• 한국정보과학회논문지:데이타베이스
• /
• 제37권6호
• /
• pp.285-291
• /
• 2010

본 연구에서는 나이브 베이시안 학습의 환경에서 속성의 가중치를 계산하는 새로운 방식을 제안한다. 기존 방법들이 속성에 가중치를 부여하는 방식인데 반하여 본 연구에서는 한걸음 더 나아가 속성의 값에 가중치를 부여하는 새로운 방식을 연구하였다. 이러한 속성값의 가중치를 계산하기 위하여 Kullback-Leibler 함수를 이용하여 가중치를 계산하는 방식을 제안하였고 이러한 가중치들의 특성을 분석하였다. 제안된 알고리즘은 다수의 데이터를 이용하여 속성 가중치 방식과 비교하였고 대부분의 경우에 더 좋은 성능을 제공함을 알 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제14권4호
• /
• pp.107-112
• /
• 2014

본 연구에서는 다중 사용자 환경의 볼륨 가시화(Volume Rendering)에서 변환 함수(Transfer Function)의 최적화 방안을 연구한다. 볼륨 데이터에 따라 필요한 변환 함수의 형태가 다르기 때문에 여러 번의 시행착오를 겪어야 필요한 변환 함수를 얻을 수 있는데, 이를 방지하기 위해 크라우드 소싱 기법을 이용하여 변환 함수의 파라미터를 최적화 하는 방안을 제안한다. 다중 사용자 환경에서 각 사용자마다 신뢰도에 따른 레벨을 지정하여 가중치로 사용한다. 이전 사용자가 사용했던 변환 함수 파라미터는 가중치만큼 다음 사용자에게 제공되기 때문에 다음 사용자는 변환 함수의 최적 파라미터를 찾기 위한 시도횟수를 줄일 수 있다.

• 한국멀티미디어학회논문지
• /
• 제12권9호
• /
• pp.1333-1341
• /
• 2009

컴퓨터 게임에서 전술적 경로 찾기란 캐릭터의 이동 경로를 결정할 때, 최단 거리나 최소 시간 등의 요소만이 아니라 주변의 전술 정보를 고려하여 경로를 선택해야 하는 경로 찾기를 말한다. 경로 찾기에 전술 정보를 포함하는 한 가지 방법은 게임에 필요한 전술 정보를 각 정보의 중요도에 따라 가중치를 부여하고 가중 합으로 휴리스틱 함수를 표현하는 것이다. 전술 정보의 가중치의 결정은 경로를 찾기 위한 탐색의 성능과 구해지는 경로의 특성을 결정짓기 때문에 매우 중요하다. 본 논문에서는 레벨 설계자가 캐릭터의 특성에 맞는 경로 표본을 제공하면 현재 가중치에 의해 탐색된 경로와 주어진 표본 경로와의 차이를 이용하여 더 나은 가중치로 조정함으로서 휴리스틱 함수를 개선하는 방법을 제안한다. 제안된 방법은 탐색 오차를 발견하여 휴리스틱을 학습하기 위해 수정된 탐색 알고리즘과 퍼셉트론-유사 가중치 갱신 공식을 포함한다. 시뮬레이션 결과를 통해 전술 정보를 이용한 경로 계획과 기존의 경로 찾기의 차이를 보여주며 학습의 성능에 영향을 주는 요인들에 대해 분석하고 실제 게임 환경에 적용한 예를 보여 준다.

