“LMSS에서 樹木으로 인한 신호감쇄”

洪義錫 대한전기학회 1987 전기의 세계 Vol.36 No.4

Aperture로 인한 전자파의 신호 감쇠

홍의석 光云大學校 1990 論文集 Vol.19 No.-

본 연구에서는 보다 일반적이고 실제 이동 통신시 통신로 상에서 항상 나타나게 되는 건물과 건물사이에서 생기는 공간 및 그 밖의 건물과 수목 사이에서 발생하는 공간을 aperture로 간주, 구형 및 원형 aperture로 인한 신호 감쇠에 대한 이론식을 유도한다. 현재 우리나라의 차량 이동 통신 시스템에서 사용하고 있는 주파수대(820Hz-880Hz)의 한 주파수인 820MHz를 선정송수신기를 제작하여 실험 데이타를 얻었다. 이러한 결과는 이론치와 잘 일치함을 볼 수 있었다. In this paper a theoretical formula for the signal attenuation by rectangular and circular apertures was drived by assuming that the space between buildings or branches of a tree is a aperture. To obtain experimental data the frequency 820MHz has been selected which is a frequency in the frequency band of mobile communication in our country. The results agreed well with the theoretical values.

소프트웨어 공학 : 대표적인 클러스터링 알고리즘을 사용한 비감독형 결함 예측 모델

홍의석 ( Euy Seok Hong ),박미경 ( Mi Kyeong Park ) 한국정보처리학회 2014 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.3 No.2

입력 모듈의 결함경향성을 결정하는 결함 예측 모델 연구들은 대부분 훈련 데이터 집합을 사용하는 감독형 모델에 관련된 것들이었다. 하지만 과거 데이터 집합이 없거나 데이터 집합이 있더라도 현재 프로젝트와 성격이 다른 경우는 비감독형 모델이 필요하며, 이들에 관한 연구들은 모델 구축의 어려움 때문에 극소수 존재한다. 본 논문에서는 기존 비감독형 모델 연구들에서 사용하지 않은 대표적인 클러스터링 알고리즘인 EM, DBSCAN을 사용한 비감독형 모델들을 제작하여, 기존 연구들에서 사용한 K-means 모델과 성능을 비교하였다. 그 결과 오류율 면에서 EM이 K-means보다 약간 나은 성능을 보였으며, DBSCAN은 두 모델에 떨어지는 성능을 보였다. Most previous studies of software fault prediction model which determines the fault-proneness of input modules have focused on supervised learning model using training data set. However, Unsupervised learning model is needed in case supervised learning model cannot be applied: either past training data set is not present or even though there exists data set, current project type is changed. Building an unsupervised learning model is extremely difficult that is why only a few studies exist. In this paper, we build unsupervised models using representative clustering algorithms, EM and DBSCAN, that have not been used in prior studies and compare these models with the previous model using K-means algorithm. The results of our study show that the EM model performs slightly better than the K-means model in terms of error rate and these two models significantly outperform the DBSCAN model.

口瘡에 대한 文獻的 考察

홍의석,고우신,Hong, Eui-seok,Ko, Woo-shin 大韓外官科學會 1999 大韓外官科學會誌 Vol.12 No.1

The gu-chang is oriental medical disease name. This study has been carried out to investigate pathogenic factor, pathogenesis, treatment method and medicine of the gu chang by referring to literatures. The results were obtained as follows; 1. Pathogenic factors are pungent taste, stir frying, rich and fatty diet, alchol, disorder of emotion, exogenous pathogen, excessive fatigue and indulgence in sexual activities. 2. Pathogenesis of the gu chang is that the fire heat go up to the mouse. 3. The symptoms are divided into two syndrome. one is sthenia syndrome(實證) - red color and swelling, unendurable pain, strong pulse(脈實), the other is asthenia syndrome(虛症) - pink color, a slight pain, relapse, loose stool, feeble pulse(脈虛). 4. The treatment method is divided into two parts. one is a sthenic syndrome (實證) - clearing strong heat (淸實熱), the other is a asthenic syndrome(虛症) - nourishing yin(滋陰) and clearing deficient heat (淸虛熱), reinforcing the spleen and strengthening middle - JIAO(健脾 補中). 5. The prescription were liang ge san(凉膈散), Ij jhong tang(理中湯) ,xie xim tang(瀉心湯), bu ja li jhong tang, (附子理中湯),liuwei wan(六味元), ba wei wan(八味元), zhuye shigao tang(竹葉石膏湯), si wu tang(四物湯), bu zhong yi gi tang(補中益氣湯) etc.

