• Current Optics and Photonics
• /
• 제8권3호
• /
• pp.215-224
• /
• 2024

In medium- and long-range optical imaging systems, atmospheric turbulence causes blurring and distortion of images, resulting in loss of image information. An image-restoration method based on an adaptive feature-fusion multi-input-multi-output (MIMO) dense U-shaped network (Unet) is proposed, to restore a single image degraded by atmospheric turbulence. The network's model is based on the MIMO-Unet framework and incorporates patch-embedding shallow-convolution modules. These modules help in extracting shallow features of images and facilitate the processing of the multi-input dense encoding modules that follow. The combination of these modules improves the model's ability to analyze and extract features effectively. An asymmetric feature-fusion module is utilized to combine encoded features at varying scales, facilitating the feature reconstruction of the subsequent multi-output decoding modules for restoration of turbulence-degraded images. Based on experimental results, the adaptive feature-fusion MIMO dense U-shaped network outperforms traditional restoration methods, CMFNet network models, and standard MIMO-Unet network models, in terms of image-quality restoration. It effectively minimizes geometric deformation and blurring of images.

• 한국전자거래학회지
• /
• 제25권1호
• /
• pp.13-33
• /
• 2020

본 연구는 자모 단위의 임베딩과 회선 신경망을 활용한 한국어 감성 분석 알고리즘을 제안한다. 감성 분석은 텍스트에서 나타난 사람의 태도, 의견, 성향과 같은 주관적인 데이터 분석을 위한 자연어 처리 기술이다. 최근 한국어 감성 분석을 위한 연구는 꾸준히 증가하고 있지만, 범용 감성 사전을 사용하지 못하고 각 분야에서 자체적인 감성 사전을 구축하여 사용하고 있다. 이와 같은 현상의 문제는 한국어 특성에 맞지 않게 형태소 분석을 수행한다는 것이다. 따라서 본 연구에서는 감성 분석 절차 중 형태소 분석을 배제하고 초성, 중성, 종성을 기반으로 음절 벡터를 생성하여 감성 분석을 하는 모델을 개발하였다. 그 결과 단어 학습 문제와 미등록 단어의 문제점을 최소화할 수 있었고 모델의 정확도는 88% 나타내었다. 해당 모델은 입력 데이터의 비 정형성에 대한 영향을 적게 받으며, 텍스트의 맥락에 따른 극성 분류가 가능하게 되었다. 한국어 특성을 고려하여 개발된 본 모델이 한국어 감성 분석을 수행하고자 하는 비전문가에게 보다 쉽게 이용될 수 있기를 기대한다.

• 한국음향학회지
• /
• 제30권1호
• /
• pp.22-32
• /
• 2011

본 논문은 건축음향 설계에 있어서 가장 많이 활용되고 있는 컴퓨터 시뮬레이션의 정밀도 향상을 위한 3차원 모델의 구체성에 대하여 연구하였다. 본 연구에서는 건축음향 시뮬레이션 프로그램인 odeon 6.5에서 제시하고 있는 transition order의 단계를 기준으로 3D 모델의 구체성을 총 4단계로 구분하였다. 각 실내마감재의 흡음률은 도면에 표기된 재료를 odeon의 material library 및 시험성적서를 참고해 입력하였으며 확산률은 odeon의 마감의 표면형태에 따른 권장치를 입력하였다. 또한 room setup 설정시 사용음선수를 동일하게 입력하였으며, trasition order는 각 모델의 유효표면수에 맞게 입력하였다. 실제 공연장에서 측정한 현장음향실험 결과를 기준으로 시뮬레이션 결과와 비교하여 물리적 음향인자 (음압레벨, 잔향시간, 명료도 등)의 오차를 분석하였다. 또한 가청화시재를 제작하여 현장에서 녹음한 음원과 청감실험을 통해 비교하여 주관적 음향인자 (잔향감, 명료함 등)별 유사 정도를 평가하였다. 물리적 음향인자 분석결과, 가장 구체적인 3D모델의 잔향시간 오차가 가장 작게 나타났으며 명료도의 경우 단순한 모델의 오차가 가장 작았다. 그러나 단순한 모델은 저주파수 대역의 오차가 상대적으로 매우 크게 나타남에 따라 3D 모델을 구체적으로 작성할수록 보다 정밀한 음향예측이 가능할 것으로 판단된다. 또한 주관적 청감실험 결과, 물리적 오차가 작을수록 가청화시재가 원음과 가장 유사하게 들린다고 응답함으로써 3D 모델의 구체성이 가청화시제 제작에 영향을 미치고 있음을 알 수 있었다.

