• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.229-233
• /
• 2005

모집단의 최적군집 수를 자동으로 결정하고 군집내의 분산은 최소로 하고 군집 간의 분산은 최대로 하는 최적 군집화에 대한 연구는 대부분의 지능형 시스템에서 필요로 하는 모형전략이다. 하지만 아직도 대부분의 군집화 과정에서 분석가의 주관적인 경험에 의존하여 군집수가 결정되어 군집화가 이루어지고 있다. 예를 들어 K-평균 군집화 알고리즘에서도 초기에 K 값을 결정해 주어야 한다. 모집단을 제대로 대표하지 못한 K 값에 의한 군집화 결과는 심각한 오류를 범하게 된다. 본 논문에서는 통계적 학습이론을 이용하여 이러한 문제점을 해결하려고 하였다. VC-차원에 의한 Support Vector를 이용하여 최적의 군집화 기법을 제안하였다. 제안 방법의 성능 평가를 위하여 UCI 기계학습 데이터를 이용하여 객관적인 실험을 수행하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권5호
• /
• pp.462-466
• /
• 2008

본 논문에서는 동적 애드 혹 네트워크(MA-NET)상에서 효율적인 라우팅을 위해 대표적인 군집단지능 알고리즘인 Ant Colony Optimization 알고리즘에 기반을 둔 정보 속성을 고려한 Data Dependent Swarm Intelligence Routing Algorithm(DSRA)을 제안한다. 제안된 알고리즘은 정보를 Realtime 정보와 Non-Realtime 정보로 분류하여 이 두 가지 속성에 의존적인 전송 알고리즘을 적용함으로써 첫째, Realtime 정보의 지연시간을 감소시켜 보다 효율적인 라우팅 경로를 구성하고 둘째, Non-Realtime 정보와 Realtime 정보의 경로 분산 효과를 통해 전체적인 네트워크의 lifetime을 증대시킨다. AODV[1], DSR[2], AntHocNet[3]과 비교를 통해 지연시간과 lifetime 모두에서 DSRA가 더 나은 성능을 보인다는 것을 실험적으로 확인한다.

• 한국지능시스템학회논문지
• /
• 제14권2호
• /
• pp.195-200
• /
• 2004

컴퓨터 게임은 보이드들의 군집 행동 모델링을 위하여 플로킹이라는 지능적인 기법을 사용하고 있다. 플로킹은 약간의 컴퓨터 자원만을 이용하여 조류나 물고기와 같은 예측할 수 없는 형태의 군집 행동 패턴을 자연스럽게 모델링 할 수 있다. 단 논문에서 우리는 사실적인 수중 생태계 군집 행동 모델링을 위하여, 포식자 및 먹이로 구성되는 생태계를 구현하였다. 또한 퍼지 논리를 생태계 요소들의 본능적인 욕망을 구현하기 위하여 적용하였다 그 결과 본 모델은 생태계의 파괴를 극복하고, 자연스럽게 생태계 행동을 모델링 할 수 있다는 것을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제13권6호
• /
• pp.661-666
• /
• 2003

본 논문에서는 범주형 데이터의 분류를 위한 새로운 기법을 제시한다. 기존의 대표적인 퍼지 군집화 방법인 k-modes 알고리즘과 fuzzy k-modes 알고리즘은 군집의 중심을 단일 값으로 표현하고, 군집에 속하는 데이터의 빈도 수에 기반한 중신 갱신 기법을 사용하였다. 이와 같은 기존의 방법들은 분류의 경계가 모호한 데이트를 군집화할 경우, 알고리즘의 각 단계에서 발생하는 분류의 에러를 보정하지 못해 최종적으로 지역해에 빠지는 단점이 있다. 이를 극복하기 위해 본 논문에서는 군집 중심을 퍼지 집합을 이용하여 정의한다. 퍼지 군집 중심은 주어진 데이터와 군집간의 거리 관계를 퍼지 값을 이용해 표현하며, 각 군집의 중심은 데이터의 소속 정도 값을 이용해 갱신된다. 이와 같은 퍼지 중심 표현기법을 도입하여 범주형 데이터의 분류 시에 보다 세밀한 결정을 내림으로써, 인접한 군집들의 경계에서 발생하는 불확실성을 최소화한다. 기존의 대표적인 방법들과의 비교실험을 수행함으로써 제안한 방법의 성능을 검증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 춘계학술발표대회
• /
• pp.103-106
• /
• 2008

