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 : 성진택(Jin-Taek Seong) (검색결과 16 건)
- 무료
- 기관 내 무료
- 유료
-
성진택,Seong, Jin-Taek 한국정보통신학회 2019 한국정보통신학회논문지 Vol.23 No.10
본 논문은 그룹검사(Group Testing)에 대한 검출 알고리즘을 제안한다. 그룹검사는 다수의 샘플 중 극히 일부의 결함 샘플을 찾는 문제로써 이것은 압축센싱 문제와 유사하다. 본 논문에서는 잡음이 없는 그룹검사를 정의하고, 결함 샘플을 검출하기 위한 확률 기반의 알고리즘을 제안한다. 제안하는 알고리즘은 입력과 출력 신호 간 외부확률들이 서로 교환하여 출력 신호의 사후 확률이 최대가 되도록 구성한다. 그리고 검출 알고리즘에 대한 모의실험을 통해 그룹검사 문제에서 결함 샘플을 찾는다. 본 연구에 대한 모의시험 결과는 정보이론의 하한치와 비교하여 입력과 출력 신호 크기에 따라 실패확률이 얼마나 차이가 있는지 확인한다. This paper proposes a detection algorithm for group testing. Group testing is a problem of finding a very small number of defect samples out of a large number of samples, which is similar to the problem of Compressed Sensing. In this paper, we define a noiseless group testing and propose a probabilistic algorithm for detection of defective samples. The proposed algorithm is constructed such that the extrinsic probabilities between the input and output signals exchange with each other so that the posterior probability of the output signal is maximized. Then, defective samples are found in the group testing problem through a simulation on the detection algorithm. The simulation results for this study are compared with the lower bound in the information theory to see how much difference in failure probability over the input and output signal sizes.
-
-
성진택(Jin-Taek Seong) 한국정보전자통신기술학회 2021 한국정보전자통신기술학회논문지 Vol.14 No.6
최근 코로나19 확산과 피해가 늘어나는 가운데 감염을 차단하기 위해 가장 중요한 것은 감염자를 조기에 찾아내는 것이다. 지난 반세기 전에 등장한 그룹검사(group testing)가 최근 코로나19 진단 방법으로써 활용 가능하며 매우 효율적인 방법으로 자리 잡고 있다. 본 논문에서는 기존의 그룹검사 알고리즘들의 동작원리를 살펴본다. 그리고 압축센싱(compressed sensing)에서 제안한 희소 신호 복원 방법을 개선하여 그룹검사의 해법으로 제시한다. 압축센싱과 그룹검사는 연산 방법에서 차이가 있지만 희소 신호를 찾는다는 점에서 유사하다. 시뮬레이션 결과를 통해 제안하는 희소 신호복원 방법의 성능 우수성을 보여준다. 주목할 점은 모든 결함 샘플을 정확히 찾고자 하는 그룹검사 시스템에서는 제안하는 방법이 다른 알고리즘보다 월등한 성능 향상을 보여준 것이다. 또한 결함 샘플 수가 적을 때보다는 많을 때 그 성능이 크게 개선된다. Due to the recent spread and increasing damage of COVID-19, the most important measure to prevent infection is to find infected people early. Group testing which introduced half a century ago, can be used as a diagnostic method for COVID-19 and has become very efficient method. In this paper, we review the fundamental principles of existing group testing algorithms. In addition, the sparse signal reconstruction approach proposed by compressed sensing is improved and presented as a solution to group testing. Compressed sensing and group testing differ in computational methods, but are similar in that they find sparse signals. The our simulation results show the superiority of the proposed sparse signal reconstruction method. It is noteworthy that the proposed method shows performance improvement over other algorithms in the group testing schemes. It also shows performance improvement when finding a large number of defective samples.
