본 논문에서는 학습이 가능한 특정화자의 발화음성이 있는 경우, 잡음과 반향이 있는 실 환경에서의 스테레오 마이크로폰을 이용한 특정화자 음성복원 알고리즘을 제안한다. 이를 위해 반향이 있는 환경에서 음원들을 분리하는 다중경로 암묵음원분리(convolutive blind source separation, CBSS)와 이의 후처리 방법을 결합함으로써, 잡음이 섞인 다중경로 신호로부터 잡음과 반향을 제거하고 특정화자의 음성만을 복원하는 시스템을 제시한다. 즉, 비음수 행렬분해(non-negative matrix factorization, NMF) 방법을 이용하여 특정화자의 학습음성으로부터 주파수 특성을 보존하는 기저벡터들을 학습하고, 이 기저벡터들에 기반 한 두 단계의 후처리 기법들을 제안한다. 먼저 본 시스템의 중간단계인 CBSS가 다중경로 신호를 입력받아 독립음원들을(두 채널) 출력하고, 이 두 채널 중 특정화자의 음성에 보다 가까운 채널을 자동적으로 선택한다(채널선택 단계). 이후 앞서 선택된 채널의 신호에 남아있는 잡음과 다른 방해음원(interference source)을 제거하여 특정화자의 음성만을 복원, 최종적으로 잡음과 반향이 제거된 특정화자의 음성을 복원한다(복원 단계). 이 두 후처리 단계 모두 특정화자 음성으로부터 학습한 기저벡터들을 이용하여 동작하므로 특정화자의 음성이 가지는 고유의 주파수 특성 정보를 효율적으로 음성복원에 이용 할 수 있다. 이로써 본 논문은 CBSS에 음원의 사전정보를 결합하는 방법을 제시하고 기존의 CBSS의 분리 결과를 향상시키는 동시에 특정화자만의 음성을 복원하는 시스템을 제안한다. 실험을 통하여 본 제안 방법이 잡음과 반향 환경에서 특정화자의 음성을 성공적으로 복원함을 확인할 수 있다.

최근 웹 2.0의 등장과 함께 플랫폼으로서의 웹이 강조되어 OpenAPI가 급격히 증가하고 있다. OpenAPI는 서비스를 결합한 새로운 서비스를 만들기 위하여 사용된다. 하지만 OpenAPI는 표준 문서가 존재하지 않아 사용에 한계가 있다. 그래서 기존 매쉬업 연구는 동적 서비스 합성보다는 주로 도구 설계나 서비스 결합을 위한 언어 정의에 국한되고 있다. 반면 SOA 구현 기술 중의 하나인 웹서비스는 서비스 설명을 위한 WSDL, 서비스 등록을 위한 UDDI, 메시지 전송을 위한 SOAP 등의 표준 문서를 제공한다. 이러한 기술들을 이용하여 웹 애플리케이션이 서비스를 해석하여 실행시킬 수 있다. 그리고 최근 SOA 연구에서는 서비스의 동적 합성과 의미적 특성을 지원한다. 만약 웹 서비스와 OpenAPI를 결합하는 동적이고 체계적인 방법이 제공된다면 웹 애플리케이션은 다양한 서비스를 사용자에게 제공할 수 있다. 본 연구에서는 OpenAPI와 웹 서비스의 매쉬업을 위한 SOA 기반 프레임워크를 제시한다. 본 프레임워크는 합성된 서비스의 프로세스는 OWL-S로 표현하여 OpenAPI와 웹 서비스의 동적 합성을 지원한다. 그리고 프로토타입을 통하여 본 프레임워크의 유효성을 보인다. 본 프레임워크는 기존 웹 서비스에 다양성을 부여할 것으로 기대된다.