• 인지과학
• /
• 제12권1_2호
• /
• pp.77-89
• /
• 2001

얼굴 특징점의 지각적 위계구조를 반영한 표정인식 신경망 모형을 설계하였다. 입력자료는 MPEG-4 SNHC(Synthetic/Natural Hybrid Coding)의 얼굴 정의 파라미터(FDP) 중 39개 특징점 각각에 대해 150장의 표정연기 사진을 5개의 크기와 8개의 바위를 갖는 Gabor 필터로분석한 값이었다. 표정영상에 대한 감정상태 평정 값과 39개 특징점의 필터 반응 값을 중가 회귀분석한 결과, 감정상태의 쾌-불쾌 차원은 주로 입과 눈썹 주변의 특징점과 밀접한 과련이 있었고, 각성-수면차원은 주로 눈 주변의 특징점과 밀접한 관련이 있었다. 필터의 크기는 주로 저역 공간 주파수 필터와 감정상태가 관련이 있었고, 필터의 방위는 주로 비스듬한 사선방위와 감정상태가 관련이 있었다. 이를 기초로 표정인식 신경망을 최적화한 결과 원래 1560개(39x5x8) 입력요소를 400개(25x2x8)입력요소로 줄일 수 있었다. 표정인식 신경망의 최적화 결과를 사람의 감정상태 평정과 비교하여 볼 때, 쾌-불쾌 차원에서는 0.886의 상관관계가 있었고, 각성-수면 차원에서는 0.631의 상관관계가 있었다. 표정인식 신경망의 최적화 모형을 기쁨, 슬픔, 놀람, 공포, 분노, 혐오 등의 6가지 기본 정서 범주에 대응한 결과 74%의 인식률을 얻었다. 이러한 결과는 사람의 표정인식 원리를 이용하면 작은 양의 정보로도 최적화된 표정인식 시스템을 구현할수 있다는 점을 시시한다.

• 한국전산구조공학회논문집
• /
• 제28권6호
• /
• pp.625-633
• /
• 2015

본 연구에서는 강풍 위험과 강풍 취약도의 합성곱을 통하여 강풍 위험도를 평가할 수 있는 확률적 체계를 수립하였으며, 수치적으로 개발한 모형으로 아파트 창호 시스템의 강풍 위험도를 평가하였다. 강풍 위험 모형은 1951년부터 2013년까지에 한반도에 영향을 준 태풍의 기후학적 자료를 몬테카를로 모사기법에 적용하여 개발되었다. 또한 몬테카를로 모사기법으로 창호 시스템의 저항성능과 풍하중의 확률 분포를 비교하여 강풍에 대한 4가지 피해단계의 구조적 파괴확률을 평가할 수 있는 취약도 모형이 개발되었다. 개발된 몬테카를로 모사기법으로 평가한 강풍 위험과 강풍 취약도는 각각 웨이블 분포와 로그정규분포로 곡선맞춤 되었으며, 합성곱을 통한 강풍 위험도 평가에 사용되었다. 본 연구에서 개발한 확률적 위험도 평가체계를 통하여 평가지역, 지표조도, 지형, 지붕 경사각, 건물 높이 등이 아파트 창호 시스템의 강풍 위험도에 미치는 영향성을 정량적으로 평가할 수 있었다. 향후 본 연구를 통하여 개발된 강풍 위험도 평가 모델은 평가지역의 존재하는 건축물에 대한 데이터베이스와 결합하여 손실추정 및 피해 저감대책 수립 등의 분야에서 활용이 가능할 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.49-59
• /
• 2022

본 논문에서는 2020년 기준 단백질 서열을 이용한 기능과 구조 예측 분야에서 가장 많이 사용되고 있는 딥러닝 모델인 CNN과 LSTM/GRU 모델을 동일한 조건 하에 비교 평가한 연구를 토대로 새로운 효소 기능 예측 모델인 PSCREM을 설계하였다. CNN 합성곱 시 누락되는 세부 패턴을 보존하기 위하여 서열 진화정보를 이용하였으며 중첩 RNN을 통해 기능적으로 중요한 의미를 가지는 아미노산 간의 관계 정보를 추출하고 특징 맵 제작에 참조하였다. 사용된 RNN 계열의 알고리즘은 LSTM과 GRU로 보통 stacked RNN 기법으로 100 units 이상 2~3회 쌓는 것이 일반적이나 본 논문에서는 10, 20 unit으로 구성한 뒤 중첩시켜서 특징 맵 제작에 사용하였다. 모델에 들어가는 데이터는 단백질 서열 데이터로 PSSM profile로 가공한 뒤 사용되었다. 실험 결과 효소 번호 첫 번째 자리를 예측하는 문제에 대해 86.4%의 정확도를 나타냄을 입증하였고, 효소 번호 3번째 자리까지 예측 정확도 84.4%의 성능을 내는 것을 확인하였다. PSCREM은 Overlapped RNN을 통해 단백질 기능에 관련된 고유 패턴을 더 잘 파악하며 Overlapped RNN은 단백질 기능 및 구조 예측 추출 분야에 새로운 방법론으로서 제안된다.

