살구를 첨가한 설기떡의 품질 특성

최우승(Woo-Seung Choi),박영희(Young-Hee Park),홍진숙(Jin-Sook Hong) 동아시아식생활학회 2009 동아시아식생활학회지 Vol.19 No.4

고온 고압 하에서의 자연산 폴루사이트의 상전이 연구

최우승(Woo Seung Choi),이용재(Yong Jae Lee) 한국암석학회 2020 한국암석학회 학술발표회 논문집 Vol.2020 No.8

Proportional Fairness 알고리즘의 성능 개선

최우승 ( Woo-seung Choi ) 한국정보처리학회 2004 한국정보처리학회 학술대회논문집 Vol.11 No.2

CDMA 1x EV-DO 시스템에서 비실시간 서비스는 Propotional Fairness 알고리즘을 사용해 셀 내의 모든 유저에게 fairness를 제공했지만, total throughput은 Max C/I알고리즘 보다 현저히 낮았다. 그래서, 이 논문에서는 이를 개선한 cell의 downlink에서 비실시간 서비스를 스케줄링시 fairness를 제공하면서, throughput을 향상시킬 수 있는 방안을 제안하고 구현하였다.

버전제어에서 컴포넌트의 형상형성 제어를 위한 객체지향 라이브러리

오상엽(Sang-Yeob Oh),최우승(Woo-Seung Choi) 한국컴퓨터정보학회 2008 韓國컴퓨터情報學會論文誌 Vol.13 No.6

버전 제어 시스템은 급속한 환경의 변화나 개발 환경이 복잡한 프로그래밍 환경에서 사용되고 있으며, 정의된 형상 규칙 정보를 정확하게 알지 못하는 경우나 미리 정의되지 않은 정보에 대해서는 형상 형성 정보 제공 문제가 발생한다. 본 논문에서는 사용자가 원하는 컴포넌트를 복합적으로 형상형성 제어 할 수 있는 라이브러리 시스템을 제안하고, 모델링하여 구현하였다. 제안한 형상형성 제어를 위해 사용되는 라이브러리는 확장 facet 분류를 응용하여 하부 표현 구조에 관계없이 라이브러리로부터 컴포넌트를 검색할 수 있도록 하였다. 이것은 본 논문에서 제안한 TreeSearch 클래스와 형상형성 제어 함수를 이용하여 관리된다. 본 논문의 라이브러리는 다른 언어와의 인터페이스를 통해 사용될 수 있으며, 사용자에 의해 facet이 확장되는 장점을 가진다. A version control system is used in a rapidly changed environment or a program which developed in a complicated environment. it is a problem of configuration thread in supporting information that we, in this method, can't know a exactly well-defined configuration rule information and a predefined information. In this paper. Library system is suggested, modelled, and implemented so as to configuration thread control the components required by the user in many ways. As for the library used in the configuration thread control suggested in this paper, the components can be retrieved from the library regardless of the infrastructure, applying the extended facet classification. This retrieval framework is managed using TreeSearch class and the configuration thread control function. The library system of this paper can be used by the interface with other languages, and this system is to have a advantage to extend a facet by user.

