• 한국정보전자통신기술학회논문지
• /
• 제8권6호
• /
• pp.483-490
• /
• 2015

소프트웨어의 디버깅과정에서 오류 발생의 시간을 기반으로 하는 많은 소프트웨어 신뢰성 모델이 제안되어 왔다. 무한고장 모형과 비동질적인 포아송 과정에 의존한 소프트웨어 신뢰성 모형을 이용하면 모수 추정이 가능하다. 소프트웨어를 시장에 인도하는 결정을 내리기 위해서는 조건부 고장률이 중요한 변수가 된다. 무한 고장 모형은 실제 상황에서 다양한 분야에 사용된다. 특성화 문제, 특이점의 감지, 선형 추정, 시스템의 안정성 연구, 수명을 테스트, 생존 분석, 데이터 압축 및 기타 여러 분야에서의 사용이 점점 많아지고 있다. 통계적 공정 관리 (SPC)는 소프트웨어 고장의 예측을 모니터링 함으로써 소프트웨어 신뢰성의 향상에 크게 기여 할 수 있다. 컨트롤 차트는 널리 소프트웨어 산업의 소프트웨어 공정 관리에 사용되는 도구이다. 본 논문에서 NHPP에 근원을 둔 로그 포아송 실행시간 모형, 즉,Musa-Okumo 모형과 파우어 로우(Power-law) 모형의 평균값 함수를 이용한 통계적 공정관리 차트를 이용한 제어 메커니즘을 제안하였다.

• 전자공학회논문지
• /
• 제51권11호
• /
• pp.193-201
• /
• 2014

본 논문에서는 얼굴영상에 나타난 사람의 표정을 인식하기 위해 얼굴검출, 얼굴정렬, 얼굴단위 추출, 그리고 AdaBoost를 이용한 학습 방법과 효과적인 인식방법을 제안한다. 입력영상에서 얼굴 영역을 찾기 위해서 얼굴검출을 수행하고, 검출된 얼굴영상에 대하여 학습된 얼굴모델과 정렬(Face Alignment)을 수행한 후, 얼굴의 표정을 나타내는 단위요소(Facial Units)들을 추출한다. 본 논문에서 제안하는 얼굴 단위요소들을 표정을 표현하기 위한 기본적인 액션유닛(AU, Action Units)의 하위집합으로 눈썹, 눈, 코, 입 부분으로 나눠지며, 이러한 액션유닛에 대하여 AdaBoost 학습을 수행하여 표정을 인식한다. 얼굴유닛은 얼굴표정을 더욱 효율적으로 표현할 수 있고 학습 및 테스트에서 동작하는 시간을 줄여주기 때문에 실시간 응용분야에 적용하기 적합하다. 실험결과, 제안하는 표정인식 시스템은 실시간 환경에서 90% 이상의 우수한 성능을 보여준다.

• 한국전자거래학회지
• /
• 제26권3호
• /
• pp.21-32
• /
• 2021

정보통신기술의 발달로 전자금융서비스가 활성화됨에 따라 선불전자지급수단을 이용한 전자금융거래도 증가하고 있다. 선불전자지급수단의 다양한 순기능에도 불구하고, 현금화가 용이하다는 점 때문에 전자금융사기에 악용되는 사례가 증가하고 있다. 본 논문에서는 선불전자 지급수단의 금융거래내역에 순차패턴 마이닝 기법을 적용하여 이상금융거래를 탐지하는 방안을 제시하였다. 선불전자지급수단의 금융거래내역을 서비스이용 순서로 나열한 다음 순차패턴 마이닝을 통해 이상금융거래 탐지패턴을 추출하였다. 도출된 패턴을 실제 금융거래 데이터에 적용하는 실험을 통해 방법론의 효과성을 검증하였다. 실험결과 테스트 데이터의 탐지성능 정확도가 95.6퍼센트로 나타나 제시된 방법론이 이상금융거래를 효과적으로 탐지할 수 있음을 확인하였다. 본 논문에서 제시한 방법론은 향후 이상금융거래탐지시스템 분석모델에 적용함으로써 전자금융사고 피해를 줄이는데 활용될 수 있을 것으로 기대된다.

• 해양환경안전학회지
• /
• 제23권7호
• /
• pp.941-947
• /
• 2017

컨테이너를 이용한 위험물의 해상운송이 증가함에 따라 적재불량으로 인한 위험물의 누설 등으로 선박에서 화재사고가 발생하고 있다. 한편, IMO(MSC.93)에서는 2016년 1월 1일 이후 건조되는 개방갑판상에 컨테이너를 5단 이상 적재하도록 된 모든 선박은 물분무창(Water Mist Lance, WML)이라는 소화장치를 선박에 의무적으로 비치하도록 규정하였다. 본 연구에서는 LS-DYNA를 이용하여 최적의 첨단곡률반경을 가지는 WML을 설계하기 위한 수치해석을 수행하였다. 첨단부분의 길이가 10 mm, 15 mm, 20 mm인 3가지 모델에 대한 해석결과 길이가 15 mm인 경우만 컨테이너 벽면을 관통하고, WML의 첨단부분에 손상을 일으키지 않는 결과를 나타내었다. 향후, 본 연구결과를 바탕으로 테스트용 WML를 제작하여 성능실험을 할 계획이며, 문제점은 지속적으로 개선해 나갈 것이다.

