• KIPS Transactions on Computer and Communication Systems
• /
• v.9 no.6
• /
• pp.121-130
• /
• 2020

In order to provide customized services according to a specific user or environment, various service scenarios should be developed based on context-aware workflow model. As the context-aware workflow model is constructed using limited context information and service information in the service domain, overlapping elements can occur in many service scenarios. The repetitive work process that results from these overlapping elements delays the development process of the service scenario. Therefore, the elements of the context-aware workflow model must be reused to solve the unnecessary work processes of service scenario development. In this paper, we propose a reuse method XML Object in context-aware workflow model to improve the process of service scenario development. The proposed method documents and manages the independent XML Object of the context-aware workflow model and reuses it by invoking the unit document in the service scenario development process. It can also be applied to new service scenarios by changing the attribute values of reusable elements. Experiments show example that the development process of the service scenario is simplified by reusing the elements of the context-aware workflow model.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.16 no.1
• /
• pp.41-49
• /
• 2023

A convolutional neural network (CNN) is a representative algorithm for implementing artificial neural networks. CNNs have improved on the issues of rapid increase in calculation amount and low object classification rates, which are associated with a conventional multi-layered fully-connected neural network (FNN). However, because of the rapid development of IT devices, the maximum resolution of images captured by current smartphone and tablet cameras has reached 108 million pixels (MP). Specifically, a traditional CNN algorithm requires a significant cost and time to learn and process simple, high-resolution images. Therefore, this study proposes an improved CNN algorithm for implementing an object classification learning model for simple, high-resolution images. The proposed method alters the adjacency matrix value of the pooling layer's max pooling operation for the CNN algorithm to reduce the high-resolution image learning model's creation time. This study implemented a learning model capable of processing 4, 8, and 12 MP high-resolution images for each altered matrix value. The performance evaluation result showed that the creation time of the learning model implemented with the proposed algorithm decreased by 36.26% for 12 MP images. Compared to the conventional model, the proposed learning model's object recognition accuracy and loss rate were less than 1%, which is within the acceptable error range. Practical verification is necessary through future studies by implementing a learning model with more varied image types and a larger amount of image data than those used in this study.

• Phonetics and Speech Sciences
• /
• v.16 no.3
• /
• pp.79-86
• /
• 2024

Transformer models have shown remarkable performance in extracting meaningful information from sequential input data such as text and images, and are gaining attention as end-to-end models for speech recognition. This study compared the performances of the Transformer speech recognition model and its enhanced versions, the Conformer and E-Branchformer, when applied to Korean speech recognition. Using Korean speech data from AIHub, we prepared a training set of approximately 7,500 hours and evaluated the models using the ESPnet toolkit. Additionally, we compared syllables and subwords as recognition units and analyzed the performance differences with changes in the number of tokens using Byte Pair Encoding. The results showed that the E-Branchformer achieved the best performance in Korean speech recognition and Conformer outperformed Transformer but degraded in performance for long utterances owing to cross-attention alignment errors. We aimed to determine the optimal settings by analyzing the performance changes with subword token adjustments. This study comprehensively evaluated model accuracy and processing speed to maximize the efficiency of Korean speech recognition. This is expected to contribute to the training of large-scale Korean speech recognition models and improve Conformer recognition errors. Future research should include additional experiments with diverse Korean speech datasets and enhance the recognition performance through structural improvements in the Conformer.

• The KIPS Transactions:PartD
• /
• v.12D no.3 s.99
• /
• pp.417-428
• /
• 2005

Today, IT organizations perform projects with vision related to marketing and financial profit. The objective of realizing the vision is to improve the project performing ability in terms of QCD. Organizations have made a lot of efforts to achieve this objective through process improvement. Large companies such as IBM, Ford, and GE have made over $80\%$ of success through business process re-engineering using information technology instead of business improvement effect by computers. It is important to collect, analyze and manage the data on performed projects to achieve the objective, but quantitative measurement is difficult as software is invisible and the effect and efficiency caused by process change are not visibly identified. Therefore, it is not easy to extract the strategy of improvement. This paper measures and analyzes the project performance, focusing on organizations' external effectiveness and internal efficiency (Qualify, Delivery, Cycle time, and Waste). Based on the measured project performance scores, an OT (Opportunity Tree) model was designed for optimizing the project performance. The process of design is as follows. First, meta data are derived from projects and analyzed by quantitative GQM(Goal-Question-Metric) questionnaire. Then, the project performance model is designed with the data obtained from the quantitative GQM questionnaire and organization's performance score for each area is calculated. The value is revised by integrating the measured scores by area vision weights from all stakeholders (CEO, middle-class managers, developer, investor, and custom). Through this, routes for improvement are presented and an optimized improvement method is suggested. Existing methods to improve software process have been highly effective in division of processes' but somewhat unsatisfactory in structural function to develop and systemically manage strategies by applying the processes to Projects. The proposed OT model provides a solution to this problem. The OT model is useful to provide an optimal improvement method in line with organization's goals and can reduce risks which may occur in the course of improving process if it is applied with proposed methods. In addition, satisfaction about the improvement strategy can be improved by obtaining input about vision weight from all stakeholders through the qualitative questionnaire and by reflecting it to the calculation. The OT is also useful to optimize the expansion of market and financial performance by controlling the ability of Quality, Delivery, Cycle time, and Waste.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.336-338
• /
• 2012

