• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.10 no.2
• /
• pp.398-405
• /
• 2006

We propose a pattern classification model using a selective perception ability of human beings. Generally, human beings recognize an object by putting a selective concentration on it in the region of interest. Much better classification and recognition could be possible by adapting this phenomenon in pattern classification. First, the pattern classification model creates some reference cluster patterns in a usual way. Then it generates an SPM(Selective Perception Map) that reflects the mutual relation of the reference cluster patterns. In the recognition phase, the model applies the SPM as a weight for calculating the distance between an input pattern and the reference patterns. Our experiments show that the proposed classifier with the SPM acquired the better results than other approaches in pattern classification.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.10a
• /
• pp.326-329
• /
• 2017

Most modern computer communications and storage media support encryption technology. Many of the Ping Pong algorithms are stream ciphers that generate random numbers in the LFSR core structure. The LFSR has a structure that guarantees the maximum period of a given size, but it has a linear structure and can be predicted. Therefore, the Ping Pong algorithm has a feature of making the linearity of the LFSR into a nonlinear structure through variable clocks and functions. In this paper, we try to improve the existing linearity by replacing the linear disadvantages of LFSR with logistic maps.

• Proceedings of the Technology Innovation Conference
• /
• 2005.02a
• /
• pp.200-219
• /
• 2005

현재 홈네트워킹의 솔루션으로 제기되고 있는 것은 이더넷(Ethernet), 전화선(Phone line), 전력선(PLC), 무선랜(Wireless LAN), 블루투스(Blue tooth) 등 다양하다. 그러나 국내 홈네트워킹 시장과 기술의 진행 방향 및 잠재 시장 전망에 대한연구가 부족한 현실에서 시장 참여자들의 불 확실성은 높을 수 밖에 없다. 이에 어떤 기술이 홈네트워킹 시장을 주도할 지를 전망하는 것이 무엇보다 시급한 과제가 되고 있다. 따라서 본 연구에서는 홈네트워킹 유선 전송 기술분야에서 유력한 규격으로 예상되는 PLC를 중심으로 홈네트워킹의 수요를 예측하고자 한다. 홈네트워킹 시장은 홈네트워킹 장치들이 Built-in 형태로 보급되는 신규주택과 소비자의 선택에 의해 홈네트워킹 장치들이 설치되는 기존 주택 시장으로 나누어 질 수 있다. 본 연구에서는 기존 주택 시장을 대상으로 컨조인트 방법을 통한 소비자의 선호 구조를 홈네트워킹을 구현시키는 각 기술에 대한 (기술)로드맵과 결합하여 동적인 소비자의 선택을 관찰함으로써 각 기술이 확산되는 과정을 살펴볼 것이다. 추가적으로 PLC의 기술적 특징들을 가상적으로 변화시켜가면서 다른 기술과의 경쟁관계를 살펴봄으로써 PLC의 기술개발 전략에 시사점을 도출할 것이다. 본 연구를 통해 홈네트워킹의 관련 실무자에게는 향후 홈네트워킹 시장 진입이나 제품 개발, 기술 협력 제휴시 유용한 자료가 될 것으로 보인다. 또한 정부의 정책담당자들에게는 홈네트워킹 확산의 장애요인 해소를 위한 정책 가이드라인을 제공할 수 있을 것으로 기대하고 있다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.11a
• /
• pp.520-529
• /
• 2007