• 한국전산구조공학회논문집
• /
• 제37권2호
• /
• pp.85-93
• /
• 2024

이 논문에서는 파랑 하중을 받는 부유식 구조체의 운동 해석에 있어서 시스템 식별 방법을 이용한 상태공간방정식 모델을 수립하고 해석하는 방법을 제안하였다. 상태공간방정식 모델의 수립 방법으로는 주파수영역에서 하중-변위 입출력 관계에 대한 목표 전달함수를 구하고 이에 가장 근접하는 상태공간방정식을 구하는 절차를 제시하였다. 전통적으로 부유식 구조체 운동의 시간영역 해석은 지연함수의 합성곱적분을 포함하는 Cummins 방정식을 시간적분하여 이루어진다. 상태공간방정식 모델은 이러한 시간영역해석을 효과적으로 수행하기 위한 방법의 하나로서 연구되어 왔다. 제안하는 방법에서는 시스템 식별방법인 N4SID 와 전달함수의 분모 및 분자 다항식의 계수를 설계변수로 하는 최적화방법을 사용하여 목표 전달함수에 상응하는 상태공간방정식을 구한다. 제안하는 방법의 적용성을 보이는 예제로서 단자유도 수치모델 및 6자유도 바지의 운동을 해석하였다. 제시하는 상태공간방정식 모델은 주파수영역 및 시간영역에서 모두 기존의 해석결과와 잘 일치하고 시간영역해석에서는 계산의 정확도를 확보하면서 계산 시간을 크게 줄일 수 있음을 확인하였다.

• 한국자기학회지
• /
• 제14권2호
• /
• pp.65-70
• /
• 2004

도메인 확장형 광자기 디스크 시스템(magnetic amplifing magnetooptical system; MAMMOS)의 기록마크 시뮬레이션을 위한 온도분포와 재생신호를 연구하였다. 정지된 디스크에서 레이저 빔에 의한 기록층과 이웃하는 층들의 온도 분포를 계산하였으며, 마크 크기와 길이 및 위치를 계산하였다. 또한 마크 모양에 따른 재생신호의 크기, 기록층에 기록되는 마크의 재생신호 및 판독층에서 확대된 재생신호를 시뮬레이션 하였다. 간소화된 열전달 특성 모델을 계산함으로써, 기록층과 인접한 층에서의 온도분포를 시간의 함수로 계산하였다. 마크 크기는 디스크가 회전할 때 기록 빔 펄스 파형에 의한 온도분포로부터 계산하였으며, 기록빔 펄스 파형으로부터 디스크의 온도분포를 이용하여 마크의 길이와 위치를 계산하였다. 재생신호는 디스크의 반사도 패턴과 가우시안 빔의 컨볼루션 연산을 이용하여 계산하였다. 판독층에서 빔 크기만큼 확대된 도메인의 재생신호가 기록층에서의 초승달 모양 마크에 기한 재생신호보다 2배 이상 증가되는 것을 알 수 있었다.

• 한국음향학회지
• /
• 제39권6호
• /
• pp.592-599
• /
• 2020

본 논문은 다양한 지진 이벤트 분류를 위해 지진 데이터의 정적인 특성과 동적인 특성을 동시에 반영할 수 있는 합성곱 순환 신경망(Convolutional Recurrent Neural Net, CRNN) 구조를 제안한다. 중규모 지진뿐만 아니라 미소 지진, 인공 지진을 포함한 지진 이벤트 분류 문제를 해결하려면 효과적인 특징 추출 및 분류 방법이 필요하다. 본 논문에서는 먼저 주의 기반 합성곱 레이어를 통해 지진 데이터의 정적 특성을 추출 하게 된다. 추출된 특징은 다중 입력 단일 출력 장단기메모리(Long Short-Term Memory, LSTM) 네트워크 구조에 순차적으로 입력되어 다양한 지진 이벤트 분류를 위한 동적 특성을 추출하게 되며 완전 연결 레이어와 소프트맥스 함수를 통해 지진 이벤트 분류를 수행한다. 국내외 지진을 이용한 모의 실험 결과 제안된 모델은 다양한 지진 이벤트 분류에 효과적인 모습을 보여 주었다.

• 전기전자학회논문지
• /
• 제22권1호
• /
• pp.156-161
• /
• 2018

최근 인구가 급격히 증가하면서 음식물의 부족 및 낭비의 심각성이 대두되고 있다. 이를 해결하기 위해 다양한 국가 및 기업에서는 소비자의 식재료 구매 패턴 연구 및 IoT 기술이 적용된 스마트 냉장고 제품개발 등의 시도를 진행 중에 있다. 그러나, 현재 판매되고 있는 스마트 냉장고들은 기존에 비해 상당한 가격대를 형성하고 있으며, 복잡한 구성으로 인한 오작동 및 파손으로 또 다른 낭비를 초래한다. 본 논문에서는 음식물 부족 및 낭비 해결과 가정 내 원활한 식재료 관리를 위한 저비용의 IoT 기반 스마트 냉장고 시스템을 제안한다. 본 시스템은 QR코드, 이미지 인식, 음성 인식을 통해 식재료를 인식하여 등록하고 이를 바탕으로 다양한 서비스를 제공할 수 있다. 이미지 인식의 정확도를 높이기 위해 우리는 딥 러닝 알고리즘을 사용한 모델을 활용하였으며 정확한 식재료 등록이 가능함을 검증하였다.