Active layer의 형성법에 따른 첫번째 모듈 set와 두번째 모듈 set 사이의 성능변화가 축방향 속도와 용질 농도변화를 통하여 각 모듈 set별로 비교, 고찰되었다. 모든 실험들은 같은 transmembrane pressure와 막면적당 에너지 소모하에서 동시에 수행되었다. 첫번째 모듈 set에 대해서 Dean vortices가 존재하는 나선형 모듈과 Dean vortices가 없는 선형모듈로 수행된 모든 비교 실험에서 용질 flux와 투과계수는 vortex flow의 경우 훨씬 큰 값을 보였다. 두번째 모듈 set에 대해서 순수에 대한 두 모듈의 투과계수는 다른 값을 보이고 있으며 선형 모듈의 투과계수가 나선형 모듈에 비해 약 150% 높은 것으로 나타났다. 이는 두 모듈의 막이 완전히 달라졌음을 보여준다.
Sequential quadratic programming (SQP) has been one of the most important methods for solving nonlinear constrained optimization problems. Recently, filter method, proposed by Fletcher and Leyffer, has been extensively applied for its promising numerical results. In this paper, we present and study an active set SQP-filter algorithm for inequality constrained optimization. The active set technique reduces the size of quadratic programming (QP) subproblem. While by the filter method, there is no penalty parameter estimate. Moreover, Maratos effect can be overcome by filter technique. Global convergence property of the proposed algorithm are established under suitable conditions. Some numerical results are reported in this paper.
The purpose of this paper is to study the sensitivity analysis in the matrix game. The third type sensitivity analysis is defined as finding the characteristic region of an element of the payoff matrix in which the set of current active strategies is preserved. First by using the relationship between matrix game and linear programming, we induce the conditions which must be satisfied for preserving the set of current active strategies. Second we show the characteristic regions of active and inactive strategy. It is found that the characteristic regions we suggests in this paper are same with that of the type one sensitivity analysis suggested by Sung[3] except only one case.
In this paper, we have compared three level set-based active contour (LSAC) methods on inhomogeneous MR image segmentation which is known as an important role of brain diseases to diagnosis and treatment in early. MR image is often occurred a problem with similar intensities and weak boundaries which have been causing many segmentation methods. However, LSAC method could be able to segment the targets such as the level set based on the local image fitting energy, the local binary fitting energy, and local Gaussian distribution fitting energy. Our implemented and tested the subcortical image segmentations were the corpus callosum and hippocampus and finally demonstrated their effectiveness. Consequently, the level set based on local Gaussian distribution fitting energy has obtained the best model to accurate and robust for the subcortical image segmentation.
MPEG-4 표준에서는 객체 단위의 부호화를 수행하기 위해 우선 자연영상으로부터 비디오 객체론 분리하는 영상분할(Segmentation) 기술이 필요하다. 영상분할 방법은 크게 자동 영상분할(Automatic Segment값ion)과 반자동 영상분할(Semi-automatic Segmentation)의 두 부류로 나눌 수 있다. 대부분의 자동 영상분할 방법은 비디오 객체의 명확한 모델을 수학적으로 제시하기 어려우므로 한 화면에서 개별 객체를 추출하기 어렵기 때문에 그 성능에 한계가 있다. 본 논문에서는 이러한 문제점을 극복하기 위해 기하학적인 Active Contour를 이용한 반자동 영상분할 알고리즘을 제안한다. 매개변수 방식의 Active Contour와 달리, 기하학적인 Active Contour는 곡선의 변화론 Level Set 방법을 이용하여 기술하기 때문에 초기 곡선의 모양을 객체의 모양과 무관하게 그릴 수 있다. 평탄화된 영상으로부터 경계함수를 생성하기 위해 이진화된 3차원 확산 모델을 사용하여 LUV 벡터 공간에서 비등방형 확산을 수행한다. 본 논문에서는 흐름 벡터장(Advection Vector Field)에서 곡선을 수축하고, 움직임 정보를 이용하여 곡선 확장하는 방법을 이용하여 동영상에서 객체를 분리하는 방법을 제안한다.
영상분할이란 영상 내에 존재하는 객체를 배경에서 분리해내는 것을 말한다. Active Contour 모델은 객체를 영상에서 분리하는 gradient 기반의 영상분할 방식이다. 전통적인 의미의 Active Contour 모델에서 사용한 gradient 함수 기반의 영상분할은 잡영이 많고 객체와 배경간 뚜렷한 경계가 없는 영상에서는 그 한계를 보이고 있다. 이에 본 논문에서는 이러한 Active Contour 모델의 단점을 극복하기 위한 방법으로 영상 내의 진화곡선에 의존하는 에너지 함수인 Mumford-Shah Functional을 이용한 방법을 제안한다. 이 방법은 영상 내의 Active Contour를 진화시켜 Mumford-Shah 함수의 에너지를 최소화시키는 Level Set 함수를 찾고 Level Set 함수에 의해 얻어진 부분영상에서 히스토그램을 이용한 임계치(thresholding) 방식을 사용하는 보다 효과적인 객체추출 모델이다.
