• Journal of Korean Library and Information Science Society
• /
• v.34 no.4
• /
• pp.227-252
• /
• 2003

This study is to analyze the historical developments of references on cataloging rules. References is named cross reference on The Panizzi' and Jewett' Report and defined at Rules for a Dictionary Catalog by Charles A. Cutter. References is developed to “see reference”, “see-also reference”, “name-title reference”, and “explanatory reference” on AACR2. References have traditionally been regarded as syndetic devices, making it possible to retrieve and connect related works. Conclusionally, it functions as a tool which directly connect all the works related but in different formats of a same author name and a same title name. In online catalogues, it means that the role and function of references have increasingly become extended to be very important.

• Proceedings of the KIEE Conference
• /
• 2003.11b
• /
• pp.343-346
• /
• 2003

본 논문에서는 최신 동영상 압축 표준 규격 H.264에서 화면 간 예측 부호화시 참조 화면 수가 제한되어 있을 때 부호화 효율을 최대화할 수 있는 적웅적 참조 화면 선택 기법을 제안하였다. 참조 화면 선택 시 시간적인 거리를 우선시 하는 현재 방식은 부호화 효율 측면에서 최적의 선택과는 거리가 있다. 따라서 참조 화면 선택에 있어서 실시간 온라인 상황을 가정하고 부가적인 계산을 최소화하는 것을 조건으로 했을 때 대표 화면과의 간접 비교를 통하여 현재 참조 화면들 간 상호 유사성이 가장 큰 화면을 제외하는 방법을 통해 문제를 해결하고자 하였다. 화면 간 예측 부호화 시 참조 화면 간 중복되는 요소를 최대한 줄이는 방향으로 참조 화면을 선택해 나감으로서 참조되는 샘플들을 다양화할 수 있다. 참조 화면 간 상호 유사성 판별은 대표 화면과 각 참조 화면 간 움직임 정보를 고려해 화면 간 부호화시 계산되는 8*8 블록의 R-D 비용함수 값을 사용하였다. 실험 결과 기존의 슬라이딩 윈도우 방식을 이용한 참조 화면 선택 방법에 비해 부가적인 계산이 거의 없이 부호화 효율의 개선이 있었으며 그 개선 정도는 기존의 방식에서 참조 화면을 $1{\sim}2$장 더 사용한 결과와 같았다. 이는 기존의 방법에 의해 참조 화면을 선택할 경우 나타나는 참조 화면 간 중복성을 줄였기 때문이다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.06a
• /
• pp.357-358
• /
• 2013

H.264 등 동영상 압축 표준에서는 비디오 신호의 시간적 중복 데이터를 제거하기 위해 움직임 추정/보상을 수행한다. 또한 움직임 추정/보상의 정확성을 향상하기 위해 다중 참조프레임을 지원한다. 여러 장의 참조 프레임 중 현재 블록과 가장 유사한 참조 프레임 영역으로부터 움직임 추정/보상을 수행하여 보다 정확한 예측에 의해 잔차신호의 크기가 감소하게 되고, 그 결과 부호화 효율이 더욱 개선되었다. 본 논문에서는 다중 참조 프레임을 사용한 움직임 추정/보상의 효율을 유지하면서도 참조프레임을 나타내는 참조프레임 인덱스 비트를 줄여주어 부호화 효율을 더욱 개선하는 방법을 제안한다. 본 논문에서 제안하는 방법은 움직임 추정/보상 시, 각각의 참조 프레임에서 움직임 추정/보상에 사용되는 예측화소들을 비교하여 다중 참조 프레임이 효과가 있다고 판단 되는 경우에만 다중 참조 프레임 움직임 추정/보상을 수행하고, 다중 참조 프레임이 효과가 없다고 판단 되는 경우에는 단일 참조 프레임 움직임 추정/보상을 적응적으로 수행하였다. 실험결과 제안하는 방법은 다중 참조 프레임 인덱스 부호화에 소요되는 비트를 절감하면서도 부호화 효율을 유지함을 확인 할 수 있었다. 제안하는 방법은 동영상 압축 코덱에 적용되어 압축 성능을 더욱 향상 할 수 있다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2009.05a
• /
• pp.19-20
• /
• 2009

