• 한국멀티미디어학회논문지
• /
• 제24권2호
• /
• pp.186-198
• /
• 2021

Security control using surveillance cameras is established when people observe all surveillance videos directly. However, this task is labor-intensive and it is difficult to detect all abnormal situations. In this paper, we propose a deep neural network model, called AT-Net, that automatically detects abnormal situations in the surveillance video, and introduces an automatic video surveillance system developed based on this network model. In particular, AT-Net alleviates the ambiguity of existing abnormal situation detection methods by mapping features representing relationships between people and objects in surveillance video to the new tensor structure based on sparse coding. Through experiments on actual surveillance videos, AT-Net achieved an F1-score of about 89%, and improved abnormal situation detection performance by more than 25% compared to existing methods.

• 한국정보보호학회:학술대회논문집
• /
• 한국정보보호학회 2001년도 종합학술발표회논문집
• /
• pp.269-272
• /
• 2001

본 논문에서는 베이지안 네트워크와 통합 감사자료를 이용하여 시스템 사용자에 대한 비정상행위를 탐지하고 분석하는데 효과적인 모델을 제안하고자 한다. 이를 위해 리눅스 시스템에서의 여러 가지 감사자료들을 통합한 감사자료로부터 사용자의 행위에 대해 베이지안 네트워크로 구성하고자 한다. 베이지안 네트워크를 구성할 때 효율적인 학습이 가능한 Sparse Candidate 알고리즘을 적용하고, 감사자료의 일부가 결여되어 있는 경우에도 추론이 가능하도록 MCMC(Markov Chain Monte Carlo)의 일종인 Gibbs Sampling 방법을 적용한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.531-531
• /
• 2000

The challenge is to control unstable nonlinear dynamic systems using only sparse feedback from the environment concerning its performance. The design of such controllers can be achieved by evolving neural networks. An evolutionary approach to train neural networks in realtime is proposed. Evolutionary strategies adapt the weights of neural networks and the threshold values of neuron's synapses. The proposed method has been successfully implemented for pole balancing problem.

• 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.

• 한국통신학회논문지
• /
• 제35권11B호
• /
• pp.1596-1606
• /
• 2010

본 논문에서는 산재-부분-제한영역 파장 변환 방식의 파장분할다중화 광통신망의 불통 확률을 정확하게 계산할 수 있는 수학적 성능분석 모형을 제안하고, 이를 기반으로 파장 변환기를 효율적으로 배치하는 파장 변환기 배치 알고리듬을 제시한다. 제안하는 성능분석 모형은 파장 변환기의 제한된 파장 변환 영역으로 발생하는 영역 불통(Range Blocking)과 파장 변환기의 개수 제약으로 발생하는 용량 불통(Capacity Blocking)을 이론적으로 도출하는 최초의 성능분석 모형이다. 유럽 광통신망에서 수행한 시뮬레이션 결과를 통해 제안하는 성능분석 모형이 광통신망의 불통확률을 정확히 예측함을 보인다. 또한, 기존에 알려진 산재 파장 변환 방식, 부분 파장 변환 방식, 또는 제한영역 파장 변환 방식들과 비교할 때, 이들을 효율적으로 결합한 산재-부분-제한영역 파장 변환 방식이 최소의 파장 변환 비용으로 주어진 광통신망의 불통 성능을 달성할 수 있음을 보인다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권5호
• /
• pp.2082-2102
• /
• 2018

In recent years, social network related applications such as WeChat, Facebook, Twitter and so on, have attracted hundreds of millions of people to share their experience, plan or organize, and attend social events with friends. In these operations, plenty of valuable information is accumulated, which makes an innovative approach to explore users' preference and overcome challenges in traditional recommender systems. Based on the study of the existing social network recommendation methods, we find there is an abundant information that can be incorporated into probability matrix factorization (PMF) model to handle challenges such as data sparsity in many recommender systems. Therefore, the research put forward a unified social network recommendation framework that combine tags, trust between users, ratings with PMF. The uniformed method is based on three existing recommendation models (SoRecUser, SoRecItem and SoRec), and the complexity analysis indicates that our approach has good effectiveness and can be applied to large-scale datasets. Furthermore, experimental results on publicly available Last.fm dataset show that our method outperforms the existing state-of-art social network recommendation approaches, measured by MAE and MRSE in different data sparse conditions.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.49-56
• /
• 2024