본 연구에서는 고차 데이터 분류를 위해 순차적 베이지만 샘플링 기반의 진화연산 기법을 이용한 하이퍼네트워크 모델의 학습 알고리즘을 제시한다. 제시하는 방법에서는 모델의 조건부 확률의 사후(posterior) 분포를 최대화하도록 학습이 진행된다. 이를 위해 사전(prior) 분포를 문제와 관련된 사전지식(prior knowledge) 및 모델 복잡도(model complexity)로 정의하고, 측정된 모델의 분류성능을 우도(likelihood)로 사 용하며, 측정된 사전분포와 우도를 이용하여 모델의 적합도(fitness)를 정의한다. 이를 통해 하이퍼네트워크 모델은 고차원 데이터를 효율적으로 학습 가능할 뿐이 아니라 모델의 학습시간 및 분류성능이 개선될 수 있다. 또한 학습 시에 파라미터로 주어지던 하이퍼에지의 구성 및 모델의 크기가 학습과정 중에 적응적으로 결정될 수 있다. 제안하는 학습방법의 검증을 위해 본 논문에서는 약 25,000개의 유전자 발현정보 데이터셋에 대한 분류문제에 모델을 적용한다. 실험 결과를 통해 제시하는 방법이 기존 하이퍼네트워크 학습 방법 뿐 아니라 다른 모델들에 비해 우수한 분류 성능을 보여주는 것을 확인할 수 있다. 또한 다양한 실험을 통해 사전분포로 사용된 사전지식이 모델 학습에 끼치는 영향을 분석한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.191-191
• /
• 2023

기후변화 대응을 위한 탄소 중립의 중요성이 대두되는 요즘, 생태계의 가장 큰 메탄 저장소로서 지구의 탄소 순환에 주요한 영향을 미치는 습지에 대한 이해는 필수적이다. 전지구 지면 모델인 Community Land Model(CLM)에 Functionally Assembled Terrestial Ecosystem Simulator(FATES) 외부 모듈을 함께 구동한 지면 생태계 모델 CLM-FATES는 지면 heterogeneity와 다양한 식생 종류를 고려하여 에너지 플럭스, 토양 수문, 생화학적 과정 등을 모의함으로써 탄소 동태 변화를 포함한 장기적 생태계 동태 변화 모의를 가능하게 한다. 본 연구는 CLM-FATES 모델을 미국 캘리포니아주 Mayberry Wetland (US-Myb)와 Twitchell East End Wetland (US-Tw4)에 적용하였다. 모델의 대기 입력 자료로는 FLUXNET-CH4에서 제공하는 에디 공분산 기반 플럭스 관측 자료를 사용하였다. 기존 CLM-FATES 모델은 토양이 장기간 포화 혹은 침수되어 지표 위 혹은 지표면 가까이 발달한 지하수면을 가지고 있는 습지의 수문학적 특성을 잘 반영하지 못해 정밀한 습지 생태계 동태 변화 모의에 한계를 가지고 있다. 본 연구에서는 CLM-FATES를 통한 보다 정확한 습지 생태계 모의를 위해 모델 내 토양 수문 관련 모듈을 수정하여 모델이 습지의 수문학적 특성을 반영할 수 있도록 하였다. 모델 구동 결과 도출한 잠열, 총일차생산량(Gross Primary Production: GPP)과 순생태계생산량(Net Ecosystem Production, NEP) 플럭스, 메탄 플럭스, 엽면적지수(Leaf Area Index; LAI)와 지표수 높이에 대해 관측값 대비 RMSE 및 R² 값을 계산하여 모의 결과의 적절성을 분석하였다. 이러한 모델 개선 경험을 바탕으로 추후 우리나라 습지 사이트에 모델을 적용하여 습지 탄소 동태 예측에 활용할 계획이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.497-497
• /
• 2016

