• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 추계학술대회
• /
• pp.202-203
• /
• 2017

비음수 행렬 인수분해(Non-negative Matrix Factorization, NMF)의 신호분리 성능을 개선하기 위해 희소조건을 인가한 방법이 희소 비음수 행렬 인수분해 알고리즘(Sparse NMF, SNMF)이다. 기존의 SNMF 알고리즘은 개별 음원의 희소성을 고려하지 않고 임의로 결정한 희소 조건을 사용한다. 본 논문에서는 음원의 특성에 따른 희소성을 추정하고 이를 SNMF 학습알고리즘에 적용하는 새로운 신호분리 기법을 제안한다. 혼합 신호에서의 잡음제거 실험을 통해, 제안한 방법이 기존의 NMF와 SNMF에 비해 성능이 더 우수함을 보였다.

• Wind and Structures
• /
• 제11권3호
• /
• pp.241-256
• /
• 2008

This paper adopts autoregressive (AR) model to simulate the wind velocity of spatial three-dimensional fields in accordance with the time and space dependent characteristics of the 3-D fields. Based on the built MATLAB programming, this paper discusses in detail the issues of the AR model deduced by matrix form in the simulation and proposes the corresponding solving methods: the over-relaxation iteration to solve the large sparse matrix equations produced by large number of degrees of freedom of structures; the improved Gauss formula to calculate the numerical integral equations which integral functions contain oscillating functions; the mixed congruence and central limit theorem of Lindberg-Levy to generate random numbers. This paper also develops a method of ascertaining the rank of the AR model. The numerical examples show that all those methods are stable and reliable, which can be used to simulate the wind velocity of all large span structures in civil engineering.

• 물과 미래
• /
• 제29권1호
• /
• pp.141-150
• /
• 1996

상수관망에서의 압력과 유량의 정상상태 해석은 수공학에 있어서 매우 중요한 문제이다. 이 경우의 기본방정식은 유량을 미지값으로 하는 연속 방정식과 에너지 방정식으로 구성되는 비선형 연립방정식이다. 이 연립방정식을 풀기 위하여 선형화 기법을 도입하여 반복적으로 해석하였고 그 결과로 나타나는 선형 연립방정식의 효율적인 해석을 위해서 frontal기법을 사용하여 계산하였다. 이 기법은 계수 메트릭스의 '0'이 아닌 요소만을 모아 계산하므로 효과적으로 분산 메트릭스를 해석할 수 있었고, 기존의 band 해석기법보다 적은 앙의 계산 기억용량으로 계산시간을 크게 단축시켜 해석할 수 있었다. 본 연구에서 제시한 상수관망의 해석모형은 기존의 해석방법보다 정확하고 효율적인 계산기법으로서 제시하였다.

• Journal of Information Processing Systems
• /
• 제19권2호
• /
• pp.232-239
• /
• 2023

Aiming at the poor compression quality of traditional image compression coding (ICC) algorithm, a multi-description ICC algorithm based on depth learning is put forward in this study. In this study, first an image compression algorithm was designed based on multi-description coding theory. Image compression samples were collected, and the measurement matrix was calculated. Then, it processed the multi-description ICC sample set by using the convolutional self-coding neural system in depth learning. Compressing the wavelet coefficients after coding and synthesizing the multi-description image band sparse matrix obtained the multi-description ICC sequence. Averaging the multi-description image coding data in accordance with the effective single point's position could finally realize the compression coding of multi-description images. According to experimental results, the designed algorithm consumes less time for image compression, and exhibits better image compression quality and better image reconstruction effect.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.24-26
• /
• 2022

시스톨릭 어레이는 DNN training 등 인공지능 연산의 대부분을 차지하는 행렬 곱셈을 수행하기 위한 하드웨어 구조로 많이 사용되지만, sparsity 가 높은 행렬을 연산할 때 불필요한 동작으로 인해 효율성이 크게 떨어진다. 본 논문에서 제안된 유동적 시스톨릭 어레이는 matrix condensing, weight switching, 그리고 direct output path 의 방법과 구조를 통해 sparsity 가 높은 행렬 곱셈의 수행 사이클을 줄일 수 있다. 시뮬레이션을 통해 기존 시스톨릭 어레이와 유동적 시스톨릭 어레이의 성능을 비교하였으며 8×8, 16×16, 32×32 의 크기를 가진 행렬을 동일 크기의 시스톨릭 어레이로 연산하였을 때 필요 사이클 수를 최대 12 사이클 절감할 수 있는 것을 확인하였다.

• Journal of Information Processing Systems
• /
• 제17권3호
• /
• pp.462-472
• /
• 2021

With an increase in the scale of recommender systems, users' rating data tend to be extremely sparse. Some methods have been utilized to alleviate this problem; nevertheless, it has not been satisfactorily solved yet. Therefore, we propose an effective pre-rating method based on users' dichotomous preferences and average ratings fusion. First, based on a user-item ratings matrix, a new user-item preference matrix was constructed to analyze and model user preferences. The items were then divided into two categories based on a parameterized dynamic threshold. The missing ratings for items that the user was not interested in were directly filled with the lowest user rating; otherwise, fusion ratings were utilized to fill the missing ratings. Further, an optimized parameter λ was introduced to adjust their weights. Finally, we verified our method on a standard dataset. The experimental results show that our method can effectively reduce the prediction error and improve the recommendation quality. As for its application, our method is effective, but not complicated.

