• 정보과학회 논문지
• /
• 제43권8호
• /
• pp.910-918
• /
• 2016

많은 종류의 데이터들은 텐서로 표현될 수 있다. 텐서란 다차원 배열을 의미하며, 그 예로 (사용자, 사용자, 시간)으로 이루어진 소셜 네트워크 데이터가 있다. 이러한 다차원 데이터 분석에 있어서 텐서 생성기는 시뮬레이션, 다차원 데이터 모델링 및 이해, 샘플링/외삽법 등 다양한 응용이 가능하다. 하지만, 존재하는 텐서 생성기들은 실제 세계의 텐서처럼 멱 법칙을 따르는 특성과 희박성을 갖는 텐서를 생성할 수 없다. 또한, 처리가능한 텐서 크기에 한계가 존재하고, 분산시스템에서 추가 분석을 하려면 텐서를 분산시스템에 업로드 하는 추가비용이 든다. 본 논문은 분산 테라스케일 텐서 생성기(TeT)를 제안함으로써 이러한 문제를 해결하고자 한다. TeT는 희박성을 갖는 랜덤 텐서와 희박성과 멱 법칙을 따르는 특성을 갖는 Recursive-MATrix 텐서, 크로네커 텐서를 크기 제한없이 생성할 수 있다. 또한, TeT에서 생성된 텐서는 같은 분산 시스템에서 추가적인 텐서분석이 가능하다. TeT는 효율적인 설계로 인해 거의 선형적인 머신확장성을 보인다.

• 정보과학회 논문지
• /
• 제45권3호
• /
• pp.280-287
• /
• 2018

최근 추천시스템과 데이터 분석 분야에서 고차원 형태의 텐서를 이용하는 연구가 증가하고 있다. 이는 고차원의 데이터인 텐서 분석을 통해 더 많은 잠재 요소와 잠재 패턴을 추출가능하기 때문이다. 그러나 고차원 형태인 텐서는 크기가 방대하고 계산이 복잡하기 때문에 텐서 분해를 통해 분석해야한다. 기존 텐서 도구들인 rTensor, pyTensor와 MATLAB은 단일 시스템에서 작동하기 때문에 방대한 양의 데이터를 처리하기 어렵다. 하둡을 이용한 텐서 분해 도구들도 있지만 처리 시간이 오래 걸린다. 따라서 본 논문에서는 인 메모리 기반의 빅데이터 시스템인 아파치 스파크를 기반으로 하는 텐서 분해 도구인 S-PARAFAC을 제안한다. S-PARAFAC은 텐서 분해 방법 중 PARAFAC 분해에 초점을 맞춰 아파치 스파크에 적합하게 변형하여 텐서 분해를 빠르게 분산 처리가능 하도록 하였다. 본 논문에서는 하둡을 기반의 텐서 분해 도구와 S-PARAFAC의 성능을 비교하여 약 4~25배 정도의 좋은 성능을 보였다.

• International Journal of Contents
• /
• 제12권3호
• /
• pp.22-28
• /
• 2016

Tensor with missing or incomplete values is a ubiquitous problem in various fields such as biomedical signal processing, image processing, and social network analysis. In this paper, we considered how to reconstruct a dataset with missing values by using tensor form which is called tensor completion process. We applied Tucker factorization to solve tensor completion which was built base on optimization problem. We formulated the optimization objective function using components of Tucker model after decomposing. The weighted least square matric contained only known values of the tensor with low rank in its modes. A first order optimization method, namely Nonlinear Conjugated Gradient, was applied to solve the optimization problem. We demonstrated the effectiveness of the proposed method in EEG signals with about 70% missing entries compared to other algorithms. The relative error was proposed to compare the difference between original tensor and the process output.

• 한국정보디스플레이학회:학술대회논문집
• /
• 한국정보디스플레이학회 2007년도 7th International Meeting on Information Display 제7권1호
• /
• pp.517-519
• /
• 2007

We report our study on the implementation of Q tensor approach into three-dimensional finite element method (FEM) numerical solver. The comparative simulation results demonstrated the possibility of a different director configuration in between Q tensor method and vector method. The comparative study confirmed that Q Tensor implementation is more appropriate for OCB analysis than the vector method.

