http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 황금성(Keum-Sung Hwang) (검색결과 26 건)
- 무료
- 기관 내 무료
- 유료
-
황금성(Keum-Sung Hwang),조성배(Sung-Bae Cho) 한국정보과학회 2001 한국정보과학회 학술발표논문집 Vol.28 No.1B
진화 하드웨어(Evolvable Hardware: EHW)는 환경에 적응하여 스스로 하드웨어 구성을 변경할 수 있어서 근래에 많은 관심을 모으고 있는 분야이다. EHW는 목표 하드웨어를 탐색하기 위해 일반적으로 진화 알고리즘을 사용하는데, 진화 알고리즘은 하나의 목표 하드웨어 탐색 기능만을 수행한다. 본 논문에서는 종분화(Speciation) 알고리즘을 EHW에 적용하여 더욱 다양한 회로들을 얻을 수 있음을 보인다. 종분화 알고리즘은 동시에 여러 종의 해를 발견하게 해주고, 기존 진화 알고리즘에 비해 후반 탐색범위도 넓게 유지된다. 이를 6멀티플렉서의 진화에 적용한 결과, 다양한 품종의 하드웨어를 동시에 얻었고, 기존 진화 알고리즘에 비해 35%정도 빠른 세대에 해를 발견할 수 있었다.
-
-
베이지안 네트워크와 논리 네트워크 결합을 이용한 상호작용 학습 방법
황금성(Keum-Sung Hwang),조성배(Sung-Bae Cho) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.2
실세계의 시각정보로부터 식별된 물체정보를 이용하여 장면에 대해 설명하는 컨텍스트를 추론하는 시각 기반 장면 이해 문제에서는 변화가 많고 불확실한 환경을 극복해야 할 뿐만 아니라, 사용자의 요구 사항을 잘 반영해야 하고 궁극적으로는 지도(teaching)가 가능해야 한다. 본 논문에서는 불확실성 극복을 위해 확률적 접근 방법을 사용하고, 사용자의 요구를 실시간으로 반영하기 위해 논리 네트워크를 이용한 상호작용 학습 방법을 제안한다. 몇 가지 테스트 환경에서 사용자에 의해 제공되는 논리적, 부분적, 실시간 정보를 이용하여 제안하는 상호작용 학습을 수행한 결과, 장면인식 에이전트의 기능 장 및 적응이 가능하고 새로운 기능의 지도가 가능함을 알 수 있었다.
-
황금성(Keum-Sung Hwang),조성배(Sung-Bae Cho) 한국정보과학회 2004 정보과학회논문지 : 소프트웨어 및 응용 Vol.31 No.10
진화 하드웨어(Evolvable Hardware)는 환경에 적응하여 스스로 구성을 변경할 수 있는 하드웨어로 생산성 향상 및 독창적 회로설계를 위해 최근 널리 연구되고 있다. 하지만, 하드웨어의 복잡도가 증가할수록 진화를 위해 탐색해야 하는 해공간의 크기가 기하급수적으로 증가하기 때문에 아직까지 복잡한 하드웨어에 대해서는 좋은 활용방안을 찾지 못하고 있다. 이 논문에서는 좀더 효율적인 설계를 위하여 복잡한 하드웨어를 모듈별로 나누어 진화시키는 방법을 제시한다. 몇 가지 회로를 기존 회로 진화 설계방식과 제시하는 모듈진화 방식으로 실험하여 비교한 결과 약 50배에서 1,000배까지의 세대절약 효과를 얻을 수 있었으며, 좀더 최적화된 하드웨어를 얻을 수 있었다. Recently Evolvable Hardware (EHW) is widely studied to design effective hardware circuits that can reconfigure themselves according to the environment. However, it is still difficult to apply for complicated circuits because the search space increases exponentially as the complexity of hardware increases. To remedy this problem, this paper proposes a method to evolve complex hardware with a modular approach. The comparative experiments of some digital circuits with the conventional evolutionary approach indicate that the proposed method yields from 50 times to 1,000 times faster evolution and more optimized hardware.
