본 연구에서는 보다 효과적인 기업부도예측을 위하여, 동계적 방법과 인공지능 방법을 결합한 통합모형을 제시하였다. 이를 위하여 통계적인 모형 중에서 가장 널리 활용되고 있는 다변량 판별분석, 로지스틱 회귀분석과 인공 지능적인 방법으로서 최근 널리 사용되고 있는 인공신경망, 규칙유도기법, 베이지안 망의 5가지 방법론을 통합한 Voting with Performance & Weights from ANN(WP-ANN) 통합모형을 제시하였다. 실험결과, 본 연구에서 제안한 WP-ANN 통합모형은 다변량 판별분석, 로지스탁 회귀분석, 인공신경망, 규칙유도기법, 베이지안 망 등의 단일모형과 비교한 결과 가장 예측정확성이 유수한 것으로 나타났다. 따라서 본 연구를 통해 기업부도예측에 있어서 WP-ANN 통합모형이 기존의 모형들에 비해 우수한 예측정확성을 나타냄을 알 수 있었다.
본 논문은 칼라 성분들간의 차분 영상과 휘도 영상을 이용하여 산출한 색차 휘도합 영상을 대상으로 블록에 기반한 영상 분할을 수행하여 객체의 형상 정보를 추출함으로써 분할 특성을 개선한 블록 기반 칼라 영상 분할 기법에 관한 것이다. 우선, R, G, B 영상들 간의 차분 성분들을 구하여 합산한 후, 이를 정규화하여 색차합 영상을 구한다. 다음으로 화소 단위로 휘도 영상의 상위 2비트와 정하화된 색차합 영상의 하위 6비트를 결합하여 색차 휘도합 영상을 얻는다. 이후, 기설정된 크기의 블록으로 분할된 색차 휘도합 영상의 각 블록을 질감 블록과 단순 블록 및 에지 블록으로 분류하고 각 유형의 블록별로 병합한 후, 기설정된 마커 배정 규칙에 따라 선택적으로 마커를 부여한다. 마지막으로, 마커가 부여되지 않은 블록을 대상으로 화소 단위의 워터쉐드 알고리즘을 적용함으로써 자연스러운 형상 정보를 얻을 수 있다. 컴퓨터 시뮬레이션 결과를 통해 고찰할 때, 제안된 방범은 질감 영역에서의 과분할의 문제와 과도한 연산량의 부담을 효과적으로 경감시킬 수 있으나, 더불어, 영상 분할용 파라미터들의 민감도가 낮아 서로 다른 화소 분포 특성온 갖는 영상들에 전역적인 파라미터들사용할 수 있을 뿐만 아니라 특히, 색차 휘도합 영상에 반영된 색차 성분에 힘입어 저대조 경계면에서의 분할 특성을 현저히 개선시킬 수 있는 이점이 있다.
본 연구의 목적은 유역의 홍수사상을 모의하는데 널리 이용되고 있는 HEC-HMS와 하도의 수리해석에 이용되고 있는 HEC-RAS를 결합시켜 직렬보 운영에 따른 홍수예측을 수행하는 절차를 확립하는데 있다. 따라서 본 연구에서는 낙동강유역을 적용 대상유역으로 선정하고 주요 지류를 대상으로 38개 소유역을 분할하여 유역추적을 실시하였으며, 유역추적기법은 Clark법을 채택하였다. 또한 하도의 홍수추적은 HEC-RAS의 부정류 알고리즘을 이용한 홍수파 도달시간을 산정하여 직렬보 운영에 따른 하도의 주요지점에 대한 홍수예측을 수행하였다.
본 연구의 목적은 유역의 홍수사상을 모의하는데 널리 이용되고 있는 HEC-HMS와 하도의 수리해석에 이용되고 있는 HEC-RAS를 결합시켜 일반 하천유역의 홍수예측을 수행하는 절차를 확립하는데 있다. 따라서 본 연구에서는 낙동강유역을 적용 대상유역으로 선정하고 주요 지류를 대상으로 38개 소유역을 분할하여 유역추적을 실시하였으며, 유역추적기법은 Clark법을 채택하였다. 또한 하도의 홍수추적은 HEC-RAS의 부정류 알고리즘을 이용한 홍수파 도달시간을 산정하여 하도의 주요지점에 대한 홍수예측을 수행하였다. 지금까지 낙동강유역을 대상으로 연구된 결과를 요약 정리하면 다음과 같다.
컴퓨터비전의 한 분야인 추적은 다양한 방법론들에 근거하여 활발히 연구되어온 분야이다. 추적알고리즘은 연속되는 영상 시퀀스의 객체를 지속적으로 추적하는 방법으로, 객체의 외형 변형, 이동, 회전, 폐색등 복잡한 환경에서도 강건히 추적하는 것에 초점이 맞춰져 있다. 본 논문에서는 딥러닝의 한 부류인 CNN의 컨볼루션 레이어에서 출력되는 특징맵과 변화되는 객체에 적응적으로 대응하는 코릴레이션 필터를 결합하여 복잡한 환경에서도 객체를 추적하는 방법을 제안한다.
