• 방송공학회논문지
• /
• 제8권4호
• /
• pp.325-338
• /
• 2003

가변의 자원제한(resource constraint) 및 사용자 선호(preference)를 만족하기 위한 비디오 적응(adaptation)은 다양한 사용자 단말과 이종망을 통한 범용적멀티미디어접근(Universal Multimedia Access: UMA)을 위한 주요 요소기술이다. 기존의 많은 비디오 적응 기법이 존재하지만 주어진 자원제한을 만족하는 최적의 적응을 제공하기 위한 체계적인 기법은 제시되지 못하였다. 본 논문에서는 체계적인 최적의 적응을 제공하기 위하여, 적응단위를 정의하는 비디오 엔티티(entity), 주어진 자원제한을 나타내는 리소스(resource), 적용 가능한 적응동작을 규정하는 적응(adaptation), 각 적응결과 비디오 품질(quality)을 나타내는 유틸리티(utility)의 관계를 모형화하는 개념적인 적응 프레임워크를 제시하고자 한다. 본 프레임워크는 다양한 형태의 적응의 문제를 제한된 자원에서 유틸리티를 최대화하는 문제(resource-constrained utility maximization)로 정형화(formulation)할 수 있도록 한다. 본 논문에서는 이 프레임워크를 프레임 제거(frame dropping)과 DCT 계수 제거(coefficient dropping)을 이용한 MPEG-4 압축 비디오의 비트율 적응의 실제적인 예에 적용한다. 또한 상호연동 가능한(interoperable) 형태로 터미널 및 네트워크 QoS(quality of Service)를 제공하기 위한 툴로 MPEG-21 Digital Item Adaptation(DIA)에 채택된 기술자(descriptor)를 제시한다. 이 기술자는 본 프레임워크의 적응-리소스-유틸리티의 관계를 유틸리티 함수(utility function)를 이용하여 기술(description)한다. 실험을 통하여 본 논문의 표준 기술자를 사용하는 적응 프레임워크의 타당성을 보인다.다. 특정시기 가곡향유의 실질은 곧 가곡의 곡 해석방식에 직결될 것이기 때문이다.를 선택하는가 하는 디자이너 측면의 요인이 감성 품질과 밀접함 관련이 있음을 알 수 있었다.멘트들의 재배열이 주된 역할을 하는 것으로 해석할 수 있다. 한편 고자장 영역에서는 correlation time 중 $\tau$가 주된 역할을 담당하는데는 $\tau$는 나노 입자의 크기와 연관되어 있으며 고자장에서 입자 크기에 따른 T1 이완율(R1)과 T2 이완율(R2)의 차이는 이러한 입자크기의 차이에 의해 발생하는 것으로 해석할 수 있다. 나노입자에 포함된 철 원자수를 변화시키는 경우 철 원자수가 증가 할 수록 R1과 R2가 증가하는 결과를 나타내었다. 한편 온도변화에 따른 T1, T2 자기이완시간의 변화는 정상체온 근처의 제한적인 온도범위내에서 저자장 영역에서의 아주 작은 변화를 제외하고는 큰 차이를 보이지 않았으나 T1에 비해 T2에서 이러한 변화가 상대적으로 더 작게 나타났다. 결론 : 임상적 다기능성을 나타낼 가능성이 많은 것으로 보고되고 있는 미세 초상자성 산화철 입자의 자기이완에 대한 이론적 모델을 초상자성 나노입자의 물리적 특성에 기초하여 제시하였고 이러한 이론적 모델에 근거한 미세 초상자성 산화철 입자의 자기장의 세기에 따른 자기 이완시간의 변화를 컴퓨터 모의 실험을 통해 조사하였다.다.있는 것으로 보여진다. 따라서 혈압 저하를 목적으로 하는 나트륨 제한식의 실시는 다양한 체내의 생화학적 변화를 고려해서 이루어져야 할 것이며, 앞으로 이에 대한 보다 다각적인 연구가 요구된다.CSU-23 배양배지에서 배양하는 것이 좋다는 결과를 얻었다. and those a having sufficient sleep were found to be subject to less stress. Those interested in their health were found

