본 연구에서는 효과적인 시계열 예측을 위하여 구간연산 기능을 갖는 신경망모델을 제안한다. 이는 기존의 FIR 네트워크의 동작특성을 구간연산으로 일반화함으로써 시계열 신호의 동적 특성을 효과적으로 반영할 뿐만 아니라 학습데이타 표현의 유연성을 증대시킨다. 이는 또한 실제 응용에서 신경망 입력 데이타에 내재할 수 있는 측정치 오류의 영향을 보완할 수 있게 하며 데이타 그룹화를 효과적으로 이룰 수 있게 함으로써 입력데이타의 양을 감축시키고 이로부터 학습의 효율을 개선한다. 본 논문에서는 구간연산을 이용하여 네트워크 동작특성, 학습알고리즘을 제시하고 실제 응용시스템에 이를 적용함으로써 제안된 이론의 유용성을 평가한다.

신경회로망 구조의 정제(精製)는 회로망의 일반화능력이나 효율성의 관점에서 중요한 문제이다. 본 논문에서는 feed-forward neural networks로부터 은닉지식을 추출하는 방법을 사용하여 네트워크 재구성을 통한 정제방법을 제안한다. 먼저, 효율적인 if-then rule 추출방법을 제시하고 그 추출된 룰들을 사용하여 룰기반 네트워크로 변환하는 과정을 보여준다. 생성된 룰기반 네트워크 fully connected network에 비하여 상당히 축소된 연결 복잡도를 가지게 되며 일반적으로 더 우수한 일반화능력을 가지게 된다. 본 연구는 도메인 지식이 없이 데이타만 사용하여 어떻게 정제된 룰기반 신경망회로를 생성하고 있는가를 보여준다. 도메인 데이타들에 대한 실험결과도 제시하였다.

제어 루프는 입력 값들만으로써는 정확한 출력 값들을 계산하기 어렵거나 불가능한 물리적 공정들을 제어하는 공정 제어 시스템에 핵심적인 구성 요소이다. 본 논문에서는 실시간 공정 제어 응용 시스템의 효율적인 개발을 지원하기 위하여 공정 제어 루프 프레인웍을 포인트 클래스를 기본 단위로하여 제어 루프의 공정 변수들과 제어 알고리즘을 캡슐화 함으로써 다양한 구조와 행위를 갖는 공정 제어 응용 시스템으로 쉽게 개조, 확장이 가능하도록 설계되었다. 공정 변수들에 대한 연속적인 재계산을 수행하는 포인트 객체들의 상호 작용을 통하여 요구된 공정의 감시 제어 기능을 유연하게(flexible) 구현할 수 있는 사건/시간 구동적인(event/time-triggered) 포인트 클래스의 설계 패턴이 본 논문의 핵심이다. 본 제어 루프 프레임웍의 설계에는 Observer, Composite, Strategy, Proxy 등과 같은 객체 지향 패턴들이 사용되었다.

이 연구에서는 재사용을 위한 소프트웨어 아키텍쳐 검색 방법과 아키텍쳐의 재사용에 필요한 컴포넌트를 효율적으로 검색하기 위해 변경된 시그니쳐 일치와 검색 방법을 제안한다. 제안된 검색 방식은 소프트웨어 아키텍쳐 검색을 통해 컴포넌트의 검색 범위를 제한함으로써 검색의 정확성과 재현율을 향상시키고, 일치 수행의 비교 횟수를 줄임으로써 검색 수행 시간을 감소시켰다. 또한 이미 정의된 소프트웨어 아키텍쳐와 컴포넌트의 재상용을 향상시킬 수 있다.

컴퓨터 분야에서 에이전트의 개념은 전자 상거래, 정보 검색과 같은 많은 어플리케이션들에 응용되어 중요 시 되고 있다. 하지만, 아직까지 지능성을 가진 테스트 도구는 없었다. 이 논문에서 제안하는 테스트 에이전트 시스템은 에이전트의 특성을 가지고 테스터를 도와주는 테스트 도구이다. 테스트 에이전트 시스템은 객체지향 테스트 프로세스를 따라 테스터의 일을 대행해 주고, 테스터의 간섭을 최소화 시켜 준다. 이 시스템은 자동 생성된 많은 양의 테스트케이스에서 중복이 없고 일관성 있는 테스트케이스를 지능적으로 선택하여 테스트 시간을 단축시켜 준다. 테스트 에이전트 시스템은 3개의 에이전트 User Interface Agent, Test Case Selection & Testing Agent, Regression Test Agent로 구성된다. 특히 Test Case Selection & Testing Agent은 RE-Rule과 CTS-Rule을 통하여 중복이 없고 일관성 있는 테스트케이스를 지능적으로 선택하며, Regression Test Agent는 RRTIS-Rule을 통해 리그래션 테스트 항목을 지능적으로 선택한다.

