• 한국인터넷방송통신학회논문지
• /
• 제17권6호
• /
• pp.121-126
• /
• 2017

최근에 터치펜이 내장된 모바일 기기가 증가하고 있다. 터치가 가능한 디바이스는 펜을 터치 보드에 접속하는 순간부터 신호의 정확도와 반응 속도가 매우 중요하다. 따라서 터치 신호에 포함된 잡음을 빠르고 효과적으로 제거할 수 있는 방법에 대한 연구가 필요하다. 본 논문에서는 터치스크린에 펜으로 입력된 터치 포인트 좌표에 섞인 노이즈를 제거하는 방법을 제안한다. 효과적인 필터링을 위해서는 먼저 입력된 신호 중에서 노이즈에 해당하는 좌표를 빠르게 Sampling함으로써 노이즈를 1차적으로 제거 한다. 그 다음으로 터치 좌표의 전체보정을 위해 B-Spline 곡선의 특성을 이용하여 좌표의 포인트를 보정하게 된다. 이는 다른 알고리즘들 보다 실시간성을 보장할 수 있다. 성능 평가 방법은 터치패드에 대각선을 10개의 구간을 나누어 오차 픽셀들을 기준 값들과 비교 평가하였다. 평균 오차는 7.1픽셀이며, 우리가 제안한 방법은 평균 4.1오차를 보였다. 따라서 우리가 제안한 방법을 이용하여 정확한 좌표에 표현 할 수 있는 터치 펜 시스템을 제시하였다.

• 한국인터넷방송통신학회논문지
• /
• 제20권4호
• /
• pp.143-148
• /
• 2020

교류 전압의 위상을 검출하여 제어하는 시스템의 경우 아날로그 제어방식에서는 검출한 위상에 대해 필터링에 의한 위상 offset 부분을 보상하여 제어에 응용하고 있다. 그러나, 디지털 제어방식에서는 이러한 위상 검출을 이용하여 제어할 경우 마이크로프로세서 혹은 마이크로 컨트롤러의 동작 주파수와 입력 위상 시간과의 오차로 인하여 정밀한 제어를 이룰 수가 없다. 일반적으로 사용하는 방식이 일정한 시간이 되면 누적된 오차를 임의로 보상하여 맞추어주는 방식인데 이러한 경우 보상하기 전까지는 오차를 지속적으로 가지고 갈 수밖에 없는 상황이 발생하게 된다. 이러한 문제점을 해결하기 위해서는 실시간으로 영점을 검출하여 마이크로프로세서의 동작 주파수에 맞도록 보상하는 방법이 필요하게 된다. 따라서 이러한 오차를 줄이면서 정밀한 디지털 제어에 응용하기 위해 본 논문에서 수행하고자 하는 연구는 다음과 같다. 1) 시뮬레이션 모델링을 통해 Zero Crossing Detection 알고리즘을 구현하여 영점을 검출을 통하여 동작 주파수에 맞도록 보상하는 방법에 관해 연구. 2) Microcontroller를 이용한 Zero Crossing Detection 설계를 통하여 실시간으로 영점을 검출하여 마이크로프로세서의 동작 주파수에 맞도록 보상하는 방법에 관해 연구. 3) Zero Crossing Detection 회로를 활용하여 BLDC 전동기의 회전자 위치 추정 연구.

