• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.27-34
• /
• 2013

배경제거는 동영상의 내용을 자동으로 분석하기 위한 매우 중요한 기술의 하나로 움직이는 객체를 검출하고 추적하기 위한 핵심 기술이다. 본 논문에서는 배경 모델과 함께 배경 영상을 제공하는 새로운 샘플링 기반의 배경제거 알고리즘을 제안한다. 제안된 방법에서는 움직임이 빠른 객체와 느린 객체를 동시에 처리하기 위해 다중 구간 샘플링 기법을 이용하여 배경 모델을 생성한다. 이러한 다중 구간 배경 모델들로부터 최선의 배경 모델을 만들기 위해 "신뢰도"를 사용한 것이 본 논문의 특징이다. 배경 제거 분야에서 다양한 모델을 병합하여 하나의 모델을 만들기 위해 신뢰도를 정의하여 사용한 경우는 현재까지 보고되지 않았다. 실험을 통해 제안된 방법이 다양한 속도의 객체가 존재하고 시간에 따른 그림자의 이동과 같은 환경 변화가 있는 응용에서도 안정적인 결과를 나타내는 것을 알 수 있었다.

• 방송공학회논문지
• /
• 제25권2호
• /
• pp.143-150
• /
• 2020

최근 다양한 매체를 통해 폭발적인 양의 콘텐츠가 업로드 되고 있으며 그 가운데 게임과 스포츠 영상은 상당한 비율을 차지한다. 방송사에서는 시청자 편의를 위해 경기 영상 중 흥미를 끄는 장면을 모아 하이라이트 영상을 만들어 제공한다. 그러나 이는 시간과 비용이 많이 소요되는 문제가 있다. 본 논문에서는 게임과 스포츠 경기에서 자동으로 하이라이트를 예측하는 모델을 제안한다. 기존의 방법들이 이미지 정보만을 주로 이용하는데 반해 우리는 오디오와 이미지 정보를 함께 사용하며, 영상의 단기적 전후관계와 중장기적 흐름을 동시에 파악하는 방법을 제시한다. 또한 더 좋은 특징벡터를 찾아내기 위해 GAN을 결합한 모델을 설명한다. 제안하는 모델들은 e스포츠 경기 영상과 야구 경기 영상을 이용하여 평가한다.

• 방송공학회논문지
• /
• 제24권4호
• /
• pp.553-563
• /
• 2019

최근 개인방송 플랫폼을 통해 업로드 되는 콘텐츠가 증가함에 따라 시청자의 편의를 위해 하이라이트 영상을 제공하는 서비스에 대한 수요가 증가하고 있다. 이에 본 논문에서는 영상의 하이라이트 위치를 자동으로 예측하는 모델을 제안한다. 제안하는 모델은 채팅과 오디오 정보를 이용하며 양방향 LSTM을 사용해 영상의 흐름을 이해한다. 또한 콘텐츠의 종류에 따라 단기적 흐름과 함께 중장기적 흐름을 파악하는 다중 시구간 모델도 함께 제안한다. 제안한 모델은 개인방송 플랫폼을 통해 중계된 e스포츠와 야구경기 영상들을 이용하여 평가하였으며, 다중 시구간 정보를 활용하는 것이 하이라이트 예측에 유용함을 보였다.

• 전기학회논문지
• /
• 제60권1호
• /
• pp.142-149
• /
• 2011

This paper presents a new state of charge(SOC) estimation of large capacity of Li-ion battery (LIB) based on the multiple model adaptive estimation(MMAE) method. We first introduce an equivalent circuit model of LIB. The relationship between the terminal voltage and the open circuit voltage(OCV) is nonlinear and may vary depending on the changes of temperature and C-rate. In this paper, such behaviors are described as a set of multiple linear time invariant impedance models. Each model is identified at a temperature and a C-rate. These model set must be obtained a priori for a given LIB. It is shown that most of impedances can be modeled by first-order and second-order transfer functions. For the real time estimation, we transform the continuous time models into difference equations. Subsequently, we construct the model banks in the manner that each bank consists of four adjacent models. When an operating point of cell temperature and current is given, the corresponding model bank is directly determined so that it is included in the interval generated by four operating points of the model bank. The MMAE of SOC at an arbitrary operating point (T $^{\circ}C$, $I_{bat}$[A]) is performed by calculating a linear combination of voltage drops, which are obtained by four models of the selected model bank. The demonstration of the proposed method is shown through simulations using DUALFOIL.