-
성진택(Jin-Taek Seong) 한국정보전자통신기술학회 2017 한국정보전자통신기술학회논문지 Vol.10 No.5
본 논문은 유한체(finite fields)에서 압축센싱(compressed sensing) 프레임워크를 살펴본다. 하나의 측정 샘플은 센싱행렬의 행과 희소 신호 벡터와의 내적으로 연산되며, 본 논문에서 제안하는 확률적 희소 신호 복원 알고리즘을 이용하여 그 압축센싱의 해를 찾고자 한다. 지금까지 압축센싱은 실수(real-valued)나 복소수(complex-valued) 평면에서 주로 연구되어 왔지만, 이와 같은 원신호를 처리하는 경우 이산화 과정으로 정보의 손실이 뒤따르게 된다. 이에 대한 연구배경은 이산(discrete) 신호에 대한 희소 신호를 복원하고자 하는 노력으로 이어지고 있다. 본 연구에서 제안하는 프레임워크는 센싱행렬로써 코딩 이론에서 사용된 LDPC(Low-Density Parity-Check) 코드의 패러티체크 행렬을 이용한다. 그리고 본 연구에서 제안한 확률적 복원 알고리즘을 이용하여 유한체의 희소 신호를 복원한다. 기존의 코딩이론에서 발표한 LDPC 복호화와는 달리 본 논문에서는 희소 신호의 확률분포를 이용한 반복적 알고리즘을 제안한다. 그리고 개발된 복원 알고리즘을 통하여 우리는 유한체의 크기가 커질수록 복원 성능이 우수한 결과를 얻었다. 압축센싱의 센싱행렬이 LDPC 패러티체크 행렬과 같은 저밀도 행렬에서도 좋은 성능을 보여줌에 따라 이산 신호를 고려한 응용 분야에서 적극적으로 활용될 것으로 기대된다. In this paper, we consider a framework of compressed sensing over finite fields. One measurement sample is obtained by an inner product of a row of a sensing matrix and a sparse signal vector. A recovery algorithm proposed in this study for sparse signals based probabilistic decoding is used to find a solution of compressed sensing. Until now compressed sensing theory has dealt with real-valued or complex-valued systems, but for the processing of the original real or complex signals, the loss of the information occurs from the discretization. The motivation of this work can be found in efforts to solve inverse problems for discrete signals. The framework proposed in this paper uses a parity-check matrix of low-density parity-check (LDPC) codes developed in coding theory as a sensing matrix. We develop a stochastic algorithm to reconstruct sparse signals over finite field. Unlike LDPC decoding, which is published in existing coding theory, we design an iterative algorithm using probability distribution of sparse signals. Through the proposed recovery algorithm, we achieve better reconstruction performance as the size of finite fields increases. Since the sensing matrix of compressed sensing shows good performance even in the low density matrix such as the parity-check matrix, it is expected to be actively used in applications considering discrete signals.
-
-
-
-
-
-
성진택(Jin-Taek Seong) 한국정보전자통신기술학회 2018 한국정보전자통신기술학회논문지 Vol.11 No.5
본 논문은 조합 문제의 하나로써 그룹검사(Group Testing)의 성능 하한치를 유도한다. 그룹검사는 2차 세계대전 동안 군인들의 매독 감염을 검진하기 위해 시작되었고 지금까지 오랫동안 학문적 기초를 마련하였다. 최근 들어 그룹검사의 활용가치가 증대되어 재발견됨으로써 학계에서 큰 관심을 받고 있다. 그룹검사는 다수의 샘플 중에서 극소수의 결함 샘플을 찾는 문제와 동일하며, 이것은 압축센싱(Compressed Sensing)의 선형 역문제(inverse problem)와 유사하다. 본 논문에서는 그룹검사가 무엇인지 살펴보고 그룹검사의 관련 연구내용을 알아본다. 정보이론에서 사용한 조건부 엔트로피와 에러율 간의 관계를 밝히는 정리를 이용하여 결함 샘플을 찾기 위해 필요한 검사 수에 대한 최소 에러율의 경계값을 도출할 뿐만 아니라 기존 연구와 어떠한 차이점이 있는지 살펴본다. This paper considers Group Testing as one of combinatorial problems. The group testing first began to inspect soldier’s syphilis infection during World War II and have long established an academic basis. Recently, there has been much interest in related areas because of the rediscovery of the value of the group testing. The group testing is the same as finding a few defect samples out of a large number of samples, which is similar to the inverse problem of Compressed Sensing. In this paper, we introduce the definition of the group testing, and specify the classes of the group testing and the bounds on performance of the group testing. In addition, we show a lower bound for the number of tests required to find defective samples using the theoretical theorem which is mainly used for relationship between conditional entropy and the probability of error in the information theory. We see how our result can be different from other related results.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