간암은 세계적으로 흔한 악성 종양에 속하지만 우리나라에서 간암은 위암, 폐암 다음으로 높은 사망률을 보이며 이러한 간암은 조기진단이 요구된다. 전문의는 간암의 진단을 위해 조영증강 CT영상을 이용하여 육안으로 간암을 판별하는데, 조영증강 CT영상을 이용한 진단은 주 종양의 진단에는 도움이 되지만 주 종양에서 주위 간 조직으로 전이된 간암들을 판별하는 것은 어려우며 실제로 시술 중에야 전이된 간암의 존재를 알 수 있다. 본 논문에서는 조영증강 CT영상을 이용하여 간과 주 종양을 자동으로 추출한 후, 미세하게 주 종양 주위로 전위된 간암들을 추출하는 방법을 제안하여 전문의를 보조할 수 있는 보조 전문가 시스템으로서의 유용성을 확인하고자한다. 조영증강 CT영상은 흉부에서 5mm간격으로 40 ${\sim}$ 50장정도로 촬영된다. 조영증강 CT영상을 이용하여 간 영역을 추출하기 위해서 간의 형태학적 정보 그리고 명암도와 명암의 분포도를 이용한 양자화 기법 등을 적용하여 추출하며 추출된 간 영역에서 간암의 후보 영역 추출은 간암의 명암도와 형태학적 특징 정보를 이용하여 추출한다. 본 논문에서는 간암의 추출을 위해 맵 상에 흩어져 분포되어 있는 유사 패턴들의 무게 중심을 찾아 하나의 패턴으로 그룹화 하는 개선된 SOM 알고리즘을 제안하여 간암 판별에 적용한 후, 기존의 SOM 알고리즘과 비교 분석한 결과. 본 논문에서 제안된 SOM 알고리즘을 적용한 간암 추출이 더 효율적임을 확인 할 수 있었으며, 전문의가 판별한 것과 비교 분석한 결과, 전문의를 보조할 수 있는 보조 전문가 시스템으로서의 가능성을 확인할 수 있었다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.5 no.6
• /
• pp.719-726
• /
• 1999

본 논문은 교통 신호 제어 알고리즘들의 성능을 비교하기 위한 복합교차로 시뮬레이터를 구현하였다. 기존의 교통 시뮬레이터들은 단일교차로를 대상으로 하거나 텍스트 모드로 동작하는 경우가 많았다. 논문의 시뮬레이터는 Visual C++의 MFC 라이브러리를 사용하여 n $\times$ n 형태를 갖는 복합교차로에 적합하도록 객체지향적으로 구현되었으며, 성능 비교를 위하여 제어 알고리즘들을 별개의 윈도우에서 처리하기 쉽도록 MDI 방식을 사용하였다. 개발한 시뮬레이터는 그래프 윈도우와 맵 윈도우의 편리한 사용자 인터페이스, 논리시간 설정을 통한 다목적 시뮬레이션, 다양한 성능평가 출력 등의 특징을 갖는다. Abstract In this paper, we implemented a multiple crossroad simulator to evaluate the performance of the traffic signal control algorithms. Most of existing traffic simulators were operated in text-mode or at a single intersection. We developed the object-oriented simulator suitable for multiple crossroads with n $\times$ n intersections by using MFC (Microsoft Foundation Class) library in Visual C++. The simulator was implemented by using MDI (Multiple Document Interface) scheme in order to process both control algorithms in separate windows respectively. Our simulator has the following features: user friendly interface with graph window and map window, multi-purpose simulations by setting logical time, and various forms of performance evaluation.

• Journal of Platform Technology
• /
• v.10 no.3
• /
• pp.69-78
• /
• 2022

Job offer and job search data related to employment are in the form of highly-unstructured texts that occur in real-time, NCS duty, learning modules, and job dictionaries. Job announcements and training information have a high data value amid changes in industrial technology, such as the Fourth Industrial Evolution. This study developed a job data dictionary by defining relevant data to intuitively understand and harness information on job offers and job searches. This study also designed, constructed, and evaluated a data map based on ontology to enable linking and inferring data about public announcement-job-training. Through this, it was found that the inference function centered on work ability enables QoS support that can satisfy users by minimizing mismatch between consumers and optimizing the data dictionary.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.617-621
• /
• 2021

의미역 결정은 문장 속에서 서술어와 그 논항의 관계를 파악하며, '누가, 무엇을, 어떻게, 왜' 등과 같은 의미역 관계를 찾아내는 자연어 처리 기법이다. 최근 수행되고 있는 의미역 결정 연구는 주로 말뭉치를 활용하여 딥러닝 학습을 하는 방식으로 연구가 이루어지고 있다. 최근 구글에서 개발한 사전 훈련된 Bidirectional Encoder Representations from Transformers (BERT) 모델이 다양한 자연어 처리 분야에서 상당히 높은 성능을 보이고 있다. 본 논문에서는 한국어 의미역 결정 성능 향상을 위해 한국어의 언어적 특징을 고려하며 사전 학습된 SNU KR-BERT를 사용하면서 한국어 의미역 결정 모델의 성능을 살펴보였다. 또한, 본 논문에서는 BERT 모델에서 과연 어떤 히든 레이어(hidden layer)에서 한국어 의미역 결정을 더 잘 수행하는지 알아보고자 하였다. 실험 결과 마지막 히든 레이어 임베딩을 활용하였을 때, 언어 모델의 성능은 66.4% 였다. 히든 레이어 별 언어 모델 성능을 비교한 결과, 마지막 4개의 히든 레이어를 이었을 때(concatenated), 언어 모델의 성능은 67.9% 이였으며, 11번째 히든 레이어를 사용했을 때는 68.1% 이였다. 즉, 마지막 히든 레이어를 선택했을 때보다 더 성능이 좋았다는 것을 알 수 있었다. 하지만 각 언어 모델 별 히트맵을 그려보았을 때는 마지막 히든 레이어 임베딩을 활용한 언어 모델이 더 정확히 의미역 판단을 한다는 것을 알 수 있었다.

