• 한국통신학회논문지
• /
• 제38C권2호
• /
• pp.213-218
• /
• 2013

은닉 마코프 모델 (hidden Markov Model, HMM) 기반 음성 합성 시스템에서 파라미터 적응을 위해 널리 쓰이는 기법으로 최대 공산 선형 회귀 (maximum likelihood linear regression, MLLR)이 있다. 이전 연구에서 우리는 각 MLLR 파라미터를 인자화된 MLLR (Factored MLLR, FMLLR) 형태로 확장하는 형태를 제안하였다. FMLLR 파라미터를 기존의 EM 알고리즘 형태로 구하는 기법 역시 제안하였고, 이를 통해 보완 정보를 활용하여 적응 학습을 수행할 수 있게 하였다. 본 논문에서는, FMLLR 기법을 스펙트럼 파라미터에 사용하는 것뿐 아니라 피치에도 적용하여 그 성능을 향상시키는 것에 대한 탐구를 수행하였다. 감정 음성을 생성하는 여러 실험을 통해, 우리는 제안하는 기법이 피치 및 스펙트럼에 대해 효과적으로 작용하는 것을 확인하였다.

• 한국철도학회논문집
• /
• 제17권6호
• /
• pp.466-473
• /
• 2014

최근 복수의 철도 운송 사업자를 고려한 효율적인 선로 용량 할당 체계에 대한 관심이 증대하고 있다. 선로 용량 배분 체계란 제한된 선로 용량을 복수의 철도 운송 사업자들에게 그들이 원하는 열차를 배분하는 일련의 절차 및 방법론을 말하는데, 본 논문은 철도 운송 사업자가 제안한 열차들의 출발시간, 정차 시간 등을 조정하여 시설 관리자가 추구하는 목적에 가장 부합하는 조정된 스케줄을 생성해내는 최적화 모형 및 해법을 다룬다. 이 모형과 관련한 기존 연구들은, 열차간의 경합 조건만을 제약식으로 설정하여, 특정 노선에 투입되는 열차들이 경합 조건 때문에 기존에 계획된 노선별 열차 운행 횟수를 보장할 수 없는 한계를 갖고 있다. 본 연구에서는 노선별 열차 운행 횟수를 고려함과 동시에 열차간 경합 조건을 반영한 새로운 최적화 모형 및 이에 대한 해법을 제시한다. 이 해법을 이용하여, 수서발 고속열차와 기존 고속열차 운행 전 구간에 대한 최적의 선로 용량 할당 계획을 제시한다.

• 한국융합학회논문지
• /
• 제12권12호
• /
• pp.65-74
• /
• 2021

최근 기계 번역 기술과 자동 노이즈 생성 방법론을 기반으로 한국어 맞춤법 교정 연구가 활발히 이루어지고 있다. 해당 방법론들은 노이즈를 생성하여 학습 셋과 데이터 셋으로 사용한다. 이는 학습에 사용된 노이즈 외의 노이즈가 테스트 셋에 포함될 가능성이 낮아 정확한 성능 측정이 어렵다는 한계점이 존재한다. 또한 실제적인 오류 유형 분류 기준이 없어 연구마다 사용하는 오류 유형이 다르므로 질적 분석에 어려움을 겪고 있다. 이를 해결하기 위해 본 논문은 딥러닝 기반 한국어 맞춤법 교정 연구를 위한 새로운 '오류 유형 분류 체계'를 제안하며 이를 바탕으로 기존 상용화 한국어 맞춤법 교정기(시스템 A, 시스템 B, 시스템 C)에 대한 오류 분석을 수행하였다. 분석결과, 세 가지 교정 시스템들이 띄어쓰기 오류 외에 본 논문에서 제시한 다른 오류 유형은 교정을 잘 수행하지 못했으며 어순 오류나 시제 오류의 경우 오류 인식을 거의 하지 못함을 알 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권9호
• /
• pp.349-358
• /
• 2021