The lever-type active multiple tuned mass dampers (LT-AMTMD), consisting of several lever-type active tuned mass dampers (LT-ATMD), is proposed in this paper to attenuate the vibrations of long-span bridges under the excitation directly acting on the structure, rather than through the base. With resorting to the derived analytical-expressions for the dynamic magnification factors of the LT-AMTMD structure system, the performance assessment then is conducted on the LT-AMTMD with the identical stiffness and damping coefficient but unequal mass. Numerical results indicate that the LT-AMTMD with the actuator set at the mass block can provide better effectiveness in reducing the vibrations of long-span bridges compared to the LT-AMTMD with the actuator set at other locations. An appealing feature of the LT-AMTMD with the actuator set at the mass block is that the static stretching of the spring may be freely adjusted in accordance with the practical requirements through changing the location of the support within the viable range while maintaining the same performance (including the same stroke displacement). Likewise, it is shown that the LT-AMTMD with the actuator set at the mass block can further ameliorate the performance of the lever-type multiple tuned mass dampers (LT-MTMD) and has higher effectiveness than a single lever-type active tuned mass damper (LT-ATMD). Therefore, the LT-AMTMD with the actuator set at the mass block may be a better means of suppressing the vibrations of long-span bridges with the consequence of not requiring the large static stretching of the spring and possessing a desirable robustness.
본 논문에서는 능동적 학습이 보다 적은 수의 훈련예제로도 높은 학습성능을 달성할 수 있도록 군집화기법을 이용하여 초기훈련집합을 선정하는 방안을 제안한다. 본 제안 방안은 유사한 예제들보다는 다양한 예제들로 그리고 특수한 예제들보다는 보편적인 예제들로 구성한 집합이 학습에 유리할 것이라는 가정을 바탕으로, 먼저 k-means 군집화 기법으로 예제들을 군집화한 후, 각 군집을 가장 잘 표현하는 대표예제로 개별 군집의 중심점과 가장 가까운 예제를 선정하여 초기훈련집합을 구성한다. 또한 개별 군집의 중심점을 가상의 예제로 가정하여, 이와 연관된 대표예제의 카테고리를 부여함으로써 추가의 훈련예제로 활용하는 방안을 함께 제안한다. 여러 문서 분류 문제를 대상으로 실험한 결과, 본 제안 방안으로 선정한 초기훈련집합에서 출발한 능동적 학습이 임의로 선정한 초기훈련집합에서 출발한 경우에 비해 보다 적은 수의 훈련예제로도 동등한 성능을 달성할 수 있음을 확인하였다.
KSII Transactions on Internet and Information Systems (TIIS)
/
제9권5호
/
pp.1840-1855
/
2015
Troubles are often met when traditional active contours extract boundaries of medical images with inhomogeneous bias and various noises. Focusing on such a circumstance, a localized mutual information active contour model is discussed in the paper. By defining neighborhood of each point on the level set, mutual information is introduced to describe the relationship between the zero level set and image field. A driving energy term is then generated by integrating all the information. In addition, an expanding energy and internal energy are designed to regularize the driving energy. Contrary to piecewise constant model, new model has a better command of driving the contours without initialization.
능동적 학습(active learning)은 소수의 라벨 데이터로 구성된 훈련 집합이 주어진 경우에 분류기 학습에 가장 도움이 될 만한 언라벨드 데이터를 선택하여 전문가에 의한 라벨링을 통해 훈련 집합에 포함시키는 과정을 반복함으로써 분류기의 성능을 향상시키는 것을 목적으로 한다. 본 논문에서는 워드 연결(ward's linkage)을 이용한 계층적 군집화(hierarchical clustering)를 바탕으로 한 능동적 학습 방법을 제안한다. 제안된 방법은 각 군집에서 적어도 하나의 샘플을 포함하도록 초기 훈련 집합을 능동적으로 구성하거나 또는 기존의 훈련 집합을 확장함으로써 전체 데이터 분포를 반영할 수 있게 한다. 기존의 능동적 학습 방법들 중 대부분은 초기 훈련 집합이 주어져 있을 경우를 가정하는 반면에 제안하는 방법은 초기 클래스 정보를 가진 훈련 데이터가 주어지지 않은 경우와 주어진 경우에 모두 적용 가능하다. 실험을 통하여 제안하는 방법이 비교 방법들에 비해 분류기 성능을 크게 향상시킬 수 있는 효과적인 데이터 선택을 수행함을 보인다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.