신경회로망을 이용한 가전기기 전기 사용량 모니터링 및 예측

정경권(Kyung-Kwon Jung),최우승(Woo-Seung Choi) 한국컴퓨터정보학회 2011 韓國컴퓨터情報學會論文誌 Vol.16 No.8

에너지 소모에 대한 증가되는 소비자의 관심을 지원하기 위하여 가전기기의 에너지 모니터링과 예측 방식을 제안한다. 제안한 시스템은 0.5초마다 전류 센서를 지나가는 전류량을 측정하는 스마트 플러그라는 일반 전기 콘센트로 설계하고, 신경회로망의 훈련과 시험 데이터를 얻기 위해 평균기온, 최저기온, 초고기온, 습도, 일조시간의 날씨 정보를 입력 데이터로 사용하고, 스마트 플러그를 통한 전기 사용량을 목표값으로 사용하였다. 훈련을 위한 실험데이터를 사용하여 역전파 알고리즘을 기반으로 한 신경회로망을 구성하였다. 입력과 출력 데이터의 비선형 매핑을 위해 다층신경회로망을 사용하였다. 제안한 신경회로망 모델은 상관관계 계수가 0.9965로 우수하게 전기 사용량을 예측할 수 있는 것을 확인하였으며, 예측의 평균 제곱 오차는 0.02033이다. In order to support increased consumer awareness regarding energy consumption, we present new ways of monitoring and predicting with energy in electric appliances. The proposed system is a design of a common electrical power outlet called smart plug that measures the amount of current passing through current sensor at 0.5 second. To acquire data for training and testing the proposed neural network, weather parameters used include average temperature of day, min and max temperature, humidity, and sunshine hour as input data, and power consumption as target data from smart plug. Using the experimental data for training, the neural network model based on Back-Propagation algorithm was developed. Multi layer perception network was used for nonlinear mapping between the input and the output data. It was observed that the proposed neural network model can predict the power consumption quite well with correlation coefficient was 0.9965, and prediction mean square error was 0.02033.

분류오차유발 패턴벡터 학습을 위한 학습네트워크

이용구(Yong-Gu Lee),최우승(Woo-Seung Choi) 한국컴퓨터정보학회 2005 韓國컴퓨터情報學會論文誌 Vol.10 No.5

본 논문에서는 분류오차를 추출하고 학습하여 분류성능을 개선하는 LVQ 학습 알고리즘을 설계하였다. 제안된 LVQ 학습 알고리즘은 초기기준벡터의 학습을 위해 SOM을 이용하고, LVQ 출력뉴런의 부류지정을 위하여 out-star 학습법을 사용하는 학습네트워크이다. 분류오차가 발생되는 패턴벡터로 추출하기 위하여 오차유발조건을 제안하였고, 이 조건을 이용하여 분류오차를 유발시키는 입력패턴벡터로 구성되는 패턴벡터공간을 구성하여 분류오차가 발생되는 패턴벡터를 학습시키므로 분류오차수를 감소시키고, 패턴분류성능을 개선하였다.<br/> 제안된 학습알고리즘의 성능을 검증하기 위하여 Fisher의 Iris 데이터와 EMG 데이터를 학습벡터 및 시험 벡터로 사용하여 시뮬레이션 하였고, 제안된 학습방식의 분류 성능은 기존의 LVQ와 비교되어 기존의 학습방식보다 우수한 분류성공률을 확인하였다. In this paper, we designed a learning algorithm of LVQ that extracts classification errors and learns ones and improves classification performance. The proposed LVQ learning algorithm is the learning Networks which is use SOM to learn initial reference vectors and out-star learning algorithm to determine the class of the output neurons of LVQ. To extract pattern vectors which cause classification errors, we proposed the error-cause condition, which uses that condition and constructed the pattern vector space which consists of the input pattern vectors that cause the classification errors and learned these pattern vectors, and improved performance of the pattern classification.<br/> To prove the performance of the proposed learning algorithm, the simulation is performed by using training vectors and test vectors that are Fisher'Iris data and EMG data, and classification performance of the proposed learning method is compared with ones of the conventional LVQ, and it was a confirmation that the proposed learning method is more successful classification than the conventional classification.

