• 대한전자공학회논문지SP
• /
• 제45권5호
• /
• pp.1-8
• /
• 2008

최근 활발히 연구되고 있는 신뢰전파(Belief Propagation) 기법은 변위(disparity) 정보추출에 우수한 성능을 보인다. 신뢰전파 기법은 변위 추출에 필요한 목표함수를 Markov random field(URF)의 에너지 함수로 모델링 하는 방식으로서 에너지 함수를 최소화하는 변위 값을 찾음으로써 정합문제를 해결한다. MRF 모델은 스테레오와 영상복원과 같은 비전 문제에 강건하고 일괄된 구조를 제공한다. 그러나 MRF 모델링 기반의 신뢰전파 기법은 정확한 결과를 산출하지만 다른 스테레오 기법에 비하여 상대적으로 많은 계산 량이 요구되기 때문에 실시간 구현에 어려움이 있다. 본 논문에서는 이러한 문제를 해결하고자 신뢰전파 기법의 고속 구현 알고리즘을 제안한다. 에너지 함수는 data항과 smoothness항의 합으로 나타낸다. 데이터(data)항은 일반적으로 두 영상의 밝기 차이로 계산되고, 연속성(smoothness)항은 인접화소의 차이를 나타낸다. 연속성 정보는 메시지로부터 생성되는데, 메시지는 네 방향의 인접화소 위치에 대한 연속성과 일치성을 고려하여 계산된다. 네 방향의 메시지에 대한 처리 시간은 전체 프로그램 수행 시간의 80%이상을 차지한다. 제안된 방법에서는 네 개의 배열에서 생성되는 메시지를 하나의 배열에서 일괄적으로 생성하게 함으로써 메시지 계산에 대한 수행 시간을 단축하는 알고리즘을 제안한다. 최종 변위 추출과정에서 메시지는 통합된 하나의 배열에서만 호출되며, 이는 기존 알고리즘의 메시지 처리의 계산 량을 1/4 만큼 줄이는 효과가 있다. 기존의 신뢰전파 기법으로 생성한 깊이맵의 변위 오차율과 제안한 알고리즘으로 생성된 깊이맵의 변위 오차율을 비교함으로써 제안한 알고리즘의 변위추출의 정확도를 평가한다. 실험 결과, 변위 오차는 거의 증가하지 않는 반면, 전체 프로그램 수행 시간이 철저히 감소됨을 확인할 수 있다.

• 말소리와 음성과학
• /
• 제12권3호
• /
• pp.65-71
• /
• 2020

특징 정규화는 음성 특징 파라미터들의 통계적인 특성의 정규화를 통해 훈련 및 테스트 조건 사이의 환경 불일치의 영향을 감소시키는 방법으로서 기존의 Gaussian mixture model-hidden Markov model(GMM-HMM) 기반의 음성인식 시스템에서 우수한 성능개선을 입증한 바 있다. 하지만 심층신경망(deep neural network, DNN) 기반의 음성인식 시스템에서는 환경 불일치의 영향을 최소화 하는 것이 반드시 최고의 성능 개선으로 연결되지는 않는다. 본 논문에서는 이러한 현상의 원인을 과도한 특징 정규화로 인한 정보손실 때문이라 보고, 음향모델을 훈련 하는데 유용한 정보는 보존하면서 환경 불일치의 영향은 적절히 감소시켜 음성인식 성능을 최대화 하는 특징 정규화 방식이 있는 지 검토해보고자 한다. 이를 위해 평균 정규화(mean normalization, MN)와 평균 및 분산 정규화(mean and variance normalization, MVN)의 절충 방식인 평균 및 지수적 분산 정규화(mean and exponentiated variance normalization, MEVN)를 도입하여, 잡음 및 잔향 환경에서 분산에 대한 정규화의 정도에 따른 DNN 기반의 음성인식 시스템의 성능을 비교한다. 실험 결과, 성능 개선의 폭이 크지는 않으나 분산 정규화의 정도에 따라 MEVN이 MN과 MVN보다 성능이 우수함을 보여준다.

