• Journal of information and communication convergence engineering
• /
• 제17권2호
• /
• pp.135-141
• /
• 2019

Collaborative filtering algorithms often encounter data sparsity issues. To overcome this issue, auxiliary information of relevant items is analyzed and an item attribute matrix is derived. In this study, we combine the user-item attribute preference with the traditional similarity calculation method to develop an improved similarity calculation approach and use weights to control the importance of these two elements. A collaborative filtering algorithm based on user-item attribute preference is proposed. The experimental results show that the performance of the recommender system is the most optimal when the weight of traditional similarity is equal to that of user-item attribute preference similarity. Although the rating-matrix is sparse, better recommendation results can be obtained by adding a suitable proportion of user-item attribute preference similarity. Moreover, the mean absolute error of the proposed approach is less than that of two traditional collaborative filtering algorithms.

• Journal of Information Processing Systems
• /
• 제19권2호
• /
• pp.232-239
• /
• 2023

Aiming at the poor compression quality of traditional image compression coding (ICC) algorithm, a multi-description ICC algorithm based on depth learning is put forward in this study. In this study, first an image compression algorithm was designed based on multi-description coding theory. Image compression samples were collected, and the measurement matrix was calculated. Then, it processed the multi-description ICC sample set by using the convolutional self-coding neural system in depth learning. Compressing the wavelet coefficients after coding and synthesizing the multi-description image band sparse matrix obtained the multi-description ICC sequence. Averaging the multi-description image coding data in accordance with the effective single point's position could finally realize the compression coding of multi-description images. According to experimental results, the designed algorithm consumes less time for image compression, and exhibits better image compression quality and better image reconstruction effect.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.24-26
• /
• 2022

시스톨릭 어레이는 DNN training 등 인공지능 연산의 대부분을 차지하는 행렬 곱셈을 수행하기 위한 하드웨어 구조로 많이 사용되지만, sparsity 가 높은 행렬을 연산할 때 불필요한 동작으로 인해 효율성이 크게 떨어진다. 본 논문에서 제안된 유동적 시스톨릭 어레이는 matrix condensing, weight switching, 그리고 direct output path 의 방법과 구조를 통해 sparsity 가 높은 행렬 곱셈의 수행 사이클을 줄일 수 있다. 시뮬레이션을 통해 기존 시스톨릭 어레이와 유동적 시스톨릭 어레이의 성능을 비교하였으며 8×8, 16×16, 32×32 의 크기를 가진 행렬을 동일 크기의 시스톨릭 어레이로 연산하였을 때 필요 사이클 수를 최대 12 사이클 절감할 수 있는 것을 확인하였다.

• 한국음향학회지
• /
• 제38권5호
• /
• pp.522-533
• /
• 2019

거리-도플러 추정을 위한 압축센싱(Compressive Sensing,CS) 모델은 과소결정계인 y = Ax 선형시스템으로 표현할 수 있다. 압축센싱 기법으로 위 선형시스템의 해를 찾으려면 행렬 A가 충분히 비간섭적이고 x가 희소해야 한다. 본 연구는 행렬 A가 비간섭적이도록 행렬 A의 상호간섭성을 낮추는 동시에 소나시스템에서 요구하는 대역폭을 유지하는 송신파형 설계 방법을 제안하였다. 제안한 방법은 행렬사영으로 센싱행렬을 최적화하는 방법과 DFT(Discrete Fourier Transform) 행렬을 이용하여 원하지 않은 주파수밴드를 억압하는 두 가지 방법을 결합한 것이다. 정합필터와 압축센싱 기법을 이용하여 기존파형 LFM(Linear Frequency Modulated)과 설계한 파형의 거리-도플러 추정 성능을 비교하였다. 시뮬레이션을 통해 설계한 송신파형이 기존파형(LFM)보다 탐지성능이 우수함을 보인다.

