• 한국통신학회논문지
• /
• 제22권4호
• /
• pp.714-725
• /
• 1997

본 논문에서는 웨이블렛 변환된 영상을 비트 플레인으로 분해하여 효과적으로 영상을 부호화하는 방법을 제안한다. 제안하는 방법은 원영상을 웨이블렛 변환하여 저대역 부분은 그대로 무손실 전송하고 고대역 부분은 비트 플레인(bit-plane)으로 분해한 다음, 각 비트 플레인에 나타나는 이진 영상들을 각각의 특성에 따라 부호화한다. 부호화 방법은 먼저 원영상을 웨이블렛 변환한 후, 부동소수점 값을 가지는 웨이블렛 변환 계수를 정수화하고 이 값을 N비트 데이터와 부호 비트로나눈다. 이러한 이진값으로 표현된 그레이 원영상을 비트 플레인으로 분할하여 N개의 이진 영상과 부호 비트에 대응하는 1개의 부호 비트 플레인을 생성시킨다. N개의 비트 플레인에 존재하는 이진 영상은 상대적으로 화질에 미치는 중요도가 적은 하위 비트 플레인의 고대역 부분을 제거한 후, 2차원 이진 블록 부호화 방법을 사용하여 부호화한다. 부호 비트 플레인은 N비트로 데이터의 값이 0이 아닐 경우 그에 해당하는 부호값 만을 부호화하여 압축효과를 높일 수 있었다. 본 논문에서 제안한 방법은 웨이블렛 변환 계수로부터 추출된 비트 플레인 중에서 화질에 크게 영향을 주는 중상위 비트 플레인의 이진영상들이 원영상의 에지(edge) 정보와 함께 지역적으로 모여 있는 특성을 보임에 따라 효과적인 부호화가 가능하다. 또한 비트 플레인 부호화 방식은 상대적으로 영상의 화질에 중요도가 적은 하위 비트 플레인을 쉽게 분리하여 제거함으로서 적정한 영상화질을 유지하면서 비트율(bit rate)을 조정할 수 있는 장점이있다. 제안한 방법은 실험을 통하여 기존의 벡터 양자화 기법에 의한 부호화 방법보다 압축율이나 PSNR 측면에서 성능이 좋음을 입증하였다.

• 한국전산구조공학회논문집
• /
• 제20권1호
• /
• pp.65-73
• /
• 2007

구조 역섭동 문제에서, 신뢰할 만한 결과를 얻기 위해서는 정의되지 않은 모든 자유도가 미지변수로 간주되기 때문에 많은 전산자원이 필요하다. 본 연구에서는 축소시스템 기법과의 연동을 통해 정의되지 않은 자유도를 축소시스템에서 정의된 자유도 정보로 대체함으로써 해의 정확성과 계산의 효율성을 확보하는 기법을 제안한다. 일반적으로 구조 시스템을 축소할 경우, 시스템 축소변환 행렬에 오차가 포함되게 된다. 이 오차로 인해 축소기법을 적용하여 역섭동 문제의 정확한 해를 구하는 것은 쉽지 않은 문제이다. 이러한 문제를 해결하기 위해서 자유도 변환행렬을 매 단계마다 개선하는 반복적 축소 시스템 기법을 적용한다. 자유도 기반 축소시스템의 신뢰성은 주자유도 선정 위치와 변환행렬의 반복 계산 횟수에 의해 결정되며, 변환행렬의 반복 계산을 줄이기 위해서는 시스템 구축 초기에 주자유도가 잘 선정되어야 한다. 따라서, 본 연구에서는 축소모델의 정확도를 향상시키고 변환 행렬의 반복 계산을 최소화하기 위해 2단계 축소기법을 적용하여 주자유도 위치를 선정한다. 최종적으로 수치예제를 통해서 반복적 역섭동법의 효용성을 확인한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
• /
• pp.159-162
• /
• 2017