• 한국정보통신학회논문지
• /
• 제13권4호
• /
• pp.700-713
• /
• 2009

데이터마이닝 분야에서 기존의 분류알고리즘들은 보다 적은 컴퓨팅 자원을 이용하여 보다 빨리 분류모형을 생성하고자 하는 효율성 중심의 연구가 주를 이루었다. 본 논문에서는 분류알고리즘의 효율성을 추구할 뿐 아니라 온톨로지 자동생성이나 비즈니스 환경 등 각 응용분야에 적합한 유효한 분류규칙을 보다 많이 생성 할 수 있는 효과성도 동시 에 추구하였다. 이를 위하여 지지도와 신뢰도의 가중치가 적용된 가중치 적용함수를 제안하였고 이 함수의 성질들을 이론적으로 규명하였다. 가중치 적용함수를 사용하면서 새로운 분리 기준 설정 방법을 제안하였고 또한 새로운 분류알고리즘을 제안하였다. 제안한 알고리즘의 성능평가 결과 기존의 우수한 알고리즘보다 보다 많은 유효한 분류규칙들을 보다 신속하게 생성함을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.363-363
• /
• 2019

활성화 함수(activation function)는 기계학습(machine learning)의 학습과정에 비선형성을 도입하여 심층적인 학습을 용이하게 하고 예측의 정확도를 높이는 중요한 요소 중 하나이다(Roy et al., 2019). 일반적으로 기계학습에서 사용되고 있는 활성화 함수의 종류에는 계단 함수(step function), 시그모이드 함수(sigmoid 함수), 쌍곡 탄젠트 함수(hyperbolic tangent function), ReLU 함수(Rectified Linear Unit function) 등이 있으며, 예측의 정확도 향상을 위하여 다양한 형태의 활성화 함수가 제시되고 있다. 본 연구에서는 기계학습을 통하여 수위예측 시 정확도 향상을 위하여 Hybrid 활성화 함수를 제안하였다. 연구대상지는 조수간만의 영향을 받는 한강을 대상으로 선정하였으며, 2009년 ~ 2018년까지 10년간의 수문자료를 활용하였다. 수위예측 알고리즘은 Python 내 Tensorflow의 RNN (Recurrent Neural Networks) 모델을 이용하였으며, 강수량, 수위, 조위, 댐 방류량, 하천 유량의 수문자료를 학습시켜 3시간 및 6시간 후의 수위를 예측하였다. 예측정확도 향상을 위하여 입력 데이터는 정규화(Normalization)를 시켰으며, 민감도 분석을 통하여 신경망모델의 은닉층 개수, 학습률의 최적 값을 도출하였다. Hybrid 활성화 함수는 쌍곡 탄젠트 함수와 ReLU 함수를 혼합한 형태로 각각의 가중치($w_1,w_2,w_1+w_2=1$)를 변경하여 정확도를 평가하였다. 그 결과 가중치의 비($w_1/w_2$)에 따라서 예측 결과의 RMSE(Roote Mean Square Error)가 최소가 되고 NSE (Nash-Sutcliffe model Efficiency coefficient)가 최대가 되는 지점과 Peak 수위의 예측정확도가 최대가 되는 지점을 확인할 수 있었다. 본 연구는 현재 Data modeling을 통한 수위예측의 정확도 향상을 위해 기초가 되는 연구이나, 향후 다양한 형태의 활성화 함수를 제안하여 정확도를 향상시킨다면 예측 결과를 통하여 침수예보에 대한 의사결정이 가능할 것으로 기대된다.

• 한국멀티미디어학회논문지
• /
• 제3권6호
• /
• pp.592-603
• /
• 2000

본 논문에서는 12개의 방향성 $5\times{5}$ 그라디언트 마스크를 서명영상에 적용하여 추출한 밀도함수와 가중치 평균퍼지 분류기를 사용하여 오프라인 서명 검증기법을 연구하였다. Nevatia-Babu 그라디언트 마스크에 근간을 두고 추출한 12방향에 대한 밀도함수는 서명영상의 전체적인 형태와 연관이 있어 본 연구의 특징벡터로 사용되었다. 가중치 평균 퍼지분류기의 판단기준이 되는 특징벡터들의 집합은 친필 서명샘플들에서만 추출되어 위조서명의 검출에 적용되었다. 본 논문의 실험결과는 제안된 시스템이 다양한 위조서명에 관한 어떤 사전지식이 없다할지라도 77% 이상의 높은 검증률로 서명영상의 진위여부를 가려낼 수 있음을 보였다.

