sarah0518

NFC: 13.56MHz (낮은 주파수 , 파장이 긴) 를 사용 근거리에서 사용 : 10cm or less의 근접거리 배터리 없이 반사패턴으로만 사용함 Zigbee: bluetooth와 비슷한 계열임 - 2.4GHz대역에서 사용(bluetooth와 동일, 간섭이 있을 수 있음) - channel은 조금 다름: 16개의 channel사용 - 16개의 channel은 2MHz를 사용 ** bluetooth는 1MHz사용(power가 작아 10m이내에서 사용) ** WIFI는 20MHz사용 - Matter표준에서 zigbee가 사용됨 - 공장내 장비통신에서 주로 사용 ** bluetooth는 beacon을 활용한 마케팅 서비스에서 주로 사용 ** BLE는 자동차 키 에서 주로 사용(더 근거리: low ener..

Bluetooth 2가지 종류 1. Bluetooth 2. BLE: Bluetooth Low Energy Bluetooth 4가지 class Bluetooth사용 대역폭 : WIFI 대역폭(파란색 영역)과 같음  Bluetooth vs. Wi-Fi Bluetooth 는 WIFI대비 쓰는 대역폭이 작으므로 속도가 작다 (단, 에너지도 적게 사용함) Bluetooth: 1MHz단위임 Frequency Hopping Spread Spectrum (FHSS) Bluetooth: 1MHz단위의 주파수를 넘나들면서 사용함 Frequency Hopping 장점: wifi가 쓰지 않는 곳을 피해다니면서 쓸수 있음 Bluetooth Layers(다시듣기..) Single-secondary communication 폰에..

단어를 구분하는 단위 ⚫ 형태소(morpheme): 의미를 가지는 언어 단위 중 가장 작은 언어단위이다. 그러므로 형태소는 더 쪼개면 전 혀 의미가 없어지거나 또는 이전의 의미와 관련되는 의미가 없어지는 문법 단위 ⁻ 예) 내일 오후 세시에 학교 가자 ⁎ 내일/오후/세/시/에/학교/가/자 ⚫ 어절: 어절은 띄어쓰기로 나누어지는 언어 단위이다. ⚫ 음절(syllable): 화자와 청자가 한 뭉치로 생각하는 발화의 단위. 음소보다 크고 낱말보다 작 다. 음절은 자음과 모음 또는 단독 모음으로 구성된다. 예) 내/일/오/후/세/시/에/학/교/가/자 언어모델 단어 별로 decomposition을 한 후, history(𝑤𝑘−,1 𝑤𝑘−2, … ,𝑤0)로 부터 다음 단어(𝑤𝑘)를 예측함 단, 문장의 길이가 길어질..

Hidden and Exposed Station Problems (서술형 시험) C는 B의 영역밖에 있어서 신호를 보내는 것을 알지못해, 동시에 보내게 되면 issue가 발생할 수 있음 해결책) RTS 와 CTS 사용 - B가 신호를 보낼 때, RTS를 보내게 되고 그에 따라 다른 node는 작업을 중단함 - RTS를 받은 A는 CTS를 broadcast하여 다른 영역에 있는 C는 A가 신호를 받고있음을 알 수 있음 Exposed Station Problem 빨간색처럼 동시에 보낼수 있으나(다른 영역이므로) C는 A의 range안에 있으므로 A가 B에게 신호를 보내는 동안 C는 D에게 신호를 보내지 않게 됨 → 성능저하 문제 (WIFI는 해결책이 없음) Association Procedure Access..

• Short-Time Fourier Transform 특징 ▫ Short-time windows ▫ Quasi-stationary ▫ Nonparametric ▫ No model-based ▫ Cf. model-based methods: Linear prediction, homomorphic filtering The short-time transform The short-time transform는 위의 수식과 같이 정의 되는데, 그 뜻은 1번은 2번으로 좌우 대칭 시킨 후, 3번과같이 n만큼 평행 이동(delay)시킨다는 내용임 Short-Time Fourier Transform The short-time transform와 Short-Time Fourier Transform의 차이점은 아래 노란색으..

x1*x2가 convolution으로 묶여 있을 때 어떻게 분리할 것인가?? ** time domain에서 convolution이 주파수 domain에서는 곱셈으로 표현 됨 homomorphic system은 아래의 2조건을 만족하는 것임 위에 보다 조금 덜 strict한 것이 아래의 내용 즉 O(곱하기)이 다른 연산인 "세모"(더하기)로 변경되는 것만 만족해도 됨 ** 덧셈으로 변형되면 Superposition of linear systems을 적용하여 쉽게 분리 가능 **Z: Z-transform 위와 같은 일련의 과정을 거쳐 다시 원래신호로 복원시킬 수 있음 ** log를 씌워서 곱셈을 덧셈으로 바꿀 수 있음 Complex Cepstrum vs. Real Cepstrum Cepstrum compon..

8.2.1 인식 8.2.2 Segmentation 8.2.3 학습 음향 모델용 classifier가 가져야 할 특성 ⚫ 모델의 구분 단위를 정할 수 있어야 함 (예: 음소) ⚫ 모델이 주어졌을 때 인식 결과 생성이 가능해야 함 ⚫ 학습 자료가 주어졌을 때 모델 학습이 가능해야 함 ⚫ 대용량 음성코퍼스로 부터 모델 구분 단위별 학습 자료를 자동 생성할 수 있어야 함 ⚫ 모델 결합을 통한 문장 인식 확장성 → 단어에 대한 모델이 문장에 대한 모델로 확장 되는 것 4가지 HMM의 구성요소 1. N개의 상태 (State) eg) 여우silence 에서는 3개의 state 2. 상태간 천이 확률 (Transition probability) 3. 출력 확률분포 (Output probability distributi..

Multi-head attention은 음성인식에 조금 더 잘 맞을 수 있음 왜냐하면, 음성인식은 고주파/저주파에서 나오는 특성이나 분포가 다르기 때문에 고주파에서 나오는 것들끼리 attention하고, 저주파에서 나오는 것들끼리 attention을 하는 것이 더 의미있을 수 있음 Decoder: auto-regressive하게 출력결과가 나와야 하므로 Masked Multi-Head Attention을 사용함 E2E에서의 핵심 개념 - 단어를 vector화 시킨 것 ex) King - alpha = Queen - 문장에서는 마지막 layer의 hidden vector에 context가 녹여 있음(가정) ex) embedding space