• 한국컴퓨터그래픽스학회논문지
• /
• 제23권3호
• /
• pp.19-29
• /
• 2017

일반적으로 희소 볼륨 데이터에 대하여 고정적인 메모리 할당 방식을 사용할 경우 상당한 메모리 공간 낭비가 발생하며, 이는 대용량의 고해상도 볼륨 데이터의 경우 더 심각한 문제가 발생한다. 본 논문에서는 이러한 불필요한 메모리 낭비를 개선하기 위하여 고정적인 메모리 공간이 아닌, 유효한 정보가 저장된 복셀 만을 효과적으로 저장하는 볼륨 데이터 표현 방법을 제안하고, 이를 기존의 정적인 메모리 할당 방법, 팔진 트리 그리고 복셀 해싱 방법과 메모리 사용량 및 연산 속도 측면에서 비교 분석한다. 특히 GPU 기반의 마칭 큐브 방법의 구현에 있어 본 논문에서 제안하는 방법과 복셀 해싱 방법을 비교 분석 한다.

• 한국통신학회논문지
• /
• 제38A권10호
• /
• pp.833-837
• /
• 2013

홀로그래픽 데이터 저장장치는 한 볼륨에 페이지 단위로 데이터를 쓰고 읽기 때문에 단위 공간당 기록용량이 매우 크며 또 데이터 전송률이 굉장히 높은 장점이 있다. 반면 데이터를 저장하는 픽셀간의 밀도가 높아짐에 따라 2차원 인접 심볼간 간섭과 인접한 페이지끼리 서로 영향을 주는 인접 페이지간 간섭이 생기는 단점이 있다. 특히 한 페이지의 밝은 정도에 따라 인접한 페이지에 영향을 주어 한 볼륨에 저장할 수 있는 페이지의 수를 줄어들게 할 수 있다. 본 논문에서는 홀로그래픽 데이터 저장장치에서 한 페이지에 기록되는 ON 픽셀의 비율을 낮춰서 한 볼륨에 들어가는 페이지의 수를 늘리도록 하는 부호율이 6/8인 저밀도 ON 픽셀 2차원 변조부호를 제안한다. 제안된 부호는 기존의 6/8 균형 변조부호와 비교하여 거의 비슷한 성능을 보인다. 따라서 제안된 부호를 사용할 경우 성능의 저하 없이 기록 용량을 늘릴 수 있는 장점이 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권5호
• /
• pp.1163-1185
• /
• 2024

With the sharp increase in the volume of literature data, researchers must spend considerable time and energy locating desired papers. A paper recommendation is the means necessary to solve this problem. Unfortunately, the large amount of data combined with sparsity makes personalizing papers challenging. Traditional matrix decomposition models have cold-start issues. Most overlook the importance of information and fail to consider the introduction of noise when using side information, resulting in unsatisfactory recommendations. This study proposes a paper recommendation method (PR-SLSMF) using document-level representation learning with citation-informed transformers (SPECTER) and low-rank and sparse matrix factorization; it uses SPECTER to learn paper content representation. The model calculates the similarity between papers and constructs a weighted heterogeneous information network (HIN), including citation and content similarity information. This method combines the LSMF method with HIN, effectively alleviating data sparsity and cold-start issues and avoiding topic drift. We validated the effectiveness of this method on two real datasets and the necessity of adding side information.