• KDI Journal of Economic Policy
• /
• 제36권2호
• /
• pp.103-136
• /
• 2014

무위험 이자율 평형은 환율과 금리 간의 관계를 체계적으로 설명한 조건식으로서 개방거시분석 등에 널리 활용되고 있다. 그럼에도 불구하고 동 조건 성립 여부에 대한 검증은 국가별 거시경제 여건 등의 상이성 등으로 인해 뚜렷한 합의를 이루지 못하고 있다. 특히 글로벌 금융위기 전후 주요국의 정책대응은 국제금융시장에 큰 변화를 가져왔으며, 한국을 포함한 신흥국 시장에도 간접적으로 영향을 미쳤다. 이러한 관점에서 본고는 글로벌 금융위기 전후 우리나라 무위험 이자율 평형조건의 동태성을 국면전환모형으로 모델링하고 베이지안 MCMC 방식에 기반하여 추정한 다음, 추정 결과를 바탕으로 정책적 시사점을 제시하였다. 추정 결과, 세 개의 구조변화를 가정한 모형이 우리나라 이자율 평형조건의 동태성을 가장 잘 성명하는 것으로 나타났으며, 최근에는 평형조건의 불균형 정도가 크게 완화되고 변동성도 안정적인 상태에 진입한 것으로 분석되었다. 본고는 이러한 추정 결과를 얻은 주된 이유가 글로벌 유동성 증가에 따른 외국인 채권 차익거래와 단기 원화 및 외화 자금시장의 연계성 강화에 주로 기인한 것으로 판단하였다. 추정방식 측면에서 본고는 모형 내에 구조 변화를 가정하지 않는 기존 연구를 한층 더 정교하게 발전시켰다는 점에서 기존 연구와 차별화될 뿐만 아니라 추정 결과를 해석하는 과정에서 단기 원화 및 외화 자금시장의 성격 변화에 주목하였다는 점에서 기존에 시도하지 않은 무척 새로운 접근방식이라고 할 수 있을 것이다. 본고의 정책적 시사점은 이자율 평형조건의 동태성 등을 고려하여 정책당국이 시장모니터링을 더욱 강화하고 새로운 정책수단을 발굴할 필요가 있다는 점 등이다.

• 한국지능시스템학회논문지
• /
• 제26권6호
• /
• pp.471-476
• /
• 2016

본 논문은 깊이 정보를 기반으로 모션 히스토리 영상 및 기울기 방향성 히스토그램과 적출 모델을 사용하여 연속적인 사람 행동들을 인식하는 시스템을 설명하고 연속적인 행동 인식 시스템에서 인식 성능을 개선하기 위해 행동 적출을 수행하는 적출 모델을 제안한다. 본 시스템의 구성은 전처리 과정, 사람 행동 및 적출 모델링 그리고 연속적인 사람 행동 인식으로 이루어져 있다. 전처리 과정에서는 영상 분할과 시공간 템플릿 기반의 특징을 추출하기 위하여 Depth-MHI-HOG 방법을 사용하였으며, 추출된 특징들은 사람 행동 및 적출 모델링 과정을 통해 시퀀스들로 생성된다. 이 생성된 시퀀스들과 은닉 마르코프 모델을 사용하여 정의된 각각의 행동에 적합한 사람 행동 모델과 제안된 적출 모델을 생성한다. 연속적인 사람 행동 인식은 연속적인 행동 시퀀스에서 적출 모델에 의해 의미 있는 행동과 의미 없는 행동을 분할하는 행동 적출과 의미 있는 행동 시퀀스에 대한 모델의 확률 값들을 비교하여 연속적으로 사람 행동들을 인식한다. 실험 결과를 통해 제안된 모델이 연속적인 행동 인식 시스템에서 인식 성능을 효과적으로 개선하는 것을 검증한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권8호
• /
• pp.331-338
• /
• 2022

