• 한국진공학회지
• /
• 제5권2호
• /
• pp.99-106
• /
• 1996

Two types of regularization method (singular system and HMP approaches) for generating depth-concentration profiles from angle-resolved XPS data were evaluated. Both approaches showed qualitatively similar results although they employed different numerical algorithms. The application of the regularization method to simulated data demonhstrates its excellent utility for the complex depth profile system . It includes the stable restoration of depth-concentration profiles from the data with considerable random error and the self choice of smoothing parameter that is imperative for the successful application of the regularization method. The self choice of smoothing parameter is based on generalized cross-validation method which lets the data themselves choose the optimal value of the parameter.

• 한국전자통신학회논문지
• /
• 제11권1호
• /
• pp.45-52
• /
• 2016

본 논문은 영상 복원 문제에 대한 정규화 모수를 찾는 새로운 방법을 제시한다. 위너 필터(Wiener filter)는 원본 영상과 잡음의 파워 스펙트럼 등의 사전 정보를 요구한다. 제약된 최소자승 복원 역시 노이즈 수준에 대한 지식을 요구한다. 사전 정보가 없으면 티코노프(Tikhonov) 정규화 모수를 선택하기 위한 일반화된 교차 검증법이나 L자형 곡선 검정 등의 별도의 최적화 함수가 필요하다. 본 논문에서는 주파수 영역에서 선형 시스템의 바이어스 항목과 티코노프 정규화 시스템의 평활화 항목을 연결하는 자기 정규화 방법을 제안하고 영상 복원 문제에 적용한다. 실험결과는 제안하는 방법의 효능을 보여준다.

• 분석과학
• /
• 제8권4호
• /
• pp.707-714
• /
• 1995

Two types of regularization method (singular system and HMP approaches) for generating depth-concentration profiles from angle-resolved XPS data were evaluated. Both approaches showed qualitatively similar results although they employed different numerical algorithms. The application of the regularization method to simulated data demonstrates its excellent utility for the complex depth profile system. It includes the stable restoration of the depth-concentration profiles from the data with considerable random error and the self choice of smoothing parameter that is imperative for the successful application of the regularization method. The self choice of smoothing parameter is based on generalized cross-validation method which lets the data themselves choose the optimal value of the parameter.

• Smart Structures and Systems
• /
• 제15권4호
• /
• pp.1103-1120
• /
• 2015

A self-sensing magnetorheological (MR) damper with embedded piezoelectric force sensor has recently been devised to facilitate real-time close-looped control of structural vibration in a simple and reliable manner. The development and characterization of the self-sensing MR damper are presented based on experimental work, which demonstrates its reliable force sensing and controllable damping capabilities. With the use of experimental data acquired under harmonic loading, a nonparametric dynamic model is formulated to portray the nonlinear behaviors of the self-sensing MR damper based on NARX modeling and neural network techniques. The Bayesian regularization is adopted in the network training procedure to eschew overfitting problem and enhance generalization. Verification results indicate that the developed NARX network model accurately describes the forward dynamics of the self-sensing MR damper and has superior prediction performance and generalization capability over a Bouc-Wen parametric model.

• 한국군사과학기술학회지
• /
• 제24권4호
• /
• pp.382-391
• /
• 2021

Unsupervised domain adaptation often gives impressive solutions to handle domain shift of data. Most of current approaches assume that unlabeled target data to train is abundant. This assumption is not always true in practices. To tackle this issue, we propose a general solution to solve the domain gap minimization problem without any target data. Our method consists of two regularization steps. The first step is a pixel regularization by arbitrary style transfer. Recently, some methods bring style transfer algorithms to domain adaptation and domain generalization process. They use style transfer algorithms to remove texture bias in source domain data. We also use style transfer algorithms for removing texture bias, but our method depends on neither domain adaptation nor domain generalization paradigm. The second regularization step is a feature regularization by feature alignment. Adding a feature alignment loss term to the model loss, the model learns domain invariant representation more efficiently. We evaluate our regularization methods from several experiments both on small dataset and large dataset. From the experiments, we show that our model can learn domain invariant representation as much as unsupervised domain adaptation methods.

• Journal of Electrical Engineering and Technology
• /
• 제13권4호
• /
• pp.1724-1731
• /
• 2018

The conventional polynomial neural network (PNN) is a classical flexible neural structure and self-organizing network, however it is not free from the limitation of overfitting problem. In this study, we propose a space search-optimized polynomial neural network (ssPNN) structure to alleviate this problem. Ranking selection is realized by means of ranking selection-based performance index (RS_PI) which is combined with conventional performance index (PI) and coefficients based performance index (CPI) (viz. the sum of squared coefficient). Unlike the conventional PNN, L2-norm regularization method for estimating the polynomial coefficients is also used when designing the ssPNN. Furthermore, space search optimization (SSO) is exploited here to optimize the parameters of ssPNN (viz. the number of input variables, which variables will be selected as input variables, and the type of polynomial). Experimental results show that the proposed ranking selection-based polynomial neural network gives rise to better performance in comparison with the neuron fuzzy models reported in the literatures.