인구의 급속한 고령화와 더불어 국민의 복지수준이 향상됨에 따라 건강문제에 대한 효율적인 해결방안으로 병원을 방문하지 않고 의료 서비스를 받는 U-Healthcare의 필요성이 증대되고 있다. 최근 다양한 센서들을 이용하여 사용자의 생체정보 및 주변의 상황정보들을 수집하고 분석해 사용자에게 적절한 서비스를 제공하기 위한 시스템에 대한 연구가 활발히 진행되고 있다. 기존의 U-Healthcare 서비스를 위한 시스템들은 특정 서비스만을 대상으로 하여 다른 서비스로의 확장 및 연계가 어렵고, 다수의 사용자를 대상으로 일반화된 서비스를 제공하고 있어 사용자 개개인의 특성을 고려한 서비스를 제공 기능이 미약하다. 본 논문에서는 이러한 문제점을 해결하기 위해 멀티에이전트 기반의 상황인식 에이전트를 이용해 시스템의 확장성을 높이고, GUI 기반의 모델링 툴킷 JaUCE를 사용하여 고객 개개인의 상황에 맞는 상황 정보를 모델링 함으로써 고객들에게 가장 적합한 상황인식 서비스를 제공한다. 본 논문에서는 제안된 상황 인식 에이전트와 모델링 툴킷의 이용하여 상황인식 기반의 U-Silvercare 서비스를 설계하고 구현하였다.

유전자알고리즘의 교차나 돌연변이 연산을 직접적으로 사용하지 않고 개체군의 확률분포를 추정하여 보다 효율적인 탐색을 수행하려는 분포추정알고리즘이 여러 방법으로 제안되었다. 그러나 실제로 변수들간의 고차상관관계를 파악하는 일은 쉽지 않은 일이라 대부분의 경우 낮은 차수의 상관관계를 제한된 가정하에 추정하게 된다. 본 논문에서는 데이타의 고차상관관계를 표현할 수 있고 최적 해를 좀 더 효율적으로 찾을 수 있는 새로운 분포추정알고리즘을 제안한다. 제안된 알고리즘에서는 상관관계가 있을 것으로 추정되는 변수들의 집합으로 정의된 하이퍼에지로 구성된 랜덤 하이퍼그래프 모델을 구축하여 변수들 간의 고차상관관계를 표현하고, 베이지안 샘플링 알고리즘(Bayesian Sampling Algorithm)을 통해 다음 세대의 개체를 생성한다. 기만하는 빌딩블럭(deceptive building blocks)을 가진 분해가능(decomposable) 함수에 대하여 실험한 결과 성공적으로 최적해를 구할 수 있었으며 단순 유전자알고리즘과 BOA (Bayesian Optimization Algorithm)와 비교하여 좋은 성능을 얻을 수 있었다.

디자이너가 생각하는 모델을 3차원 입력 장치를 사용하여 공간상에서 스케치를 할 경우 상대적으로 깊이 방향의 위치를 정확히 입력하기 어렵기 때문에 원하는 모델을 단시간에 그리기 어렵다. 본 논문에서는 2차원 스케치에서 습관적으로 사용하는 다중, 반복 스트로크를 공간 스케치 시스템에 적용하여 입력 위치의 에러를 보정함과 동시에 효율적으로 개념상의 모델을 실체화 할 수 있는 모델링 알고리즘을 제안한다. 디자이너는 곡면을 그리기 위하여 스트로크를 입력한 후 바로 그 결과를 확인할 수 있으며, 추가적인 스트로크를 입력할 때마다 곡면은 변형되고 자신이 원하는 형태로 변형되는 지 확인하면서 새로운 스트로크를 입력할 수 있다. 이를 위하여 드로잉 공간을 격자 형태의 공간으로 나누고, 각각의 격자 내부에는 격자안에서 이동이 자유로운 내부 정점을 정의하여 드로잉 공간에서의 데이타를 단순화하였다. 이정점을 인접격자와의 상호관계 패턴으로 정의하여 디자이너가 의도한 개념상의 모델을 효과적으로 3차원모델로 구체화하는 3차원 공간 스케치 시스템을 구현하였다.