Long Short-Term Memory Recurrent Neural Network(LSTM RNN)는 순차 데이터 모델링에 적합한 딥러닝 모델이다. Bidirectional LSTM RNN(BiLSTM RNN)은 RNN의 그래디언트 소멸 문제(vanishing gradient problem)를 해결한 LSTM RNN을 입력 데이터의 양 방향에 적용시킨 것으로 입력 열의 모든 정보를 볼 수 있는 장점이 있어 자연어처리를 비롯한 다양한 분야에서 많이 사용되고 있다. Highway Network는 비선형 변환을 거치지 않은 입력 정보를 히든레이어에서 직접 사용할 수 있게 LSTM 유닛에 게이트를 추가한 딥러닝 모델이다. 본 논문에서는 Highway Network를 한국어 의미역 결정에 적용하여 기존 연구 보다 더 높은 성능을 얻을 수 있음을 보인다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2017년도 제29회 한글및한국어정보처리학술대회
• /
• pp.159-162
• /
• 2017

Long Short-Term Memory Recurrent Neural Network(LSTM RNN)는 순차 데이터 모델링에 적합한 딥러닝 모델이다. Bidirectional LSTM RNN(BiLSTM RNN)은 RNN의 그래디언트 소멸 문제(vanishing gradient problem)를 해결한 LSTM RNN을 입력 데이터의 양 방향에 적용시킨 것으로 입력 열의 모든 정보를 볼 수 있는 장점이 있어 자연어처리를 비롯한 다양한 분야에서 많이 사용되고 있다. Highway Network는 비선형 변환을 거치지 않은 입력 정보를 히든레이어에서 직접 사용할 수 있게 LSTM 유닛에 게이트를 추가한 딥러닝 모델이다. 본 논문에서는 Highway Network를 한국어 의미역 결정에 적용하여 기존 연구 보다 더 높은 성능을 얻을 수 있음을 보인다.

• 대한전자공학회논문지SP
• /
• 제38권4호
• /
• pp.335-343
• /
• 2001

기존의 웨이브릿 기반 프랙탈 압축 방법은 전 영역에 대하여 최적의 정의역을 탐색하므로, 부호화 과정에서 많은 탐색시간이 소요되는 단점이 있다. 그래서 본 논문에서는 웨이브릿 변환영역에서 SAS(Self Affine System) 기법과 다중 스케일 인자를 이용한 웨이브릿 변환 기반 프랙탈 영상 압축 방법을 제안한다. 웨이브릿 기반 영역에서 정의역과 치역을 구성하고, 각각의 치역 블럭에 대해 모든 정의역 블럭을 탐색하는 것이 아니라, 정의역 탐색과정이 필요 없는 SAS 기법을 도입하여 공간적으로 같은 위치에 있는 상위 레벨 블록을 정의역으로 선택한다 그래서 부호화 과정에서 곱셈 계산량을 감소시켜 고속 부호화를 가능하게 한다. 그리고 SAS 기법의 단점인 화질이 떨어지는 단점을 개선하기 위해, 각 레벨별로 서로 다른 스케일 인자를 사 용하여 화질을 개선한다. 그 결과 화질에는 영향을 미치지 않고 부호화 시간과 압축률이 개선되고, 점진적 전송이 가능한 알고리듬을 제안한다.

• 한국멀티미디어학회논문지
• /
• 제1권2호
• /
• pp.224-238
• /
• 1998

확장된 마크흐름선도(EMFG: Extended Mark Flow Graph)는 이산 시스템을 개념적으로 또는 상세하게 설계할 수 있는 강력한 도구 일 뿐만 아니라 시스템을 직접적으로 구현하기 위한 적당한 표현이다. 그러나 EMFG의 다소 복잡한 표현으로 인해 수학적인 해석이 불가능하여 시스템의 설계나 해석에 어려움이 있다. 따라서 본 연구에서는 수학적인 해석이 가능하도록 EMFG의 표현을 재정의하였고, 표현 불가능한 부분이 가능하도록 트랜지션에 출력 역 아크를 도입하였다. 또한 EMFG의 회로변환에서 잘못 변환되는 부분들을 해결하였으며, 수식을 사용한 회로변환 방법을 제안하였다. 마지막으로 기존의 EMFG와 재정의된 EMFG를 비교하였고, 재정의된 EMFG로써 0101 감지기 회로를 설계하고 대응하는 회로로 변환하였다.