-
모바일 디바이스 상에서의 특이성 탐지를 위한 베이지안 추론 모델 (pp.127-129)
황금성(Keum-Sung Hwang),조성배(Sung-Bae Cho) 한국정보과학회 2006 한국정보과학회 학술발표논문집 Vol.33 No.1
모바일 디바이스에서 얻을 수 있는 로그에는 다양한 개인정보가 풍부하게 포함되어 있으면서도 제약이 많아 활용이 어렵다. 그 동안은 모바일 장치의 용량, 파워의 제약과 정보 분석의 어려움으로 로그 정보를 무시해온 것이 일반적이었다. 본 논문에서는 모바일 디바이스의 다양한 로그 정보를 분석하여 사용자에게 의미 있는 상황(특이성)을 탐지해낼 수 있는 정보 분석 방법을 제안한다. 불확실한 상황에서의 정확성 향상을 위해 규칙/패턴 분석에 의한 특이성 추론뿐만 아니라 베이지안 네트워크를 활용한 확률적인 접근 방법을 활용한다. 이때, 복잡하지 않고 연산이 효율적으로 이루어질 수 있도록 BN을 모듈화하고, 모듈화된 BN의 상호보완적인 확률 추론을 위한 BN 처리 과정을 제안한다. 그리고, 특이성 추출 모듈을 주기적으로 업데이트함으로써 성능을 향상시키기 위한 학습 알고리즘을 소개한다.
-
자기 구성 지도와 은닉 마르코프 모델을 이용한 가속도 센서 기반 행동 인식
황금성(Keum-Sung Hwang),조성배(Sung-Bae Cho) 한국HCI학회 2008 한국HCI학회 학술대회 Vol.2008 No.2
최근 동작 및 행동 인식에 대한 연구가 활발하다, 특히, 센서가 소형화되고 저렴해지면서 그 활용을 위한 관심이 증가하고 있다. 기존의 많은 행동 인식 연구에서 사용되어 온 정적 분류 기술 기반 동작 인식 방법은 연속적인 데이터 분류 기술에 비해 유연성 및 활용성이 부족할 수 있다. 본 논문에서는 연속적인 데이터의 패턴 분류 및 인식에 효과적인 확률적 추론 기법인 은닉 마르코프 모델(Hidden Markov Model)과 사전 지식 없이도 자동 학습이 가능하며 의미 깊은 궤적 패턴을 클러스터링하고 효과적인 양자화가 가능한 자기구성지도(Self Organizing Map)를 이용한 동작 인식 기술을 소개한다. 또한, 그 유용성을 입증하기 위해 실제 가속도 센서를 이용하여 다양한 동작에 대한 데이터를 수집하고 분류 성능을 분석 및 평가한다. 실험에서는 실제 가속도 센서를 통해 수집된 숫자를 그리는 동작의 성능 평가 결과를 보이고, 행동 인식기 별 성능과 전체 인식기별 성능을 비교한다.
-
베이지안 확률 모델 기반 라이프 패턴 분석, 요약 및 시각화
황금성(Keum-Sung Hwang),조성배(Sung-Bae Cho) 한국정보과학회 2008 한국정보과학회 학술발표논문집 Vol.35 No.2
센서 기술의 발달과 함께 다양한 정보의 수집이 가능하게 되었다. 특히, 스마트폰, PDA와 같은 모바일 디바이스는 사용자와 함께 하면서 위치, 전화기록, SMS, 사진, 동영상 등 다양한 정보를 지속적으로 수집할 수 있기 때문에 많은 라이프 정보를 수집할 수 있다. 최근에는 이러한 라이프로그 정보를 이해하고 지능적인 서비스를 제공하고자 하는 연구가 많은 관심을 받고 있다. 본 논문에서는 모바일 디바이스에서 수집된 라이프 정보를 바탕으로 사용자의 삶을 분석하고 요약 및 시각화하기 위한 방법을 제공한다. 이를 위해 본 논문에서는 수집된 데이터를 바탕으로 확률 모델을 자동 생성하는 방법을 제안한다. 베이지안 네트워크로 구성된 확률 모델은 수집된 데이터에 대한 확률 분포를 가장 잘 나타내고 있기 때문에 이를 이용하여 향후 수집되는 라이프 패턴에 대한 분석 수행이 가능하다. 또한, 시각화된 그래프 모델을 통해 라이프 패턴의 관찰이 가능하다. 본 논문에서는 제안하는 방법의 유용성을 평가하기 위해 실제로 모바일 장치에서 수집된 데이터를 이용하여 실험 및 평가를 수행한다.
