http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 전상훈(Sanghoon Jun) (검색결과 19 건)
- 무료
- 기관 내 무료
- 유료
-
-
음악 무드와 감정의 퍼지 추론을 기반한 음악 검색 기법
전상훈 ( Sanghoon Jun ),노승민 ( Seungmin Rho ),황인준 ( Eenjun Hwang ) 한국정보처리학회 2008 한국정보처리학회 학술대회논문집 Vol.15 No.1
최근 오디오 압축 기술의 발전에 힘입은 디지털 음원과 웹 스트리밍의 보급으로, 사용자가 음악 정보에 손쉽게 접할 수 있게 되었다. 이에 따라 음악을 보다 쉽고 효율적인 방법으로 검색하는 방법뿐 아니라 사용자의 환경에 따라 적절한 음악을 검색할 수 있는 기능의 필요성이 증가하게 되었다. 본 논문에서는 음악의 특징에 따라 분류된 데이터베이스를 사용하고, 사용자의 감정을 분석하여 적절한 음악을 검색하는 시스템을 제안한다. 본 시스템은 사용자의 감정 입력을 효율적으로 처리하기 위한 방법으로 Thayer 의 2D emotional space 를 적용하여 Valence-Arousal model 의 두 가지의 입력을 처리한다. 가장 적합한 음악의 정보를 얻기 위해 사용된 Fuzzy Inference System 의 IF-THEN 규칙을 정의하기 위하여 언어적으로 정의된 기존의 음악 감정 연구 결과를 적용하였고, 도출된 결과와 가장 유사도가 깊은 음악을 우선적으로 검색하도록 설계하였다. 이와 같이 구현된 시스템의 타당성을 검증하기 위해 사용자 설문조사를 수행하였다.
-
전상훈 ( Sanghoon Jun ),한병준 ( Byeong-jun Han ),황인준 ( Eenjun Hwang ) 한국정보처리학회 2008 한국정보처리학회 학술대회논문집 Vol.15 No.2
음악에서는 다양한 감정의 표현을 시간에 따른 음악 무드의 전이로 표현한다. 본 연구에서는 Longest Common Subsequence (LCS) 알고리즘 및 k-Means 알고리즘에 기반한 유사 음악 검색 기법을 제안한다. 우선, 음악 무드의 흐름을 무드 세그먼트 단위로 나누고, 이를 추출된 다양한 음악 특성을 k-Means 알고리즘으로 분류하여 무드 시퀀스로 변환한다. 또한, 유사한 무드의 흐름을 가지는 음악을 검색하기 위해 LCS 알고리즘에 기반한 무드 시퀀스의 유사도를 정의한다. 본 논문은 제안된 내용을 바탕으로 실험과 설문 조사를 통해, 기존의 전역적 특성 검색 방식보다 시퀀스를 이용한 검색 방식이 좀 더 효율적임을 증명하였다.
-
-
전상훈 ( Sanghoon Jun ),황인준 ( Eenjun Hwang ) 한국정보처리학회 2009 한국정보처리학회 학술대회논문집 Vol.16 No.2
최근 활발해진 여러 유형의 생활 문화 축제에서나 음악 스트리밍 방송과 같은 서비스에서 멈춤없이 계속적으로 음악을 재생할 수 있도록 여러 음악을 조화롭게 혼합하는 믹싱(Mixing) 기술을 담당하는 DJ(Disc-Jockey)의 역할이 중요시되고 있다. 본 논문에서는 이러한 DJ 믹싱 기능을 자동화할수 있는 방법에 대하여 제안한다. 우선, 여러 음악이 가지는 구조를 분석하여 믹싱에 적합한 음악 부분을 검출한다. 또한 음악 믹싱에 필요한 요소인 템포 분석과 비트 매칭(Beat matching)을 자동화하고, Easy Mix System 을 적용하여 해당 음악에 적합한 다른 음악을 찾아 조화로운 키를 가지게 함으로써 보다 자연스러운 믹싱이 가능하도록 한다.
-
상수도시스템의 수리학적 이상감지를 위한 모의데이터 생성기법
전상훈(Jun, Sanghoon),최영환(Choi, Young Hwan) 한국방재학회 2022 한국방재학회논문집 Vol.22 No.2
상수도시스템 비정상상황 감지는 상수도시스템 사고(예, 관 파단) 발생 시 비정상적인 수리적 거동을 바탕으로 사고를 감지하는 기술로서, 이상감지 성능은 수집된 수리학적 데이터의 양과 품질에 영향을 받는다. 정상운영시의 수리학적 데이터는 스마트미터 및 다양한 계측기의 데이터를 활용하여 학습은 가능하나, 사고발생시 비정상적인 수리데이터는 현장실험 및 불규칙적인 사고 이외에는 확보할 수 없다. 따라서, 본 연구에서는 (1) 상수도시스템 수리해석 모형; (2) 실제 상수도시스템 비정상상황 데이터(예, 현장시험, 과거사고 데이터); (3) (1) 및 (2) 모두를 동시에 활용하는 3가지의 모의사고 데이터 생성기법을 제안한다. 제안된 모의사고 데이터 생성기법의 검증을 위해 국내 J-town network를 적용하였다. 제안된 기법은 실제 발생한 사고의 특성 및 여러 경우의 시나리오를 고려한 모의사고 데이터 생성이 가능하다. The water distribution system (WDS) abnormal condition detection is a technology that identifies WDS failure (e.g., pipe bursts) based on abnormal hydraulic behaviors. Its performance in detecting abnormal conditions is impacted by the quantity and quality of the collected hydraulic data. The hydraulic data for normal operation conditions could be provided using the measurements collected by smart meters and various other sensors. However, the abnormal condition hydraulic data cannot be obtained except by means of field tests and irregular system failures. Therefore, this study proposes three data generation approaches that utilize the following: (1) a hydraulic simulation model; (2) real-field WDS abnormal condition data (e.g., field tests, past failure data); and (3) both (1) and (2), simultaneously. Subsequently, the J-town network was applied in order to verify the proposed approaches. It was found that these approaches can generate synthetic failure data when considering the characteristics of actual events of failure and various other scenarios.