저전력 무선 센서 네트워크를 위한 RS 코드의 성능 분석

정경권(Kyung-Kwon Jung),최우승(Woo-Seung Choi) 한국컴퓨터정보학회 2010 韓國컴퓨터情報學會論文誌 Vol.15 No.4

무선센서네트워크에서는센서노드로부터전송된데이터는채널의노이즈등의요인으로 오류가 일어나기 쉽다. 센서 네트워크는 엄격한 에너지 제안이 있기 때문에 에너지가 효율적인 오류 정정 방법을 사용하는 것이 중요하다. 본 논문에서는 낮은 전송 전력으로 전송한 데이터를 RS 코드를 적용하는 방식을 제안하고, 시뮬레이션과 실험을 수행한다. RS 코드는 데이터에 추가한 리던던시로 동작한다. 인코드 데이터는 저장되거나 전송될 수 있다. 오류가 발생했을 때 인코드된 데이터는 복원된다. 추가된 리던던시는 디코더에서 수신된 데이터에서 오류가 있는 부분을 감지하고 정정하는 데에 사용된다. RS 코드가 정정할 수 있는 오류의 수는 추가되는 리던던시에 의해 결정된다. 실험 결과 저전력 통신에서의 높은 안정성을 확인하였다. 1분마다 32바이트를 전송할 경우 RS(15,13)은 173.7일, RS(31,27)은 169.1일, RS(63,57)은 163.9일, RS(127,115)는 150.7일, RS(255,239)는 149.7일의 수명을 예측할 수 있었다. 패킷 수신 확률(PRR) 실험에 RS(255,239)를 적용하여 약 3m 전송거리가 증가함을 확인하였다. In wireless sensor networks, the data transmitted from the sensor nodes are susceptible to corruption by errors which caused of noisy channels and other factors. In view of the severe energy constraint in Sensor Networks, it is important to use the error control scheme of the energy efficiently. In this paper, we presented RS (Reed-Solomon) codes in terms of their BER performance and power consumption. RS codes work by adding extra redundancy to the data. The encoded data can be stored or transmitted. It could have errors introduced, when the encoded data is recovered. The added redundancy allows a decoder to detect which parts of the received data is corrupted, and corrects them. The number of errors which are able to be corrected by RS code can determine by added redundancy. The results of experiment validate the performance of proposed method to provide high degree of reliability in low-power communication. We could predict the lifetime of RS codes which transmitted at 32 byte a 1 minutes. RS(15, 13), RS(31, 27), RS(63, 57), RS(127,115), and RS(255,239) can keep the days of 173.7, 169.1, 163.9, 150.7, and 149.7 respectively. The evaluation based on packet reception ratio (PRR) indicates that the RS(255,239) extends a sensor node's communication range by up about 3 miters.

근전도 패턴인식을 위한 혼합형 LVQ 학습 알고리즘

이용구(Yong-gu Lee),최우승(Woo-seung Choi) 한국컴퓨터정보학회 2005 韓國컴퓨터情報學會論文誌 Vol.10 No.2

본 논문에서는 근전도 패턴인식을 수행하기 위한 혼합 LVQ 학습 알고리즘을 설계하였다. 제안된 혼합 LVQ 학습 알고리즘은 초기 참조벡터의 학습을 위해 SOM을 이용하고, LVQ 출력뉴런의 부류지정을 위하여 out-star 학습법을 사용하는 변형된 C.P. Net. 이다.<br/> 제안된 C.P. Net. 의 입력 층과 종속 클래스 층 사이의 연결강도는 SOM과 LVQ 알고리즘을 이용하여 초기 참조벡터의 설정 및 학습이 가능하게 하였고, 패턴벡터를 종속 클래스 층의 뉴런에 의해 종속 클래스로 분류하고, C.P. Net. 의 종속 클래스 층과 클래스 층 사이의 연결강도는 분류된 종속 클래스를 클 래스로 지정하는 학습을 하게 된다.<br/> 근전도 패턴 분류를 위하여 제안된 학습알고리즘을 이용하여 시뮬레이션 되었고 기존의 LVQ 학습방식 보다 우수한 분류성공률을 확인하였다. In this paper, we design the hybrid learning algorithm of LVQ which is to perform EMG pattern recognition. The proposed hybrid LVQ learning algorithm is the modified Counter Propagation Networks(C.P. Net.) which is use SOM to learn initial reference vectors and out-star learning algorithm to determine the class of the output neurons of LVQ.<br/> The weights of the proposed C.P. Net. which is between input layer and subclass layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ algorithm, and pattern vectors is classified into subclasses by neurons which is being in the subclass layer. and the weights which is between subclass layer and class layer of C.P. Net. is learned to classify the classified subclass, which is enclosed a class.<br/> To classify the pattern vectors of EMG, the proposed algorithm is simulated with ones of the conventional LVQ. and it was a confirmation that the proposed learning method is more successful classification than the conventional LVQ.