• 한국정보과학회논문지:데이타베이스
• /
• 제33권4호
• /
• pp.353-362
• /
• 2006

데이타 웨어하우스는 기업이나 사회 전반에서 사용되는 방대한 데이타를 저장하고, 효율적인 분석을 가능하게 하는 데이타 저장소로써, 점점 그 활용도가 증가하고 있다. 본 연구에서는 이러한 데이타 웨어하우스 구축 기술의 핵심이 되는 다차원 데이타 큐브 (multidimensional data cube) 기술을 연구하는 데 목적이 있다. 고차원 데이타 큐브에는 필연적으로 내재하는 데이타의 희소성 (sparsity)에 의한 검색 오버헤드가 있다. 본 연구에서는 이러한 오버헤드를 현격하게 감소시키는 알고리즘을 제시함으로써, 데이타 웨어하우스의 효율을 높이는 데 기여한다. 즉, 고차원의 희소 데이타 큐브에서 데이타가 조밀하게 밀집된 영역들을 찾아 그 영역을 중심으로 서브 큐브를 구축하여, 데이타 검색 시에 전체의 데이타 큐브를 대상으로 하지 않고 해당 서브 큐브만으로 검색 대상을 제한시킴으로써 검색 효율을 높이는 알고리즘이다. 본 논문에서는 다 차원 대용량의 희소 데이타 큐브로부터 밀도가 높은 서브 큐브를 찾기 위하여 비트맵과 히스토그램에 기반한 알고리즘을 제안하며, 실험을 통하여 제안한 알고리즘의 효용성을 보여준다.

• 전자공학회논문지
• /
• 제53권11호
• /
• pp.9-14
• /
• 2016

홀로그래픽 데이터 저장장치 (HDSS)는 한 픽셀에 1비트 이상의 데이터를 저장 가능하며 전송 속도 및 저장 용량을 증가시키는 장점이 있다. 하지만 2차원적으로 생기는 인접 심볼 간의 간섭 (ISI) 및 페이지 간의 간섭 (IPI)이 발생한다. 본 논문에서는 홀로그래픽 데이터 저장장치에서 부호율이 1.33 bit/pixel이면서 코드워드의 밀도가 균일한 부호를 제안하였다. 제안된 저밀도 ON 픽셀 4/6 2차원 균형 변조부호는 기존의 2/3, 6/9 변조부호와 비교하여 비슷한 성능을 보이지만, 한 페이지에 기록되는 ON 픽셀의 비율을 낮춤으로써 체적 내에 페이지 수를 늘려 저장 용량을 증가시킬 뿐만 아니라 코드워드의 밀도가 균일하여 인접 페이지 간의 간섭을 줄일 수 있다.

• 대한수의학회지
• /
• 제47권2호
• /
• pp.259-263
• /
• 2007

The choice of input distribution in quantitative risk assessments modeling is of great importance to get unbiased overall estimates, although it is difficult to characterize them in situations where data available are too sparse or small. The present study is particularly concerned with accommodation of uncertainties commonly encountered in the practice of modeling. The authors applied parametric and non-parametric bootstrap simulation methods which consist of re-sampling with replacement, in together with the classical Student-t statistics based on the normal distribution. The implications of these methods were demonstrated through an empirical analysis of trade volume from the amount of chicken and pork meat imported to Korea during the period of 1998-2005. The results of bootstrap method were comparable to the classical techniques, indicating that bootstrap can be an alternative approach in a specific context of trade volume. We also illustrated on what extent the bias corrected and accelerated non-parametric bootstrap method produces different estimate of interest, as compared by non-parametric bootstrap method.

• 응용통계연구
• /
• 제36권6호
• /
• pp.529-545
• /
• 2023

본 논문에서는 장기 기억성을 가지는 고차원 시계열 데이터 분석에 유용한, 밴드 구조의 계수행렬들을 가지는 밴드구조 VHAR (Banded-VHAR) 모형을 제안한다. 밴드구조 VHAR 모형은 인접한 차원의 시계열에서만 상관구조를 가지는 성근 고차원 시계열 모형으로 밴드구조에 영향을 주는 요인으로는 대표적으로 지리적 특성이 있다. 밴드구조 VHAR 모형의 빠른 추정을 위해 본 논문은 행별추정방법을 사용하고 또 밴드의 크기를 추정하기 위해 BIC와 잔차제곱합의 비율을 이용한 추정 방법을 소개하였다. 더불어 모의 실험을 통해서 제안한 추정 방법의 점근적 일치성을 확인하였다. 실증자료 분석으로 지역별 초미세먼지 및 아파트 거래량 자료를 활용하여 모형을 적용한 결과 밴드구조 VHAR 모형이 표본외예측 능력의 우수하고, 지리적정보에 기반하여 모형의 해석이 용이하다는 큰 장점이 있음을 살펴보았다.