• 한국융합학회논문지
• /
• 제12권1호
• /
• pp.29-35
• /
• 2021

자동차 번호판 인식은 지능형 교통시스템에서 핵심적인 역할을 담당한다. 따라서 효율적으로 자동차 번호판의 숫자 및 문자영역을 검출하는 것은 매우 중요한 과정이다. 본 연구에서는 딥러닝과 의미론적 영상분할 알고리즘을 적용하여 효과적으로 자동차 번호판의 번호영역을 검출하는 방법을 제안한다. 제안된 방법은 화소 투영과 같은 전처리과정 없이 번호판 영상에서 바로 숫자 및 문자영역을 검출하는 알고리즘이다. 번호판 영상은 도로 위에 설치된 고정 카메라로 부터 획득한 영상으로 날씨 및 조명변화 등을 모두 포함한 다양한 실제 상황에서 촬영된 것을 사용하였다. 입력 영상은 색상변화를 줄이기 위해 정규화하고 실험에 사용된 딥러닝 신경망 모델은 Vgg16, Vgg19, ResNet18 및 ResNet50이다. 제안방법의 성능을 검토하기 위해 번호판 영상 500장으로 실험하였다. 학습을 위해 300장을 할당하였으며 테스트용으로 200장을 사용하였다. 컴퓨터모의 실험결과 ResNet50을 사용할 때 가장 우수하였으며 95.77% 정확도를 얻었다.

• 한국정보통신학회논문지
• /
• 제26권3호
• /
• pp.333-340
• /
• 2022

코로나19는 모두로 하여금 초조하고 불안하게 만들고, 사람들간에는 거리두기가 필요하다. 코로나19로 인해 심리적으로 초조하고 불안 해 지고 거리두기가 필요해졌다. 대학교에서는 학기 초에 정신건강에 대한 단체 평가와 검사가 이루어진다. 본 연구에서는 다층감지기 신경망 모델을 채택하고 훈련시켜 딥러닝을 진행했다. 훈련이 끝난 후, 실제 사진과 동영상을 입력하고, 안면탐지를 진행하고, 표본에 있는 사람의 얼굴 위치를 알아낸 후, 그 감정을 다시 분류하고, 그 표본의 예측한 감정 결과를 그림으로 보여주었다. 결과는 다음과 같다. 테스트 시험에서는 93.2%의 정확도를 얻었고, 실제 사용에서는 95.57%의 정확도를 얻었다. 그중 분노의 식별율은 95%, 혐오의 식별율은 97%, 행복의 식별율은 96%, 공포의 식별율은 96%, 슬픔의 식별율은 97%, 놀라움의 식별율은 95%, 중립의 식별율은 93%이었다. 본 연구의 고효율적 정서 식별 기술은 학생들의 부정적 정서를 포착하는 객관적 데이터를 제공 할 수 있다. 딥러닝의 감정식별 시스템은 심리건강을 향상하기 위한 데이터들을 제공할 수 있다.

• 한국시뮬레이션학회논문지
• /
• 제19권4호
• /
• pp.249-259
• /
• 2010

국방 모델링 및 시뮬레이션 분야에서 사용되는 다양한 기관, 다양한 출처의 합성환경 자료들은 현재 분산된 환경에서 각각의 원시 데이터베이스를 활용하여 운용, 관리되고 있다. 그러나 HLA/RTI 기술을 통한 모의 체계간의 연동에서 이러한 다양한 합성환경 데이터를 효율적으로 관리하고 교환하기 위해서는 원시 데이터베이스간의 데이터 교환 역할을 수행할 수 있는 중립 합성환경 모델이 필요하다. 이러한 목적으로 DMSO의 지원을 통해 개발된 SEDRIS(Synthetic Environment Data Representation and Interchange Specification)는 손실 없는 데이터의 표현, 교환과 상호운용성을 보장한다. 본 논문에서는 SEDRIS를 국내 차세대 국방 모델링 및 시뮬레이션 환경에서 활용하기 위하여 수행된 기초 연구와 검증을 위한 가시화, 테스트베드를 통한 데이터 교환 실험에 대한 수행 사례와 그 결과를 소개하고, 표준화된 SEDRIS 사용 방안을 제안하고자 한다.