• E2M - 전기 전자와 첨단 소재
• /
• 제5권1호
• /
• pp.89-98
• /
• 1992

가스절연개폐장치에서 단로기의 조작시에 발생하는 과도과전압의 측정은 최적절연설계, 신뢰성 향상, 고장탐지 등에 있어 대단히 중요하다. 본 논문은 과도과전압과 시변전계의 정확한 측정이 가능한 용량성 전계센서에 관한 것으로 측정이론, 설계, 교정기술과 실규모 GIS실험장치에서의 과도과전압의 측정에 관한 모의 실험에 대하여 기술하였다. 시제작된 센서의 변환특성은 응답매개변수에 의하여 지배되어지며 센서와 측정계의 주파수대역폭은 수 Hz~ 약 200MHz정도이었다. 실규모 GIS실험장치에 적용하여 과도과전압을 측정한 결과 센서의 우수한 응답특성이 확인되었다.

• 응용통계연구
• /
• 제17권1호
• /
• pp.49-60
• /
• 2004

이 논문의 목적은 역 가우스 분포의 모수비가 관심의 대상일 때, 그 모수비에 대한 무정보적 사전분포를 구하는데 있다. 특별히, 모수비에 대한 확률대응사전분포와 기준 사전분포를 제안하였다. 먼저, 관심의 대상이 되는 모수에 대해 모수 직교화 변환을 구하고, 모수 직교화 변환을 이용하여 확률대응사전분포와 기준사전분포를 구하였다. 특히 확률대응사전분포의 일치차수는 1차임을 보였으며 2차 확률대응사전분포는 존재하지 않음을 보였다. 또한 제안된 사전분포에 의해 유도된 사후분포는 적절 분포임을 증명하였다. 모의 실험을 통하여 확률대응사전분포와 기준사전분포를 비교했으며, 실제자료를 이용하여 분석하는 예를 보였다.

• 한국통신학회논문지
• /
• 제33권1C호
• /
• pp.62-67
• /
• 2008

본 논문에서는 웨이블릿 기반의 자기참조 기법을 이용한 블라인드 워터마킹 방법을 제안한다. 먼저 원 영상을 웨이블릿 변환 한다. 다음 저주파 대역을 제외한 모든 부대역을 영(zero)으로 설정한 후 웨이블릿 역변환을 거쳐 자기참조 영상을 만든다. 그리고 원 영상과 자기참조 영상의 화소 값의 차이에 따른 특정 영역을 선택하여 랜덤 시퀀스를 만든 후 워터마크로 사용하여 삽입한다. 다양한 영상에 대해 워터마크의 삽입과 추출 실험한 결과 제안한 방법은 충실도가 높을 뿐만 아니라 JPEG 압축, 필터링, 샤프닝, 블러링 등의 영상처리, 그리고 노이즈에 안정성을 가지고 있다.

• 한국지구과학회지
• /
• 제35권1호
• /
• pp.69-87
• /
• 2014

이 논문에서는 구성 자료의 지구통계학적 시뮬레이션을 위해 다중 자료 변환 기반 조건부 시뮬레이션 틀을 제안하였다. 우선 일반적인 통계 기법의 적용이 가능하도록 구성 자료에 로그비 변환을 적용하였다. 다음 변환들로는 최소/최대 자기상관 인자 변환과 지시자 변환을 순차적으로 적용하였다. 독립적인 새로운 변수의 생성을 위해 최소/최대 자기상관 인자 변환을 적용하였으며, 적용 결과 개별 변수들의 독립적인 시뮬레이션이 가능해진다. 그리고 다중 가우시안 확률 모델을 따르지 않는 변수들의 비모수적 조건부 누적 확률 분포 모델링을 위해 지시자 변환을 적용하였다. 최종적으로는 적용한 변환 방법들의 역순으로 역 변환을 적용하였다. 간석지 표층 퇴적물 성분 자료를 대상으로 제안 시뮬레이션 기법의 적용 가능성을 예시하였다. 모든 시뮬레이션 결과들은 구성 자료의 제한 조건을 만족하면서 샘플 자료의 통계 특성을 잘 반영하였다. 구성 자료의 다수의 시뮬레이션 결과들을 이용한 표층 퇴적물 분류를 통해 기존 크리깅에서는 얻을 수 없는 분류 결과의 확률론적 평가가 가능하였다. 따라서 제안 시뮬레이션 틀은 다양한 구성 자료의 지구통계학적 시뮬레이션에 효과적으로 이용될 수 있을 것으로 기대된다.