본 논문에서는 지능형 자동차의 주행보조 시스템 중의 하나인 교통 표지판 인식을 위한 새로운 방법을 제안한다. 제안한 방법은 잡음, 회전, 크기 등의 변형된 교통 표지판으로부터 기하학적 방법을 이용하여 변형된 정도를 추정하여 교통 표지판 원형으로 보정한다. 그리고 교통 표지판 인식을 위해서 보정된 표지판 영상으로부터 순차적 색기반 군집화(Sequential color-based clustering)에 의한 주의, 규제, 지시, 보조 등의 1차적 분류에 따라서 해당 교통 표지판의 형태 특징인 인식 심벌을 추출한다. 그리고 추출된 인식 심벌에 원형 추척법을 적용하여 교통 표지판 최종 인식 작업을 수행한다. 제안하는 방법의 성능 평가를 위해서 교통 표지판 영상에 잡음, 회전, 크기 등의 임의 변형을 적용하여 다양한 실험 영상을 만들고, 적용한 결과 단일 변형에서는 95%, 혼합 변형에서는 93% 이상의 인식률을 보인다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.112-115
• /
• 2007

본 논문은 퍼지추론을 통해 개체의 유사성과 적합도의 종합적 평가를 이용한 유전알고리즘의 선태연산자를 제안한다. 단일 집단을 가상적으로 임의의 n 개의 개체군을 나누고, 개체의 적합도와 유사도에 기반한 퍼지추론을 통해, 효율적인 계층화를 구성하고자 한다. 동시에 점진형(steady-state) 진화방식과 결합시켜 계층화된 군집내에서 개체들이 조기에 수렴하는 현상을 방지해 줄 수 있도록 하고, 적은 개체를 이용하여 효율적인 진화가 가능하도록 구현하였다. 2가지 기만적 문제에 대해서 다른 선태 연산자들의 결과와 비교하였으며, 만족할만한 성능을 얻었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2002년도 추계정기학술대회
• /
• pp.399-408
• /
• 2002

다중 에이전트 학습이란 다중 에이전트 환경에서 에이전트간의 조정을 위한 행동전략을 학습하는 것을 말한다. 본 논문에서는 에이전트간의 통신이 불가능한 다중 에이전트 환경에서 각 에이전트들이 서로 독립적으로 대표적인 강화학습법인 Q학습을 전개함으로써 서로 효과적으로 협조할 수 있는 행동전략을 학습하려고 한다. 하지만 단일 에이전트 경우에 비해 보다 큰 상태-행동 공간을 갖는 다중 에이전트환경에서는 강화학습을 통해 효과적으로 최적의 행동 전략에 도달하기 어렵다는 문제점이 있다. 이 문제에 대한 기존의 접근방법은 크게 모듈화 방법과 일반화 방법이 제안되었으나 모두 나름의 제한을 가지고 있다. 본 논문에서는 대표적인 다중 에이전트 학습 문제의 예로서 먹이와 사냥꾼 문제(Prey and Hunters Problem)를 소개하고 이 문제영역을 통해 이와 같은 강화학습의 문제점을 살펴보고, 해결책으로 신경망 SOM을 이용한 일반화 방법인 QSOM 학습법을 제안한다. 이 방법은 기존의 일반화 방법과는 달리 군집화 기능을 제공하는 신경망 SOM을 이용함으로써 명확한 다수의 훈련 예가 없어도 효과적으로 이전에 경험하지 못했던 상태-행동들에 대한 Q값을 예측하고 이용할 수 있다는 장점이 있다. 또한 본 논문에서는 실험을 통해 QSOM 학습법의 일반화 효과와 성능을 평가하였다.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.722-728
• /
• 2012