• 한국조경학회지
• /
• 제47권2호
• /
• pp.49-58
• /
• 2019

시대에 따라 변화하는 공원 이용자들의 다양한 활동을 반영하고, 공원의 특성에 따라 미래의 공원설계와 관리 방향성을 제시하기 위해 공원 만족도, 선호도, 이용 후 평가 등 다양한 연구가 수행되어 왔다. 이러한 선행 연구는 주로 설문 조사를 이용하였는데, 설문은 적절한 표본 설정을 통해서 이용자로부터 직접 의견을 청취할 수 있는 좋은 방법이지만, 비용과 시간이 많이 소요되는 단점이 있고, 나아가 빠르게 변화하는 공원의 이용 행태를 파악하기에는 부족하다. 본 연구는 다양한 분야에서 새롭게 활용되고 있는 제3세대 SNS 데이터를 활용하여 공원 유형별 이용 행태, 새로운 이용 행태, 만족도 등을 비교 분석하고 시사점을 논의하였다. 이를 위해서 제3세대 SNS로 대표되는 인스타그램과 구글 콘텐츠를 활용하였다. 인스타그램에서는 공원 이용자가 올린 키워드와 사진을 분류하여 정보를 추출하였으며, 구글에서는 이용 시간과 후기를 비교 분석하였다. 공원 간 비교 연구 결과, 주거지 인접형 공원은 가족과 나들이하거나 공원 내 시설에서 이루어지는 프로그램을 주로 활용하는 것으로 나타났다. 상업지 인접형 공원에서는 상업지역와 연계된 먹는 활동과 공원 내 오픈스페이스와 시설 내 프로그램이 적절하게 이용되는 현상을 확인하였다. 독립형 공원인 한강공원의 경우에는 다양한 운동, 풍경 감상 활동이 빈번히 이루어지고 있었다. 또한 각 공원의 유형별로 동반 유형이 다르게 나타났으며, 새로운 이용 행태가 나타나는 현상을 확인하였다. 이처럼 SNS 데이터는 공원의 이용 행태와 만족요인을 실시간으로 파악할 수 있는 근거를 마련해 주며, 새로운 기술과 정책 도입에 따른 공원의 이용 행태 변화를 파악하여 추후 공원설계와 공원관리의 방향성을 수립하는데 있어 중요한 정보를 제공하는 효과적인 방법으로 활용될 수 있다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.139-161
• /
• 2019

전자상거래 시장의 이용이 보편화 되며 고객들에게 좋은 품질의 물건을 어디서, 얼마나 합리적으로 구매할 수 있는지가 중요해졌다. 이러한 구매 심리의 변화는 방대한 정보 속에서 오히려 고객들의 구매 의사결정을 어렵게 만드는 경향이 있다. 이때 추천 시스템은 고객의 구매 행동을 분석하여 정보 검색에 드는 비용을 줄이고 만족도를 높이는 효과가 있다. 하지만 대부분 추천 시스템은 책이나 영화 등 동종 상품 분류 내에서만 추천이 이뤄진다. 왜냐하면 추천 시스템은 특정 상품에 매긴 구매 평점 데이터를 기반으로 해당 상품 분류 내 유사한 상품에 대한 구매 만족도를 추정하기 때문이다. 그밖에 추천 시스템에서 사용하는 구매 평점의 신뢰성에 대한 문제도 제시되고 있으며 오프라인에선 평점 확보 자체가 어렵다. 이에 본 연구에서는 일련의 문제를 개선하기 위해 RFM 다차원 분석 기법을 활용하여 기존에 사용하던 고객의 구매 평점을 객관적으로 대체할 수 있는 새로운 지표의 활용 가능성을 제안하는 바이다. 실제 기업의 구매 이력 데이터에 해당 지표를 적용해서 검증해본 결과 높게는 약 55%에 해당하는 정확도를 기록했다. 이는 총 4,386종에 달하는 이종 상품들 중 한번도 이용해 본 적 없는 상품을 추천한 결과이기 때문에 검증 결과는 상대적으로 높은 정확도와 활용가치를 의미한다. 그리고 본 연구는 오프라인의 다양한 상품데이터에서도 적용할 수 있는 범용적인 추천 시스템의 가능성을 시사한다. 향후 추가적인 데이터를 확보한다면 제안하는 추천 시스템의 정확도 향상도 기대할 수 있다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.