• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (A)
• /
• pp.34-36
• /
• 2005

여러 대의 컴퓨터가 협조해야만 달성할 수 있는 응용을 위해 분산 처리 모델은 성공적인 해결책을 제공한다. 이는 분간 처리 모델이 여러 대의 컴퓨터를 통합하여 운영하는 체계적인 절차와 서비스를 제공하기 때문이다. 본 연구팀에서는 여러 대의 컴퓨터를 통합하여 활용하기 위하여 이미 익숙한 컴퓨팅 환경(단일 컴퓨팅 환경)을 위한 절차와 서비스를 적용하는 방안을 연구하고 있으며 이미 발표한 TORB(Transparent Object Request Broker)는 프로그래밍 투명성의 제공을 통하여 분산된 컴퓨팅 환경을 활용하기 위한 프로그램을 작성하는 것에 대한 투명한 서비스를 지원한다. 단일 컴퓨팅 환경에서는, 작성된 응용 프로그램을 기동하는 것이 무시하여도 좋을 만큼 간단한 절차이다. 그러나 분산된 컴퓨팅 환경에서 이를 간단한 절차로 수용하는 것은 쉬운 일이 아니며 기존의 분산 처리 모델에서는 체계적인 지원을 고려하고 있지 않다. 본 논문에서는 여러 대의 컴퓨터를 통합하여 활용하기 위하여 작성되어 분산 처리를 수행하는 응용프로그램을 단일 컴퓨팅 환경에서와 동일하게 취급하는 투명성을 제공하기 위한 방안과 이 기능의 수용에 대한 효과를 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.1339-1342
• /
• 2004

본 논문에서는 실내 환경에서 UWB 시스템 적용시 발생하는 다중경로에 의한 시간 지연과 위상왜곡 및 전력 감쇄 성분으로 인한 왜곡 정도를 분석하였고, 실내의 구조와 건물내부 재질에 따라 왜곡 성분들의 영향을 연구하였다. 이와 같은 왜곡성분을 토대로 실제 환경과 유사한 채널 모델을 수학적으로 전계하였고, 임의의 환경에 UWB 시스템을 적용하였을 때 발생하는 다중경로와 신호 왜곡 정도를 시뮬레이션을 통해 채널 모델을 모의 실험함으로써 다양한 실내 환경에서 UWB 시스템이 고려해야 할 왜곡 성분을 분석하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.250-253
• /
• 2013

최근 카메라 영상을 이용한 제스처 인식 관련 연구가 활발히 진행되고 있다. 카메라 영상을 이용한 제스처 인식에서 많이 사용되는 학습 알고리즘에는 확률 그래프 모델인 HMM과 CRF 등이 있다. 이 학습 알고리즘들은 다차원의 연속된 실수 데이터를 가지고 모델을 학습하면 계산량이 많아진다. 본 논문에서는 팔 관절 위치 데이터를 k-평균 군집화 과정을 거쳐 1차원의 시계열 데이터로 변환 후, 제스처별로 HMM 모델을 학습하는 방법을 제안한다. 키넥트 센서를 통해 얻은 팔 관절 위치 데이터에 k-평균 군집화를 적용하여 1차원 시계열 데이터를 생성하고, 이를 HMM의 학습 및 인식에 사용한다. 본 논문에서 제안하는 방법의 성능을 분석하기 위하여, 다른 시계열 학습 알고리즘인 AP+DTW를 이용한 방법과의 비교 실험을 포함해 다양한 실험들을 수행하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 춘계학술발표대회
• /
• pp.966-968
• /
• 2010

컴퓨팅 자원의 확보가 용이해짐에 따라 이러한 자원을 최대한 활용하려는 시도가 늘어나고 있다. 시스템을 검사하는 정형적 기법으로써 많이 사용되고 있는 모델 체킹은 상태폭발 문제를 완화하기 위해서 여러 컴퓨팅 자원을 한꺼번에 사용하려는 연구가 이루어져 왔다. 하지만 이 기법 역시 여러 상태 모델들이 하나로 합쳐지면서 여전히 상태폭발 문제를 발생 시킨다. 본 논문에서는 이러한 문제가 나타나는 원인을 지적하고 이를 해결하기 위해 모델 체킹의 기본 요소인 새로운 병렬적 도달성 분석 기법을 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 춘계학술발표대회
• /
• pp.296-299
• /
• 2010

본 논문은 템플릿 모델을 이용하여 차량의 외관에 따른 종류를 인식하는 방법을 제안한다. 우선, 영상에서 차량을 검출하기 위하여 누적 차영상 기법을 이용하여 배경 영상을 추출한 후 차량 영역을 획득한다. 획득한 차량 영상은 날씨와 조명 영향에 따라서 그림자가 존재할 수 있다. 따라서 외곽선을 추출하고 가로와 세로, 대각선 방향으로 사영한 결과를 이용하여 그림자를 제거한다. 그림자 영역이 제거된 최종 차량 영역은 템플릿 모델과의 매칭을 통하여 가장 적합한 차량 종류로 인식한다. 제안된 방법을 이용하여 차량 종류를 인식하였을 때 만족할 만한 성능을 나타내는 것을 실험을 통하여 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.39-42
• /
• 2009