최근 CAM[1]을 이용해서 이미지의 객체에 대한 주의 영역 또는 지역화(Localization) 영역을 찾는 방법이 WSOL의 연구로서 다양하게 수행되고 있다. CAM을 이용한 객체의 히트(Heat) 맵에서 주의 영역 추출은 객체의 특징이 가장 많이 모여 있는 영역만을 주로 집중해서 객체의 전체적인 영역을 찾지 못하는 단점이 있다. 여기서는 이를 개선하기 위해서 먼저 CAM과 Selective Search[6]를 함께 이용하여 CAM 히트맵의 주의 영역을 확장하고, 확장된 영역에 가우시안 스무딩을 적용하여 재학습 데이터를 만든 후, 이를 학습하여 객체의 주의 영역이 확장되는 방법을 제안한다. 제안 방법은 단 한 번의 재학습만이 필요하며, 학습 후 지역화를 수행할 때는 Selective Search를 실행하지 않기 때문에 처리 시간이 대폭 줄어든다. 실험에서 기존 CAM의 히트맵들과 비교했을 때 핵심 특징 영역으로부터 주의 영역이 확장되고, 확장된 주의 영역 바운딩 박스에 대한 Ground Truth와의 IOU 계산에서 기존 CAM보다 약 58%가 개선되었다.

• 한국정보통신학회논문지
• /
• 제23권8호
• /
• pp.975-980
• /
• 2019

본 논문에서는 차세대 이동통신 시스템의 핵심 요소 기술 중의 하나로 각광 받고 있는 다중 사용자 다중 안테나 네트워크에서 사용자 선택을 위한 심화 학습 기반 스케쥴링 기법을 제안한다. 제안된 신경망을 학습시키기 위하여 기존의 최적 방식을 통해서 90,000 데이터 샘플을 확보하였으며, 추가적인 10,000 데이터 샘플을 이용하여 최종 학습된 신경망의 과최적화 여부를 확인하였다. 제안된 신경망 기반의 스케쥴링 알고리즘은 초기 학습 시에는 상당한 복잡도와 학습 시간이 필요하지만, 일단 학습이 완료된 이후에는 추가적인 복잡도가 유발되지 않는 장점이 있다. 반면에, 기존의 최적 방식은 매 스케쥴링마다 동일한 복잡도의 계산이 지속적으로 요구된다. 다양한 컴퓨터 시뮬레이션 결과에 따르면, 제안된 심화 학습 기반의 스케쥴링 기법은 10dB 보다 낮은 SNR에서는 기존 최적 알고리즘의 약 88~96%에 이르는 평균 전송 속도의 합을 얻을 수 있으며, 10dB 이상의 SNR에서는 최적의 평균 전송 속도의 합을 얻을 수 있다.

• International Journal of Computer Science & Network Security
• /
• 제23권6호
• /
• pp.27-34
• /
• 2023

This paper proposed an Inter-Carrier-Interference (ICI) Canceling Orthogonal Frequency Division Multiplexing (OFDM) receiver for 5G mobile system to support 500 km/h linear motor high speed terrestrial transportation service. A receiver in such high-speed train sees the transmission channel which is composed of multiple Doppler-shifted propagation paths. Then, a loss of sub-carrier orthogonality due to Doppler-spread channels causes ICI. The ICI Canceler is realized by the following three steps. First, using the Demodulation Reference Symbol (DMRS) pilot signals, it analyzes three parameters such as attenuation, relative delay, and Doppler-shift of each multi-path component. Secondly, based on the sets of three parameters, Channel Transfer Function (CTF) of sender sub-carrier number 𝒏 to receiver sub-carrier number 𝒍 is generated. In case of 𝒏≠𝒍, the CTF corresponds to ICI factor. Thirdly, since ICI factor is obtained, by applying ICI reverse operation by Multi-Tap Equalizer, ICI canceling can be realized. ICI canceling performance has been simulated assuming severe channel condition such as 500 km/h, 2 path reverse Doppler Shift for QPSK, 16QAM, 64QAM and 256QAM modulations. In particular, for modulation schemes below 16QAM, we confirmed that the difference between BER in a 2 path reverse Doppler shift environment and stationary environment at a moving speed of 500 km/h was very small when the number of taps in the multi-tap equalizer was set to 31 taps or more. We also confirmed that the BER performance in high-speed mobile communications for multi-level modulation schemes above 64QAM is dramatically improved by the use of a multi-tap equalizer.

