 도입으로 전파형 역산 기술은 탄성파 자료처리 분야에서 가치가 더 높아질 것으로 생각된다.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.408-415
• /
• 2022

본 논문에서는 효율적인 feature map 추출 네트워크를 이용한 2D 이미지에서의 3D 포인트 클라우드 재구축 기법을 제안한다. 본 논문에서 제안한 기법의 독창성은 다음과 같다. 첫 번째로, 메모리 측면에서 기존 기법보다 약 27% 더 효율적인 새로운 feature map 추출 네트워크를 사용한다. 제안하는 네트워크는 딥러닝 네트워크의 중간까지 크기 축소를 수행하지 않아, 3D 포인트 클라우드 재구축에 필요한 중요한 정보가 유실되지 않았다. 축소되지 않은 이미지 크기로 인해 발생하는 메모리 증가 문제는 채널의 개수를 줄이고 딥러닝 네트워크의 깊이를 얕게 효율적으로 구성하여 해결하였다. 두 번째로, 2D 이미지의 고해상도 feature를 보존하여 정확도를 기존 기법보다 향상시킬 수 있도록 하였다. 축소되지 않은 이미지로부터 추출한 feature map은 기존의 방법보다 자세한 정보가 담겨있어 3D 포인트 클라우드의 재구축 정확도를 향상시킬 수 있다. 세 번째로, 촬영 정보를 필요로 하지 않는 divergence loss를 사용한다. 2D 이미지뿐만 아니라 촬영 각도가 학습에 필요하다는 사항은 그만큼 데이터셋이 자세한 정보를 담고 있어야 하며 데이터셋의 구축을 어렵게 만드는 단점이다. 본 논문에서는 추가적인 촬영 정보 없이 무작위성을 통해 정보의 다양성을 늘려 3D 포인트 클라우드의 재구축 정확도가 높아질 수 있도록 하였다. 제안하는 기법의 성능을 객관적으로 평가하기 위해 ShapeNet 데이터셋을 이용하여 비교 논문들과 같은 방법으로 실험한 결과, 본 논문에서 제안하는 기법의 CD 값이 5.87, EMD 값이 5.81 FLOPs 값이 2.9G로 산출되었다. 한편, CD, EMD 수치가 낮을수록, 재구축한 3D 포인트 클라우드가 원본에 근접하는 정확도가 향상된 결과를 나타낸다. 또한, FLOPs 수치가 낮을수록 딥러닝 네트워크에 필요한 메모리가 적게 소요되는 결과를 나타낸다. 따라서, 제안하는 기법의 CD, EMD, FLOPs 성능평가 결과가 다른 논문의 기법들보다 메모리 측면에서 약 27%, 정확도 측면에서 약 6.3% 향상된 결과를 나타내어 객관적인 성능이 입증되었다.