• 한국인터넷방송통신학회논문지
• /
• 제10권6호
• /
• pp.137-143
• /
• 2010

본 연구에서는 시계열 자료처리를 통해 예측정확도를 개선시키는 방안에 대해 연구하였다. 단일 예측 모형의 단점을 개선하기 위해 유사한 시계열 자료를 선정하여 이들로부터 모델을 유도하였다. 이 모델로부터 유효 규칙을 생성해내 향후 자료의 변화를 예측하였다. 실험을 통해 예측정확도에 있어 유의한 수준의 개선효과가 있었음을 확인하였다. 예측모델 구성을 위해 고정구간과 가변구간을 두고 모델링하여 고정구간, 창이동, 누적구간 방식으로 구분하여 예측정확도를 측정하였다. 이중 누적구간 방식이 가장 정확도가 높게 나왔다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권9호
• /
• pp.351-360
• /
• 2018

전통적으로 나태한 학습에 해당하는 국소가중회귀(LWR: Locally Weighted Regression)모델은 입력변수인 질의지점에 따라 예측의 해를 얻기 위해 일정구간 범위내의 학습 데이터를 대상으로 질의지점의 거리에 따라 가중값을 달리 부여하여 학습 한 결과로 얻은 짧은 구간내의 회귀식이다. 본 연구는 메모리 기반학습의 형태에 해당하는 LWR을 위한 점진적 앙상블 학습과정을 제안한다. LWR를 위한 본 연구의 점진적 앙상블 학습법은 유전알고리즘을 이용하여 시간에 따라 LWR모델들을 순차적으로 생성하고 통합하는 것이다. 기존의 LWR 한계는 인디케이터 함수와 학습 데이터의 선택에 따라 다중의 LWR모델이 생성될 수 있으며 이 모델에 따라 예측 해의 질도 달라질 수 있다. 하지만 다중의 LWR 모델의 선택이나 결합의 문제 해결을 위한 연구가 수행되지 않았다. 본 연구에서는 인디케이터 함수와 학습 데이터에 따라 초기 LWR 모델을 생성한 후 진화 학습 과정을 반복하여 적절한 인디케이터 함수를 선택하며 또한 다른 학습 데이터에 적용한 LWR 모델의 평가와 개선을 통하여 학습 데이터로 인한 편향을 극복하고자 한다. 모든 구간에 대해 데이터가 발생 되면 점진적으로 LWR모델을 생성하여 보관하는 열심학습(Eager learning)방식을 취하고 있다. 특정 시점에 예측의 해를 얻기 위해 일정구간 내에 신규로 발생된 데이터들을 기반으로 LWR모델을 생성한 후 유전자 알고리즘을 이용하여 구간 내의 기존 LWR모델들과 결합하는 방식이다. 제안하는 학습방법은 기존 단순평균법을 이용한 다중 LWR모델들의 선택방법 보다 적합도 평가에서 우수한 결과를 보여주고 있다. 특정지역의 시간 별 교통량, 고속도로 휴게소의 시간별 매출액 등의 실제 데이터를 적용하여 본 연구의 LWR에 의한 결과들의 연결된 패턴과 다중회귀분석을 이용한 예측결과를 비교하고 있다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제12권1호
• /
• pp.67-72
• /
• 2020

The fifth generation (5G) mobile communication has an impact on the human life over the whole world, nowadays, through the artificial intelligence (AI) and the internet of things (IoT). The low latency of the 5G new radio (NR) access is implemented by the state-of-the art technologies, such as non-orthogonal multiple access (NOMA). This paper investigates a practical issue that in NOMA, for the practical channel models, such as fading channel environments, the successive interference cancellation (SIC) should be performed on the stronger channel users with low power allocation. Only if the SIC is performed on the user with the stronger channel gain, NOMA performs better than orthogonal multiple access (OMA). Otherwise, NOMA performs worse than OMA. Such the superiority requirement can be easily implemented for the channel being static or slow varying, compared to the block interval time. However, most mobile channels experience fading. And symbol by symbol channel estimations and in turn each symbol time, selections of the SIC-performing user look infeasible in the practical environments. Then practically the block of symbols uses the single channel estimation, which is obtained by the training sequence at the head of the block. In this case, not all the symbol times the SIC is performed on the stronger channel user. Sometimes, we do perform the SIC on the weaker channel user; such cases, NOMA performs worse than OMA. Thus, we can say that by what percent NOMA is better than OMA. This paper calculates analytically the percentage by which NOMA performs better than OMA in the practical mobile communication systems. We show analytically that the percentage for NOMA being better than OMA is only the function of the ratio of the stronger channel gain variance to weaker. In result, not always, but almost time, NOMA could perform better than OMA.

