• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• pp.57-59
• /
• 1998

소프트웨어의 고품질화를 추구하는 것은 필수적인 일이다. 좋은 품질의 소프트웨어를 획득 또는 개발하기 위해서는 S/W 품질평가에 대한 효율적인 방법이 요구되고 있다. S/W 품질평가는 객관적이고 정량적으로 평가되어야 하므로 본 논문에서는 S/W 품질평가에 대한 표준 및 기준, 방침과 전문가의 지식을 반영한 규칙기반 시스템을 이용하여 평가함으로써 정확하고 신뢰성을 보장하도록 설계하였다. 특히 쉽게 지식을 변경 또는 추가할 수 있도록 규칙기반 시스템으로 설계하였으며, 이러한 규칙기반 시스템을 이용하여 질의 응답을 통해 쉽고 효율적으로 S/W 품질을 평가할 수 있는 기반/기초기술을 제공하였다.

• 월간 기계설비
• /
• 통권223호
• /
• pp.47-57
• /
• 2009

건설산업기본법 시행령 시행규칙이 개정, 2008년 12월 31일 공포되었다. 이번에 개정된 건산법 시행령은 ${\bullet}$원도급자의 공사금액 조종사유 통보 내용과 절차 구체화 ${\bullet}$소규모 공사의 건설기술자 중복배치 허용 현장 수 확대, 건산법 시행규칙은 ${\bullet}$건설공사 하도급계약통보서 및 건설공사대장에 4대 보험료 등의 내용 명시 ${\bullet}$건설업 양도 공고절차 간소화 등의 내용이 개정되었다. 개정된 건산법 시행령은 오는 7월 1일부터, 시행규칙은 오는 4월 1일로부터 시행된다.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.792-797
• /
• 2011

본 논문은 배전망에서의 PV (photovoltaic) 발전 시스템의 최적 배치 문제를 이산 입자 군집 최적화 (DPSO, discrete particle swarm optimization)를 이용하여 해를 구할 때 DPSO에 포함되어야 하는 이산화 단계를 위한 하이브리드 이산화 기법의 적용에 대하여 논한다. 이를 위해 PSO 반복단계에서 목적 함수 값과 최적화 속도를 입력 파라미터로 하는 규칙 기반 전문가 시스템을 제안하고 이산 변수를 포함하여 표현되는 PV 시스템 배치 문제의 최적해를 구하는데 적용하였다. 다수준 이산화를 위하여 간단한 라운딩과 sigmoid 함수를 이용한 3단계 및 5단계 이산화 기법을 하이브리드 형태로 적용하였다. 규칙 기반 전문가 시스템을 적용하여 각 PSO 과정에서 적절한 이산화 기법을 선택함으로써 기존의 DPSO보다 좋은 성능의 최적화가 가능하도록 하였다.

• 응용통계연구
• /
• 제17권1호
• /
• pp.135-144
• /
• 2004

K-평균 군집화(K-means clustering)는 고객 세분화(customer segmentation) 등 데이터 마이닝에서 중요한 한 몫을 하는 비지도 학습방법 (unsupervised learning method)이다. K-평균 군집화가 재현성(reproducibility)이 있는가를 보기 위하여, 다수의 기존 연구에서는 관측 자료를 2개 셋으로 나눈 자료 분할(data partitioning) 방법이 활용되고 있다. 본 교신에서 우리는 이보다 개념적으로 명확한 새로운 자료 분할 방법을 제안한다. 이 방법은 관측 자료를 3개 셋으로 나누어 그 중 2개 자료 셋을 독립적인 군집화 규칙을 생성하는 데 사용하고 나머지 1개의 자료 셋을 규칙간 일치성을 테스트하는데 사용한다. 또한 2개의 군집화 규칙간 일치성 평가를 위한 지표로서 엔트로피 기준의 환용 방법을 제시한다.

• 한국자기학회:학술대회 개요집
• /
• 한국자기학회 2004년도 동계학술연구발표회 논문개요집
• /
• pp.208-209
• /
• 2004

• 한국자기학회:학술대회 개요집
• /
• 한국자기학회 2004년도 동계학술연구발표회 논문개요집
• /
• pp.206-207
• /
• 2004

• 한국재료학회:학술대회논문집
• /
• 한국재료학회 1997년도 한국재료학회 추계학술발표회
• /
• pp.90-90
• /
• 1997

• 한국자기학회:학술대회 개요집
• /
• 한국자기학회 2007년도 동계학술연구발표회 및 스핀트로닉스와 나노물리에관한 국제심포지움
• /
• pp.162-163
• /
• 2007

• 한국자기학회:학술대회 개요집
• /
• 한국자기학회 2005년도 하계학술연구발표회 논문개요집
• /
• pp.160-161
• /
• 2005

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.389-391
• /
• 2003

컴퓨터 학습의 군집화는 주어진 데이터를 서로 유사한 몇 개의 집단으로 묶는 작업을 수행한다. 군집화를 위한 유사도 결정을 위한 측도는 많은 기법들에서 매우 다양한 측도들이 사용되고 또한 연구되어 왔다. 하지만 군집화의 결과에 대한 성능측정에 대한 객관적인 기준 설정이 어렵기 때문에 군집화 결과에 대한 해석은 매우 주관적이고 애매한 경우가 많다. 퍼지 군집화는 이러한 애매한 군집화 문제에 있어서 융통성 있는 군집 결정 방안을 제시해 준다. 각 개체들이 특정 군집에 속하게 될 퍼지 멤버 함수값을 원소로 하는 유사도 행렬을 통하여 군집화를 수행한다. 본 논문에서는 베이지안 학습을 통하여 군집화를 위한 퍼지 멤버 함수값을 구하였다. 본 연구에서는 최적의 퍼지 군집화 수행을 위하여 베이지안 학습 기반의 퍼지 규칙을 추출하였다. 인공적으로 만든 데이터와 기존의 기계 학습 데이터를 이용한 실험을 통하여 제안 방법의 성능을 확인하였다.