• 방송공학회논문지
• /
• 제25권4호
• /
• pp.487-496
• /
• 2020

차세대 로봇 공연 기술을 개발하기 위하여 산업용 로봇 arm에 휴머노이드형의 로봇 액터를 부착한 RAoRA (Robot Actor on Robot Arm) 구조를 제안하고, 시스템 연동 제어를 위한 소프트웨어를 탑재하여 로봇 공연 플랫폼을 구축하였다. 로봇 액터와 산업용 로봇 arm의 연동 모션을 위하여 역학적 분석을 수행하고 기계적 메커니즘을 설계 및 제작하였다. 로봇 액터의 동작을 위하여 3D 모델의 기구학적인 분석, spline 위치 보간, 모션 제어 알고리즘 및 제어 장치를 개발하였다. 비전문가도 직관적이고 안전한 공연 콘텐츠를 제작할 수 있도록 사전 시각화, 시뮬레이션 도구 및 콘솔 통합 운영 도구를 개발하였다. 테스트를 위하여 지면에 거의 밀착하여 자연스럽게 걷거나 서서히 공중으로 올라가는 air walk 시연하였고 러닝 타임 5분의 공연에 적용하였다. 그 결과 제안된 로봇 공연 플랫폼은 기존의 로봇 공연에서는 구현이 불가능했던 입체적이고 생동감 있는 모션을 구현할 수 있었다.

• 지질공학
• /
• 제31권4호
• /
• pp.507-522
• /
• 2021

각 탐사의 반응 값은 지하 매질의 특정 물성에 따라 달라지기 때문에 한가지의 지구물리학적 방법만으로는 탐사목적을 달성하지 못하는 경우가 종종 있다. 특히 지질재해 위험에 취약한 지역을 조사하는 경우, 인명 및 재산피해를 최대한 줄이기 위해 한 가지 이상의 탐사방법을 사용하는 것이 효과적이다. 제방의 안전성 평가를 위한 이 연구에서는 각 탐사결과들을 개별적으로 해석하는 대신 탄성파속도(굴절법에 의한 P파속도와 MASW의 S파속도)와 전기비저항 값들을 통계적으로 분석하여 결정된 임계값들을 기반으로 취약구간과 안전구간 등으로 구분하는 사분면 상관기법을 수행하였다. 임계값은 수평 4층 구조와 경사진 파쇄대에 대한 모델자료를 가지고 수행한 사분면 상관기법을 테스트하는 과정에서 두 개의 속성자료 모두 평균에서 표준편차를 빼준 값으로 결정되었다. 전기비저항-P파속도의 교차출력에 비해 전기비저항과 S파속도를 이용한 교차출력 해석이 제방 시스템의 토양유형, 지반강성 및 암석학적 특성 정보를 보다 충실히 제공하였다. 낮은 S파속도와 높은 전기비저항으로 2사분면에 투영된 느슨한 모래 구역이 취약구간으로 평가되는데 이와 같은 해석은 시추공 표준관입시험에서 보인 중심코어의 N 값 분포로 뒷받침되었다.

• 한국음향학회지
• /
• 제28권2호
• /
• pp.112-118
• /
• 2009

본 논문은 모바일 단말기, Digital Video Recorder (DVR) 등에 적용할 수 있는 뮤직비디오 브라우징 시스템을 위한 실시간 중요 구간 검출 알고리즘을 제안한다. 입력된 뮤직비디오는 음악 신호와 영상 신호로 분리되어 음악 신호에서는 에너지기반의 음악 특징값 최고점기반의 구조분석을 통해 음악의 후렴 구간을 포함하는 음악 하이라이트 구간을 검출하고, SVM AdaBoost 학습방식에서 생성된 모델을 이용해 음악신호를 분위기별로 자동 분류한다. 음악신호로부터 검출된 음악 하이라이트 구간과 영상신호로부터 검출된 가수, 주인공의 얼굴이 나오는 영상장면을 결합하여 최종적으로 중요구간이 결정된다. 제안된 방식을 통해 사용자는 모바일 단말기나 DVR에 저장되어 있는 다양한 뮤직비디오들을 분위기별로 선택한 후에 뮤직비디오의 30초 내외의 중요구간을 빠르게 브라우징하여 자신이 원하는 뮤직비디오를 선택할 수 있게 된다. 제안된 알고리즘의 성능을 측정하기 위해 200개의 뮤직비디오를 정해진 수동 뮤직비디오 구간과 비교하여 MOS 테스트를 실행한 결과 제안된 방식에서 검출된 중요 구간이 수동으로 정해진 구간보다 사용자 만족도 측면에서 우수한 결과를 나타내었다.