내비게이션 시스템에서 목적지를 찾기 위하여 목적지의 이름, 분류, 주소, 전화번호 등의 정보를 이용하게 되는데 대부분의 사용자들은 이들 중에서 목적지의 이름을 사용한다. 그런데 사용자들은 공급사에서 제공하는 POI DB에 등재된 이름을 정확히 알지 못할 뿐만 아니라 편의상 축약된 명칭이나 일반적으로 불리어지는 명칭 등으로 POI 검색을 시도하므로 검색이 실패하는 경우가 빈번하다. 본 논문에서는 내비게이션 시스템에서 이름으로 검색 할 때 검색 성공률을 제고할 수 있는 이형태 DB 구축 시스템을 제안한다. 이 시스템은 원 DB의 POI 명과 연결되는 이형태를 생성하여 DB화한다. 우리는 이형태의 생성을 위하여 약 650,000 개의 개체를 가지고 있는 원 DB의 POI 명으로부터 모은 패턴을 분석하여 이형태의 유형을 7 가지로 분류하였다 분류한 유형을 토대로 일정한 패턴이 존재하여 자동화가 가능한 유형들에 대하여 577개의 규칙을 만들어 자동으로 이형태를 구축하였다. 규칙으로 만들기가 어렵거나 빈도수가 적은 개체들에 대해서는 수동으로 이형태를 구축하였다. 생성된 비율은 전체 POI DB의 35.8%에 해당하며 구축한 이형태 DB를 사용한 검색 성공률은 89%이었다.

특허, 뉴스, 블로그와 같이 시간 정보가 있는 문서들로부터의 자동적인 트렌드 분석(trend analysis)은 토픽탐지 및 추적 기술(TDT: Topic Detection and Tracking)과 더불어 중요한 연구 분야로 대두되고 있다. 과거 연구들은 대부분 트렌드과 관련된 단어의 출현 빈도 정보를 이용하여 주어진 개념의 중요도를 측정하고 이 개념의 시간에 따른 트렌드 라인을 보여주는 것에 초점을 맞췄다. 신출 트렌드 (emerging trend)를 탐지하기 위해서는 주어진 개념의 출현 빈도수 변화와 같은 간단한 방법이나 학습 데이타와 비교하여 차이를 탐지하여 제시하는 방법이 사용되었다. 그러나 여러 트렌드 중에서 특징적인 트렌드를 찾아서 사용자에게 제공하기 위해서는 트렌드 순위 결정 함수가 필요하다. 본 논문은 트렌드의 다양한 측면을 정량화하기 위하여 출현 빈도로 구성된 트렌드 곡선으로부터 네 가지 속성 (변동성, 지속성, 안정성, 누적량) 을 정의하고 이를 활용한 트렌드 순위 결정 방법을 제안한다. 일련의 실험을 통하여 각 속성의 유용성을 검증하고 속성들의 조합이 순위 결정에 어떤 영향을 미치는지 분석하였다. 실험결과로부터 네 가지 속성을 모두 조합할 경우 특징적인 트렌드 탐지에 더욱 기여하는 것을 알 수 있다.

다단계 프로그래밍이란 매크로 프로그래밍, 부분 계산(partial evaluation), 실행시간 코드 생성(runtime code generation)등을 포섭하는 일반적인 방법론으로, 계산을 여러 단계로 나누어 각 단계에 주어진 부분 입력을 통해 다음 단계를 전문화(specialize)함으로써 효율적인 계산을 수행하게 해 준다. 다단계 프로그램은 일반적인 계산 외에 코드(다음 단계의 프로그램)를 생성, 조림 및 실행시킬 수 있다. 본 논문은 코드에 자유변수를 허용하는 다단계 프로그램을 코드에 자유변수가 없는 다단계 프로그램으로 변환하는 방법을 제안한다. 코드에 존재하는 자유변수는 동적으로 바인딩(binding)되기 때문에 이를 구현하기 어려운 문제가 있다. 자유변수가 있는 코드는 환경을 입력으로 받는 함수의 코드로 변환하고, 필요한 환경은 코드를 조립하는 시점에 넘겨줌으로써 코드에서 자유변수를 제거할 수 있다. 이렇게 자유변수가 제거된 다단계 프로그램은 Davies와 Pfenning이 제안한 방법에 의해 단계가 없는 람다 계산(lambda-calculus)으로 변환된 후 람다 계산법에 의해 실행되어질 수 있다.