기존의 블록 정합 알고리즘인 FS(Full Search) 알고리즘은 정확한 움직임 벡터를 구할 수 있으나 요구되는 계산량이 많다. 반면에 국부 탐색을 하는 고속 블록 정합 알고리즘은 FS보다 빠른 탐색을 할 수 있으나 FS 보다 정합 오차가 크다. 본 연구는 전역탐색을 하는 유전자 알고리즘에 빠른 탐색을 하는 블록 정합 알고리즘인 NTSS(New Three Ste Search)알고리즘을 제안한다. 제안한 방법에서 각 염색체는 움직임 벡터를 표현하며 초기 염색체는 탐색 공간의 중심 탐색점 가까이에 고정적으로 발생시키고 각 염색체는 MSE(Mean Square Error)값으로 평가된다. 평가된 염색체 중 작은 MSE값을 가지는 염색체가 NTSS의 탐색점 수만큼 다음 세대의 탐색점으로 선택된다. 선택된 염색체는 세대를 거치면서 돌연변이 연산과 교배연산이 행해지고 이 때 돌연변이 연산의 크기는 NTSS의 탐색 단계 크기가 된다. 제안한 세대 수 만큼 반복 후 최소의 MSE 값을 가지는 유전자가 해당 블록의 움직임 벡터가 된다. 시뮬레이션 결과 제안한 방법을 가장 우수한 성능을 가지는 FS와 유사한 MSE 값을 얻을 수 있었고 동시에 FS에서 요구되는 계산량에 비해 많은 계산량을 줄일 수 있었다.

얼굴영역을 추출하기 위한 방법은 크게 얼굴의 지형적 특징추출에 기반한 방법과 얼굴형판 정합에 기반한 방법으로 분류할 수 있다. 일반적으로 복잡한 배경의 영상에서는 형판정합 방법이 우수하나, 형판의 대표성을 부여하기가 어렵다는 점이 문제시되어 왔다. 본 논문에서는 얼굴영역을 추출하기 위하여 복잡한 얼굴패턴을 몇 개의 주성분 값으로 표현할 수 있는 Hotelling변환 과정을 이용하여 얼굴형판을 생성하고 이를 적용하여 얼굴의 크기, 영상의 명암, 얼굴의 위치에 무관하게 얼굴영역을 추출한다. 또한 휴리스틱한 임계치를 이용하여 두 사람 이상의 얼굴영역을 추출하고 기울어진 얼굴영역을 추출하기 위한 방법도 제시한다. 실험을 통하여 다양한 입력영상에 대한 추출 결과와 고유얼굴에 기반한 방법의 특징을 살펴 보았다.

다중모드 대화에서 나타나는 대용어는 언어만을 사용하는 대화에서 나타나는 것과 비교하여 매우 다른 형태와 특징을 가진다. 그것은 행위나 시각이 대용 행위로 사용될 수 있기 때문이다. 본 논문에서는 터치스크린 인터페이스를 이용한 홈쇼핑 가구점 영역의 다중모드 대화 시스템에서 나타나는 다양한 대용어의 처리 방법을 알아본다. 먼저, 화면 대용어와 참조 대용어를 정의하여 다양한 형태의 대용어를 분류한다. 그리고 각 대용어를 처리할 수 있는 두 가지의 일반적인 방법을 제안한다. 하나는 지시 행위를 수반하거나 생략한 채 발화되어 현재 화면에 나타나 있는 아이템을 참조하는 대용어를 처리하는 단순한 매핑 알고리즘이다. 다른 하나는 다중 모드 대화 시스템을 위해 워커(Walker)의 센터링 알고리즘을 확장한 이중 캐시 구조의 센터링 알고리즘이다. 확장된 센터링 알고리즘은 발화와시각 정보 그리고 화면 전환 시간을 유지할 수 있기 때문에 다중모드 대화에서 발생하는 다양한 대용어를 처리하기에 적합하다. 실험에서 제안된 시스템은 40개의 대화에서 나타난 402개의 대용어(발화당 0.54)중에서 387개를 처리하여 96.3%의 정확도를 보였다.