개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.12
- 수록면
- 135 - 143 (9page)
- DOI
- 10.5762/KAIS.2021.22.12.135
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 스펙트럼 저장 시 데이터용량을 줄이기 위해 합성곱 오토인코더(convolutional autoencoder) 구조에 ResNet(Residual Neural Network) 알고리즘을 적용한 스펙트럼 데이터 압축 신경망을 제안한다. 최근 분광법(spectroscopy)의 적용 분야가 넓어짐에 따라 스펙트럼 데이터베이스가 대용량화되어 효율적인 전송이 어렵고 많은 저장 공간을 필요로 한다. 이러한 대용량의 데이터베이스를 효율적으로 관리하기 위해 데이터 압축을 수행한다. 기존 데이터 압축에 주로 사용되는 PCA(Principal Component Analysis)는 주성분의 개수에 따라 압축률이 결정된다. 주성분 개수가 적을수록 압축률은 높아지지만 정보 손실이 보다 쉽게 발생하기 복원 시 원본 데이터와의 크게 오차가 발생한다. 이러한 한계점을 극복하기 위해 본 논문에서는 제안한 신경망인 CAER(Convolutional AutoEncoder+ResNet)을 통하여 데이터 압축을 수행하였다. 신경망 학습은 실제 스펙트럼 데이터를 묘사하여 생성한 모의실험 데이터를 통해 수행하였다. CAER 신경망의 성능 검증을 위해 라만 스펙트럼을 PCA와 신경망을 통하여 75%, 87.5%, 93.75%의 압축률로 압축과 복원을 수행한 후 각각의 결과를 비교 분석하였다. 원본과 복원 데이터의 오차 비교를 하였을 때 CAER 신경망은 PCA보다 평균 94.2%의 낮은 오차를 보인다. 이 결과를 통해 CAER 신경망이 스펙트럼 데이터 압축에 효과적으로 적용될 수 있음을 확인하였다.
목차
요약
Abstract
1. 서론
2. 본론
3. 결론
References
참고문헌 (11)
참고문헌 신청
D. A. Long, Raman Spectroscopy. In The characterization of chemical purity: Organic Compounds, p.173, Butterworth, 1971, pp. 149-161 DOI: http://dx.doi.org/10.1016/B978-0-408-70145-7.50015-6
D. L. Pavia, G. M. Lampman, G. S. Kriz, J. R. Vyvyan, Introduction to Spectroscopy 5th Edition, p. 786, CENGAGE Learning, 2014, pp. 14-87
D. J. Gardiner, Introduction to Raman Scattering. In Practical Raman Spectroscopy, p.157, Springer, 1989, pp.1-12 DOI: https://dx.doi.org/10.1007/978-3-642-74040-4_1
D. W. Shipp, F. Sinjab, I. Notingher, “Raman spectroscopy: techniques and applications in the life sciences”, Advanced in Optics and Photonics , Vol.9, No.2, pp.315-428, 2017. DOI : http://dx.doi.org/10.1364/AOP.9.000315
H. Abdi, L. J. Williams, "Principal component analysis", Wiley Interdisciplinary Reviews: Computational Statistics , Vol.2, No.4, pp. 433-459, 2010. DOI: http://dx.doi.org/10.1002/wics.101
D. L. Pavia, G. M. Lampman, G. S. Kriz, J. R. Vyvyan, Introduction to Spectroscopy 5th Edition, p. 786, CENGAGE Learning, 2014, pp. 14-87
D. J. Gardiner, Introduction to Raman Scattering. In Practical Raman Spectroscopy, p.157, Springer, 1989, pp.1-12 DOI: https://dx.doi.org/10.1007/978-3-642-74040-4_1
D. W. Shipp, F. Sinjab, I. Notingher, “Raman spectroscopy: techniques and applications in the life sciences”, Advanced in Optics and Photonics , Vol.9, No.2, pp.315-428, 2017. DOI : http://dx.doi.org/10.1364/AOP.9.000315
H. Abdi, L. J. Williams, "Principal component analysis", Wiley Interdisciplinary Reviews: Computational Statistics , Vol.2, No.4, pp. 433-459, 2010. DOI: http://dx.doi.org/10.1002/wics.101
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥러닝을 이용한 부채널 데이터 압축 프레임 워크
정보보호학회논문지
2024 .06
-
지리정보 데이터 압축률 향상을 위한 Run-Length/Byte- Packing 압축 알고리즘 설계 및 구현
한국정보통신학회논문지
2017 .10
-
다중 에이전트 인지를 위한 오토인코더 기반 특징 데이터 압축기법 연구
한국통신학회 학술대회논문집
2024 .06
-
GPGPU를 활용한 인공신경망 예측기반 텍스트 압축기법
정보과학회 컴퓨팅의 실제 논문지
2016 .03
-
단일 프레임을 이용한 CAN 데이터 압축 효율 향상 방법
전자공학회논문지
2022 .04
-
철도 센서 데이터 압축 가능성 분석
한국정밀공학회 학술발표대회 논문집
2016 .05
-
입력 데이터에 따른 오토인코더의 성능 비교 분석
대한전자공학회 학술대회
2019 .11
-
DenseNet 기반의 이미지 압축
한국방송미디어공학회 학술발표대회 논문집
2018 .06
-
컨벌루션 신경망을 활용한 압축센싱 고찰
대한전자공학회 학술대회
2017 .06
-
비디오 인코더를 통한 딥러닝 모델의 정수 가중치 압축
방송공학회논문지
2021 .11
-
딥 러닝 기반의 이미지와 비디오 압축 기술 분석
방송공학회논문지
2018 .05
-
ResNet을 이용한 도로 네트워크 교통 데이터 예측
대한공간정보학회지
2021 .06
-
효율적인 대역폭 활용을 위한 심층 신경망과 이미지 압축의 연관성에 관한 연구
한국통신학회 학술대회논문집
2021 .06
-
스파크 기반의 대용량 데이터 압축을 이용한 실시간 데이터 분석 기법
한국컴퓨터정보학회 학술발표논문집
2020 .07
-
IoT센서 데이터셋을 위한 손실압축의 압축률 예측 연구
Proceedings of KIIT Conference
2022 .06
-
VCM을 위한 PCA 기반 피처 맵 압축 방법
한국방송미디어공학회 학술발표대회 논문집
2021 .11
-
오토인코더를 이용한 CNN 이미지 분류 네트워크의 feature 압축 방안
한국방송미디어공학회 학술발표대회 논문집
2020 .11
-
온디바이스 기반 차량 데이터 압축 기술에 관한 연구
한국통신학회 인공지능 학술대회 논문집
2024 .09
-
ResNet을 이용한 도로 네트워크 교통 데이터 예측
대한공간정보학회 학술대회
2021 .06
-
암시적 신경망 기반 비디오 압축 기술에 관한 연구
한국방송미디어공학회 학술발표대회 논문집
2024 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0