• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권10호
• /
• pp.4678-4702
• /
• 2018

Traffic Matrix estimation has always caught attention from researchers for better network management and future planning. With the advent of high traffic loads due to Cloud Computing platforms and Software Defined Networking based tunable routing and traffic management algorithms on the Internet, it is more necessary as ever to be able to predict current and future traffic volumes on the network. For large networks such origin-destination traffic prediction problem takes the form of a large under- constrained and under-determined system of equations with a dynamic measurement matrix. Previously, the researchers had relied on the assumption that the measurement (routing) matrix is stationary due to which the schemes are not suitable for modern software defined networks. In this work, we present our Compressed Sensing with Dynamic Model Estimation (CS-DME) architecture suitable for modern software defined networks. Our main contributions are: (1) we formulate an approach in which measurement matrix in the compressed sensing scheme can be accurately and dynamically estimated through a reformulation of the problem based on traffic demands. (2) We show that the problem formulation using a dynamic measurement matrix based on instantaneous traffic demands may be used instead of a stationary binary routing matrix which is more suitable to modern Software Defined Networks that are constantly evolving in terms of routing by inspection of its Eigen Spectrum using two real world datasets. (3) We also show that linking this compressed measurement matrix dynamically with the measured parameters can lead to acceptable estimation of Origin Destination (OD) Traffic flows with marginally poor results with other state-of-art schemes relying on fixed measurement matrices. (4) Furthermore, using this compressed reformulated problem, a new strategy for selection of vantage points for most efficient traffic matrix estimation is also presented through a secondary compression technique based on subset of link measurements. Experimental evaluation of proposed technique using real world datasets Abilene and GEANT shows that the technique is practical to be used in modern software defined networks. Further, the performance of the scheme is compared with recent state of the art techniques proposed in research literature.

• 대한의용생체공학회:의공학회지
• /
• 제35권5호
• /
• pp.151-159
• /
• 2014

Computed tomography (CT) is one of the most widely used medical imaging modality. However, substantial x-ray dose exposed to the human subject during the CT scan is a great concern. Region-of-interest (ROI) CT is considered to be a possible solution for its potential to reduce the x-ray dose to the human subject. In most of ROI-CT scans, the ROI is set to a circular shape whose diameter is often considerably smaller than the full field-of-view (FOV). However, an arbitrarily shaped ROI is very desirable to reduce the x-ray dose more than the circularly shaped ROI can do. We propose a new method to make a non-circular convex-shaped ROI along with the image reconstruction method. To make a ROI with an arbitrary convex shape, dynamic collimations are necessary to minimize the x-ray dose at each angle of view. In addition to the dynamic collimation, we get the ROI projection data with slightly lower sampling rate in the view direction to further reduce the x-ray dose. We reconstruct images from the ROI projection data in the compressed sensing (CS) framework assisted by the exterior projection data acquired from the pilot scan to set the ROI. To validate the proposed method, we used the experimental micro-CT projection data after truncating them to simulate the dynamic collimation. The reconstructed ROI images showed little errors as compared to the images reconstructed from the full-FOV scan data as well as little artifacts inside the ROI. We expect the proposed method can significantly reduce the x-ray dose in CT scans if the dynamic collimation is realized in real CT machines.

• 대한의용생체공학회:의공학회지
• /
• 제35권5호
• /
• pp.132-141
• /
• 2014

In an ordinary CT scan, a large number of projections with full field-of-view (FFOV) are necessary to reconstruct high resolution images. However, excessive x-ray dosage is a great concern in FFOV scan. Region-of-interest (ROI) CT or sparse-view CT is considered to be a solution to reduce x-ray dosage in CT scanning, but it suffers from bright-band artifacts or streak artifacts giving contrast anomaly in the reconstructed image. In this study, we propose an image reconstruction method to eliminate the bright-band artifacts and the streak artifacts simultaneously. In addition to the ROI scan for the interior projection data with relatively high sampling rate in the view direction, we get sparse-view exterior projection data with much lower sampling rate. Then, we reconstruct images by solving a constrained total variation (TV) minimization problem for the interior projection data, which is assisted by the exterior projection data in the compressed sensing (CS) framework. For the interior image reconstruction assisted by the exterior projection data, we implemented the proposed method which enforces dual data fidelity terms and a TV term. The proposed method has effectively suppressed the bright-band artifacts around the ROI boundary and the streak artifacts in the ROI image. We expect the proposed method can be used for low-dose CT scans based on limited x-ray exposure to a small ROI in the human body.

• Current Optics and Photonics
• /
• 제7권6호
• /
• pp.655-664
• /
• 2023

Ghost imaging (GI) technology is developing rapidly, but there are inevitably some limitations such as the influence of atmospheric turbulence. In this paper, we study a ghost imaging system in atmospheric turbulence and use a gamma-gamma (GG) model to simulate the medium to strong range of turbulence distribution. With a compressed sensing (CS) algorithm and generative adversarial network (GAN), the image can be restored well. We analyze the performance of correlation imaging, the influence of atmospheric turbulence and the restoration algorithm's effects. The restored image's peak signal-to-noise ratio (PSNR) and structural similarity index map (SSIM) increased to 21.9 dB and 0.67 dB, respectively. This proves that deep learning (DL) methods can restore a distorted image well, and it has specific significance for computational imaging in noisy and fuzzy environments.

• 한국정보통신학회논문지
• /
• 제18권7호
• /
• pp.1557-1564
• /
• 2014

본 논문에서는 일반화된 공간천이변조시스템에서 신호 복원 성능의 개선을 위하여 병렬 직교매칭퍼슛 기술을 이용한 신호 검출기법을 제안하고 그 성능을 분석한다. 일반화된 공간천이변조 시스템에서 수신신호의 복원은 압축 센싱에서 성긴신호 복원과 매우 유사하다. 성긴 신호 복원에서 자주 사용되는 직교매칭퍼슛 기법은 매 반복과정에서 수신 신호와 채널 행렬과의 상관도가 높은 인덱스를 송신신호의 Nonzero 인덱스로 1개씩 선택한다. 반면 제안된 POMP기법에서는 수신신호를 이용하여 첫 번째 반복과정에서 채널행렬과의 상관도가 높은 인덱스를 복수(M)개 선택한 후, 선택된 M개의 인덱스를 초기 인덱스로 하는 M개의 OMP과정을 병렬적으로 수행한다. 최종적으로 각 OMP과정에서 복원된 신호 중 수신된 신호와 복원신호사이의 잔차 (Residual)가 가장 작은 후보 신호를 최종 복원 신호로 선택한다. 본 논문에서는 POMP기법에 양자화기법을 결합한 알고리즘도 함께 제안한다. 제안된 POMP알고리즘은 OMP대비 M배의 복잡도를 갖지만 신호 복원 성능은 매우 탁월하다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.