차기 상태 천이 표상(Successor representation, SR) 기반 강화학습 알고리즘은 두뇌에서 발현되는 신경과학적 기전을 바탕으로 발전해온 강화학습 모델이다. 해마에서 형성되는 인지맵 기반의 환경 구조 정보를 활용하여, 변화하는 환경에서도 빠르고 유연하게 학습하고 의사결정 가능한 자연 지능 모사형 강화학습 방법으로, 불확실한 보상 구조 변화에 대해 빠르게 학습하고 적응하는 강인한 성능을 보이는 것으로 잘 알려져 있다. 본 논문에서는 표면적인 보상 구조가 변화하는 환경뿐만 아니라, 상태 천이 확률과 같은 환경 구조 내 잠재 변수가 보상 구조 변화를 유발하는 상황에서도 SR-기반 강화학습 알고리즘이 강인하게 반응하고 학습할 수 있는지 확인하고자 한다. 성능 확인을 위해, 상태 천이에 대한 불확실성과 이로 인한 보상 구조 변화가 동시에 나타나는 2단계 마르코프 의사결정 환경에서, 목적 기반 강화학습 알고리즘에 SR을 융합한 SR-다이나 강화학습 에이전트 시뮬레이션을 수행하였다. 더불어, SR의 특성을 보다 잘 관찰하기 위해 환경을 변화시키는 잠재 변수들을 순차적으로 제어하면서 기존의 환경과 비교하여 추가적인 실험을 실시하였다. 실험 결과, SR-다이나는 환경 내 상태 천이 확률 변화에 따른 보상 변화를 제한적으로 학습하는 행동을 보였다. 다만 기존 환경에서의 실험 결과와 비교했을 때, SR-다이나는 잠재 변수 변화로 인한 보상 구조 변화를 빠르게 학습하지는 못하는 것으로 확인 되었다. 본 결과를 통해 환경 구조가 빠르게 변화하는 환경에서도 강인하게 동작할 수 있는 SR-기반 강화학습 에이전트 설계를 기대한다.

• 한국음향학회지
• /
• 제40권5호
• /
• pp.530-536
• /
• 2021

최근 들어 딥러닝의 발달로 인해 Hidden Markov Model(HMM)을 사용하지 않고 음성 신화와 단어를 직접 매핑하여 학습하는 end-to-end 음성인식 방법이 각광을 받고 있으며 그 중에서도 conformer가 가장 좋은 성능을 보이고 있다. 하지만 end-to-end 음성인식 방법은 현재 시점에서 어떤 자소 또는 단어가 나타날지에 대한 확률에 대해서만 초점을 두고 있다. 그 이후의 디코딩 과정은 현재 시점에서 가장 높은 확률을 가지는 자소를 출력하거나 빔 탐색을 사용하며 이러한 방식은 모델이 출력하는 확률 분포에 따라 최종 결과에 큰 영향을 받게 된다. 또한 end-to-end 음성인식방식은 전통적인 음성인식 방법과 비교 했을 때 구조적인 문제로 인해 외부 발음열 정보와 언어 모델의 정보를 사용하지 못한다. 따라서 학습 자료에 없는 발음열 변환 규칙에 대한 대응이 쉽지 않다. 따라서 본 논문에서는 발음열 정보를 담고 있는 Lexicon transducer(L transducer)를 이용한 conformer의 디코딩 방법을 제안한다. 한국어 데이터 셋 270 h에 대해 자소 기반 conformer의 빔 탐색 결과와 음소 기반 conformer에 L transducer를 적용한 결과를 비교 평가하였다. 학습자료에 등장하지 않는 단어가 포함된 테스트 셋에 대해 자소 기반 conformer는 3.8 %의 음절 오류율을 보였으며 음소 기반 conformer는 3.4 %의 음절 오류율을 보였다.