• 대한수학회보
• /
• 제52권6호
• /
• pp.1945-1962
• /
• 2015

This paper is mainly concerned with the formation of delta standing wave for the scalar conservation law with a linear flux function involving discontinuous coefficients by using the self-similar viscosity vanishing method. More precisely, we use the self-similar viscosity to smooth out the discontinuous coefficient such that the existence of approximate viscous solutions to the delta standing wave for the Riemann problem is established and then the convergence to the delta standing wave solution is also obtained when the viscosity parameter tends to zero. In addition, the Riemann problem is also solved with the standard method and the instability of Riemann solutions with respect to the specific small perturbation of initial data is pointed out in some particular situations.

• 한국컴퓨터그래픽스학회논문지
• /
• 제6권1호
• /
• pp.19-27
• /
• 2000

본 논문에서는 볼륨 데이터로부터 관심대상 객체의 3차원 경계면을 추출하고 이에 대한 기하학적 모델을 생성하기 위하여 자체교차방지 기능을 가진 다해상도 변형 모델을 제시한다. 변형 모델은 경계면 추출에 우수한 성능을 가진 것으로 알려져 있지만, 기존 변형 모델은 초기화 의존성, 오목한 경계면 추출의 취약성, 모델 요소간 자체교차 발생의 세가지 문제점을 가지고 있다. 제안하는 변형 모델은 다해상도의 볼륨 데이터를 기반으로하여 모델을 저해상도에서 고해상도로 세분화해가면서 객체의 경계면을 추출함으로서 초기화에의 의존성을 극복할 뿐 아니라 빠른 속도로 경계면에 수렴할 수 있다. 또한, 삼각형 메쉬 크기를 볼륨 데이터의 복셀 크기에 맞추어 항상 균일하게 유지함으로써 모델이 내부 힘의 제약없이 오목한 경계면을 성공적으로 추출할 수 있게 하였고, 모델이 변형될 때마다 자체교차방지 힘을 적용하여 모델내 삼각형 메쉬간의 자체교차를 사전에 방지할 수 있도록 하였다. 제안 모델을 컴퓨터 합성 볼륨 데이터 및 뇌 MR 볼륨 영상 데이터에 적용한 결과 오목한 함몰 부위를 가진 구와 뇌피질의 경계면을 자체교차없이 빠른 속도로 추출할 수 있었다.

• 한국전기전자재료학회논문지
• /
• 제16권9호
• /
• pp.801-806
• /
• 2003

In recent years, there has been large interest in the fabrication of the self organized nanoscale structures since not only their potential utilization in electronic, optoelectronic, and magnetic devices but also their fundamental interest such as uniformity and regularization. An attractive candidate of these materials is anodic porous alumina film(Al$_2$O$_3$) which is formed by the anodization of aluminum in an appropriate acid solution. In this study to fabricate the porous alumina film with very uniform and nearly parallel pores the anodization was carried out under constant voltage mode in 0.3M oxalic acid as an electrolyte. The hexagonally ordered arrays with a few $\mu\textrm{m}$ in size two-dimensional polycrystalline structure were obtained of which pore densities were 1.1${\times}$10$\^$10//$\textrm{cm}^2$.

• 한국음향학회지
• /
• 제39권5호
• /
• pp.497-504
• /
• 2020

화자 검증에서 화자 임베딩 구축은 중요한 이슈이다. 일반적으로, 화자 임베딩 인코딩을 위해 자기주의 메커니즘이 적용되어졌다. 이전의 연구는 마지막 풀링 계층과 같은 높은 수준의 계층에서 자기 주의를 학습시키는 데 중점을 두었다. 이 경우, 화자 임베딩 인코딩 시 낮은 수준의 계층의 영향이 감소한다는 단점이 있다. 본 연구에서는 잔차 네트워크를 사용하여 Masked Cross Self-Attentive Encoding(MCSAE)를 제안한다. 이는 높은 수준 및 낮은 수준 계층의 특징 학습에 중점을 둔다. 다중 계층 집합을 기반으로 각 잔차 계층의 출력 특징들이 MCSAE에 사용된다. MCSAE에서 교차 자기 주의 모듈에 의해 각 입력 특징의 상호 의존성이 학습된다. 또한 랜덤 마스킹 정규화 모듈은 오버 피팅 문제를 방지하기 위해 적용된다. MCSAE는 화자 정보를 나타내는 프레임의 가중치를 향상시킨다. 그런 다음 출력 특징들이 합쳐져 화자 임베딩으로 인코딩된다. 따라서 MCSAE를 사용하여 보다 유용한 화자 임베딩이 인코딩된다. 실험 결과, VoxCeleb1 평가 데이터 세트를 사용하여 2.63 %의 동일 오류율를 보였다. 이는 이전의 자기 주의 인코딩 및 다른 최신 방법들과 비교하여 성능이 향상되었다.