다층토 지반의 변형 및 응력전달에 관한 2차원 모형실험 연구

박선배,이강일,장용채,박병기 대한토목학회 1992 대한토목학회 학술발표회 논문집 Vol.1992 No.1

인공신경망 기반의 기타 코드 분류시스템 성능 비교

박선배,유도식 한국멀티미디어학회 2018 멀티미디어학회논문지 Vol.21 No.3

In this paper, we construct and compare various guitar chord classification systems using perceptron neural network and convolutional neural network without pre-processing other than Fourier transform to identify the optimal chord classification system. Conventional guitar chord classification schemes use, for better feature extraction, computationally demanding pre-processing techniques such as stochastic analysis employing a hidden markov model or an acoustic data filtering and hence are burdensome for real-time chord classifications. For this reason, we construct various perceptron neural networks and convolutional neural networks that use only Fourier tranform for data pre-processing and compare them with dataset obtained by playing an electric guitar. According to our comparison, convolutional neural networks provide optimal performance considering both chord classification acurracy and fast processing time. In particular, convolutional neural networks exhibit robust performance even when only small fraction of low frequency components of the data are used.

융수현에서의 3박 4일

박선배 열린전북 2009 열린전북 Vol.2009 No.10

최대우도 가중평균 신경망을 이용한 객체 위치 추적

박선배,유도식 한국항행학회 2023 韓國航行學會論文誌 Vol.27 No.1

Object tracking is being studied with various techniques such as Kalman filter and Luenberger tracker. Even in situations, such as the one in which the system model is not well specified, to which existing signal processing techniques are not successfully applicable, it is possible to design artificial neural networks to track objects. In this paper, we propose an artificial neural network, which we call 'maximum-likelihood weighted-average neural network', to continuously track unpredictably moving objects. This neural network does not directly estimate the locations of an object but obtains location estimates by making weighted average combining various results of maximum likelihood tracking with different data lengths. We compare the performance of the proposed system with those of Kalman filter and maximum likelihood object trackers and show that the proposed scheme exhibits excellent performance well adapting the change of object moving characteristics. 객체 위치추적은 칼만필터나 루엔버거 추적기와 같은 다양한 기법을 통해 연구되고 있는데, 시스템 모델이 명확하게 규정되지 않는 경우와 같이 기존의 신호처리 기법을 성공적으로 적용하기 어려운 상황에서도 객체의 위치를 추적해 낼 수 있는 인공신경망을 설계하는 것이 가능하다. 본 논문에서는, 불규칙하게 운동 상태가 변화하는 객체의 위치를 지속적으로 추적하기 위해, 다양한 길이의 최대우도기법 객체위치 추정깂들을 도출한 뒤 신경망을 통해 이들을 적응적으로 가중평균하는 방법을 사용하는 ‘최대우도 가중평균 신경망’을 제안한다. 해당 신경망은 객체의 위치를 직접 추정하지 않고 데이터 길이가 다른 다양한 최대우도기법 추적 결과들을 가중평균하여 위치 추정을 수행한다. 우리는 제안하는 시스템의 추적성능을 칼만필터 및 최대우도기법들과 비교하여, 제안하는 기법이 물체의 움직임 특성에 잘 대처하여 우수한 성능을 나타내 줌을 보인다.

적응형 스케일조절 신경망을 이용한 객체 위치 추적

박선배,유도식 한국항행학회 2022 韓國航行學會論文誌 Vol.26 No.6

객체추적은 이전시간에서 추정한 위치와 현재 관측 데이터를 바탕으로 객체의 위치를 연속적으로 추적하는 신호처리 분야이다. 이 논문에서는 3개의 RNN을 서브모듈로 가지는 적응형 스케일조절 신경망을 이용해 입력 데이터의 스케일을 스스로 조절하여 추적할 수 있는 신경망을 제안한다. 객체 추적 성능을 평가하기 위해 객체가 조각별 등가속운동을 하는 1차원 객체 운동 모델에서 제안하는 시스템, 칼만 필터와 최대우도기법의 추적 성능을 비교한다. 그 결과 제안하는 알고리듬의 성능이 평균제곱근오차 기준으로 최대우도기법과 칼만필터보다 다양한 상황에서 전반적으로 우수하며 관측잡음이 커질수록 성능격차가 더 커지는 것을 보인다.

