http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
박다정 ( Da Jung Park ),이영민 ( Young Min Lee ),정용길 ( Yong Gil Jeong ),김문정 ( Moon Jeong Kim ) 한국폐기물자원순환학회(구 한국폐기물학회) 2021 한국폐기물자원순환학회 춘계학술발표논문집 Vol.2021 No.-
폐기물의 매립은 가장 단순하고 일반적인 폐기물 처리 방법이다. 하지만 매립지 주변의 도시화로 인하여 운영 중인 매립지가 주변 환경에 미치는 영향을 최소화 하는 관리방안에 대한 관심이 증가하고 있다. 따라서 매립지의 효율적인 관리를 위해서는 매립지 침하거동을 정확히 예측하는 것이 중요하다. 폐기물 매립지의 침하거동은 일반 토목공학에서 다루는 흙의 거동과는 달리 유기물 분해에 따른 침하가 미치는 영향이 크다. 또한 각 매립장마다 반입된 폐기물의 성질이 불균질 하고, 기후ㆍ작업환경 등 침하에 영향을 미치는 요소들이 다양하기 때문에 정확한 침하거동 예측방법에 대하여 끊임없는 연구가 이루어지고 있다. 지금까지 폐기물 매립지의 장기침하거동 예측을 위하여 흙의 2차 압밀 거동 예측을 위해 사용되는 Gibson & Lo모델, 쌍곡선 모델등과 일반적인 재료의 크리프 거동 모사에 사용되었던 Power creep law 등을 사용하고 있고 모델 계수 결정에 따라 예측값에 차이가 나는 경향이 있다. 2000년도에 폐기물 매립을 시작해서 2018년도에 매립이 종료된 수도권매립지 제2매립장을 수 년 간 추적 관찰한 계측값을 통하여 수도권매립지 제2매립장의 장기침하 경향 특성을 분석하고 효율적인 매립지 관리를 위한 침하거동 예측방법을 검토하고자 한다.
Minimum Classification Error 방법 도입을 통한 Gaussian Mixture Model 환경음 인식성능 향상
한다정(Da-Jeong Han),박아론(Aaron Park),박준규(Jun-Qyu Park),백성준(Sung-June Baek) 한국콘텐츠학회 2011 한국콘텐츠학회논문지 Vol.11 No.12
본 연구에서는 환경음 인식 성능의 향상을 위하여 GMM의 훈련 방식에 MCE 도입을 제안하였다. 이는 환경음 데이터 모델링에 사용할 분류오류함수를 정의할 때 해당 클래스의 로그우도 뿐 아니라 다른 클래스의 로그우도도 같이 고려함으로써 변별력 있는 분류가 이뤄질 수 있게 한다. 모델의 파라미터는 전체 클래스를 고려한 손실함수를 정의하고, GPD(generalized probabilistic descent)알고리즘을 이용하여 추정하였다. 제안된 방법의 인식 성능 비교를 위해 모두 9가지 환경음을 전처리 과정과 MFCC(mel-frequency cepstral coefficients)를 이용하여 12차 특징을 추출하고, 이를 혼합 성분의 수에 따라 GMM 분류 실험을 행하였다. 실험 결과에 따르면 혼합 성분을 19개 사용한 경우에서 MCE 훈련 방식이 평균 87.06%의 인식률로 가장 좋은 성능을 보였다. 이 결과로 제안한 MCE 훈련 방식이 환경음 인식에서 GMM의 훈련 방식으로 효과적으로 사용될 수 있음을 확인하였다. In this paper, we proposed the MCE as a GMM training method to improve the performance of environmental sounds recognition. We model the environmental sounds data with newly defined misclassification function using the log likelihood of the corresponding class and the log likelihood of the rest classes for discriminative training. The model parameters are estimated with the loss function using GPD(generalized probabilistic descent). For recognition performance comparison, we extracted the 12 degrees features using preprocessing and MFCC(mel-frequency cepstral coefficients) of the 9 kinds of environmental sounds and carry out GMM classification experiments. According to the experimental results, MCE training method showed the best performance by an average of 87.06% with 19 mixtures. This result confirmed us that MCE training method could be effectively used as a GMM training method in environmental sounds recognition.