• 한국음향학회지
• /
• 제18권3호
• /
• pp.3-9
• /
• 1999

본 논문에서는 독립단어 음성인식 시스템을 위하여 반음소(anti-phone) 모델링을 이용한 인식 거절(rejection)기능에 대해 기술한다. 음성인식 거절 기능은 음성인식기를 제작할 ？ 정해놓은 인식대상 단어 이외의 단어가 입력되었을 때 그 단어가 인식할 수 없는 단어임을 알려주는 기능이다. 음성인식 거절기능을 구하는 방식은 핵심어 검출(keyword spotting)방식과 발화검증(utterance verification)방식으로 구분된다. 핵심어 검출 방식은 인식 대상 단어 외의 단어를 별도로 모델링하여 하나의 인식대상 단어처럼 사용하는 방식이고, 발화검증 방식은 각 음소마다 그와 유사한 anti-model을 작성한 후 정상적인 음소 모델과 anti-model과의 유사도를 비교하여 결정하는 방식이다. 본 연구에서는 독립단어 음성인식 시스템에 적용될 수 있는 발화 검증 방식에 의해 음성인식 거절 기능을 구현하였다. 특히 유사도를 결정함에 있어서 산술평균, 기하평균, 조화평균을 사용하고 각각을 비교하여, 기하평균을 사용하는 방식이 우수한 성능을 보임을 알 수 있었다. 음성의 신뢰도(confidence score)를 정규화하기 위해서 Sigmoid 함수를 사용하는데 이 함수의 가중치(weight) 상수의 변화에 대해 인식률을 비교함으로써 가장 적절한 가중치 상수값을 결정하였다. 그리고 유사음소집합(cohort set)에 대한 실험에서는 유사음소집합의 크기가 클수록 더 좋은 성능을 보이는 결과를 얻었다. 음성인식 테스트 결과에서는 신뢰도 임계치 값을 구하고 이 값을 사용하여 인식률을 계산하였으며, 거절의 오류까지 포함된 음성인식률은 약 76%였다. 이 연구결과는 현재 한국통신에서 시험 서비스 중인 음성인식 증권정보 안내 시스템에 적용될 예정이다.

• 전자공학회논문지B
• /
• 제33B권1호
• /
• pp.67-78
• /
• 1996

본 논문은 GHT(Generalized Hough Transform)을 이용하여 물체의 위치, 회전각 및 크기변화를 인식하게 하는 것을 목표로 한다. 특히 회전 및 가려진 물체를 잘 인식함을 보이고자 한다. GHT는 일종의 모델베이스 물체인식 알고리즘으로써 먼저 물체의 정보를 R-table(Reference table) 형태로 저장한 뒤, 그 R-table을 사용하여 물체를 인식한다. 본 논문에서는 GHT 알고리즘을 실제적인 비젼 시스템에 적용하기 위하여 GHT 알고리즘을 개선하였다. 첫째, R-table 작성시 물체의 부분적인 경계선으로부터 R-table을 작성하였으며 영상을 디지털화 하였을 경우 발생되는 에러를 보상하기 위하여 클러스터링(clustering) 알고리즘을 사용하였다. 둘째, 기존의 Ballard의 GHT 알고리즘은 물체의 위치, 회전각 및 크기변화를 인식하기 위하여 4차원의 배열이 필요하지만 단지 2차원의 배열만으로 물체인식이 가능하도록 하였다. 특히 크기변화를 인식하는 간단한 방법을 제안하였다. 테스트 결과 제안된 GHT 알고리즘이 실제적인 비젼 시스템에 있어서 비교적 잘 동작함을 알 수 있었다. 특히 겹쳐진 물체를 잘 인식함을 알 수 있었다.

• 말소리와 음성과학
• /
• 제12권3호
• /
• pp.65-71
• /
• 2020

특징 정규화는 음성 특징 파라미터들의 통계적인 특성의 정규화를 통해 훈련 및 테스트 조건 사이의 환경 불일치의 영향을 감소시키는 방법으로서 기존의 Gaussian mixture model-hidden Markov model(GMM-HMM) 기반의 음성인식 시스템에서 우수한 성능개선을 입증한 바 있다. 하지만 심층신경망(deep neural network, DNN) 기반의 음성인식 시스템에서는 환경 불일치의 영향을 최소화 하는 것이 반드시 최고의 성능 개선으로 연결되지는 않는다. 본 논문에서는 이러한 현상의 원인을 과도한 특징 정규화로 인한 정보손실 때문이라 보고, 음향모델을 훈련 하는데 유용한 정보는 보존하면서 환경 불일치의 영향은 적절히 감소시켜 음성인식 성능을 최대화 하는 특징 정규화 방식이 있는 지 검토해보고자 한다. 이를 위해 평균 정규화(mean normalization, MN)와 평균 및 분산 정규화(mean and variance normalization, MVN)의 절충 방식인 평균 및 지수적 분산 정규화(mean and exponentiated variance normalization, MEVN)를 도입하여, 잡음 및 잔향 환경에서 분산에 대한 정규화의 정도에 따른 DNN 기반의 음성인식 시스템의 성능을 비교한다. 실험 결과, 성능 개선의 폭이 크지는 않으나 분산 정규화의 정도에 따라 MEVN이 MN과 MVN보다 성능이 우수함을 보여준다.