-
장면 인식 성능 향상을 위한 베이지안 확률 및 증거의 결합
황금성(Keum-Sung Hwang),박한샘(Han-Saem Park),조성배(Sung-Bae Cho) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.1
지능형 로봇 기술이 발전하면서 영상에서 장면을 이해하는 연구가 많은 관심을 받고 있으며, 최근에는 불확실한 환경에서도 좋은 성능을 발휘할 수 있는 확률적 접근 방법이 많이 연구되고 있다. 본 논문에서는 확률적 모델링이 가능한 베이지안 네트워크(BN)를 이용해서 장면 인식 추론 모듈을 설계하고, 실제 환경에서 얻어진 증거 및 베이지안 추론 결과를 결합하여 분류 성능을 향상시키기 위한 방법을 제안한다. 영상 정보는 시간에 대해 연속성을 가지고 있기 때문에, 증거 정보와 베이지안 추론 결과들을 적절히 결합하면 더 좋은 결과를 예상할 수 있으며, 본 논문에서는 확신 요소(Certainty Factor : CF) 분석에 의한 결합 방법을 사용하였다. 성능 평가 실험을 위해서 SIFT (Scale Invariant Feature Transform) 기법을 이용하여 물체 인식 처리를 수행하고, 여기서 얻어진 데이터를 베이지안 추론의 증거로 사용하였으며, 전문가의 CF 값 정의에 의한 베이지안 네트워크 설계 방법을 이용하였다.
-
생명정보학에서의 거대규모 특징추출을 위한 종분화 GA의 활용
황금성(Keum-Sung Hwang),조성배(Sung-Bae Cho) 한국정보과학회 2002 한국정보과학회 학술발표논문집 Vol.29 No.1B
최근 생물 유전자 정보에 대한 관심이 커지면서 이를 위한 효과적인 분석 방법이 요구되고 있다. 특히, 분류기의 데이터로 사용하기 위해서 필요한 특징만을 뽑는 과정인 특징 추출은 대량의 유전자 정보에서 의미 있는 정보를 선별하는 중요한 과정이다. 그러나 유전자 정보는 사용되는 데이터의 특징규모가 매우 크기 때문에 일반적인 데이터 마이닝 기법으로는 분석이 힘들다. 본 논문에서는 효율적인 거대규모 특징 추출을 위해 유전자 알고리즘(GA)과 신경망을 사용한 특징추출 방법을 소개하고, 종분화 기법을 사용한 효과적인 특징추출 방법을 제시한다. 그리고, CAMDA 2000에 공개된 암 DNA Microarray로 암종류를 분류하는 문제에 대하여 성능을 평가하였다.
-
모바일 디바이스 상에서의 특이성 탐지를 위한 베이지안 추론 모델 (pp.35-45)
황금성(Keum-Sung Hwang),조성배(Sung-Bae Cho),이종호(Jong-Ho Lea) 한국정보과학회 2007 정보과학회 컴퓨팅의 실제 논문지 Vol.13 No.1
모바일 디바이스에서 얻을 수 있는 로그 데이타는 의미 있고 실속 있는 다양한 개인 정보를 담고 있다. 그러나 메모리 용량과 연산 능력의 제한, 분석의 어려움으로 인해 이러한 정보들은 무시되고 있는 것이 일반적이다. 모바일 환경의 이러한 어려움을 극복하기 위해 로그 데이타를 분산된 모듈에서 분석하여 사용자에게 의미 있는 정보인 특이성을 탐지하는 새로운 방법을 제안한다. 제안하는 방법은 불확실한 상황에서의 추론 정확도를 향상시키기 위해 베이지안 확률 접근 방법을 채택하고 있다. 새로운 협력적 모듈형 기술은 모바일 디바이스의 제한된 자원을 가지고 효율적으로 연산하기 위해 베이지안 네트워크를 모듈로 나눈다. 인공 데이타와 실제 데이타를 이용한 실험에서 인공 데이타의 경우 약 84%의 정확률과 약 76%의 재현률을 보였으며, 실제 데이타에서는 부분 일치를 포함하여 약 89%의 일치율을 보였다. The log data collected from mobile devices contains diverse meaningful and practical personal information. However, this information is usually ignored because of its limitation of memory capacity, computation power and analysis. We propose a novel method that detects landmarks of meaningful information for users by analyzing the log data in distributed modules to overcome the problems of mobile environment. The proposed method adopts Bayesian probabilistic approach to enhance the inference accuracy under the uncertain environments. The new cooperative modularization technique divides Bayesian network into modules to compute efficiently with limited resources. Experiments with artificial data and real data indicate that the result with artificial data is amount to about 84% precision rate and about 76% recall rate, and that including partial matching with real data is about 89% hitting rate.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