• 경영과정보연구
• /
• 제34권3호
• /
• pp.17-39
• /
• 2015

본 연구는 Hamilton and Susmel(1994)에 의해 개발된 마코브국면전환 ARCH모형을 이용하여 글로벌 주식시장의 구조적 변화와 변동성을 파악하고자 하였다. 본 연구를 요약하면, 첫째, SWARCH-L(3,2)모형의 결과, 미국, 이탈리아 및 아일랜드는 상태 1에서 상태 2로의 국면전환으로 변화가 없고 상태 1에서 상태 3으로의 국면전환은 5배 이상의 분산증가를 나타내었으나, 한국, 러시아, 인도 및 그리스는 상태 1에서 상태 2로의 국면전환으로 2배 이상이고, 상태 1에서 상태 3으로의 국면전환은 7배 이상의 분산이 더욱 증가되었다. 평균값의 결과, 상태 1에서 상태 2로의 점프는 3배, 상태 1에서 상태 3으로의 전환은 13배의 위험이 증가되었다. 그리고 한국, 미국, 인도, 이탈리아는 ARCH(1)과 ARCH(2)효과를 나타내었고, 대부분의 주식시장에서 레버리지(leverage)와 비대칭효과는 존재하였다. 둘째, 평균전이확률의 결과, 한국의 저변동성국면의 지속성(278일)이 가장 커서 장기적인 것으로 추정되었고 동일한 변동성국면간의 확률은 거의 1에 가까워 높은 지속성을 나타내었다. 셋째, Chow 결과, 아시아, 글로벌 및 유럽발 금융위기를 포함한 설정된 5개 기간에서 주식시장간의 구조적 변화(structural changes)가 존재하였다. 또한 1-Step 예측오차 결과, 1997년과 1998년의 아시아의 금융위기동안 러시아를 제외하고 대부분 주식시장이 불안정하고, 2007년과 2008년의 글로벌 금융위기동안에 한국을 제외하고 다른 주식수익률이 불안정하고, 2010과 2011의 유럽발 금융위기동안에 한국, 미국, 러시아 및 인도를 제외하고 대부분의 주식시장도 불안정하고, N-Step 결과에서는 1997년부터 2008년까지의 아시아와 글로벌 금융위기동안 대부분의 주식시장이 불안정하였다. 반면에 CUSUM검정에서 아시아의 위기인 1997년과 1998년에는 거의 변화가 없었고, 일부 국가를 제외하고 2000년대 후반까지 모든 주식시장이 안정적으로 나타났다. CUSUMSQ검정에서는 1997년 7월부터 2011년 12월까지 아시아와 글로벌 및 유럽발 금융위기 동안에 대부분의 주식시장이 국가별로 안정과 불안정이 혼재하였다. 넷째, 우도비 검정결과, 한국과 타국의 주식시장의 변동성간의 밀접한 관련성을 확인하였다. 따라서 본 연구는 첫째, 여러 금융위기동안의 주식시장의 고변동성을 발생시키는 에피소드 또는 사건들을 파악하였고, 둘째, 주식시장의 변동성의 지속성에서 저변동성국면에서 위기변동성국면으로의 전환보다는 고변동성국면으로의 국면전환으로 분산이 더욱 증가되었고, 셋째, 국가 기간별로 동일하지는 않을지라도 고변동성국면은 1990년대 말 이후의 비즈니스 불경기와 관련이 있었고, 넷째, 주식시장에 레버리지와 비대칭효과가 존재하였고, 다섯째, Lamoureux and Lastrapes(1990)의 주식시장의 구조적 위험의 변화로 인한 결과와 본 연구의 결과와 일치하였다는 것을 확인하였고 $An\acute{e}$ and Ureche-Rangau(2006)의 다양한 비선형의 국면전환모형을 사용하여 보다 정교한 추가적인 분석이 필요하다.

• 대한토목학회논문집
• /
• 제43권4호
• /
• pp.421-431
• /
• 2023

하수관로 열화모델은 하수관망을 관리하는 의사결정자에게 자산의 미래 상태 예측에 대한 중요한 정보를 제공할 수 있다. 본 연구에서는 CCTV 조사를 통해서 확보한 구조적 상태평가 이력자료를 기반으로 마르코프 연쇄 모델을 이용하여 하수관로의 노후도를 추정하였다. A시의 3개 배수분구에서 1998-1999년과 2010-2011년에 CCTV 조사에 의해 수집된 관경 450 mm와 600 mm의 흄관 자료를 이용하여 분석하였다. EM 배수분구의 450 mm 관로와 600 mm 관로에서 주요 결함 발생이 다른 두 배수분구보다 빠르게 발생하는 것으로 나타났다. 관로 설치 이후 35년이 지난 시점에는 450 mm 관로의 약 29%, 600 mm 관로의 약 38%가 주요 결함이 발생했으며, 100년 후에는 각각 62%와 74%의 관로가 주요 결함으로 관로 기능을 상실하는 수준으로 나타났다. 관로설치 35년 후, SN 배수분구는 450 mm 관로의 약 26%, 600 mm 관로에서 약 35%, HK 배수분구에서는 450 mm 관로의 약 27%, 600 mm 관로에서 약 37%의 주요 결함이 발생한 것으로 예측되었다. 또한 600 mm 관로가 450 mm 관로보다 평균 12년 정도 빨리 기능 저하가 일어나는 것으로 나타났다. 한편, 관로의 주요 결함등급 비율을 40%로 설정하여 관로의 유효사용수명으로 적용할 경우, 450 mm 관로는 SN배수분구에서 60년, EM배수분구에서 42년, HK배수분구 59년이며, 600 mm 관로에서는 각각 43년, 34년 39년으로 나타났다.