무선 센서 네트워크 채널 분석

정경권(Kyung Kwon Jung),최우승(Woo-Seung Choi) 한국컴퓨터정보학회 2008 韓國컴퓨터情報學會論文誌 Vol.13 No.5

무선 센서 네트워크의 응용범위가 늘어남에 따라 정확한 무선 채널의 정보를 필요로 한다. 실내 또는 실외의 무선 센서 네트워크의 경우 페이딩에 의한 다중 경로 전파가 문제를 일으키고 있다. 본 논문에서는 실내 2.4 ㎓ 채널에 대한 log-normal path loss 모델링을 살펴본다. 송신기와 수신기 사이의 거리를 1에서 30 m까지 변화시키면서 수신 신호 강도 변화를 측정하고, 채널의 감쇄지수와 표준편차를 계산하였다. 계산한 모델의 패킷 수신율을 이용하여 무선 센서 채널을 연결 영역과 차단 영역으로 정의하고, 시뮬레이션과 실험 결과를 통해서 무선 채널의 특징을 비교하였다. 실험결과 실내에서의 연결 영역은 24 m, 실외에서의 연결 영역은 14 m로 측정되었다. In proportion as the growth of the wireless sensor network applications, we need for more accuracy wireless channel information. In the case of indoor or outdoor wireless sensor networks, multipath propagation causes severe problems in terms of fading. Therefore, a path-loss model for multipath environment is required to optimize communication systems. This paper deals with log-normal path loss modeling of the indoor 2.4 ㎓ channel. We measured variation of the received signal strength between the sender and receiver of which separation was increased from 1 to 30 m. The path-loss exponent and the standard deviation of wireless channel were determined by fitting of the measured data. By using the PRR(Packet Reception Rate) of this model. Wireless sensor channel is defined CR (Connect Region), DR(Disconnected Region). In order to verify the characteristics of wireless channel, we performed simulations and experiments. We demonstrated that connection ranges are 24 m in indoor, and 14 m in outdoor.

Forward C.P. Net.을 이용한 3단 LVQ 학습알고리즘

이용구(Yong-gu Lee),최우승(Woo-seung Choi) 한국컴퓨터정보학회 2004 韓國컴퓨터情報學會論文誌 Vol.9 No.4

본 논문에서는 LVQ 네트워크의 분류성능을 향상시키기 위하여 F.C.P. Net. 을 이용하여 LVQ 학습알고리즘을 설계하였다. F.C.P. Net의 입력층과 부류층 사이의 연결강도는 SOM 과 LVQ 알고리즘을 이용하여 초기 참조벡터의 설정 및 학습이 가능하게 하였다. 마지막으로 패턴벡터를 부류층의 뉴런에 의해 종속부류로 분류하고, F.C.P. Net 의 부류층과 출력층 사이의 연결강도는 분류된 종속부류를 부류로 지정하는 학습을 하게 된다. 또한 부류의 수가 결정되기만 하면 입력층, 부류층, 출력층의 뉴런의 수를 결정 할 수 있도록 하였다. 제안된 학습알고리즘의 성능을 검증하기 위하여 Fisher의 Iris 데이터를 학습벡터 및 시험 벡터로 사용하여 시뮬레이션 하였고, 제안된 학습방식의 분류 성능은 기존의 LVQ 와 비교되어 기존의 학습방식보다 우수한 분류성공률을 확인하였다.<br/> <br/> In this paper, we design the learning algorithm of LVQ which is used Forward Counter Propagation Networks to improve classification performance of LVQ networks. The weights of Forward Counter Propagation Networks which is between input layer and cluster layer can be learned to determine initial reference vectors by using SOM algorithm and to learn reference vectors by using LVQ algorithm. Finally, pattern vectors is classified into subclasses by neurons which is being in the cluster layer, and the weights of Forward Counter Propagation Networks which is between cluster layer and output layer is learned to classify the classified subclass, which is enclosed a class. Also, if the number of classes is determined, the number of neurons which is being in the input layer, cluster layer and output layer can be determined. To prove the performance of the proposed learning algorithm, the simulation is performed by using training vectors and test vectors that are Fisher's Iris data, and classification performance of the proposed learning method is compared with ones of the conventional LVQ, and it was a confirmation that the proposed learning method is more successful classification than the conventional classification.<br/>