• 한국통신학회논문지
• /
• 제41권8호
• /
• pp.917-920
• /
• 2016

전통적 도래각 추정기법[1]과 별개로 2004년 이후 입사신호의 입사방향은 공간 영역에서 희소도(sparsity)를 가짐을 이용한 도래각 추정 기법이 제안되었다. 압축센싱 기반 도래각 추정 알고리즘인 SpSF 알고리즘에 이용되는 비용함수는 비선형 다변수 최적화문제이다. 적절한 변환을 통하여 해당 비용함수는 볼록 최적화 (convex optimization) 문제로 표현할 수 있다. 볼록 최적화 문제는 제한조건이 있는 최적화 문제이며 제한조건에 포함되는 상수를 지정해야 한다. 본 연구에서는 제한조건에 포함되는 사용자지정 상수값 결정법을 제안한다. 잡음의 실수부와 허수부가 서로 독립인 평균 0인 정규분포를 따름을 이용하여 제한조건에 포함되는 행렬의 Frobenius norm의 평균을 유도할 수 있으며, 이를 이용하여 제한조건에 포함되는 상수를 결정할 수 있다. 제안된 방법에 의해 결정된 상수를 이용한 SpSF 알고리즘이 실제로 동작함을 보였다.

• 한국통신학회논문지
• /
• 제37권7C호
• /
• pp.554-564
• /
• 2012

차량인식은 차량 후보영역 검출단계와 검출된 후보 영역에서 특징을 기반으로 차량을 검증하는 차량 검증단계로 나누어진다. 선형 변환 방식의 특징은 차원 감소 효과와 통계적인 특징을 지니게 되어, 이동이나 회전에 강인한 특성을 갖는다. 선형 변환 방식 중 비음수행렬분해(Non-negative Matrix Factorization, NMF)는 부분 기반 표현 방식으로 차량의 국소적인 특징을 기저벡터로 사용하여 희소성을 갖는 특징을 추출할 수 있기 때문에 도심영상에서 발생하는 차폐 영역에 따른 인식률 저하를 방지할 수 있다. 본 논문에서는 차량 인식에 적합한 NMF 특징 추출 방법을 제안하고, 인식률을 검증하였다. 또한 희소성 제약 조건을 이용하여 기저 벡터에 희소성을 가지는 SNMF(Sparse NMF)와 LVQ2(Learning Vector Quantization) 신경 회로망을 결합하여 차폐 영역에 대한 차량 인식 효율을 기존의 NMF를 이용한 방법과 비교하였다. NMF를 이용하는 특징은 차량이 혼재되어 차폐 영역이 빈번히 발생하는 도심에서도 강건한 특징임을 보였다.

• Journal of applied mathematics & informatics
• /
• 제11권1_2호
• /
• pp.305-316
• /
• 2003

Recently, an iterative algorithm for finding the interior eigenvalues of a definite matrix by CG-type method has been proposed. This method compares to the inverse power method. The given matrices A, and B are assumed to be large and sparse, and SPD( Symmetric Positive Definite) The CG scheme for the optimization of the Rayleigh quotient has been proven a very attractive and promising technique for large sparse eigenproblems for smallest eigenvalue. Also, it is very amenable to parallel computations, like the CG method for the linear systems. A proper choice of the preconditioner significantly improves the convergence of the CG scheme. But for parallel computations we need to find an efficient parallel preconditioner. Our candidates we ILU(0) in the wave-front order, ILU(0) in the multi-coloring order, Point-SSOR(Symmetric Successive Overrelaxation), and Multi-Color Block SSOR preconditioner. Wavefront order is a simple way to increase parallelism in the natural order, and Multi-coloring realizes a parallelism of order(N), where N is the order of the matrix. Another choice is the Multi-Color Block SSOR(Symmetric Successive OverRelaxation) preconditioning. Block SSOR is a symmetric preconditioner which is expected to minimize the interprocessor communication due to the blocking. We implemented the results on the CRAY-T3E with 128 nodes. The MPI (Message Passing Interface) library was adopted for the interprocessor communications. The test problem was drawn from the discretizations of partial differential equations by finite difference methods. The results show that for small number of processors Multi-Color ILU(0) has the best performance, while for large number of processors Multi-Color Block SSOR performs the best.