• 한국음향학회지
• /
• 제21권2호
• /
• pp.199-210
• /
• 2002

본 논문은 한국어 음성인식에서 음향모델의 성능개선을 위한 기초적 연구로서 결정트리 상태 클러스터링에 의한 HM-Net (Hidden Markov Network)의 구조결정 알고리즘을 이용한 음성인식에 관한 연구를 수행하였다. 한국어는 다른 언어와 비교하여 많은 문법과 변이음이 존재하는데, 국어 음성학에서 정의한 다양한 변이음을 조사하고, 음소결정트리를 위한 음소 질의어 집합을 작성하였다. 본 논문의 HM-Net 구조결정 알고리즘의 아이디어는 SSS (Successive State Splitting) 알고리즘의 구조를 가지면서 미리 작성해 둔 문맥의존 음향모델의 상태를 다시 분할하는 방법이다. 즉, 모델의 각 상태위치마다 음소 질의어 집합에 의해 음소결정트리를 생성하고, PDT-SSS (Phonetic Decision Tree-based SSS) 알고리즘에 의해 문맥의존 음향모델의 상태열을 다시 학습하는 방법이다. 결정트리 상태 클러스터링에 의한 HM-Net 구조결정 알고리즘의 유효성을 확인하기 위해, 국어공학센터 (KLE)의 452단어와 항공편 예약에 관련된 YNU200 문장을 대상으로 음성인식 실험을 수행하였다. 인식실험 결과, 음소, 단어, 연속음성인식 실험에서 상태분할을 수행한 후 상태수의 변화에 따라 인식률이 점진적으로 향상됨을 확인하였다. 상태수 2,000일 때 음소, 단어 인식률이 평균 71.5%, 99.2%를 각각 얻었으며, 연속음성인식률은 상태수 800일 때 평균 91.6%를 얻었다. 또한 HM-Net 구조결정 알고리즘의 파라미터 공유관계를 비교하기 위해 상태공유를 수행하는 HTK를 이용한 단어인식 실험을 수행하였다. 실험결과, HTK를 이용한 문맥의존 음향모델에 비해 평균 4.0%의 인식률 향상을 보여, 본 논문에서 적용한 결정트리 상태 클러스터링에 의한 HM-Net 구조결정 알고리즘의 유효성을 확인하였다.

• 한국음향학회지
• /
• 제30권3호
• /
• pp.149-157
• /
• 2011

본 논문은 support vector machine (SVM)을 사용하여 은닉 마코프 모델 (HMM)과 심잡음 존재 정보를 결합한 새로운 심장질환 분류 방법을 제안한다. 켑스트럼 특징과 HMM 비터비 (Viterbi) 알고리듬을 이용하여 입력 신호를 모든 심장질환 모델에 대하여 상태 단위로 분할하여 상태별로 로그우도 (점수)를 계산한다. 심잡음 신호의 시간적 위치 특성을 이용하기 위하여 입력신호를 두 개의 부대역으로 나누고 부대역별로 프레임 단위의 심잡음 점수를 계산한 다음, 비터비 알고리듬으로부터 구한 상태 분할 정보를 이용하여 상태단위의 심잡음 점수를 구한다. SVM은 모든 심장질환 종류에 대한 상태 단위의 HMM과 심잡음 점수를 입력으로 하여 최종적으로 심장질환을 판정한다. 심장질환 분류 실험결과, 제안한 방법은 기존의 켑스트럼 특징과 HMM 분류기를 이용한 방법에 비하여 20.4 %의 상대적 개선율을 보여준다.