사용자 적응형 추천 시스템의 목적은 사용자의 선호도와 행동 정보 등을 분석, 분류하여 그를 바탕으로 각 사용자가 필요로 하거나 선호 할 만한 서비스를 사용자에게 추천하여 사용자 편리성을 높이는 것이다. 그러나 기존의 추천 시스템은 새로운 사용자의 등장이나 새로운 서비스의 등장 시 분석에 많은 시간을 필요로 하거나, 과특성화와 희귀성이라는 특성으로 인한 추천 서비스 단순화 등의 문제점을 안고 있다. 본 논문에서는 새로운 사용자 등장 시 결정 트리를 이용한 분류로 분석시간을 줄이고, 새로운 아이템의 등장 시 분석시간의 감소와 다양한 사용자 중심적인 추천을 위해 대리자를 이용한 사용자 군집화와 추천을 수행하는 새로운 모델을 제시한다. 또한 제안된 모델을 분석하여 위의 문제점들이 어떻게 해결되는지 설명한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.491-493
• /
• 2022

최근 스마트 기기에서 오디오 데이터를 이용하는 응용 기술들이 증가하면서, 오디오 데이터에서 관심 있는 구간을 찾아내는 기술의 필요성이 증가하고 있다. 본 논문에서는 Perceiver 모델을 활용하여 오디오 데이터에서 사람의 음성 구간을 검출하고 축약하는 방법을 제안한다. Perceiver 모델은 복잡한 입력 데이터에 대하여 Self-attention을 기반으로 특징을 추출하면서 이전의 특징을 다음 입력으로 다시 학습하는 특징을 갖고 있어서 연속적인 데이터인 오디오에 효율적으로 적용할 수 있다. 외부 및 자체에서 수집한 음성과 비음성 데이터셋에 대하여 실험을 진행하였고, 10초 단위 세그먼트에서 대해서 92.4%의 검출 정확도를 달성하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.1240-1242
• /
• 2011

본 논문에서는 여러 개의 클래스가 존재할 때, 각 클래스 내에서 샘플들을 클러스터링하고 서로 다른 클래스들과 분산도를 비교하여 클러스터가 가장 겹치지 않는 유전자 쌍들을 찾는다. 각 유전자 쌍에서 테스트 샘플과 가장 가까운 클러스터를 찾음으로써 클래스를 분류하고, 최종적으로 과반수 의결(Majority vote)하여 가장 많이 분류된 클래스를 최종 클래스로 확정한다. 그 결과, 해당 모델이 여러 개의 클래스를 가진 데이터에서 다른 비교 알고리즘의 모델들보다 높은 정확도를 나타내었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.69-70
• /
• 2021

본 논문은 PPM으로 관리되고 있는 자동차 부품 제조 공정에서 검사자의 육안검사 방법을 대체하기 위해 머신비전 및 CNN 기반 불량 검출 시스템으로 제안되었던 방식들의 단점을 개선하기 위하여 기존 머신 비전 기술에 합성곱 오토인코더 모델을 적용하여 단점을 해결하였다. 본 논문에서 제시한 오토인코더를 이용하는 방법은 정상 생산품의 이미지만으로 학습을 진행하고, 학습된 모델은 불량 부위가 포함된 이미지를 입력받아 정상 이미지로 출력한다. 이 방법을 사용하여 불량의 부위와 크기를 알 수 있었으며 불량 여부의 판단은 임계치에 의한 불량 부위의 화소 수 계산으로 판단하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.124-127
• /
• 2020

관계 추출은 문장에서 두 개의 엔티티가 주어졌을 때 두 개의 엔티티에 대한 의미적 이해를 통해 관계를 분류하는 작업이다. 이와 같이 관계 추출에서 관계를 분류하기 위해서는 두 개의 엔티티에 대한 정보가 필요하다. 본 연구에서는 관계 추출을 하기 위해 문장에서 엔티티들의 표현을 다르게하여 관계 추출의 성능을 비교 실험하였다. 첫번째로는 문장에서 [CLS] 토큰(Token)으로 관계를 분류하는 Standard 엔티티 정보 표현과 두번째로는 엔티티의 앞과 뒤에 Special Token을 추가하여 관계를 분류하는 Entity-Markers 엔티티 정보 표현했다. 이를 기반으로 문장의 문맥 정보를 학습한 사전 학습(Pre-trained)모델인 BERT-Large와 ALBERT-Large를 적용하여 실험을 진행하였다. 실험 결과 Special Token을 추가한 Entity-Markers의 성능이 높았으며, BERT-Large에서 더 높은 성능 결과를 확인하였다.