• 한국정보통신학회논문지
• /
• 제25권2호
• /
• pp.274-279
• /
• 2021

일반적인 대용량 안테나 시스템은 RF 체인의 개수가 매우 많기 때문에, 구현 비용 및 복잡도가 크게 증가하는 단점이 있다. 이러한 문제를 해결하기 위하여 하이브리드 프리코더 설계 기법들이 제안되었으나, RF 체인이 모든 안테나에 연결되기 때문에, 여전히 구현 비용과 복잡도가 너무 높은 상태이다. 본 논문에서는 부분 중첩 안테나 구조를 갖는 대용량 MIMO 시스템을 고려하고 하이브리드 프리코더 설계 방법을 제안한다. 부분 중첩 구조에서는 RF 대역 아날로그 프리코딩 행렬의 많은 원소들이 0의 값을 갖는 듬성 행렬 형태를 갖는다. 이러한 듬성 행렬의 특성을 이용하여, GTP 기반의 RF 대역 아날로그 프리코딩 행렬 및 기저대역 디지털 프리코딩 행렬을 설계하는 방법을 제안한다. 모의실험을 통하여, 제안 기술이 일반적인 완전 연결 구조를 갖는 경우와 비교해서 20~30% 정도의 구현 복잡도를 가지고도, 완전 연결 구조의 85% 이상의 주파수 효율 성능을 갖는다는 것을 보인다.

• 정보과학회 논문지
• /
• 제43권8호
• /
• pp.910-918
• /
• 2016

많은 종류의 데이터들은 텐서로 표현될 수 있다. 텐서란 다차원 배열을 의미하며, 그 예로 (사용자, 사용자, 시간)으로 이루어진 소셜 네트워크 데이터가 있다. 이러한 다차원 데이터 분석에 있어서 텐서 생성기는 시뮬레이션, 다차원 데이터 모델링 및 이해, 샘플링/외삽법 등 다양한 응용이 가능하다. 하지만, 존재하는 텐서 생성기들은 실제 세계의 텐서처럼 멱 법칙을 따르는 특성과 희박성을 갖는 텐서를 생성할 수 없다. 또한, 처리가능한 텐서 크기에 한계가 존재하고, 분산시스템에서 추가 분석을 하려면 텐서를 분산시스템에 업로드 하는 추가비용이 든다. 본 논문은 분산 테라스케일 텐서 생성기(TeT)를 제안함으로써 이러한 문제를 해결하고자 한다. TeT는 희박성을 갖는 랜덤 텐서와 희박성과 멱 법칙을 따르는 특성을 갖는 Recursive-MATrix 텐서, 크로네커 텐서를 크기 제한없이 생성할 수 있다. 또한, TeT에서 생성된 텐서는 같은 분산 시스템에서 추가적인 텐서분석이 가능하다. TeT는 효율적인 설계로 인해 거의 선형적인 머신확장성을 보인다.

• 한국음향학회지
• /
• 제20권1호
• /
• pp.13-20
• /
• 2001

음향 에코우제거기나 소음제어와 같은 임펄스 응답이 긴 디지털 필터를 이용하여 필터링을 할 경우 수렴속도가 느리고 계산시간이 많이 걸린다. 이러한 기존의 필터링에서 생기는 계산시간이나 수렴속도 문제를 개선하기 위해서 서브밴드 필터링과 멀티레이트 신호처리 기술이 개발되었다. 모든 시스템의 전달함수는 interpolator와 임펄스 응답사이에 임의 수만큼의 0이 들어있는 sparse 임펄스 응답을 갖는 서브필터를 직렬로 연결한 구조로 표현할 수 있다. 이 경우에 interpolator는 Hadamard 행렬로 표현되고 저역통과필터 특성을 갖는 원형필터를 균일하게 이동시킨 것과 같다. 그래서 입력신호를 Hadamard 변환을 이용하여 각 서브대역으로 분할하고 decimation을 하여 샘플링 레이트를 줄이는 멀티레이트기술이 음향 함수 모델링이나 잡음제거에 응용할 수 있다. 본 논문에서는 decimation으로 생기는 에리어싱을 제거하고 수렴속도를 향상시키기 위해서 입력 신호를 트리구조를 갖는 필터뱅크를 이용하여 비균일한 서브대역으로 분할, 그리고 decimation을 하여 샘플링레이트를 변환하고 각 서브대역에서 계수를 갱신한 후 이 계수를 전대역으로 Hadamard 변환을 이용하여 변환하는 비균일한 대역폭을 갖는 delayless 필터 구조를 제안하고 이 구조를 컴퓨터 시뮬레이션을 통하여 성능을 검증한다.