교차 어텐션 신경망을 이용한 강수 유무 예측 및 유효 데이터 도출

박선배,유도식 한국지능시스템학회 2024 한국지능시스템학회논문지 Vol.34 No.1

Time series data processing is a field that uses the time series correlation of datafor predicting and analyzing current and future situations, and research is beingconducted in various fields. Recently, research in the field of feature selection whichderive valid data from a large amount of data and filter unnecessary data has beencontinuously conducted. In this paper, we propose ‘cross attention neural network’designed based on the attention submodule of the transformer neural network fortime series prediction and derive valid data. The proposed algorithm is a neuralnetwork that calculates the attention of the main and auxiliary time series and thenperform time series prediction based on this attention table. Further, the proposedalgorithm can efficiently derive valid data by that learning with the whole data,then comparing the output values of whole data with the output values of inputtingpartial data. Through a simulation predicting the presence or absence ofprecipitation using weather dataset, the prediction performance of the proposedalgorithm is compared and verified with the prediction performance of LSTM. Andthen, we show that performance is maintained for the results of whole data usingwhile reducing input data by the deriving method for valid data. 시계열 데이터 처리는 데이터의 시계열성을 이용하여 현재, 미래의 상황을 예측 및 분석하는분야로 다양한 분야에서 연구가 진행되고 있다. 최근에는 딥러닝을 이용한 시계열 데이터처리 연구가 활발히 진행되고 있다. 최근에는 수많은 데이터들 중 유효한 데이터를 도출하는 특징선택 분야에 대한 연구도 꾸준히 진행되고 있다. 본 논문에서는 시계열 예측과 유효데이터 도출을 위하여 트랜스포머 신경망의 어텐션 서브모듈을 기반으로 설계한 ‘교차 어텐션 신경망’을 제안한다. 제안하는 알고리즘은 주 시계열과 보조 시계열의 어텐션을 연산한 뒤, 시계열 예측을 진행하는 신경망이다. 또한 제안하는 알고리즘은 전체 데이터로 학습한 뒤, 일부 데이터 입력시의 출력값과 비교하여 유효 데이터를 효율적으로 도출할 수 있다. 강수 유무를 예측하는 시뮬레이션을 통해 제안하는 알고리즘의 예측성능을 LSTM의 예측성능과 비교 검증하고, 유효 데이터 도출을 통해 입력 데이터를 줄이면서도 성능을 유지하는것을 보인다.

도래각 추정을 위한 3단계 인공신경망 알고리듬

박선배,유도식 한국항행학회 2020 韓國航行學會論文誌 Vol.24 No.1

Direction of arrival (DoA) estimation is a scheme of estimating the directions of targets by analyzing signals generated or reflected from the targets and is used in various fields. Artificial neural networks (ANN) is a field of machine learning that mimics the neural network of living organisms. They show good performance in pattern recognition. Although researches has been using ANNs to estimate the DoAs, there are limitations in dealing with variations of the signal-to-noise ratio (SNR) of the target signals. In this paper, we propose a three-stage ANN algorithm for DoA estimation. The proposed algorithm can minimize the performance reduction by applying the model trained in a single SNR environment to various environments through a ‘noise reduction process’. Furthermore, the scheme reduces the difficulty in learning and maintains efficiency in estimation, by employing a process of DoA shift. We compare the performance of the proposed algorithm with Cramer-Rao bound (CRB) and the performances of existing subspace-based algorithms and show that the proposed scheme exhibits better performance than other schemes in some severe environments such as low SNR environments or situations in which targets are located very close to each other. 도래각 추정은 표적으로부터 생성, 혹은 반사된 신호를 분석하여 표적의 방향을 추정하는 것으로 다양한 분야에 활용되고 있다. 인공신경망은 생물의 신경망을 모방한 기계학습의 한 분야로 패턴인식에서 좋은 성능을 보인다. 이러한 인공신경망을 도래각 추정에 활용하는 연구가 진행되어왔으나, 다양한 신호대잡음비 환경에 대응하는데에 제한이 있는 상황이다. 본 논문에서는 도래각 추정을 위한 3단계 인공신경망 알고리듬을 제안한다. 제안하는 알고리듬은 잡음제거과정을 통해 단일 신호대잡음비 환경에서 학습한 모델을 다양한 환경에 적용해도 성능감소를 최소화할 수 있다. 또한 도래각 시프트 과정을 통해 학습 난이도를 낮출 수 있고 효율적인 추정이 가능하다. 우리는, 제안하는 알고리듬과 다른 부공간 기법, Cramer-Rao bound (CRB)와의 성능 비교를 통해 제안하는 알고리듬이 낮은 신호대잡음비 환경, 표적들의 도래각이 가까운 환경 등 특정한 열악한 관측환경에서 타 기법에 비해 좋은 성능을 보이는 것을 확인하였다.