LNG 운반선의 LNG BOG 재액화 장치 개발

홍의석,이윤표,최건형,장대준,배재류,조기헌 한국유체기계학회 2006 유체기계 연구개발 발표회 논문집 Vol.- No.-

탄성지지된 단경간 교량의 최대 충격계수 응답스펙트럼 생성

홍의석(Hong, UiSeok),박경훈(Park, Kyung-Hoon),노화성(Roh, Hwasung) 대한토목학회 2017 대한토목학회 학술대회 Vol.2017 No.10

비감독형 학습 기법을 사용한 심각도 기반 결함 예측

홍의석,Hong, Euyseok 한국인터넷방송통신학회 2018 한국인터넷방송통신학회 논문지 Vol.18 No.3

소프트웨어 결함 예측에 관한 기존의 연구들은 대부분 모델의 입력 모듈이 결함을 가지고 있는지 여부를 판단하는 이진 감독형 분류 모델들에 관한 것들이었다. 하지만 이진 분류 모델은 결함의 복잡한 특성들을 고려하지 않고 단순히 입력 모듈의 결함 유무만을 판단한다는 문제점이 있고, 감독형 모델은 대부분의 개발 집단이 보유하고 있지 않은 훈련 데이터 집합을 필요로 한다는 한계점이 있다. 본 논문은 이러한 두 가지 문제점을 해결하기 위해 비감독형 알고리즘을 사용한 심각도 기반 삼진 분류 모델을 제안하였으며, 평가 실험 결과 제안 모델이 감독형 모델들에 필적하는 예측 성능을 보였다. Most previous studies of software fault prediction have focused on supervised learning models for binary classification that determines whether an input module has faults or not. However, binary classification model determines only the presence or absence of faults in the module without considering the complex characteristics of the fault, and supervised model has the limitation that it requires a training data set that most development groups do not have. To solve these two problems, this paper proposes severity-based ternary classification model using unsupervised learning algorithms, and experimental results show that the proposed model has comparable performance to the supervised models.

소프트웨어 품질 예측 모델을 위한 분류 프레임워크

홍의석(Euy-Seok Hong) 한국콘텐츠학회 2010 한국콘텐츠학회논문지 Vol.10 No.6

본 논문에서는 위험도라는 품질 인자를 예로 들어 메트릭 기반 소프트웨어 품질 예측 모델들을 네가지 타입으로 분류하는 프레임워크를 제안한다. 모델들은 다음과 같은 두가지 기준에 의해 분류된다: 모델 입력 메트릭 형태, 과거 프로젝트 데이터의 필요 유무. 분류된 타입들은 각각의 특성을 가지며 새롭게 정의된 몇가지 기준들에 의해 타 타입들과 장단점이 비교되었다. 이러한 정성적인 평가를 거쳐 품질 예측 모델을 이용하고자하는 개발 집단은 어떤 품질 예측 모델이 자신들에게 적합한지를 판단할 수 있게 된다. 또한 각 타입에 속하는 위험도 예측 모델들을 구현해 예측 성능을 측정한 선행 연구 데이터를 분석하여 예측성능에 못지않게 모델이 속한 타입의 특성이 모델 선정의 중요한 관건이 됨을 보였다. This paper proposes a framework for classifying metric-based software quality prediction models, especially case of software criticality, into four types. Models are classified along two vectors: input metric forms and the necessity of past project data. Each type has its own characteristics and its strength and weakness are compared with those of other types using newly defined criteria. Through this qualitative evaluation each organization can choose a proper model to suit its environment. My earlier studies of criticality prediction model implemented specific models in each type and evaluated their prediction performances. In this paper I analyze the experimental results and show that the characteristics of a model type is the another key of successful model selection.

세미감독형 학습 기법을 사용한 소프트웨어 결함 예측

홍의석 한국인터넷방송통신학회 2019 한국인터넷방송통신학회 논문지 Vol.19 No.3

소프트웨어 결함 예측 연구들의 대부분은 라벨 데이터를 훈련 데이터로 사용하는 감독형 모델에 관한 연구들이다. 감독형 모델은 높은 예측 성능을 지니지만 대부분 개발 집단들은 충분한 라벨 데이터를 보유하고 있지 않다. 언라벨데이터만 훈련에 사용하는 비감독형 모델은 모델 구축이 어렵고 성능이 떨어진다. 훈련 데이터로 라벨 데이터와 언라벨데이터를 모두 사용하는 세미 감독형 모델은 이들의 문제점을 해결한다. Self-training은 세미 감독형 기법들 중 여러가정과 제약조건들이 가장 적은 기법이다. 본 논문은 Self-training 알고리즘들을 이용해 여러 모델들을 구현하였으며, Accuracy와 AUC를 이용하여 그들을 평가한 결과 YATSI 모델이 가장 좋은 성능을 보였다. Most studies of software fault prediction have been about supervised learning models that use only labeled training data. Although supervised learning usually shows high prediction performance, most development groups do not have sufficient labeled data. Unsupervised learning models that use only unlabeled data for training are difficult to build and show poor performance. Semi-supervised learning models that use both labeled data and unlabeled data can solve these problems. Self-training technique requires the fewest assumptions and constraints among semi-supervised techniques. In this paper, we implemented several models using self-training algorithms and evaluated them using Accuracy and AUC. As a result, YATSI showed the best performance.

통신위성과 지상차량간의 통신에 있어서 가로수로 인한 신호감쇠

홍의석 光云大學校 1988 論文集 Vol.17 No.-

Using Fresnel diffration theory the atteunuation cased by a model tree was calculated to be near 10dB and the maximum fade was found to increase by the logrithm of the number of branches. The results obtained in this paper can be used to reproduce measured data of scattering and fading and to make a quantitative estimate of the influence of parameters such as elevation angle, the distance of scatterers to the mobile and the frequency of tree shadowing.