• 한국음향학회지
• /
• 제28권2호
• /
• pp.155-163
• /
• 2009

Text-to-speech 시스템에서 입력 텍스트로부터 운율 정보를 생성하기 위해서는 운율구 경계, 음소 지속시간, 기본주파수 포락선 설정의 3가지 기본적인 모듈이 필요하다. Break 인덱스 (BI; Break Index)는 합성기에서 운율구의 경계를 나타내고, 자연스러운 합성음을 생성하기 위해서는 BI를 정확히 예측하여야 한다. 그러나 BI는 문장의 의미나 화자의 읽기 습관(reading style)에 따라 임의적으로 결정되는 경우가 많아 정확한 예측이 매우 어렵다. 특히 일본어 합성기에서는 악센트 구 경계 (APB; Accentual Phrase Boundary)와 major phrase 경계 (MPB; Major Phrase Boundary)의 정확한 예측이 어렵다. 따라서 본 논문에서는 APB와 MPB 예측 오류를 보완할 수 있는 방법을 제안한다. BI를 고정 break (FB; Fixed Break)와 가변 break (VB; Variable Break)로 분류하여 합성단위 선택을 수행한다. 일반적으로 BI는 한번 생성되면 변하지 않는다. 따라서 BI가 잘못 생성된 경우 최적의 합성음을 생성할 수 없게 되는데, VB는 생성된 BI와 그것과 유사한 BI를 함께 이용하여 합성단위 선택을 수행함으로써 합성음의 BI가 생성된 BI와 다를 수 있는 것을 의미한다. APB와 MPB에 해당하는 BI에 대하여 VB인지 FB인지 CART(Classification and Regression Tree)를 이용하여 예측하고, VB인 경우 기본 주파수와 음소 지속시간에 대해 다중 운율 모델을 생성하여 합성단위 선택을 수행하였다. MOS 테스트 결과 원음이 4.99, 제안한 방법을 4.25, 기존의 방법은 4.01로 합성음의 자연성을 향상시킬 수 있었다.

• 서비스연구
• /
• 제14권2호
• /
• pp.158-177
• /
• 2024

본 연구는 온라인 집단소비 서비스 상황에서 다른 고객들의 보상에 대한 고객의 분배공정성분위기 지각이 커뮤니티동일시, 고객간상호작용인식, 도움행동의도에 미치는 영향에 대한 이론적 모델을 제안하고 실증한다. 가설을 테스트하기 위해 온라인 집단소비 서비스(대규모 멀티플레이어 온라인 롤플레잉 게임, MMORPG) 이용자를 대상으로 설문 조사 데이터를 수집하여 구조 방정식 모델링을 통해 분석하였다. 본 연구는 MMORPG 상황에서 보상설계에 대한 고객의 분배공정성분위기 지각이 커뮤니티동일시, 고객간상호작용인식을 변화시켜 도움행동의도를 변화시킨다는 것을 보여준다. 집단소비형 서비스 관리자는 사용자의 현재 C2C 가치공동창조 경험(커뮤니티동일시, 고객간상호작용인식)과 미래 C2C 가치공동창조 행동(도움행동의도)을 향상시키기 위해 보상 시스템에 대한 고객의 분배공정성분위기 지각을 개선하는 데 중점을 두어야 할 것이다. 본 연구는 온라인 집단소비 서비스 상황(MMORPG)에서 보상 설계에 관한 고객의 분배공정성분위기 지각과 고객간상호작용 인식의 관계를 실증함으로써 분배정의 이론의 발전에 기여하고 있다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.