하악골 후방이동시 악골고정방법에 따른 악간고정기간 중 치아 및 악골의 위치변화에 대한 연구

박선배(Sun-Bae Park),김경욱(Kyung-Wook Kim) 대한구강악안면외과학회 2003 대한구강악안면외과학회지 Vol.29 No.5

Skeletal relapse is known as a complication following orthognathic surgery of mandibular prognathism and occurring during intermaxillary fixation period. Therefore relapse of teeth and skeleton during intermaxillary fixation period is considered as a important problem of orthognathic surgery. In this study, cephalolateral radiographs taken at pre-operation, immediate post-operation and after release of intermaxillary fixation were measured for evaluation of dental and skeletal relapse in 30 cases. The cases were classified as screw fixation group and plate fixation group, then we compared magnitude of dental and skeletal changes of each group. The results were as follows 1. The 1 SN angle increased at immediate post-operation with a mean value of 0.12。and at intermaxillary fixation period with a mean value of 0.43。(p>0.05). 2. The l‐ 􀓋 MP angle decreased with a mean value of 0.14。at immediate post-operation and with a mean value of 1.28。during intermaxillary fixation period but there were not significant difference(p>0.05). 3. There were not significant difference in magnitude of dental position changes between screw fixation group and plate fixation group(p>0.05). 4. Gonial angle increased with a mean value of 0.62。during intermaxillary fixation period. Each group showed changes of gonial angle during intermaxillary fixation period but there were not significant difference(p>0.05).

LSTM 신경망을 이용한 1차원 객체추적

박선배 ( Sun-bae Park ),유도식 ( Do-sik Yoo ) 한국항행학회 2021 韓國航行學會論文誌 Vol.25 No.2

객체추적은 객체의 위치변화를 찾는 것으로, 이전시간의 객체의 위치와 주어진 관측 데이터를 바탕으로 객체의 위치를 추적하는 신호처리의 한 분야이다. 객체추적 기법에는 대표적으로 칼만필터와 파티클필터가 있는데, 두 필터 모두 시스템 모델을 알고 있어야 좋은 성능을 낼 수 있다. 퍼셉트론 신경망에 피드백 루프를 추가한 재귀신경망은 데이터의 시계열적 상관관계를 활용할 수 있어 객체 추적에도 사용되고 있으며, 장기의존성 문제를 해결한 LSTM으로 발전하여 다양한 분야에 활용되고 있다. 본 논문에서는 이러한 LSTM의 추적 성능을 검증하기 위하여 1차원 객체 추적이라는 공통의 문제를 설정하고, 칼만필터, 파티클필터와의 추적 성능을 비교한다. 보다 다양한 관측 환경에서의 추적 성능 비교검증을 위하여 가우시안 잡음 외에도 라플라스, 지수, 균등 분포의 잡음이 있는 경우도 상정하였다. 그 결과 LSTM 신경망은 시스템 모델이 주어지지 않고, 학습데이터만으로 학습을 하여 안정적인 성능을 낼 수 있다는 것을 확인하였다. Object tracking is a technique of signal processing that estimates objects locations based on past locations and present time observed data. While, Kalman filter and particle filter are among the most notable object tracking schemes, these filters need to know the system model to achieve optimal performance. The recursive neural network (RNN) with a feedback loop added to the perceptron neural network can be used for object tracking. Also, RNN evolved into long-short term memory (LSTM) that solved the long-term dependence problem and is being used in various fields. In this paper, in order to study the tracking performance of LSTM, we consider a simple problem of one-dimensional object tracking, and compare the tracking performance with Kalman and particle filters. In order to test the tracking performance in diverse observation environments, various noise models such as Gaussian, Laplace, exponential, and uniformly distributed noises are considered. Under the various circumstances, we observe that LSTM neural network achieves fairly stable performance without knowing the system model.

전이학습을 이용한 효율적인 기타코드 분류 시스템

박선배(Sun Bae Park),이호경(Ho-Kyoung Lee),유도식(Do Sik Yoo) 한국멀티미디어학회 2018 멀티미디어학회논문지 Vol.21 No.10