• 재활복지공학회논문지
• /
• 제8권1호
• /
• pp.41-46
• /
• 2014

본 논문에서는 잡음 상황에서 강인한 음성 특성을 나타내는 TE (teager energy) 기반의 특징벡터를 이용한 음성 검출 알고리즘을 제안하였다. 입력 신호에 TEO (teager energy operator)를 적용하고, 이를 이용하여 음성 검출 알고리즘에서 우수한 성능을 보여주는 파워 스펙트럼 편차를 구하였다. 또한, 제안된 음성 검출 알고리즘의 성능 향상을 위하여 통계적 모델 기반의 우도비를 TE 기반의 파워 스펙트럼 편차의 가중치 요소로 적용하였다. 제안된 알고리즘의 성능 검증을 위해서 전체 오차율, ROC (receiver operating characteristics), PESQ (perceptual evaluation of speech quality)와 같은 객관적 실험을 수행하였다. 실험결과 5dB SNR 이하의 낮은 SNR을 갖는 비 정상 잡음 환경에서 제안한 음성 검출 알고리즘이 약 2.6%의 전체 오차율 감소와 약 0.053의 PESQ 점수 향상을 나타내었다.

• KNOM Review
• /
• 제24권2호
• /
• pp.13-23
• /
• 2021

최근 IoT 기기들의 활성화에 의해 네트워크가 복잡해짐에 따라, 네트워크의 혼잡을 예측하고 미리 대비하기 위해 단기 트래픽 예측을 넘어 장기 트래픽 예측 연구가 활성화되고 있다. 단기 트래픽 예측 결과를 입력으로 재사용하는 재귀 전략은 멀티 스텝 트래픽 예측으로 확장되었지만, 재귀 단계가 진행될수록 오류가 축적되어 예측 성능 저하를 일으킨다. 이 논문에서는 다중 출력 전략을 사용한 LSTM 기반 멀티스텝 트래픽 예측 기법을 소개하고그 성능을 평가한다. 실제 DNS 요청 트래픽을 기반으로 실험한 결과, 제안된 LSTM기반 다중출력 전략 기법은 재귀 전략 기법에 비해 비정상성 트래픽에 대한 트래픽 예측 성능의 MAPE를 약 6% 줄일 수 있음을 확인하였다.

• 한국수자원학회논문집
• /
• 제54권12호
• /
• pp.1317-1328
• /
• 2021

본 연구에서는 예측 모델의 정확성이 비교적 높은 월단위의 GloSea5 자료를 기반으로 예측강수량을 편의보정 및 시공간적으로 상세화하여 연속된 일단위 강우량을 모의하고자 하였다. 이를 위하여 GloSea5를 입력자료로 조건부 Copula와 MNHMM 모형을 적용하여 일단위 시계열 강우량 예측정보를 생산할 수 있는 모델링 체계를 제시하였다. 모의결과 동기간의 자료라도 매주 생산되는 결과가 큰 차이를 나타내는 예측강수량의 변동성이 유의하게 개선되었다. 모형 검증에서 모의된 일강수량, 연속강우확률, 연속무강우확률 및 강우일수가 관측자료와 유사한 값으로 모의되는 등 수문모형의 입력자료로써 활용성이 클 것으로 판단된다. 유역 단위에서의 모의된 강수량 계열간의 상관성 차이가 최소 -0.02에서 최대 0.10로 유역의 강우관측소간 상호종속성을 효과적으로 복원되는 등 수문모형의 입력자료로 활용 시 유역의 수문기상학적 반응을 보다 현실적으로 모의가 가능할 것으로 기대된다.