• 대한교통학회지
• /
• 제18권1호
• /
• pp.47-59
• /
• 2000

본 연구에서는 고속도로 교통관리시스템에서 VDS 교통정보 와 대상지역의 TCS로부터 여행시간을 수집하고, 이들 자료를 토대로 신경망 이론을 이용한 여행시간 추정(Estimation)모형을 구축하였다. 또한, 신경망 이론에 칼만필터기법(Kalman Filter Technique)을 연계하여 단위시간 동안의 여행시간을 예측(Prediction)하여, 고속도로 이용자에게 보다 향상된 실시간 여행시간정보를 제공할 수 있는 여행시간 추정 및 예측 알고리즘을 개발하였다. 신경망 모형의 여행시간 추정 방식과 현재 적용되고 있는 여행시간 산출 방식의 비교/분석을 위해 각 각의 여행시간 산출방식에 의한 평가지표별로 시행한 평가의 결과는 신경망 모형이 제시한 대부분의 지표에서 상대적으로 우수하게 나타났다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권6호
• /
• pp.1957-1980
• /
• 2021

The significant aim of this research has always been to evaluate the mechanism for efficient and inherently aware usage of vitality in-home devices, thus improving the information of smart metering systems with regard to the usage of selected homes and the time of use. Advances in information processing are commonly used to quantify gigantic building activity data steps to boost the activity efficiency of the building energy systems. Here, some smart data mining models are offered to measure, and predict the time series for energy in order to expose different ephemeral principles for using energy. Such considerations illustrate the use of machines in relation to time, such as day hour, time of day, week, month and year relationships within a family unit, which are key components in gathering and separating the effect of consumers behaviors in the use of energy and their pattern of energy prediction. It is necessary to determine the multiple relations through the usage of different appliances from simultaneous information flows. In comparison, specific relations among interval-based instances where multiple appliances use continue for certain duration are difficult to determine. In order to resolve these difficulties, an unsupervised energy time-series data clustering and a frequent pattern mining study as well as a deep learning technique for estimating energy use were presented. A broad test using true data sets that are rich in smart meter data were conducted. The exact results of the appliance designs that were recognized by the proposed model were filled out by Deep Convolutional Neural Networks (CNN) and Recurrent Neural Networks (LSTM and GRU) at each stage, with consolidated accuracy of 94.79%, 97.99%, 99.61%, for 25%, 50%, and 75%, respectively.

• 한국통신학회논문지
• /
• 제33권4A호
• /
• pp.352-360
• /
• 2008

최근 IEEE (Institute of Electrical and Electronics Engineers) 802.15.4a TG (Task Group)에서는 저소비, 저전력 뿐만 아니라 다수개의 피코넷이 공존하는 즉, SOPs (simultaneously operating piconets) 환경하에서 거리 인지가 가능하도록 규정하고 있으며 거리인지 (ranging)의 서비스에 따라 Ternary 코드를 이용한 coherent/non-coherent 방안이 표준으로 채택되었다. 그러나 표준안에서 제시된 최소의 펄스 간 간격(Pulse Repetition Interval; PRI)은 채널의 최대 초과 지연 aximum Excess Delay; MED) 보다 좁아 펄스 간 간섭 (Inter-Pulse Interference; IPI) 문제가 발생되어 DS(Direct Sequence) 기반의 추정기법으로는 부정확한 최초 도착 시간(Time Of Arrival; TOA)을 얻게 된다. 따라서 본 논문에서는 IPI을 줄이면서 고정밀 TOA를 추정하기 위한 비주기적 펄스 전송 (non-periodic transmission; NPT) 패턴 기법을 제안한다. 수신단은 저속 무선 개인 영역 네트워크의 모티브를 고려하여 에너지 검출을 이용한 non-coherent 기반의 수신 구조로 구성하였다. TOA 정보는 슬라이딩 상관처리 후 역 탐색 구간 (Search Back Window; SBW)을 두어 오차를 감소시키고 사전 정해진 임계치를 이용하여 얻기 된다. 제안된 펄스 패턴 기법에 대한 성능을 검증하기 위해서 BEE 802.15.4a TG에서 제시한 두 가지 채널 모델을 적용하였고 시뮬레이션 결과로부터 제안된 기법이 다수개의 피코넷이 공존하는 다중 경로 환경에서 일반적인 기법보다 성능이 개선됨을 확인하였다.