• Smart Structures and Systems
• /
• 제20권5호
• /
• pp.549-562
• /
• 2017

The US railroad network carries 40% of the nation's total freight. Railroad bridges are the most critical part of the network infrastructure and, therefore, must be properly maintained for the operational safety. Railroad managers inspect bridges by measuring displacements under train crossing events to assess their structural condition and prioritize bridge management and safety decisions accordingly. The displacement of a railroad bridge under train crossings is one parameter of interest to railroad bridge owners, as it quantifies a bridge's ability to perform safely and addresses its serviceability. Railroad bridges with poor track conditions will have amplified displacements under heavy loads due to impacts between the wheels and rail joints. Under these circumstances, vehicle-track-bridge interactions could cause excessive bridge displacements, and hence, unsafe train crossings. If displacements during train crossings could be measured objectively, owners could repair or replace less safe bridges first. However, data on bridge displacements is difficult to collect in the field as a fixed point of reference is required for measurement. Accelerations can be used to estimate dynamic displacements, but to date, the pseudo-static displacements cannot be measured using reference-free sensors. This study proposes a method to estimate total transverse displacements of a railroad bridge under live train loads using acceleration and tilt data at the top of the exterior pile bent of a standard timber trestle, where train derailment due to excessive lateral movement is the main concern. Researchers used real bridge transverse displacement data under train traffic from varying bridge serviceability levels. This study explores the design of a new bridge deck-pier experimental model that simulates the vibrations of railroad bridges under traffic using a shake table for the input of train crossing data collected from the field into a laboratory model of a standard timber railroad pile bent. Reference-free sensors measured both the inclination angle and accelerations of the pile cap. Various readings are used to estimate the total displacements of the bridge using data filtering. The estimated displacements are then compared to the true responses of the model measured with displacement sensors. An average peak error of 10% and a root mean square error average of 5% resulted, concluding that this method can cost-effectively measure the total displacement of railroad bridges without a fixed reference.

• 전자공학회논문지
• /
• 제51권4호
• /
• pp.144-159
• /
• 2014

다중의 영상을 이용하여 하나의 파노라마 영상을 제작하는 기법은 컴퓨터 비전, 컴퓨터 그래픽스 등과 같은 여러 분야에서 널리 연구되고 있다. 파노라마 영상은 하나의 카메라에서 얻을 수 있는 영상의 한계, 즉 예를 들어 화각, 화질, 정보량 등의 한계를 극복할 수 있는 좋은 방법으로서 가상현실, 로봇비전 등과 같이 광각의 영상이 요구되는 다양한 분야에서 응용될 수 있다. 파노라마 영상은 단일 영상과 비교하여 보다 큰 몰입감을 제공한다는 점에서 큰 의미를 갖는다. 현재 다양한 파노라마 영상 제작 기법들이 존재하지만, 대부분의 기법들이 공통적으로 파노라마 영상을 구성할 때 각 영상에 존재하는 특징점 및 대응점을 검출하는 방식을 사용하고 있다. 또한, 대응점을 이용한 RANSAC(RANdom SAmple Consensus) 알고리즘을 사용, Homography Matrix를 구하여 영상을 변환하는 방법을 사용한다. 본 논문에서 사용한 SURF(Speeded Up Robust Features) 알고리즘은 영상의 특징점을 검출할 때 영상의 흑백정보와 지역 공간 정보를 활용하는데, 영상의 크기 변화와 시점 검출에 강하며 SIFT(Scale Invariant Features Transform) 알고리즘에 비해 속도가 빠르다는 장점이 있어서 널리 사용되고 있다. SURF 알고리즘은 대응점 검출 시 잘못된 대응점을 검출하는 경우가 생긴다는 단점이 존재하는데 이는 RANSAC 알고리즘의 수행속도를 늦추며, 그로인해 CPU 사용 점유율을 높이기도 한다. 대응점 검출 오류는 파노라마 영상의 정확성 및 선명성을 떨어뜨리는 핵심 요인이 된다. 본 논문에서는 이러한 대응점 검출의 오류를 최소화하기 위하여 대응점 좌표 주변 $3{\times}3$ 영역의 RGB값을 사용하여 잘못된 대응점들을 제거하는 중간 필터링 과정을 수행하고, 문제해결을 시도하는 동시에 파노라마 이미지구성 처리 속도 및 CPU 사용 점유율 등의 성능 향상 결과와 추출된 대응점 감소율, 정확도 등과 관련한 분석 및 평가 결과를 제시하였다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.1-18
• /
• 2015

