http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
IEEE-1394 버스의 가용 등시성 대역폭을 활용하기 위한 대역폭 훔치기와 ABR-1394 전송 모드
강성일(Kang Sung Il),이윤직(Lee Yoon Jick),이흥규(Lee Heung Kyu),강성봉(Kang Sung Bong) 한국정보처리학회 1999 정보처리학회논문지 Vol.6 No.6
The IEEE-1394 High Performance Serial Bus provides the real-time isochronous transport with capability of bandwidth reservation, however, there is a problem that isochronous bandwidth is used inefficiently on transmitting multimedia data with variable rate via the isochronous transport. To improve utilization of isochronous bandwidth, this paper proposes a bandwidth stealing technique to be able to recognize available isochronous bandwidth without any effects on current isochronous transmissions with reserved bandwidths, standard nodes and extended nodes with the bandwidth stealing technique can be connected together on the same bus. The ABR-1394 transport enables applications to utilize available isochronous bandwidth efficiently. In the respect of the utilization of available bandwidth, ABR-1394 is similar to the ABR service of ATM, however, it is different in that an ABR-1394 node itself can do flow control independently without any help from the network.
이윤직,강철호 광운대학교 신기술연구소 1998 신기술연구소논문집 Vol.27 No.-
본 논문은 음성인식을 위해 기존의 RBF를 변형하여 TW(Time-Warping) 기능을 갖는 RBF (Radial Basis Function) 신경망을 제안한다 RBF 신경망은 은닉충외 각 노드에 중심점(center)이라는 벡터를 가지고 있으며 이 백터와 가중치(weight)의 학습방법에 따라 여러 가지 응용에 이용하고 있다. 본 논문에서는 중심점의 자율학습과 가중치의 지도학습을 통하여 화자독립 음성인식 시스템을 구성하였다. 학습 단계에서는 학습 단어의 프레임 수에 따라 은닉충 뉴런의 수를 결정 하였다. 학습시의 TW-RBF 신경망을 통하여 각각의 프레임별로 국부동조(locally tuned)된 중심점 백터를 구할 수 있었다. 인식 단계에서는 이 신경망을 2차원으로 배열하고 입력층과 은닉층을 완전결합하여 신경망의 출력이 2차원의 오차 패턴이 되도록 하였다. 이러한 오차 패턴에Dynamic Programming 기법을 도입하여 최적경로를 찾게 하였다. 컴퓨터 모의 실험에 사용한 단어는 데이터 Ⅰ로 "공, 하나, 둘 .. 아흡"의 10 단어와 데이터 Ⅱ로 "영. 하나. 둘‥‥ 구"의 10 단어로 총 숫자음 20단어이다. 화자 독립의 경우 데이터 Ⅰ에 대하여 평균 86.3%, 데이터 Ⅱ에 대하여 평균 93.8%, 전체 데이터 20개 단어에 대해서는 평균 82.5%의 인식율을 보여 제안한 TW-RBF 신경망이 TW 기능이 없는 RBF 신경망과 DTW에 비해 우수한 인식율을 나타내었다. In this paper the RBF(Radial Basis Function) neural network with TW(Time-Warping) function is proposed by modifying the existing RBF The RBF neural network has the center vector at each node of hidden layer. And it depends on the learning methods of center vectors and weights in many applications. The speaker-independent speech recognition system is designed by unsupervised learning of center vectors and supervised learning of weights. In the learning mode, the neuron number of hidden layer is determined by the frame number of learning words. Through the learning mode of TW-RBF, the updated weights and locally tuned center vectors are obtained by each frame. In the recognition mode, this neural network is arranged on 2-dimensional structure and fully connected between hidden layer and input layer. The output pattern of this neural network consists of 2-dimensional error pattern. At this pattern, the optimal path is determined by using Dynamic Programming method. In this paper it is tested for twenty numerical speech data ??(“Kong. Hana. Dul. ...A-hop"), data ?? ("Young, ??, ??, ...Ku"). In the speaker independent case, these experiments result in the recognition rate of everage 86.3% for data ?? 93.8% for data ??, 82.5% for total twenty data. It shows that the performance of the proposed TW-RBF is better than that of DTW and RBF without TW function.