• Journal of Broadcast Engineering
• /
• v.24 no.5
• /
• pp.703-712
• /
• 2019

Single image Super-Resolution (SISR) aims to generate a visually pleasing high-resolution image from its degraded low-resolution measurement. In recent years, deep learning - based super - resolution methods have been actively researched and have shown more reliable and high performance. A typical method is WaveletSRNet, which restores high-resolution images through wavelet coefficient learning based on feature maps of images. However, there are two disadvantages in WaveletSRNet. One is a big processing time due to the complexity of the algorithm. The other is not to utilize feature maps efficiently when extracting input image's features. To improve this problems, we propose an efficient single image super resolution method, named RDB-WaveletSRNet. The proposed method uses the residual dense block to effectively extract low-resolution feature maps to improve single image super-resolution performance. We also adjust appropriated growth rates to solve complex computational problems. In addition, wavelet packet decomposition is used to obtain the wavelet coefficients according to the possibility of large scale ratio. In the experimental result on various images, we have proven that the proposed method has faster processing time and better image quality than the conventional methods. Experimental results have shown that the proposed method has better image quality by increasing 0.1813dB of PSNR and 1.17 times faster than the conventional method.

• Journal of Broadcast Engineering
• /
• v.26 no.4
• /
• pp.429-440
• /
• 2021

With the recent development of deep convolutional neural network learning, deep learning techniques applied to single image super-resolution are showing good results. One of the existing deep learning-based super-resolution techniques is RDN(Residual Dense Network), in which the initial feature information is transmitted to the last layer using residual dense blocks, and subsequent layers are restored using input information of previous layers. However, if all hierarchical features are connected and learned and a large number of residual dense blocks are stacked, despite good performance, a large number of parameters and huge computational load are needed, so it takes a lot of time to learn a network and a slow processing speed, and it is not applicable to a mobile system. In this paper, we use the residual dense structure, which is a continuous memory structure that reuses previous information, and the residual dense channel attention block using the channel attention method that determines the importance according to the feature map of the image. We propose a method that can increase the depth to obtain a large receptive field and maintain a concise model at the same time. As a result of the experiment, the proposed network obtained PSNR as low as 0.205dB on average at 4× magnification compared to RDN, but about 1.8 times faster processing speed, about 10 times less number of parameters and about 1.74 times less computation.

• Journal of KIISE:Computer Systems and Theory
• /
• v.35 no.5
• /
• pp.213-222
• /
• 2008

This paper is related to color image segmentation and textile texture mapping for the 2D virtual wearing system. The proposed system is characterized as virtually wearing a new textile pattern selected by user to the clothing shape section, based on its intensity difference map, segmented from a 2D clothes model image using color image segmentation technique. Regardless of color or intensity of model clothes, the proposed system is possible to virtually change the textile pattern or color with holding the illumination and shading properties of the selected clothing shape section, and also to quickly and easily simulate, compare, and select multiple textile pattern combinations for individual styles or entire outfits. The proposed system can provide higher practicality and easy-to-use interface, as it makes real-time processing possible in various digital environment, and creates comparatively natural and realistic virtual wearing styles, and also makes semi-automatic processing possible to reduce the manual works to a minimum. According to the proposed system, it can motivate the creative activity of the designers with simulation results on the effect of textile pattern design on the appearance of clothes without manufacturing physical clothes and, as it can help the purchasers for decision-making with them, promote B2B or B2C e-commerce.