http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
퍼지 방향코드와 확장 은닉 마르코프 모델을 이용한 온라인 한글인식
김찬우(Chanwoo Kim),김병만(Byeong Man Kim),강오한(Ohan Kang) 한국정보과학회 1997 정보과학회논문지(B) Vol.24 No.5
온라인 무제약 필기체 한글 문자 인식의 보편적인 특징벡터인 방향코드는 필기체 한글문자에서 자주 발생하는 기울기의 변형이나 국부적으로 발생한 문자패턴의 왜곡들에 대하여 인식률 저하를 보이는 단점을 지니고 있다. 본 논문에서는 기존의 방향코드가 가진 결정적인 근사화로 인한 인식 성능 저하를 개선하기 위하여 문자데이터가 가진 방향성분을 결정적으로 근사화시키지 않고 방향성분의 특성을 그대로 보존하는 퍼지 방향 코드를 제안하고 온라인 문자 인식 분야에서 우수한 성능을 나타낸 은닉 마르코프 모델(Hidden Markov Model)을 확장하여 퍼지 방향 코드를 결합하였다. 퍼지 방향 코드와 은닉 마르코프 모델을 결합하여 구현된 문자인식기는 기존의 방향코드를 사용한 문자인식기에 비해 평균적인 인식률뿐만 아니라 기울기나 국부적인 왜곡에 대해 우수한 인식률을 나타냈다. On-line Korean character recognition systems usually use the directional cham code as a feature vector. However, it causes degradation of recognition rate on hand-written characters that are slanted or locally distorted because it maps a pen movement to a deterministic direction and thus excludes the possibility of other directions. To overcome the problem of the directional chain code, we propose fuzzified directional chain codes in which a pen movement is represented by a vector whose components mean the possibility of each direction and also we extend HMM to handle them. Experimental results show that the average recognition rate of our approach is better than the approaches that use the directional chain code, especially on characters that are slanted or locally distored.
강수인,최호식,장순웅,최현집 한국자료분석학회 2019 Journal of the Korean Data Analysis Society Vol.21 No.6
Recently, biogas, one of the key sources of production for renewable energy, has been increasing production in conjunction with government policies. In this regard, research on biogas production and prediction is also increasing. To this end, deep learning, which shows excellent results in various fields, is going to be used to predict the production of biogas. In this paper, the DBN algorithm, a deep learning algorithm using an advanced network of multilayer neural network structure, is used. The proposed algorithm is a new type of algorithm that can predict both the main factor and the output variable by putting a major factor that affects the input and output variables within the DBN algorithm in a modified form of the existing DBN algorithm. In this study, biogas production was predicted using data collected from actual domestic biogas plants, and the proposed DBN algorithm was found to have higher predictive accuracy than vector autoregressive model or artificial neural network, a method that was mainly applied to existing predictions. 최근 정부의 신재생에너지 육성 정책과 연계하여 신재생에너지 핵심 생산원 중 하나인 바이오가스의 생산량이 증가하고 있는 추세이다. 더불어 바이오가스 생산 및 예측에 관한 연구의 수요도 증가하고 있다. 그러나 기존의 예측방법들은 바이오가스 생성공정에 포함된 복잡한 상호연계 특성을 방법론에 포함하지 못하는 한계점을 가진다. 본 논문에서는 최근 다양한 분야에서 우수한 실증결과를 보여주는 딥러닝 방법을 바이오가스 생산량 예측 개발 모형에 적용하고자 한다. 제안하는 딥러닝 알고리즘은 기존의 심층 신뢰망(deep belief network) 알고리즘의 변형된 형태로 심층 신뢰망 알고리즘 내에 입력변수와 출력변수에 영향을 주는 주요인자(factor)를 변수로 넣어 주요인자와 출력변수를 모두 예측할 수 있는 새로운 형태의 알고리즘이다. 분석에서는 국내의 실제 바이오가스 플랜트에서 수집된 자료를 이용하여 바이오가스 생산량 예측을 수행하였고, 제안한 알고리즘이 벡터 자기회귀모형 또는 인공신경망보다 예측 정확도가 높음을 확인하였다. 또한 제안한 심층 신뢰망 알고리즘은 주요인자와 출력변수를 예측하기 위해서 개별 모형을 구축해야 하는 다른 방법들과 달리 한 모형 안에서 모두 주요인자와 출력변수를 동시에 예측할 수 있다는 장점을 가지고 있다.
연방 데이타베이스 시스템을 위한 자치적 트랜잭션 처리에서 자치성과 일관성
박찬우(Chanwoo Park),강현철(Hyunchul Kang) 한국정보과학회 1992 한국정보과학회 학술발표논문집 Vol.19 No.2
이미 존재하는 데이타베이스들을 근거리 또는 광역 통신망상에서 연결하여 연방 데이타베이스 시스템을 구축하였을 때, 중요한 문제점의 하나로 부각되는 것은 각 요소(component) 데이타베이스 시스템이 통합되기 전에 지녔던 자치성(autonomy)을 어떻게 유지할 것인가 하는 문제이다. 본 논문은 각 요소 데이타베이스 시스템의 자치성을 유지하는 자치적 트랜잭션 처리(autonomous transaction processing)에 대하여 연구하였다. 자치적 트랜잭션 처리를 위한 자치성 개념을 정의하고, 자치성의 범위(spectrum), 자치적 데이타 변경의 유형, 요소 데이타베이스 간의 자치성 협상(autonomy negotiation)의 개념을 제시하였다. 그리고 제시한 자치성의 개념에 근거하여 연방 데이타베이스 시스템에서 분산된 데이타의 일관성 단계(consistency level)를 정의하였다. 아울러 자치적 트랜잭션 처리가 시스템 성능(performance) 및 데이타 가용성(availability) 면에서 전통적인 트랜잭션 처리보다 더 효율적으로 적용될 수 있는 연방 데이타베이스 시스템 응용(application)을 기술하였다.