-
적대적 학습 기반 오토인코더(ATAE)를 이용한 다차원 상수도관망 데이터 생성
김세형,전상훈,정동휘,Kim, Sehyeong,Jun, Sanghoon,Jung, Donghwi 한국수자원학회 2023 한국수자원학회논문집 Vol.56 No.7
Recent advancements in data measuring technology have facilitated the installation of various sensors, such as pressure meters and flow meters, to effectively assess the real-time conditions of water distribution systems (WDSs). However, as cities expand extensively, the factors that impact the reliability of measurements have become increasingly diverse. In particular, demand data, one of the most significant hydraulic variable in WDS, is challenging to be measured directly and is prone to missing values, making the development of accurate data generation models more important. Therefore, this paper proposes an adversarially trained autoencoder (ATAE) model based on generative deep learning techniques to accurately estimate demand data in WDSs. The proposed model utilizes two neural networks: a generative network and a discriminative network. The generative network generates demand data using the information provided from the measured pressure data, while the discriminative network evaluates the generated demand outputs and provides feedback to the generator to learn the distinctive features of the data. To validate its performance, the ATAE model is applied to a real distribution system in Austin, Texas, USA. The study analyzes the impact of data uncertainty by calculating the accuracy of ATAE's prediction results for varying levels of uncertainty in the demand and the pressure time series data. Additionally, the model's performance is evaluated by comparing the results for different data collection periods (low, average, and high demand hours) to assess its ability to generate demand data based on water consumption levels.
-
박근영,정동휘,전상훈,Park, Geunyeong,Jung, Donghwi,Jun, Sanghoon 한국수자원학회 2021 한국수자원학회논문집 Vol.54 No.10
This work introduces a new approach that classifies individual household water usage by examining the characteristics of smart meter end-user demand data. Here, one of the most well-known unsupervised machine learning, K-means algorithm, is applied to classify water consumptions by each household. The intensity and duration of end-user demands are used as main features to determine the households with similar water consumption pattern. The results showed that 21 households are classified into 13 clusters with each cluster having one, two, three, or five houses. The reasoning why multiple households are classified into the same cluster is described in this paper with respect to the collected data and end-user water consumption behavior.
-
전민아 ( Mina Jeon ),전상훈 ( Sanghoon Jun ),황인준 ( Eenjun Hwang ) 한국정보처리학회 2013 한국정보처리학회 학술대회논문집 Vol.20 No.2
트위터 해시태그(#, HashTag)는 트윗(Tweets)에서 특정 키워드나 내용을 주제별로 분류하고 검색을 보다 효율적으로 사용하기 위한 사용자 정의 태그이다. 사용자가 정의하기에 따라 다양한 형태로 작성되기 때문에 오히려 검색의 효율성이 떨어질 수 있으며, 사용자는 자신이 작성한 트윗에 어떤 해시태그를 추가해야 하는지에 대한 궁금증이 생기는 경우가 발생한다. 본 논문에서는 이러한 문제를 해결하기 위해 사용자가 작성한 트윗에 적합한 해시태그를 추천하는 기법을 제안한다. 수집한 트윗과 해시태그의 키워드를 추출하고 트윗의 유사도를 계산하기 위해 TF-IDF 와 Cosine Similarity 를 적용하여 유사한 트윗을 갖는 해시태그를 추천한다. 본 논문에서 제안된 기법을 검증하기 위한 실험으로 추천의 정확성을 평가했다.
-
최홍구 ( Hong-gu Choi ),전상훈 ( Sanghoon Jun ),황인준 ( Eenjun Hwang ) 한국정보처리학회 2010 한국정보처리학회 학술대회논문집 Vol.17 No.2
본 논문에서는 블로그의 포스트로부터 주요 키워드를 추출하여 노래 가사 데이터와 유사도를 분석, 해당 블로그 포스트에 적합한 음악을 추천하는 기법을 제안한다. 또한, 블로거가 포스트마다 제시한 태그들도 주요한 키워드로서 활용한다. 이를 위해서, 첫째로 TF-IDF 기법을 사용하여 텍스트로 구성된 포스트의 중요 키워드를 추출한다. 둘째로 포스트의 태그와 추출된 키워드를 기반으로 유사한 노래 가사를 LSA 기법으로 검색하여 가장 높은 유사도를 갖는 음악을 선택, 적합한 음악으로써 추천한다. 사용자 만족도 평가 실험을 통해서 제안하는 기법이 실제 추천에 적합한지 검증한 다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
