본 논문에서는 모바일 환경에서 고립단어 음성인식을 할 경우 화자종속 방법을 이용하여 성능을 높이는 사용자 적응형 후처리 방법을 제안한다. 이 방법은 인식기의 정확한 인식 결과를 위한 추가적인 처리들로 구성된다. 즉 인식기의 출력과 정확한 최종 결과들 간의 관계를 학습하여 이를 잘못된 인식기의 출력을 수정하는 데에 사용한다. 학습에는 패턴인식에 강인한 다충 퍼셉트론을 사용하며 학습 시간을 고려하여 모델을 세분화하고 동적으로 동작할 수 있도록 구현한다. 이 결과 인식기의 오류에 대해 41%를 수정하는 성과(오류 수정률: 41%)를 보였다.
Vehicular Delay Tolerant Networks (VDTNs) have been proposed to address the communication challenges through the store and forward techniques. These techniques employ the intermediate nodes, which take custody of the data and forward them when is possible, but this method could generate congestion and lost packets if the intermediate nodes are not properly selected. However, the selection of the intermediate nodes remains as a central challenge. Therefore, we propose an efficient destination-based algorithm for dynamic custodian management by selecting the intermediate nodes according to the importance of the message, destination, current location and speed of the vehicles. An experimental evaluation was performed with real traces of taxies in the Shanghai city to show the feasibility and assess the performance of the approach. The results revealed an outstanding performance in terms of delivery ratio.