• 인터넷정보학회논문지
• /
• 제17권2호
• /
• pp.11-17
• /
• 2016

이 논문에서는 델타함수와 상호 정보 에너지(cross information-potential with the delta functions, CIPD)에 기반한 블라인드 등화 알고리즘의 최적 가중치를 유도하고 충격성 잡음에 대해 가지는 강인성에 대해 분석하였다. CIPD 알고리즘의 입력에 대한 크기조절 기능이 정상상태 가중치를 충격성 잡음으로부터 안정되게 유지하는 주된 역할을 하는 것으로 분석되었으며 시뮬레이션 결과를 통하여, CIPD 알고리즘의 정상상태 가중치는 MSE 성능기준의 최적해를 가지면서도, 충격성 잡음에서 MSE에 기반한 LMS 알고리즘과 달리, 안정된 값을 유지함을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(C)
• /
• pp.236-239
• /
• 2011

품사 태깅에서 오류는 같은 가중치를 가지는 것으로 간주되어 왔다. 하지만 품사 태깅의 결과를 활용하는 다른 자연어 처리 기술에 태깅 오류가 얼마나 영향을 미칠 수 있는가에 따라 품사 태깅 시 발생하는 오류가 가지는 가중치를 다르게 보아야 한다. 심각한 오류는 이를 활용하는 자연어 처리 기술의 성능 저하를 크게 야기하지만, 사소한 오류는 성능의 저하를 야기하지 않거나 그 영향이 미미하다. 본 논문에서는 품사 태깅 시, 전체적인 성능을 유지하면서 심각한 오류를 줄이는 것을 목표로 한다. 이를 위해 두 가지 점진적 손실 함수(gradient loss function)를 제안한다. 제안한 손실 함수는 심각한 오류에 사소한 오류보다 더 큰 가중치를 줌으로써 품사 태깅 모델이 심각한 오류에 더 집중하여 성능을 최적화하도록 한다. 실험에서 제안한 손실 함수를 활용한 태깅 모델은 기존의 방법에 비해 심각한 오류를 효과적으로 줄일 뿐만 아니라 전체적으로 더 높은 정확도를 보였다.

• 한국음향학회지
• /
• 제40권4호
• /
• pp.347-358
• /
• 2021

본 연구의 목적은 곡면배열이 설치된 이중 곡률을 갖는 곡면의 형상을 최적화하는 것이다. 곡면은 4개의 미지수로 결정되는 이중 타원구로 모델링 하였다. 곡면 배열의 빔 패턴 분석을 통해서 4개의 미지수 중에 2개의 설계 파라미터를 결정했다. 빔 설계 인자의 sharp 지수의 합으로 표현되는 가중치 목적 함수를 정의했다. 각각의 sharp 지수는 여러 빔 설계 인자 중에 지향 지수, 고각 해상도, 방위각 해상도로 정의했다. 가중치가 주어졌을 때, 모든 격자에 대한 직접 계산을 통해 가중치 목적 함수를 평가하고 2개의 설계 파라미터의 최적값을 찾았다. 시뮬레이션에는 총 4종류의 가중치를 사용했다. 각각의 가중치에 대한 최적 곡면 형상 및 빔 패턴 분석 결과를 보였다. 특별히 균등 가중치를 사용했을 때, 다른 가중치를 사용했을 때보다 부드러운 표면을 갖는 이중 타원체의 형상이 얻어졌다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.251-254
• /
• 1998

본 논문에서는 신경회로망의 수렴속도를 높이기 위한 알고리즘을 제안한다. 전형적인 역전파 학습방식은 느린 수렴속도가 단점으로 제기되는데 이는 비용함수의 계곡부근에서 가중치의 궤적이 심한 진동현상을 보이기 때문이다. 이 문제를 해결하기 위해서 본 논문에서는 경사법에서 사용되는 갱신방향을 계곡의 진행방향을 이용하여 변경한다. 모의실험을 통하여 제안된 방법으로 가중치의 궤적에 나타나는 진동을 줄이고 수렴속도를 향상시킬 수 있음을 보인다.