• 대한지리학회지
• /
• 제49권5호
• /
• pp.761-778
• /
• 2014

본 논문은 거래빈도가 낮아 지금껏 적극적으로 시도되지 못한 상업용 토지의 가격을 정확히 추정하고자 하였다. 서울시 상업용 토지 실거래가 자료를 대상으로 선형 결합 형태의 평균 구조(전역적 경향), 지수 형태의 공분산함수 그리고 순수 오차항을 구성요소로 하는 모형을 구축 및 적용하였다. 상권별로 가격수준이 차별적으로 형성되는 상업용 토지 가격의 특성을 감안하여 대표적 공간보간기법인 크리깅 방법을 적용함으로써 지가의 공간적 상관성을 명시적으로 고려하였다. 더 나아가 희소한 자료의 한계를 극복하기 위해 전문가 지식을 사전 확률분포의 형태로 모형에 반영할 수 있는 베이지안 크리깅 방법을 활용하였다. 적용한 모형의 성능은 적합 과정에 사용되지 않은 검증 자료를 대상으로 검토하였으며, 전문가 지식의 반영과 공간적 상관성의 명시적 고려를 통해 가격 추정의 정확성이 높아진 사실을 확인하였다. 본 논문은 베이지안 크리깅 기법을 토지 가격 추정에 적용하되, 전문가의 주관적 지식을 명시적으로 모형에 반영하였다는 점 등에서 기존 연구와 차별성을 갖는다. 본 논문의 결과는 거래 자료가 희소한 상황에서도 신뢰성 있게 부동산 가격을 추정해야하는 경우에 유용하게 활용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제20권4호
• /
• pp.107-120
• /
• 2014

본 연구에서는 사회연결망분석기법 중 하나인 구조적 공백 분석 결과를 이용하여 추천과정에 사용자의 정성적이고 감성적인 정보를 반영할 수 있는 협업필터링 기반의 추천시스템을 제안한다. 협업필터링은 추천기술 중 가장 많이 활용되고 있지만 전통적으로 확장성과 희박성 등의 문제점뿐 만 아니라 사용자-상품 매트릭스의 선호도만을 이용하여 추천을 함으로써 사용자의 정성적이고 감성적인 정보를 추천과정에 반영하지 못한다는 한계점이 있다. 본 연구에서 제안하는 추천시스템은 사회연결망분석에서 중심성 분석과 함께 연결망 내의 주요개체를 탐지할 수 있는 구조적 공백 분석을 이용하여 연결망 내의 대표 사용자들을 추출한 후 이들을 중심으로 군집을 형성한 후 각 군집색인 협업필터링을 수행하는 과정을 통해 전통적인 협업필터링에서 반영하지 못했던 정성적, 감성적 정보를 반영한다. 한편, 군집색인 협업필터링을 수행함으로써 추천의 효율성을 높일 수 있는 장점도 있다. 본 연구에서는 실제 사용자들의 상품에 대한 선호도 평가점수와 사용자들의 사회연결망 정보를 수집하여 실험을 수행하고 전통적인 협업필터링과 다양한 형태의 협업필터링과의 추천성과 비교를 통하여 제안하는 시스템의 유용성을 확인한다. 비교모형으로는 전통적인 협업필터링, 임의 군집색인 기반 협업필터링, k평균 군집색인 기반 협업필터링을 이용한 추천시스템이며, 실험 결과, 제안한 모형이 다른 비교모형에 비해 추천성과의 정확도가 가장 우수하였다. 추천성과의 차이에 대한 통계적 유의성 검정 결과, 제안 모형은 전통적인 협업필터링 기반의 추천시스템과는 통계적으로 유의한 성과 차이가 없었으나, 다른 두 모형에 대해서는 통계적으로 유의한 성과의 차이가 있는 것으로 나타났다.