협업 필터링은 학계나 산업계에서 우수한 성능으로 인해 많이 사용되는 추천기법이지만, 정량적 정보인 사용자들의 평가점수에만 국한하여 추천결과를 생성하므로 간혹 정확도가 떨어지는 문제가 발생한다. 이에 새로운 정보를 추가로 고려하여, 협업 필터링의 성능을 개선하려는 연구들이 지금까지 다양하게 시도되어 왔다. 본 연구는 최근 Web 2.0 시대의 도래로 인해 사용자들이 구입한 상품에 대한 솔직한 의견을 인터넷 상에 자유롭게 표현한다는 점에 착안하여, 사용자가 직접 작성한 리뷰를 참고하여 협업 필터링의 성능을 개선하는 새로운 추천 알고리즘을 제안하고, 이를 스마트폰 앱 추천 시스템에 적용하였다. 정성 정보인 사용자 리뷰를 정량화하기 위해 본 연구에서는 텍스트 마이닝을 활용하였다. 구체적으로 본 연구의 추천시스템은 사용자간 유사도를 산출할 때, 사용자 리뷰의 유사도를 추가로 반영하여 보다 정밀하게 사용자간 유사도를 산출할 수 있도록 하였다. 이 때, 사용자 리뷰의 유사도를 산출하는 접근법으로 중복 사용된 색인어의 빈도로 산출하는 방안과 TF-IDF(Term Frequency - Inverse Document Frequency) 가중치 합으로 산출하는 2가지 방안을 제시한 뒤 그 성능을 비교해 보았다. 실험결과, 제안 알고리즘을 통한 추천, 즉 사용자 리뷰의 유사도를 추가로 반영하는 알고리즘이 평점만을 고려하는 전통적인 협업 필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인할 수 있었다. 아울러, 중복 사용 단어의 TF-IDF 가중치의 합을 고려했을 때, 단순히 중복 사용 단어의 빈도만을 고려했을 때 보다 조금 더 나은 예측정확도를 얻을 수 있음도 함께 확인할 수 있었다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.167-176
• /
• 2022

심지층 특성화 기술 확보에 필요한 자체 기기 개발의 일환으로 철재 케이싱이 설치된 시추공에도 적용가능한 공곡검층기 K-DEV를 설계하고 500 m 깊이 용 시작품을 개발하였다. K-DEV는 디지털 출력을 제공하고 이미 성능이 입증된 센서들을 장착하며, 기존에 국내에서 사용하는 윈치시스템과 호환성을 갖추도록 설계되었다. K-DEV 시작품은 외경 48.3 mm 비자성 스테인레스강 하우징을 채용했으며 실험실 내에서 20 MPa까지의 방수 시험, 그리고 1 km 깊이 시추공에 삽입하여 내구성 시험을 거쳤다. 시작품을 이용해 600 m 깊이까지의 하향 및 상향 연속 검층을 수행하여 작동의 안정성 및 자료의 반복성을 확인하였다. 철재 케이싱이 설치되어 있는 시추공내에서 방위각 결정에 필수적인 자이로 센서로 K-DEV 시작품에서는 고정밀도 MEMS 자이로스코프를 채택하였다. 여기에 가속도계 자료와 각속도 자료를 융합하고 무향 칼만 필터링(Unscented Kalman Filtering)을 통해 최적화 함으로써 정확한 궤적 추적을 수행하는 알고리듬을 고안하였다. 시험 시추공에서 K-DEV 시작품과 상업적 기기와의 비교 검층을 통해 서로 매우 근접한 결과를 얻었다. 특히, MEMS 자이로 센서의 시간에 따른 drift에 의한 오차 누적 문제는 검층 전 후에 정두에서 동일한 방향으로 위치한 정지 상태에서 측정한 자료로부터 각속도를 보정함으로써 해소될 수 있으며, 철재 케이싱이 설치된 시추공에서의 공곡검층이 나공 상태에서의 결과와 거의 동일한 궤적 추정 결과를 제공함을 확인할 수 있었다. 이러한 시작품 적용 결과로서 K-DEV 개발의 방법론, 시작품의 안정성 및 자료의 신뢰성을 확보하였다고 판단된다.