페루의 Rimac강은 수도인 Rima시를 관통하는 강으로 각종 용수공급 등의 기능을 담당하는 중요한 강이지만 광산, 공장 및 도시 등 점?비점오염원으로 인해 오염이 심각해지고 있는 실정이다. 본 연구에서는 Rimac강의 하천복원을 위하여 3단계 수질개선 목표를 설정하고 각 단계별 BOD, TP 및 중금속(Al, As, Cd, Fe) 예측을 수행함으로써 목표달성 가능 평가를 수행하였다. Rimac강 지류인 Rio Santa Eulalia 하천 유입후부터 하구까지 총 57 km를 대상으로 4개의 대구간(Reach), 57개의 소구간(Element)으로 구분하여 QUAL2E 모델을 구축하였다. 2013년을 대상으로 저유량시기(건기)인 12월과 고유량시기(우기)인 1월을 대상으로 BOD, TP, Al, As, Cd, Fe의 모델 재현성을 검토한 결과, Rimac강 하류의 Huaycoloro강 유입이후 BOD, TP가 증가하는 현상을 적절히 재현하는 것으로 나타났다. 중금속은 Romac강 상류와 하류 Huaycoloro강 유입 수질 농도차이가 크지 않아 거리별로 일정한 농도를 나타내는 것으로 모의되었으나 실측정값은 하구로 갈수록 낮아지는 경향이 다소 나타났지만 대체적으로 실측값의 경향을 따르는 것으로 모의되었다. 수질개선 시나리오는 1단계(2016-2018년), 2단계(2019-2021년) 및 최종 3단계(2022-2024년)로 구분하여 저유량시기와 고유량시기의 수질개선 대책에 따른 수질변화를 예측하여 Rimac강 하류의 대표 지점인 La Atargea 취수장 지점에서 목표수질 달성여부를 평가하였다. 저유량시기의 경우, BOD는 1단계 이후 5.9 mg/L에서 목표수질 5.0 mg/L 이하로 농도가 감소되었으며 최종 3단계에 2.2 mg/L로 63.3% 개선하는 것으로 예측되었다. TP는 1단계 25.8% 개선, 3단계는 51.6% 개선되어 목표수질인 0.15 mg/L를 만족하는 것으로 예측되었다. 중금속의 경우 Cd는 당초 수질목표를 만족시키는 상황이었으며 그 외 항목은 Al>As>Fe 순으로 개선효과가 나타났고, 3단계 이후 모두 목표수질을 달성할 것으로 예측되었다. 고유량시기 수질예측 결과, 1단계 BOD, TP는 약 49, 19% 저감효과가 나타났으며 3단계 이후 57, 25%까지 개선되는 것으로 예측되어 목표수질을 만족시키는 것으로 분석되었다. 중금속은 Al이 가장 큰 개선 효과가 나타났으며 3단계에서 77.5%의 개선 효과가 분석되었다. 페루 리막강 유역 수질개선 대책 수립에 따른 수질개선효과 분석 결과, 3단계까지 모든 수질항목의 목표수질 달성이 가능한 것으로 분석되었으나 TP, Al 및 As의 경우에 2단계까지 목표수질 달성이 어려워 더욱 체계적인 관리가 필요할 것으로 판단되었다.

• Journal of Digital Convergence
• /
• v.10 no.9
• /
• pp.339-344
• /
• 2012

Established continuous vocabulary recognition system improved recognition rate by using decision tree based tying modeling method. However, since system model cannot support the retrieve of phoneme data, it is hard to secure the accuracy. In order to improve this problem, we remodeled a system that could retrieve probabilistic model from continuous vocabulary clustering model to phoneme unit. Therefore in this paper showed 95.88%of recognition rate in system performance.

• Journal of the Korea Society of Computer and Information
• /
• v.9 no.3
• /
• pp.63-69
• /
• 2004

The purpose of this paper is to design a system model which is needed for integrating the secure role-based access control model into web-based application systems. For this purpose, firstly, the specific system architecture model using a user-pull method is presented. This model can be used as a design paradigm. Secondly, the practical system working model is proposed. which specifies the mechanism that performs role-based access control in the environment of web-based application systems. Finally, the comparison and analysis is shown in which the merits with the proposed system model is presented.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2016.05a
• /
• pp.194-195
• /
• 2016

IMO에서 규정하는 모든 교육 및 훈련을 이수한 전문 해기인력이 매년 배출되고 있지만, 해양사고의 발생은 끊이지 않고 있다. 이는 해양사고를 대처하는 해기사의 위험상황 대처 능력이 크게 개선되지 않았다는 점을 의미한다. 공통적으로 해기사에게 제공되는 교육 및 훈련뿐만 아니라 해기사 개개인의 위험요소를 파악하여 해당 위험 요소에 대한 매뉴얼을 제공할 수 있는 모델이 개발되면 해양사고를 대처할 수 있다. 이러한 모델을 개발하기 위하여 모델 구축에 필요한 데이터베이스(Data Base, D/B)가 필요하다. 이러한 D/B는 모델에 활용할 수 있도록 숫자로 표기된 것이어야 한다. 본 연구에서는 해양안전심판원에서 제공하는 해양사고 데이터를 수집, 분석하여 해양사고 예방을 위한 모델에 활용할 수 있는 해양사고 수량화 D/B를 구축하는 방법에 대하여 고찰하였다. 1차적으로 해양사고 수량화 D/B를 구축하였으나, 이의 유용성이나 목적에 적합한 D/B의 규모 등에 관한 연구는 추후에 계속 되어야 한다.