문서 클러스터링은 정보검색 시스템에서 검색과정의 효율성을 향상시키기 위해서 많이 사용된다. 기존의 K-means 클러스터링과 같은 거리-기반 접근 방법은 거리에 대한 척도를 정해야 하는 문제가 있고, 또한 전체 자질 공간에서 지역적 특성에 민감하기 때문에 문서 내에 노이즈가 존재할 경우 만족스러운 결과를 내지 못할 수 있다. 그리고 기본적으로 문서 데이터는 희소성(sparseness)을 가기 때문에 정규 분포를 가정한 mixture 모델을 적용하기도 어려움이 있다. 본 논문에서는 Helmoholtz machine에 의한 문서 클러스터링 방법을 제안한다. 제안되는 방법에서는 하나의 문서를 어떤 내재적인 요인(factor)들의 다양한 결합에 의한 결과로 가정하는데, 이 때의 요인은 주제어 집합 또는 적어도 의미적으로 유사한 단어들의 집합이다. 그리고 기본적으로 Helmholtz machine은 이진 데이터를 다루는데, 텍스트 문서에 나타나는 단어들의 빈도를 고려하기 위해 수정된 Helmholtz machine을 제시한다. TREC-8 adhoe 데이터와 20 Newsgroup 문서 집합에 대한 클러스터링 실험 결과, 제안된 방법이 K-means 알고리즘에 비해 우수한 성능을 보였으며 주제어 추출을 통해 문서 집합의 전체 내용 파악을 용이하게 하는 특성이 있었다.
본 논문에서는 유전자 프로그래밍을 이용하여 온라인 적응 학습이 가능 진화 하드웨어의 진화 전략을 구성하였다. 유전자 프로그래밍은 특유의 트리형 개체구조가 여러 개의 프로세스의 합을 통한 복합 임무의 수행 구조로 해석될 수 있다는 이점에 비하여, 하드웨어 구현이 어렵고 crossover 연산자의 사용이 어렵다는 단점등에 의하여 진화 하드웨어의 동적 재구성 알고리즘으로 널리 사용되지 못하였다. 본 논문에서는 유전자 프로그래밍의 이러한 단점을 극복할 수 있는 개체 표현 및 하드웨어 구현 방법을 제안하였으며, 제안된 방법론에 기존의 연구 결과를 결합하여 유전자 프로그래밍의 수행 효율을 높일 수 있는 진화 전략을 구성하였다. 제안된 진화 전략은 자율 이동 로봇 실험에 적용되어 효율성을 확인하였다.
환자의 체동은 MRI에 의해 제공된 영상의 화질을 저하시키는 주된 원인이 되고 있다. 이에 본 논문에서는 MRI내 3차원 강체운동에 기인한 아티팩트를 제거하는 방법을 제안한다. 이러한 제거 목표를 달성하기 위해 MRI 영상 데이터를 얻기위한 2차원 다-슬라이스 방법(a multiple two dimensional slice technique)이 사용되어 왔다. 대상물체의 운동에 해당하는 수집된 MRI 데이터는 불균일한 표본화와 위상오차에 의해 영향을 받게된다. 3차원 강체운동에 대해 주어진 운동 파라메타와 장면간의 영향이라는 가정하에 양선형 보간법과 중첩법으로 다-슬라이스 데이터를 사용하는 방법에 기초한 재구성 알고리즘을 MRI 아티팩트를 제거하는데 사용한다. 미지의 체동 파라메타를 추정하기 위해 3차원 강체운동은 다-슬라이스 취득방법의 각 영상과 결합된 관심영역 바깥쪽에서 측정된 에너지를 증가시킨다는 사실을 이용하는 최소에너지법을 사용한다. 본 방법의 유효성을 확인하기 위해 3차원 강체운동에 의해 화질이 저하된 스핀-에코우 영상에 적용한 결과 화질이 식별될 수 있을 정도로 개선됨을 확인하였다.
손 추적은 HCI 분야에 있어 손쉽게 이용 가능한 정보 전달 방식 중 하나이며 현재까지도 다양한 연구가 진행되고 있다. 이러한 연구의 공통점은 멀티 큐(Multi-cue)를 기반으로 추적한다는 것이다. 멀티 큐를 사용할 경우 큐들을 어떻게 효율적으로 결합하느냐에 따라 추적 성능이 달라진다. 본 논문에서는 강인한 손 추적을 위해 MSEPF(Mean Shift Embedded Particle Filter) 알고리즘에서 적응적인 멀티 큐 통합 방법을 제안한다. 이는 MSEPF 내부에서 각 파티클에 대한 가중치를 적용할 때, 큐들의 계수를 불확실성 기반으로 계산하여 사용하는 것으로 기존의 멀티 큐 통합 방식의 손 추적보다 강인한 추적을 가능하게 한다. 본 논문에서는 컬러, 깊이 정보에서 얻을 수 있는 피부색, 모션, 깊이 정보 기반 큐를 활용하여 손 추적을 수행하며, 실험 결과, 제안하는 방법은 갑작스런 환경 변화에도 강인한 성능을 보였다.
최근 제안된 관찰학습(OLA: Observational Learning Algorithm)은 committee를 구성하는 각각의 학습 모델들이 다른 학습 모델들을 관찰함으로써 얻어진 가상데이터를 실제 데이터와 결합시켜 학습에 이용하는 방법이다. 본 논문에서는, UCI 데이터 셋의 분류(classification)와 예측(regression)문제에 대하여 다층 퍼셉트론을 학습 모델로 설정하고, 이에 대하여 OLA와 bagging, boosting의 성능을 비교, 분석하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.