도심지역의 하수관거 시스템은 우수 수용능력 및 하수 월류 발생 등의 시스템의 한계점을 가지고 있어, 강우시 우수 유출수로 인한 침수저감과 더불어 도시비점오염원의 저감에 모두 대응할 수 있는 저류시설의 도입이 주목받고 시작하였다. 최근 환경부에서는 방재적 우수관리와 더불어 합류식 하수관거 월류수, 분류식 우수관거 유출수 처리를 포함하는 다기능 저류시설을 "하수저류시설"이라 통칭하고, 이의 도입을 적극 추진하고 있는 실정이다. 반면 대규모 단일 저류시설 설치의 경우에는 공간 확보의 문제가 발생할 수 있으며, 이에 대안으로는 중 소규모의 분산형 저류시설 설치 및 운영을 들 수 있다. 본 연구에서는 분산형 저류시설-하수관망 네트워크 시스템의 최적 운용을 위한 모델 예측 제어기법을 제안한다. 이를 위해 첫째로 네트워크 시스템의 각 구성 요소의 수리모델을 제시함으로써 보다 정밀한 하수관망 네트워크의 거동을 모사하고자 한다. 둘째로 제안된 모델을 기반으로 현재의 강우 유입량을 고려하여 각 저류조의 수위, 하수관로의 유입/유출량을 예측하여, 입자군집 최적화 알고리즘을 이용한 모델 예측 제어기법을 바탕으로 주어진 제약조건을 만족하며 상황을 바탕으로 제안된 제어기법의 사용여부에 따른 효과를 비교 분석하고, 이의 타당성을 검증하고자 한다.

• 한국항공우주학회지
• /
• 제50권8호
• /
• pp.523-530
• /
• 2022

다양한 임무에서 활용 가능한 무인기 다개체 시스템은 단일 무인기보다 복잡하므로 효율적인 대형 제어방식이 요구된다. 특히 광역 탐색임무에 있어 통신량 및 연산량 부담이 적으며, 무인기간 자율적인 대형 형성이 가능한 분산 제어형의 유동적인 대형 형성이 필요하다. 본 연구는 스캔 면적의 확장 및 탐색 성능향상을 위해 Swarm 대형과 뱅크 정렬 대형, 대형 전체 운동을 고려한 대형 형성 알고리즘을 제안한다. 본 알고리즘은 상대거리에 대해서 2차 진동 특성을 가지며 parameter tuning을 통해 알고리즘을 설계할 수 있다. 또한 통상적인 무인기 시스템에 적합하도록 제어명령을 변환하였고, 시뮬레이션을 통해 알고리즘의 대형 형성 및 운동에 대한 성능을 입증하였다.

• 한국지능시스템학회논문지
• /
• 제15권3호
• /
• pp.289-293
• /
• 2005

패턴 분류는 실세계의 객체를 표현한 다양한 형태의 패턴 정보를 추출하여, 이것이 어떤 부류(클래스)인가를 결정하는 것이다. 패턴 분류 기술은 데이터 마이닝, 산업 자동화나 업무자동화를 위한 컴퓨터 응용 소프트웨어 기술로서 현재 다양한 분야에서 활용되고 있다. 패턴 분류 기술의 최대 목표는 분류 성능 향상이며 이것을 위해 지난 40년간 많은 연구자들이 다양한 접근 방법들을 시도해 왔다. 주로 이용되는 단일 분류 방법들로는 패턴들의 확률적 추론에 기반한 베이즈 분류기, 결정 트리, 거리함수를 이용하는 방법, 신경망, 군집화 등이 있으나 대용량 다차원 데이터를 분석하기에는 효율적이지 못하다. 따라서 상호 보완적인 여러 분류기들을 사용해 결합을 통하여 성능 향상에 도움을 주고 있는 다중 분류기 시스템에 대한 연구가 활발하게 진행되고 있다. 본 논문에서는 다중 SVM(Support Vector Machine) 분류기에 관한 기존 연구의 문제점을 지적하고 새로운 모델을 제안한다. SVM을 다중 클래스 분류기로 확장하기 위해 일대다 정책을 기반으로 하여 각각의 SVM 출력값을 비선형 패턴을 갖는 신호로 간주하고 이를 신경망에 학습하여 최종 분류 성능 결과를 결합하는 모델인 BORSE(Bootstrap Resampling SVM by Ensemble)를 제안한다.