국가참조표준센터가 2006년에 설립된 이후 우리나라에서 필요로 하는 참조표준 개발이 궤도에 오르기 시작하였다. 일차적으로 참조표준을 개발하기 위한 기본 체제로서 국가참조표준체계가 지경부 고시에 의해 확립되었고 이 체계에 따라 현재 12개의 데이터센터가 지정되어 각기 분야별로 참조표준을 확립하고 있다. 본 논문에서는 참조표준 개발 현황을 간략하게 소개함과 동시에 산업계에서 이것이 실제적으로 어떻게 활용되고 있는지 제시하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.06c
• /
• pp.79-82
• /
• 1998

본 연구에서는 연결단어 음성인식 상에서 올바른 참조 패턴을 생성하기 위해 Levelbuilding 알고리즘을 이용하여 인식대상 단어의 표본 집합(훈련패턴 집합)으로부터 참조 패턴을 자동적으로 생성하는 알고리즘을 개발하였다. 본 연구는 분한 K-Mans 훈련방법에 기초하고 있으며, Levelbuilding 알고리즘을 이용하여 훈련패턴으로부터 참조 패턴을 생성하는 것이다. 먼저 초기화 과정에서 훈련 패턴을 그에 포함된 단어 수만큼 등간격 분리하여 분리된 단어들을 소속 Cluster로 분류하고 각 Cluster의 Center들로 초기 참조패턴을 구성한다. 그리고 참조패턴, 제어정보 및 Levelbuilding 알고리즘을 이용하여 각 훈련패턴을 분리하고, 분리된 단어들을 소속 Cluster로 분류하여 단어 Cluster집합을 구성한 후 DTW 및 minimax알고리즘을 이용해 각 Cluster의 Center를 구하여 참조 패턴을 생성한다. 참조패턴 구성에 변화가 없을 때까지 전 단계의 참조패턴과 본 알고리즘을 반복 수행하여 최적의 참조패턴을 생성한다. 본 알고리즘을 이용하여 3개 숫자의 연결단어 집합으로부터 영('0')에서 구('9')까지 숫자음에 대한 참조패턴을 자동 생성하였다. 참조패턴 생성과정에서 가정 중요한 처리인 훈련패턴 분리과정을 분석하기 위하여 각 반복과정에서 분리된 정보를 그래프로 도시화하여 확인하였다.

• The KIPS Transactions:PartA
• /
• v.11A no.3
• /
• pp.163-172
• /
• 2004

Multimedia applications tend to access their data as a streaming pattern with regular intervals. This characteristic can be utilized in prefetching the multimedia data into cache memory so as to reduce their execution speeds. The reference-prediction prefetch algorithm predicts the memory address that seems to be used in the next time based on the previous history of memory references stored in the prediction reference table. This paper proposes a strategy to manipulate the reference prediction table which contains all of the data reference instructions to scalar and streaming data. We have recognized that the scalar reference instructions do not contribute to the data prefetching algorithm. Therefore, when replacing an element in the reference prediction table, the proposed algorithm preferentially selects the scalar reference instruction before the stream reference instruction. It makes the stream reference instruction to stay for a long time compared to the FIFO replacement policy, and eventually improves the performance of data prefetching.