• 대한원격탐사학회지
• /
• 제31권6호
• /
• pp.531-548
• /
• 2015

위성영상을 이용하여 산출된 대기운동벡터(AMV)와 라디오존데 바람 관측 자료를 이용한 검증결과는 산출된 AMV가 지속적으로 관측 자료에 비해서 풍속이 약하게 나타나는 Slow Speed Bias(SSB)를 보여 주었다. 이러한 SSB는 표적추적, 표적선정, 그리고 고도할당 단계의 오차에 의해 야기될 수 있으며, 이 중 고도할당 단계의 오차는 SSB를 발생시키는 주된 요인으로 여겨진다. 그러나 최근 연구에서는 고도할당 단계의 개선만으로는 SSB 문제를 해결하는데 한계가 있음을 밝혔다. 그러므로 본 연구에서는 새로운 표적추적 알고리듬을 개발하여 SSB를 감소시킴으로서 기상청 현업 AMV 알고리듬의 성능을 개선하고자 하였다. 표적추적 단계의 오차는 표적 내에 다양한 시 공간 규모의 바람이 포함되어 벡터가 과도하게 평균된 움직임으로 계산되거나, 구름이 추적 시간동안 형태를 유지하지 못하고 변형되는 경우에 발생한다. 이러한 문제를 해결하기 위해 개발된 표적추적 알고리듬에서는 가우시안 군집분석(GMM)을 이용하여 변형이 적고 추적에 용이한 저온 군집을 표적으로 재선정하고, 이미지를 변형시켜 군집의 움직임을 보다 쉽게 추적할 수 있게 하였다. 또한 표적을 추적하기 위한 방법으로 거리제곱합 방법을 사용하였다. 개발된 알고리듬과 기존 COMS 알고리듬을 천리안 위성의 적외채널 영상에 적용하여 AMV를 산출하였으며, 이를 라디오존데 관측 자료와 비교 검증해 보았다. 제안된 알고리듬으로 산출된 AMV는 기존 알고리듬으로 산출된 AMV보다 평균 풍속이 $2.7ms^{-1}$증가함에 따라 SSB가 평균 29%까지 감소하는 개선된 결과를 보여주었다. 그러나 개발된 알고리듬으로 산출된 AMV는 중 하층의 정확도가 감소하였고, 기존 알고리듬에 비해 산출되는 AMV 벡터수가 약 40%까지 감소함을 보였다. 이에 따라 중 하층의 정확도 개선과 기존의 알고리듬과 비교하여 산출되는 벡터 개수가 감소하는 문제를 보완하기 위한 연구가 필요할 것으로 판단된다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.85-109
• /
• 2018

추천시스템은 사용자의 과거 구매행동을 통해 향후 구매할 것이라고 예상되는 제품을 자동으로 검색하여 추천해준다. 특히 전자상거래 기업의 상품추천시스템은 일대일 마케팅의 대표적 실현수단으로 가치가 있다. 하지만, 전통적인 추천시스템, 특히 학계 및 산업계에서 가장 널리 사용되고 있는 전통적인 협업필터링 기법은 단일차원의 '종합 평점'만을 고려하여 추천결과를 생성하도록 설계되어 있어, 사용자들의 정확한 니즈를 이해하고 대응하는데 근본적인 한계가 있다. 최근에는 전자 상거래 기업들도 고객들로부터 보다 다각화된, 다기준 방식으로 피드백을 받고 있다. 특히 다기준 평점은 정량적으로 입력되는 정보이므로 상대적으로 분석 및 처리가 용이하다는 장점이 있다. 그러나 다기준 평점 역시 사전에 정해진 기준에 대해서만 사용자의 피드백이 이루어지기 때문에, 보다 상세하게 사용자의 의견을 이해하여 추천에 반영하는 데에는 한계가 있다. 이에 본 연구는 다기준 평점 정보와 선택적 협업필터링의 서로 다른 접근방법을 통해 도출된 추천결과를 종합하여, 최종적으로 추천 대상리스트를 산출할 수 있는 하이브리드 기술을 제안한다. 본 연구에서 제안한 연구모형의 유용성을 검증하기 위해, 식음료점(식당, 카페 등)에 대한 실제 이용자를 대상으로 온라인 설문을 통해 종합 평점과 다기준 평점을 수집하였으며, 데이터를 학습용과 검증용으로 구분하여 학습시키고 성과를 평가하였다. 이 기법은 결합 함수 기반 접근법과 사용자마다 구매의사결정의 체계가 다르다는 전제하에, 사용자들을 유형화하고, 유형에 따라 정보원을 선택적으로 활용하는 협업필터링 알고리즘을 활용했다. 실험결과, 제안 알고리즘을 통한 추천 방법이 단일 차원을 고려하는 전통적인 협업필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인했다. 아울러, 본 연구가 제안하는 다기준 평점과 선택적 협업필터링 알고리즘을 종합하여 추천하는 방법이, 단순히 다기준 평점을 고려했을 때 보다 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.