• 말소리와 음성과학
• /
• 제12권1호
• /
• pp.75-83
• /
• 2020

본 연구는 인공와우아동을 대상으로 자가음성 모니터링(self-voice monitoring)을 응용한 가창 프로그램을 시행하여 억양의 개선과 음고 산출의 변화에 미치는 영향을 알아보기 위함이다. 연구대상자는 모집된 19명의 아동 중 참여기준을 충족하고 본인 및 보호자가 자발적인 참여 의사를 표현한 7명이 최종으로 선정되었다. 연구자는 CI 집단과 비교하기 위하여 같은 연령의 건청 아동 6명을 모집하였다. 자가음성 모니터링을 응용한 가창은 노래를 녹음하여 들어보고(listen), 음성의 음고 진행방향과 숨쉬기 구간 및 음질을 확인한(explore) 다음, 목소리를 수정하여 의도한 대로 재산출하는(reproduce) 세 단계로 구성되어 있다. 데이터는 문장과 노래로 나누어 측정하였다. 문장은 발화시간과 억양 기울기 및 산출 음고의 주파수 변화, 노래는 프레이즈(phrase) 구간 내 평균 음고의 주파수의 데이터를 수집하여 선율윤곽과 산출 주파수 범위를 측정한 후 건청집단과 비교하였다. 연구 결과 문장 분석에서 인공와우 아동 집단의 사후검사 시 의문문의 문미 2음절의 억양 기울기 및 패턴이 건청 아동과 같이 상행하는 윤곽으로 변화되었으며, 노래 데이터에서는 음고의 도약 및 산출 음고의 주파수 범위가 증가하였다. 이러한 결과는 인공와우 아동을 대상으로 한 자가음성 모니터링을 응용한 가창 프로그램이 억양의 개선과 음고 산출 정확도의 효과적인 중재방안이 될 수 있으며 이를 위한 지속적인 연구가 필요하다는 것을 시사한다.

• 디지털콘텐츠학회 논문지
• /
• 제19권7호
• /
• pp.1225-1235
• /
• 2018

본 연구에서는 신체활동 모니터링이 가능한 스마트 의류와 연동되는 스마트 피트니스 콘텐츠와 관련하여 실용성을 갖춘 소비자 맞춤형 스마트 콘텐츠 개발 기획 연구의 일환으로, 타겟소비자의 잠재적 수요를 반영한 셀프트레이닝 지원용 스마트 피트니스 콘텐츠 개발의 구체적인 구현방향을 탐색하였다. 그 결과, 스마트 피트니스 콘텐츠에 대한 잠재적 수요는 시간 경과의 순서에 따라 '운동시작 전'의 단계에서는 '사용 접근성', '흥미유도', '다각적 스토리라인'의 범주어가 도출되었고, '운동수행 중'의 단계에서는 '실시간 음성코칭', '정확한 운동자세 모니터링', '개인 맞춤형 운동처방'이 도출되었다.'운동 직후'의 단계에서는 '실질적 보상제도', '등급제도', '체형변화 모니터링', '일상생활 모니터링'이 도출되었고, '다음 운동으로 연결'의 단계에서는 '동기유발', '높은 지속성' 이 도출되었다.

• 한국산학기술학회논문지
• /
• 제16권9호
• /
• pp.6260-6268
• /
• 2015

상이한 망이 공존하는 LTE-Advanced에서 기존 음성 서비스에 적용된 절차적이고 정적인 제어방식으로는 서비스 연속성을 효과적으로 지원하는 것은 현실적으로 어렵다고 여겨진다. 본 논문에서는 SON를 기반으로 서비스 연속성을 효과적으로 지원하기 위한 서비스 자기-조직화를 제시하고자 한다. SON을 통하여 가입자 단말기는 자신의 현재 상태 및 주변 기지국 정보를 수집하고, 기지국은 내부 및 인접한 기지국 모니터링으로 수집된 정보를 통하여, 관련 제어 데이터를 공유하고 이를 종합 분석하여 서비스 연속성을 자체적으로 조절/제어하는 방법을 제안한다. 서비스 자기-조직화는 단말기 및 기지국의 상태 정보 변화에 따라 관련 기능(여기서 기능은 ISHO, 셀 선정, 자원 할당, 부하 제어, QoS 매핑 등을 의미함)의 설정을 동적으로 제어하고, 각각의 기능들이 변화에 적응하여 조정되고 재구성하는 과정을 주고받으면서 각 기능들이 상호 작용하게 된다. 이러한 동작들이 서비스 자기-조직화를 통하여 서비스 연속성을 만족시키는 방향으로 이루어진다. 자원 이용률과 outage 확률을 성능척도로 하여 수행된 시뮬레이션 결과에 의하면 제안된 방안은 기존 방안에 비하여 더 우수한 성능을 가짐이 확인된다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.