• 호남수학학술지
• /
• 제4권1호
• /
• pp.85-90
• /
• 1982

• 대한수학회논문집
• /
• 제7권2호
• /
• pp.213-223
• /
• 1992

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1989년도 한국자동제어학술회의논문집; Seoul, Korea; 27-28 Oct. 1989
• /
• pp.896-900
• /
• 1989

• 대한수학회지
• /
• 제18권1호
• /
• pp.97-100
• /
• 1981

• 대한수학회논문집
• /
• 제8권4호
• /
• pp.767-777
• /
• 1993

• 한국정보처리학회논문지
• /
• 제5권4호
• /
• pp.959-966
• /
• 1998

본 논문에서 $m{\times}n\;(m{\geq}n)$ 인 토플리즈 행렬의 빠른 QR 인수분해 알고리즘들을 제안한다. 본 알고리즘들은 위치가 변환되어도 불변하는 (shift-invariance) 토플리즈 행렬의 특성을 효과적으로 이용하였다. 알고리즘들의 주요 변환 도구로 안정된 하우스홀더 변환과 하이퍼볼릭 하우스홀더 변환을 사용하였다. 본 알고리즘들은 O(mn)의 연산을 필요로하며, 분산메모리 병렬 컴퓨터에서 쉽게 구현될 수 있다.

• 호남수학학술지
• /
• 제13권1호
• /
• pp.53-63
• /
• 1991

In this paper we first present the elements of the theory of families of distributions and corresponding estimators having structual properties which are preserved under certain groups of transformations, called "Invariance Principle". The invariance principle is an intuitively appealing decision principle which is frequently used, even in classical statistics. It is interesting not only in its own right, but also because of its strong relationship with several other proposal approaches to statistics, including the fiducial inference of Fisher [3, 4], the structural inference of Fraser [5], and the use of noninformative priors of Jeffreys [6]. Unfortunately, a space precludes the discussion of fiducial inference and structural inference. Many of the key ideas in these approaches will, however, be brought out in the discussion of invarience and its relationship to the use of noninformatives priors. This principle is also applied to the problem of finding the best scale invariant estimator in the scale parameter problem. Finally, several examples are subsequently given.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1991년도 추계학술대회 논문집 학회본부
• /
• pp.59-62
• /
• 1991

This paper describes an effective algorithm for evaluating the reliability indices and calculating the production cost for generation system with thermal, hydro and pumped storage plants. Using the Energy Invariance property, this algorithm doesn't need deconvolution process which gives large burden in computing time. In order to consider an adaptable load model, we consider the system load with forecasting uncertainty. The proposed algorithm is applied to the KEPCO system and its result shows high accuracy and less computing time.

• ETRI Journal
• /
• 제36권3호
• /
• pp.460-468
• /
• 2014

This paper addresses the problem of joint time of arrival (TOA) and direction of arrival (DOA) estimation in impulse radio ultra-wideband systems with a two-antenna receiver and links the joint estimation of TOA and DOA to the sparse representation framework. Exploiting this link, an orthogonal matching pursuit algorithm is used for TOA estimation in the two antennas, and then the DOA parameters are estimated via the difference in the TOAs between the two antennas. The proposed algorithm can work well with a single measurement vector and can pair TOA and DOA parameters. Furthermore, it has better parameter-estimation performance than traditional propagator methods, such as, estimation of signal parameters via rotational invariance techniques algorithms matrix pencil algorithms, and other new joint-estimation schemes, with one single snapshot. The simulation results verify the usefulness of the proposed algorithm.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1993년도 춘계공동학술대회 발표논문 및 초록집; 계명대학교, 대구; 30 Apr.-1 May 1993
• /
• pp.275-281
• /
• 1993

본 발표에서는 신경회로망을 이용하여 연속음성중에서 키워드를 인식하는 방법을 설명한다. 연속음성에서 파형소편 및 음절을 식별하는 휴리스틱 알고리즘을 개발하였고, 연속음성을 음절단위로 파형소편 스펙트럼분석(선형예측법)으로 특성치를 추출하였다. 음절의 특성치는 코호넨 신경회로망을 통하여 학습을 시켰으며, 연속음성중 키워드인식은 먼저 음절을 인식하여 단어를 찾고, 인식된 단어가 키워드와 일치하는가를 확인한다. 본 연구의 의의는 파형소편 및 음절식별 알고리즘을 통하여, 크기불변성(Scaling invariance), 시간불변성(Time warping 및 Time-shift invariance), 중복성제거의 문제점을 해결하였고, 신경회로망의 학습을 통하여 화자독립적인 연속음성인식시스템 구축의 기반을 확립한데 있다. 본 음성인식모델은 학교구내 전화번호 안내시스템으로 활용단계에 있으며 전화번호뿐만아니라 주소안내시스템으로도 활용될 예정이다. 또한 자동차 운전보조시스템 및 주행안내시스템의 음성명령에 응용될 수 있는데, 예로 음성명령은 "핸들 좌로 20도", "시청까지 주행", "시청 지도안내"등이 될 수 있다. 현재 자동차 운전보조시스템은 컴퓨터 화면상 모의동작시스템으로 운영되고 있다. 본 음성인식모델은 화자종속시 90%이상, 화자독립시 70%의 인식결과를 보였다.시 90%이상, 화자독립시 70%의 인식결과를 보였다.