• STIMA Bulletin
• /
• s.5
• /
• pp.24-37
• /
• 2006

과학기술테이터는 엄격한 평가기준에 의해 신뢰성과 정확성이 보장된 참조표준(standard reference data)값을 지닐 수 있어야 한다. 참조표준은 측정표준을 바탕으로 구하여진 결과 값을 표준화시키는 작업으로서 테잍의 생산조건, 실험환경, 측정방법, 데이터 처리 등이 검토되어 참조데이터(reference data)와 구분된다. 참조표준은 '공인된 수치데이터'로 표현되고 이는 측정결과의 신뢰도를 정량적으로 나타내는 불확도(uncertainty)로 표기된다.본고에서는 참조표준에 대한 의미를 이해하고,평가되지 않은 과학기술 데이터가 어떤 평가 과정을 거쳐 참조표준으로 분류되는지를 알아보기 위해 소재물성분야를 예로 살펴보았다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.06a
• /
• pp.262-263
• /
• 2014

현재 MPEG 에서 Royalty-Free 비디오 코덱인 Type-1 표준으로 진행중인 IVC(Internet Video Coding)에서는 저지연 모드(LD: Low-Delay) 부호화 구조에서 비참조 P 프레임 부호화 기법을 적응적으로 사용하여 부호화 이득을 얻고 있다. 비참조 P 프레임 기법은 P 프레임의 타입을 지정하여 고정된 부호화 구조의 비참조 P 프레임을 적용하고 있으나, ITM(IVC Test Model) 9.0 에 구현된 부호화 구조는 다중참조 프레임(MRF: Multiple Reference Frame)을 사용할 때 시간적 예측 거리가 먼 참조 프레임을 먼저 예측하는 단점이 있다. 본 논문에서는 다중참조 프레임에서 기존의 P 프레임 타입 설정을 변경하여 비참조 P 프레임의 부호화 구조를 개선하였다. 실험결과 제안 기법은 시퀀스에 따른 큰 성능 저하 없이 기존 기법 대비 0.6% 정도의 추가적인 비트율 감소로 얻음으로써 비참조 P 프레임 기법이 ITM 9.0 대비 7.9% 정도의 비트율 감소를 얻음을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2014.10a
• /
• pp.61-64
• /
• 2014

본 논문은 Stanford의 다 단계 시브(Multi-pass Sieve) 상호참조해결을 기반으로, 한국어에 적용한 한국어 상호참조해결(선행 연구)을 이용하여 한정 명사구에 대한 처리와 확장된 대명사 상호참조해결 방법을 제안한다. 지시 관형사와 명사가 결합하여 형성되는 한정 명사구는 일반 멘션(mention)의 특징과 대명사 속성을 한 번에 갖게 된다. 이렇게 되면, 한정 명사구는 모든 시브(sieve)에서 상호참조를 진행할 수 있게 된다. 따라서 이런 특징으로 한정 명사구를 어떤 관점(멘션 또는 대명사)에서 상호참조해결하는 것이 좋은지 보인다. 또한 이런 한정 명사구의 대명사 속성을 이용하기 위해 문법적 의미적 규칙을 적용할 것을 제안한다. 그 결과, 본 논문의 선행 연구인 한국어 상호참조해결에 비하여 CoNLL 값이 약 0.8%만큼 향상되어 61.45%를 측정하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.869-872
• /
• 2017

참조 표현이란 영상 내의 특정 물체를 가리키는 자연어 문장을 의미한다. 그리고 이러한 자연어 참조 표현을 기초로, 한 영상에서 실제로 대상 물체의 영역을 찾아내는 일을 참조 표현 이해라고 한다. 본 논문은 참조 표현 이해를 위한 새로운 심층 신경망 모델과 학습 방법을 제안한다. 본 논문에서 제안하는 모델은 효과적인 참조 표현 이래를 위해, 참조 표현에서 언급하는 대상 물체와 보조 물체를 모두 고려할 뿐만 아니라, 두 물체간의 관계정보도 활용한다. 또한, 본 논문에서 제안하는 모델은 이러한 다양한 맥락 정보들을 참조 표현 의존적인 방식으로 가중 결합함으로써, 참조 표현에 부합하는 대상 물체 영역을 보다 정확히 탐지해낼 수 있도록 설계하였다. 본 논문에서는 대규모 참조 표현 데이터 집합인 Google RefExp를 이용한 성능 비교 실험들을 통해, 제안하는 모델의 우수성을 확인하였다.