• 한국전자거래학회지
• /
• 제9권3호
• /
• pp.113-128
• /
• 2004

지금까지 조직의 정렬에 관한 대다수 연구는 비즈니스 전략과 정보기술 간의 정렬에 집중되어 왔다. 더구나 이러한 정렬은 조직의 관점, 시각, 범위 요소를 포함한 전사적이고 통합적인 정렬이기 보다는 관점 등 일부분의 요소를 중심으로 이루어져 왔다. 한편, 전사적 아키텍처는 조직의 구성요소와 이들 간의 상호관계를 전사적이고 통합적으로 제시한 청사진이다. 요즈음 많은 조직들은 이러한 전사적 아키텍처 개념을 기반으로 비즈니스 전략과 정보기술 간의 정렬을 시도하고 있다. 그러나 이러한 전사적 정렬 방법은 아직 개념적이고 추상적인 수준에 머무르고 있는 실정이다. 따라서, 본 논문은 기존의 부분적인 정렬보다 구조화된 전사적 정렬 방법을 제시하고자 한다. 이를 위하여 기존의 연구 결과를 분석하고, 전사적 아키텍처 개념을 기반으로 관점, 범위 및 시각 등 3차원 요소를 포함한 전사적 정렬을 위한 개념적 모델, 논리적 모델 및 물리적 모델들을 제안한다. 마지막으로 제안된 모델이 기존의 모델들 보다 조직의 구성요소를 전사적으로 정렬하는데 적합함을 비교 및 평가를 통하여 보여주고 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1763_1764
• /
• 2009

관성항법시스템에서는 항법을 수행하기 전 항체의 자세를 구하는 정렬을 수행하여야 한다. 본 논문에서는 추정치 기반의 섭동모델인 Psi각 오차모델을 이용하여 정밀 정렬을 수행하는 알고리즘을 제시하고 모의실험을 통하여 정렬 오차가 예상 결과 범위 내로 추정됨을 확인하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2021년도 제33회 한글 및 한국어 정보처리 학술대회
• /
• pp.629-632
• /
• 2021

기계 번역(machine translation)은 자연 언어로 된 텍스트를 다른 언어로 자동 번역 하는 기술로, 최근에는 주로 신경망 기계 번역(Neural Machine Translation) 모델에 대한 연구가 진행되었다. 신경망 기계 번역은 일반적으로 자기회귀(autoregressive) 모델을 이용하며 기계 번역에서 좋은 성능을 보이지만, 병렬화할 수 없어 디코딩 속도가 느린 문제가 있다. 비자기회귀(non-autoregressive) 모델은 단어를 독립적으로 생성하며 병렬 계산이 가능해 자기회귀 모델에 비해 디코딩 속도가 상당히 빠른 장점이 있지만, 멀티모달리티(multimodality) 문제가 발생할 수 있다. 본 논문에서는 단어 정렬(word alignment)을 이용한 비자기회귀 신경망 기계 번역 모델을 제안하고, 제안한 모델을 한국어-영어 기계 번역에 적용하여 단어 정렬 정보가 어순이 다른 언어 간의 번역 성능 개선과 멀티모달리티 문제를 완화하는 데 도움이 됨을 보인다.

• 정보처리학회논문지B
• /
• 제14B권3호
• /
• pp.231-240
• /
• 2007

이 논문은 정렬 기법을 이용한 미등록 대역어 추출 모델을 제안하고 그 추출 시스템을 구현한다. 제안된 미등록 대역어 추출 모델은 일종의 구절정렬 모델로서 경계모델과 언어모델 그리고 번역 모델로 구성된다. 제안된 추출 시스템은 병렬말뭉치 구축, 단어정렬, 미등록어 추출로 구성된다. 이 논문에서는 제안된 시스템을 평가하기 위해서 약 1,500여 개의 미등록어가 포함된 2,200문장의 평가말뭉치를 구축하여 다양한 실험을 수행하였다. 실험을 통해서 제안된 모델이 미등록 대역어 추출에 매우 유용함을 알 수 있었다. 앞으로 좀 더 객관적인 평가를 위해 대량의 평가말뭉치 구축이 선행되어야 하며 좀 더 양질의 병렬말뭉치의 구축이 필요할 것이다. 또한 미등록어 추출 모델을 개선하기 다양한 연구가 추진되어야 할 것이다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2011년도 정기 학술대회
• /
• pp.231-234
• /
• 2011

본 논문은 교량의 안전진단을 위한 각 부재의 명명체계에 따라 직선형 교량모델의 각 부재에 대한 솔리드 객체의 고유번호를 일괄적으로 부여하기 위한 방법론을 제시한다. 개발된 방법론은 크게 3 단계의 프로세스로 이루어진다. 먼저, 부재의 종류별로 구분된 레이어로부터 각 부재에 대한 솔리드 객체의 도심을 추출하고, 이를 시점과 종점으로 이루어진 교축방향을 축으로 한 국부좌표계에 대해 변환한다. 이후 교축방향으로 정렬되는 객체를 식별하여 그룹핑하고 이를 교축 및 교축의 직각방향으로 순서로 정렬한다. 마지막으로 각 그룹 내 세그먼트들을 교축방향으로 정렬한다. 개발된 방법론에 따른 시범 응용모듈을 개발하였으며, 트러스 구조와 서로 다른 모델 좌표계를 가진 시범 교량모델을 대상으로 추출된 그룹의 개수와 각 객체의 명칭을 원래의 모델과 비교하여 그 적용성을 검토하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권1호
• /
• pp.22-33
• /
• 2005