• Journal of applied mathematics & informatics
• /
• 제41권3호
• /
• pp.603-613
• /
• 2023

In this paper, the concept of geodesic centered tractography is explored for diffusion tensor imaging (DTI). In DTI, where geodesics has been tracked and the inverse of the fourth-order diffusion tensor is inured to determine the diversity. Specifically, we investigated geodesic tractography technique for High Angular Resolution Diffusion Imaging (HARDI). Riemannian geometry can be extended to a direction-dependent metric using Finsler geometry. Euler Lagrange geodesic calculations have been derived by Finsler geometry, which is expressed as HARDI in sixth order tensor.

• Journal of Astronomy and Space Sciences
• /
• 제37권2호
• /
• pp.131-142
• /
• 2020

As the laws of physics are expressed in a manner that makes their invariance under coordinate transformations manifest, they should be written in terms of tensors. Furthermore, tensors make manifest the characteristics and behaviors of electromagnetic fields through inhomogeneous, anisotropic, and compressible media. Electromagnetic fields are expressed completely in tensor form, F^αβ, which implies both electric field ${\overrightarrow{E}}$ and magnetic field ${\overrightarrow{B}}$ rather than separately in the vector fields. This study presents the Mathematica platform that generates and transforms a second-rank antisymmetric field-strength tensor F^αβ and whiskbroom pattern in Minkowski space. The platforms enhance the capabilities of students and researchers in tensor analysis and improves comprehension of the elegant features of complete structure in physics.

• 스마트미디어저널
• /
• 제7권4호
• /
• pp.90-98
• /
• 2018

심전도 신호는 기본적으로 심장의 전기적 활동에 포함되며 이를 통해 심박수 측정, 심장 박동의 리듬 검사, 심장 이상 진단, 정서 인식 및 생체 인식과 같은 다양한 목적으로 분석 및 활용된다. 본 논문의 목적은 다차원 데이터 배열인 텐서 특성을 가진 다선형 판별분석(MLDA: Multilinear Linear Discriminant Analysis) 기법을 이용하여 개인식별을 수행하고자 한다. MLDA는 상위 차원의 텐서를 포함하는 분류 문제에 대해서 차원 문제를 해결 할 수 있으며, 상호 연관된 부분 공간은 서로 다른 클래스를 구별하기 위해 사용될 수 있다. 제시된 방법의 성능을 검증하기 위해 Physionet의 MIT-BIH데이터베이스를 적용하였다. 이 데이터베이스에 대해 실험한 결과, MLDA는 기존 PCA와 LDA와 비교하여 개인식별 성능이 우수함을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 A
• /
• pp.169-171
• /
• 1996

Recently, the finite element analysis(FEM) using two dimensional magnetic permeability tensor was introduced to calculate the magnetic field considering the rotational hysteresis. We obtain the tensor matrix from the measured data using two-dimensional magnetic measuring apparatus. We calculate the induced magnetic flux density and the rotational hysteresis loss under the model with the same condition with the measuring apparatus. Therefore we show that FEM with tensor can be used to calculate the magnetic flux density and the rotational hysteresis loss in the arbitrary rotational magnetic field.

• 대한수학회보
• /
• 제52권4호
• /
• pp.1097-1105
• /
• 2015

The concept of tensor analogues of right 2-Engel elements in groups were defined and studied by Biddle and Kappe [1] and Moravec [9]. Using the automorphisms of a given group G, we introduce the notion of tensor analogue of 2-auto Engel elements in G and investigate their properties. Also the concept of $2_{\otimes}$-auto Engel groups is introduced and we prove that if G is a $2_{\otimes}$-auto Engel group, then $G{\otimes}$ Aut(G) is abelian. Finally, we construct a non-abelian 2-auto-Engel group G so that its non-abelian tensor product by Aut(G) is abelian.

• 융합보안논문지
• /
• 제22권4호
• /
• pp.129-133
• /
• 2022

딥러닝 프레임워크는 현재에도 계속해서 발전되어 가고 있으며, 다양한 프레임워크들이 존재한다. 딥러닝의 대표적인 프레임워크는 TensorFlow, PyTorch, Keras 등이 있다. 딥러님 프레임워크는 이미지 학습을 통해 이미지 분류에서의 최적화 모델을 이용한다. 본 논문에서는 딥러닝 이미지 인식 분야에서 가장 많이 사용하고 있는 TensorFlow와 PyTorch 프레임워크를 활용하여 이미지 학습을 진행하였으며, 이 과정에서 도출한 결과를 비교 분석하여 최적화된 프레임워크을 알 수 있었다.