http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이창기,Lee, Changki 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.1
현재 상용화되어 있는 유량 측정 레이더 센서는 표면 유속을 이용하여 유량을 측정하는 방법을 사용한다. 이러한 방식으로는 표면 유속만으로 유량을 추정하는 것이기 때문에 단위 시간당 흐르는 물의 양을 정확하게 측정할 수 없다. 보다 정확한 측정을 위해서는 수위와 유속 정보 모두가 필요하며, 이에 따라 일부 상용 계측기는 수위와 유속을 각각 측정하는 두 개의 센서를 이용하여 유량을 산정하는 방식을 채택하고 있다. 본 논문에서는 하나의 FMCW 레이다 센서를 이용하여 수위와 유속을 동시에 측정할 수 있는 방법에 대하여 제안하고, 이를 위한 FMCW 레이다 송신 파형을 설계한다. 또한, 송신 파형을 기반으로 수신 신호를 모델링하여 수위 및 유속 측정 시 발생할 수 있는 문제점들에 대해 고찰하고자 한다. A commercial flow measurement radar sensor estimates a quantity of flowed water using surface flow rate. In this way, the amount of water flowing per unit time cannot be measured accurately because of using an estimation result and it can't response environmental changes. For more accurate flow measurements we need width of waterway, water level and distance that water moved per unit time. Commonly two sensors are used to measure water level and flow rate. In this paper, we propose a method to simultaneously measure the water level and surface flow velocity using a single FMCW radar sensor and design the transmission waveform. In order to verify the waveform design, received signal is modelled based on transmission waveform. In addition, we consider phenomenons and problems that may occur in signal processing.
Conditional Random Fields를 이용한 세부 분류 개체명 인식
이창기(Changki Lee),황이규(Yi-Gyu Hwang),오효정(Hyo-Jung Oh),임수종(Soojong Lim),허정(Jeong Heo),이충희(Chung-Hee Lee),김현진(Hyeon-Jin Kim),왕지현(Ji-Hyun Wang),장명길(Myung-Gil Jang) 한국정보과학회 언어공학연구회 2006 한국정보과학회 언어공학연구회 학술발표 논문집 Vol.2006 No.10
질의응답 시스템은 사용자 질의에 해당하는 정답을 찾기 위해서 세부 분류된 개체명을 사용한다. 이러한 세부 분류 개체명 인식을 위해서 대부분의 시스템이 일반 대분류 개체명인식 후에 사전 등을 이용하여 세부 분류로 나누는 방법을 이용하고 있다. 본 논문에서는 질의응답 시스템을 위한 세부 분류 개체명 인식을 위해서 Conditional Random Fields를 이용한다. 개체명 인식의 과정을 개체명 경계 인식과 경계가 인식된 개체명의 클래스 분류의 두 단계로 나누어, 개체명 경계 인색에 Conditional Random Fields를 이용하고, 경계 인식된 개체명의 클래스 분류에는 Maximum Entropy를 이용한다. 실험결과 147개의 세부분류 개체명 인식에 대해서 정확도 85.8%, 재현률 81.1%, F1=83.4의 성능을 얻었고, baseline model 보다 학습 시간이 27%로 줄고 성능은 증가하였다. 또한 제안된 세부 분류 개체명 인식기를 이용하여 질의응답 시스템에 적용한 결과 26%의 성능향상을 보였다.