본 논문에서는 얼굴 형태와 유사한 타원체형 모델의 가변적 블록크기를 기반으로 하는 영상정렬 알고리즘을 제안한다. 블록정합 수행 시 좌우 곡률만을 고려한 기존의 실린더형 원형모델 방법은 좌우 영상에 대하여 정확한 정렬을 수행하지만 상하 영상에 대해서는 사람의 두상모양이나 턱 구조의 특징을 반영하지 않았기 때문에 정렬오류가 발생한다. 본 논문에서 제안한 알고리즘은 타원체형 얼굴 모델의 상하 좌우의 곡률에 따라 가변적인 블록크기를 사용하는 블록정합 알고리즘으로서 영상의 상관관계를 이용하여 정확한 정렬을 할 수 있다. 그리고 정렬된 영상으로부터 얼굴 텍스쳐 영상을 생성하기 위하여 영상 모자익 기법을 사용한다. 이때 중첩된 영역에 따라 선형적인 가중치를 부여하여 영상을 스티칭하고 부분적으로 나타나는 고스트 효과를 제거함으로써 더 실감 있는 텍스쳐를 생성한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권11호
• /
• pp.855-863
• /
• 2001

본 논문에서는 실감 있는 3차원 얼굴모델 생성에 필요한 얼굴 텍스쳐를 생성하기 위해 실린더형 원형모델의 가변적 블록크기를 기반으로 하는 영상정렬 알고리즘을 제안한다. 이 알고리즘은 실린더형 3차원 모델에 대한 2차원 영상을 영상의 상관관계를 이용하는 블록 정합 알고리즘을 사용해서 정렬하는 방법으로서 블록 정합을 수행 할 때 동일한 블록 크기를 사용하는 기존 방법과는 달리 모델의 곡률을 고려해 가변적인 크기의 블록을 사용한다. 그리고 영상 모자익 기법을 사용해서 정렬된 영상을 하나의 텍스쳐 영상으로 생성한다. 이 때 중첩된 영역에 따라 선형적인 가중치를 부여하면서 크로스디졸브 기법을 이용해 영상을 스티칭한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.320-321
• /
• 2022

부두 내 컨테이너를 적재하는 과정에서 정렬 상태가 부정확한 경우 강풍으로 인한 안전사고가 발생할 가능성이 있다. 본 논문에서는 컨테이너 안전사고를 예방하기 위한 딥러닝 기반의 컨테이너 정렬 상태 분류 알고리즘을 제안한다. 제안하는 알고리즘은 정렬을 분류하는 기준을 제시하고 YOLO 기반의 모델을 구현했다. 추론 속도, 검출 정확도, 분류 정확도를 기준으로 각 모델의 성능을 평가했으며 성능 결과는 YOLOv4모델이 YOLOv3모델에 비해서 추론 속도는 느리지만, 검출 정확도와 분류 정확도는 높음을 보인다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2009년도 제21회 한글 및 한국어 정보처리 학술대회
• /
• pp.242-246
• /
• 2009

병렬 말뭉치 내에서 서로 대응되는 단어를 찾아내는 단어 정렬 작업은 기계 번역에서 가장 기본적으로 수행되는 작업이고 다양한 분야에서 유용하게 사용된다. 본 논문에서는 영한 단어 정렬에서 기존의 통계 기반 정렬 모델의 문제점을 파악하고 이를 해결하기 위해 영한의 품사간 정렬 경향을 단어 정렬에 반영하는 방법을 제안한다. 실험을 통해서 기존 통계 기반 영한 단어 정렬 결과와 비교하여 제안된 방법이 정확률, 재현율, F-measure 측면에서 모두 향상시키는 것을 보였다.

• 정보처리학회논문지B
• /
• 제19B권2호
• /
• pp.135-148
• /
• 2012

본 논문에서는 Predicate-Argument Tuple (PAT)를 기반으로 텍스트 간 심층적 근사 정렬(Approximate Alignment)을 통한 문장 단위 바꿔쓰기표현(sentential paraphrase) 식별 모델을 제안한다. 두 문장 간의 PAT 기반 근사 정렬 결과를 바탕으로, 두 문장의 의미적 연관성을 효과적으로 표현하는 다양한 정렬 자질(alignment feature)들을 정의함으로써, 바꿔쓰기표현 식별 문제를 지도 학습(supervised learning) 기반의 자동 분류 모델로 접근하였다. 실험을 통해서 제안 모델의 가능성을 확인할 수 있었으며, 시스템의 오류 분석을 통해 제안 방법이 아직 해결하지 못하는 다양한 바꿔쓰기표현 유형들을 식별함으로써 향후 시스템의 성능 개선 방향을 도출하였다.