There have been emerging many use-cases applying recommendation systems especially in online platform. Although the performance of recommendation systems is affected by a variety of factors, selecting appropriate features is difficult since most of recommendation systems have sparse data. Conventional matrix factorization (MF) method is a basic way to handle with problems in the recommendation systems. However, the MF based scheme cannot reflect non-linearity characteristics well. As deep learning technology has been attracted widely, a deep neural network (DNN) framework based collaborative filtering (CF) was introduced to complement the non-linearity issue. However, there is still a problem related to feature embedding for use as input to the DNN. In this paper, we propose an effective method using singular value decomposition (SVD) based feature embedding for improving the DNN performance of recommendation algorithms. We evaluate the performance of recommendation systems using MovieLens dataset and show the proposed scheme outperforms the existing methods. Moreover, we analyze the performance according to the number of latent features in the proposed algorithm. We expect that the proposed scheme can be applied to the generalized recommendation systems.

• 한국항공우주학회지
• /
• 제32권10호
• /
• pp.38-45
• /
• 2004

본 논문에서는 병렬 랜더링 기법의 특정들을 고창하고 이를 토대로 대규모 유한요소 해석결과를 효율적으로 가시화 할 수 있는 병렬 가시화 알고리듬을 제안하였다. 제안된 알고리듬은 요소영역별 계산을 기반으로 하는 병렬 유한요소 해석의 특성에 적합하도록 부분 후 분류방식을 기반으로 설계되었으며, 이미지 조합 과정에 수반되는 네트워크 통신을 효율화하고자 이진 트리구조 통신 패턴을 적용하여 구성되었다. 자체 개발된 소프트웨어를 이용하여 벤치마킹 테스트를 수행하고, 이를 통해 제안된 알고리듬의 병렬 가시화 성능을 측정하였다.

• Journal of Computing Science and Engineering
• /
• 제10권2호
• /
• pp.58-67
• /
• 2016

With the large amount of complex network data that is increasingly available on the Web, link prediction has become a popular data-mining research field. The focus of this paper is on a link-prediction task that can be formulated as a binary classification problem in complex networks. To solve this link-prediction problem, a sparse-classification algorithm called "Truncated Kernel Projection Machine" that is based on empirical-feature selection is proposed. The proposed algorithm is a novel way to achieve a realization of sparse empirical-feature-based learning that is different from those of the regularized kernel-projection machines. The algorithm is more appealing than those of the previous outstanding learning machines since it can be computed efficiently, and it is also implemented easily and stably during the link-prediction task. The algorithm is applied here for link-prediction tasks in different complex networks, and an investigation of several classification algorithms was performed for comparison. The experimental results show that the proposed algorithm outperformed the compared algorithms in several key indices with a smaller number of test errors and greater stability.

• 정보처리학회논문지C
• /
• 제13C권7호
• /
• pp.905-912
• /
• 2006

공유형 트리(Shared Tree)를 구성하여 멀티캐스트 서비스를 제공하는 CBT(Core Based Tree)와 PIM-SM(Protocol Independent Multicast-sparse Mode) 프로토콜에서는 랑데부 라우터(RP: Rendezvous Point)의 위치에 따라 전체 네트워크의 효율성이 결정된다. 본 논문에서는 멀티 캐스트 데이터 전송을 위하여 필요한 라우팅 테이블의 크기(테이블 내 entries의 수)를 최소화하고, 소스-멤버 사이의 비용을 일정한 범위 내로 관리할 수 있는 새로운 RP 선정 알고리즘을 제안한다. 성능분석 결과, 비용만을 고려하는 기존의 방법에 비하여 총비용은 5.37%, 라우팅 테이블의 크기는 13.35%까지 줄일 수 있음을 알 수 있다.