• 한국철도학회논문집
• /
• 제19권6호
• /
• pp.833-843
• /
• 2016

최근 철도 화물 수송은 컨테이너 전세 열차뿐만 아니라 시멘트, 철강 등 일반 화물의 전용열차 수가 증가하고 있고, 이에 따라 영차 수송 계획은 점차 단순해지고 있다. 반면에 공화차 수송의 경우, 수송 계획 최적화 시스템의 부재로, 사령의 경험에 의해 공화차 배분이 이루어지고 있으며, 이의 효율성 여부는 검증된 바 없고, 공화차 배분을 위한 별도의 의사결정지원시스템의 필요성은 여전히 존재한다. 본 연구에서는 연구 문헌상의 공화차 배분 최적화 모형뿐만 아니라 2010년 전후로 개발 되었다가 최근 사용이 중단된 화물수송최적화 시스템(KTOCS)상의 공화차 배분 최적화 모형을 비판적으로 살펴본 후, 수송 문제를 활용한 새로운 공화차 배분 최적화 모형 및 해법을 제시한다. 이 최적화 모형은 기존 모형과 달리, 추가 제약이 있는 수송문제에 포함되는 아크를 동적으로 생성해내는 열생성 기법에 기초하고 있다. 이를 이용한 우리나라 전체 철도 네트워크에 대한 시뮬레이션 결과, 실적 상에 나타난 공화차 km를 상당히 낮출 수 있는 것을 확인할 수 있었다.

• 한국응용곤충학회지
• /
• 제33권4호
• /
• pp.242-249
• /
• 1994

화학적 group이 다른 5가지 살충제에 대하여 배추좀나방의 약제저항성 발달과 교차저항성은 다양하게 나타났다. 배추좀나방의 약제저항성 발달은 prothiophos에 대해 4세대 도태하였을 때 5.1배의 낮은 저항성 수준을 보였으나 8세대 도태하였을 때는 14.3배의 저항성 수준을 보였다. Cartap hydrochlodise에 대해서는 4세대 도태시켰을 때 4.2배, 8세대 도태시켰을 때 9.1배로 다른 약제계통에 비해 저항성이 낮게 유발된 반면, triflumuron은 4세대 도태시에는 17.2배, 8세대 도태시켰을 때 37.4배로 다른 약제에 비하여 높은 저항성 수준을 보였다. Lambda cyhalothrin 에 대해서는 4세대 대 4.7배 낮은 저항성 수준을 보였으나 8세대에서는 29.1배로 높은 저항성 수준을 보였다. B. thuringensis 대해서는 4세대 때 4.3배로 낮은 수준의 저항성 수준을 보였으나 8세대에서는 24.1배의 높은 저항성 수준을 보였다. 따라서 약종이나 약제의 특성에 따라 저항성 발달속도나 양상이 달리 나타났다. 배추좀나방에 대해 prothiophos로 누대 선발한 것의 교차저항성은 cartap hydrochlodise 가 5.5배로 낮은 수준의 교차저항성을 보였고, BT제, triflumuron, lambda cyhalothrin 에 대해서는 각각 2.8, 2.3, 1.3배로 비교차 저항성을 보였다. Cartap hydrochlodise 도태 계통은 lambda cyhalothrin에 대해서는 19.9배의 높은 수준의 교차저항성을 보였으나. 다른 계통의 약제에 대해서는 2.2~3.4배로 비교차 저항성을 보였다. Triflumuron 도태개체군은 다른 계통의 약제에 대하여 1.4~4.9배로 낮은 교차저항성을 보였다. Lambda cyhalothrin 도태 개체군은 cartap hydrochlodise에 대해서 9.1의 교차저항성 수준을 보였고, prothiophos에 대해서는 5.2배의 낮은 교차저항성을 보였고, 다른 계총의 약제 대해서는 2.5~2.6배로 비교차 저항성을 보였다. BT제로 도태한 개체군은 BT제에 대해서는 24배로 높은 저항성을 보였지만, 다른 계통의 약제에서는 1.1~2.0배로 비교차 저항성을 보였다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.309-328
• /
• 2022