• 한국통신학회논문지
• /
• 제41권8호
• /
• pp.917-920
• /
• 2016

전통적 도래각 추정기법[1]과 별개로 2004년 이후 입사신호의 입사방향은 공간 영역에서 희소도(sparsity)를 가짐을 이용한 도래각 추정 기법이 제안되었다. 압축센싱 기반 도래각 추정 알고리즘인 SpSF 알고리즘에 이용되는 비용함수는 비선형 다변수 최적화문제이다. 적절한 변환을 통하여 해당 비용함수는 볼록 최적화 (convex optimization) 문제로 표현할 수 있다. 볼록 최적화 문제는 제한조건이 있는 최적화 문제이며 제한조건에 포함되는 상수를 지정해야 한다. 본 연구에서는 제한조건에 포함되는 사용자지정 상수값 결정법을 제안한다. 잡음의 실수부와 허수부가 서로 독립인 평균 0인 정규분포를 따름을 이용하여 제한조건에 포함되는 행렬의 Frobenius norm의 평균을 유도할 수 있으며, 이를 이용하여 제한조건에 포함되는 상수를 결정할 수 있다. 제안된 방법에 의해 결정된 상수를 이용한 SpSF 알고리즘이 실제로 동작함을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권5호
• /
• pp.2082-2102
• /
• 2018

In recent years, social network related applications such as WeChat, Facebook, Twitter and so on, have attracted hundreds of millions of people to share their experience, plan or organize, and attend social events with friends. In these operations, plenty of valuable information is accumulated, which makes an innovative approach to explore users' preference and overcome challenges in traditional recommender systems. Based on the study of the existing social network recommendation methods, we find there is an abundant information that can be incorporated into probability matrix factorization (PMF) model to handle challenges such as data sparsity in many recommender systems. Therefore, the research put forward a unified social network recommendation framework that combine tags, trust between users, ratings with PMF. The uniformed method is based on three existing recommendation models (SoRecUser, SoRecItem and SoRec), and the complexity analysis indicates that our approach has good effectiveness and can be applied to large-scale datasets. Furthermore, experimental results on publicly available Last.fm dataset show that our method outperforms the existing state-of-art social network recommendation approaches, measured by MAE and MRSE in different data sparse conditions.

• 대한기계학회논문집B
• /
• 제29권9호
• /
• pp.1049-1056
• /
• 2005

A conservative pressure-based finite-volume numerical method has been developed for computing flow and heat transfer by using an unstructured grid system. The method admits arbitrary convex polyhedra. Care is taken in the discretization and solution procedures to avoid formulations that are cell-shape-specific. A collocated variable arrangement formulation is developed, i.e. all dependent variables such as pressure and velocity are stored at cell centers. Gradients required for the evaluation of diffusion fluxes and for second-order-accurate convective operators are found by a novel second-order accurate spatial discretization. Momentum interpolation is used to prevent pressure checkerboarding and the SIMPLE algorithm is used for pressure-velocity coupling. The resulting set of coupled nonlinear algebraic equations is solved by employing a segregated approach, leading to a decoupled set of linear algebraic equations fer each dependent variable, with a sparse diagonally dominant coefficient matrix. These equations are solved by an iterative preconditioned conjugate gradient solver which retains the sparsity of the coefficient matrix, thus achieving a very efficient use of computer resources.

• 대한기계학회논문집B
• /
• 제40권9호
• /
• pp.597-604
• /
• 2016

본 연구에서는 GPU를 이용한 비압축성 유동장의 병렬연산을 위하여, P2P1 유한요소를 이용한 분리 알고리즘 내의 행렬 해법인 이중공액구배법(Bi-Conjugate Gradient)의 CUDA 기반 알고리즘을 개발하였다. 개발된 알고리즘을 이용해 비대칭 협착관 유동을 해석하고, 단일 CPU와의 계산시간을 비교하여 GPU 병렬 연산의 성능 향상을 측정하였다. 또한, 비대칭 협착관 유동 문제와 다른 행렬 패턴을 가지는 유체구조 상호작용 문제에 대하여 이중공액구배법 내의 희소 행렬과 벡터의 곱에 대한 GPU의 병렬성능을 확인하였다. 개발된 코드는 희소 행렬의 1개의 행과 벡터의 내적을 병렬 연산하는 커널(Kernel)로 구성되며, 최적화는 병렬 감소 연산(Parallel Reduction), 메모리 코얼레싱(Coalescing) 효과를 이용하여 구현하였다. 또한, 커널 생성 시 워프(Warp)의 크기에 따른 성능 차이를 확인하였다. 표준예제들에 대한 GPU 병렬연산속도는 CPU 대비 약 7배 이상 향상됨을 확인하였다.