본 연구는 자연어처리의 분석목적과 추론데이터 성격에 적합한 한국어 사전훈련 언어모델의 특성을 실증분석했다. 이를 위해 자연어생성이 가능한 대표적 사전훈련 언어모델인 BART와 GPT 모델을 실험에 사용했다. 구체적으로 한국어 텍스트를 BART와 GPT 모델에 학습한 사전훈련 언어모델을 사용해 문서요약 생성 성능을 비교했다. 다음으로 추론데이터의 특성에 따라 언어모델의 성능이 어떻게 달라지는지 확인하기 위해 6가지 정보전달성과 4가지 창작물 유형의 한국어 텍스트 문서에 적용했다. 그 결과, 모든 문서유형에서 인코더와 디코더가 모두 있는 BART의 구조가 디코더만 있는 GPT 모델보다 더 높은 성능을 보였다. 추론데이터의 특성이 사전훈련 언어모델의 성능에 미치는 영향을 살펴본 결과, KoGPT는 데이터의 길이에 성능이 비례한 것으로 나타났다. 그러나 길이가 가장 긴 문서에 대해서도 KoGPT보다 KoBART의 성능이 높아 다운스트림 태스크 목적에 맞는 사전훈련 모델의 구조가 자연어생성 성능에 가장 크게 영향을 미치는 요소인 것으로 나타났다. 추가적으로 본 연구에서는 정보전달성과 창작물로 문서의 특징을 구분한 것 외에 품사의 비중으로 문서의 특징을 파악해 사전훈련 언어모델의 성능을 비교했다. 그 결과, KoBART는 어미와 형용사/부사, 동사의 비중이 높을수록 성능이 떨어진 반면 명사의 비중이 클수록 성능이 좋았다. 반면 KoGPT는 KoBART에 비해 품사의 비중과 상관도가 낮았다. 이는 동일한 사전훈련 언어모델이라도 추론데이터의 특성에 따라 자연어생성 성능이 달라지기 때문에 다운스트림 태스크에 사전훈련 언어모델 적용 시 미세조정 외에 추론데이터의 특성에 대한 고려가 중요함을 의미한다. 향후 어순 등 분석을 통해 추론데이터의 특성을 파악하고, 이것이 한국어 생성에 미치는 영향을 분석한다면 한국어 특성에 적합한 언어모델이나 자연어생성 성능 지표 개발이 가능할 것이다.

• 전기전자학회논문지
• /
• 제27권3호
• /
• pp.345-349
• /
• 2023

본 논문은 영상장치를 이용한 차세대 스마트 LED 전광판의 불량픽셀 검출을 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 이 연구에서는 영상장치를 활용하여 딥러닝을 통해 실외 LED 전광판의 결함을 자동으로 검출하는 기법을 제안한다. 이를 통해 LED 전광판의 효율적인 관리와 발생할 수 있는 다양한 오류와 문제를 해결하고자 한다. 연구 과정은 3단계를 거쳐 이루어진다. 첫 번째로, 평면화된 전광판 이미지 데이터를 calibration을 통해 배경을 완전히 제거하고 필요한 전처리 과정을 거쳐 학습 데이터셋을 생성한다. 두 번째로, 생성된 데이터셋은 객체 인식 네트워크를 학습을 시키는 데 활용된다. 네트워크는 Backbone과 Head로 구성된다. Backbone에서는 CSP-Darknet을 활용하여 특징 맵을 추출하고, Head에서는 추출된 Feature Map을 기반으로 물체를 검출한다. 이 과정에서 네트워크는 Confidence score와 IoU가 일치하도록 오차를 수정하며 지속적으로 학습된다. 세 번째에서는 생성된 모델을 활용하여 실제 실외 LED 전광판에서 불량픽셀을 자동으로 검출한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 불량픽셀 검출에 대한 공인 측정 실험 결과로는 실제 LED 전광판에서 불량픽셀을 100% 검출한 결과를 얻을 수 있었다. 이를 통해 LED 전광판의 불량 관리와 유지보수의 효율성이 향상되었음을 확인할 수 있다. 이러한 연구 결과는 LED 전광판 관리의 획기적인 개선을 이룰 것으로 기대된다.