• 한국군사과학기술학회지
• /
• 제11권5호
• /
• pp.49-57
• /
• 2008

In this paper, we suggested a methodology that can be used by an agent to learn models of other agents in a multi-agent system. To construct these model, we used influence diagram as a modeling tool. We present a method for learning models of the other agents at the decision nodes, value nodes, and chance nodes in influence diagram. We concentrated on learning of the other agents at the value node by using neural network learning technique. Furthermore, we treated anti-air units in anti-air defense domain as agents in multi. agent system.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (2)
• /
• pp.321-323
• /
• 1998

이 논문에서는 크기가 큰 III-Conditioned Matrices 정방행렬의 좌측 또는 우측 역행렬 계산시 계산상의 정확도를 향상시키는 알고리듬에 대하여 기술한다. 이 알고리듬은 대상 행렬의 행벡터들을 Input으로 하고 해당 Input 벡터가 몇번째 행 벡터인지를 나타내는 단위 벡터를 Target 벡터로 하며 초기 Weight 값으로 Pivoting을 겸한 Gauss소거법을 적용하여 얻은 역행렬을 사용하는 Single Layer 인공신경망에 적용하는 역전파 알고리듬과 흡사한 것이다. 각각의 Input 행 벡터에 대하여 역행렬의 열 벡터들이 점진적으로 직교가 되거나 평행이 되도록 근접시키므로써 모든 Input 행 벡터들이 열벡터들에 비교적 균일하게 직교 또는 평행이 되도록 학습시키는 알고리듬이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.351-354
• /
• 2004

본 논문에서는 낱자에서 추출한 특징을 입력으로 사용하는 자소 인식기를 이용한 저해상도 인쇄체 한글 영상의 인식 방법을 제안하였다. 제안한 방법에서는 입력 문자를 한글 6 형식과 기타 형식의 문자, 총 7 종으로 분류한 뒤, 입력 문자를 인식 대상 문자의 수와 자소 복잡도에 따라 하나 또는 두 개의 인식 단위로 구분하여 인식한다. 각 HRU는 낱자에서 추출한 방향각 특징을 입력으로 사용하는 다층 신경망 인식기를 이용하여 인식한다. 다음으로, 각 다층 신경망 인식기의 신뢰도를 조합하여 최종 인식 결과를 도출한다. 제안한 방법을 사용한 실험에서 98.99%의 인식률을 얻을 수 있었으며, 이는 기존 방법에 비해 15.83%의 오류가 감소한 것이다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제61차 동계학술대회논문집 28권1호
• /
• pp.265-267
• /
• 2020

본 논문에서는 열간압연 공정에 있어 효율적인 제품 생산 스케줄링에 필수적인 제품단위 에너지 사용 모델링 기법을 제안한다. 제안된 모델은 시스템 자원을 효율적 혹은 최소화하여 사용하여 실시간 처리량을 최대화함으로써 생산 예정 리스트로부터의 예측 작업 수행시간을 최소화할 수 있도록 한다. 제안된 기법은 다변량 선형 모델 방식으로 구성됨으로써 인공 지능 혹은 신경망 학습 방식에 비교하여 그 처리 속도가 빠르다는 장점을 가지고 있다. 본 논문에서는 서두에서 대상 응용처인 철강 산업과 열간 압연 공정 및 에너지 스케줄링에 대하여 간략히 언급한 후 본문에서 모델링을 위한 사전 데이터 수집, 모델링 기법을 자세히 설명하고 결론에서 모델의 정확도 성능을 최신 신경망 기법과 비교하여 검증하였다.

• 한국통신학회논문지
• /
• 제19권11호
• /
• pp.2133-2146
• /
• 1994

본 논문에서는 한글의 동적자소분할 방법과 자소분할 결과 얻어진 가변분할 망눈으로부터 특징벡터를 추출해 신경망에 입력함으로써 문자를 인식하는 방법을 제안한다. 먼저, 각 문자에서 4방향 기여도와 $8\pm8$망눈을 사용하여 256차원의 특징벡터를 구한 후, 신경망에 의해 한글을 6형식으로 분류한다. 분류된 결과를 바탕으로 모음의 통계적인 위치정보와 문자의 구조적인 정보를 이용하여 각 문자를 자소 단위로 분할한다. 분할된 자소의 크기에 따라 가변적인 크기를 갖는 망눈을 구성하고 특징벡터를 추출해 자소인식 신경망에 입력함으로써 문자인식을 행한다. 4개의 서체(3개의 서체는 학습, 1개는 인식실험), KS C 5601내의 2350자의 문자를 대상으로 실험한 결과 학습에 사용된 서체에 대해서는 97%이상, 나머지 한 서체에 대해서는 94% 이상의 인식률을 나타내 제안된 방법의 유효성을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.377-377
• /
• 2019

본 연구에서는 LSTM 모형을 이용하여 갈수예보를 위한 월 단위 전망모형개발의 대상지점으로 이수 및 치수의 측면에서 아주 중요한 한강대교 지점을 선정하였으며 유량예보를 위하여 한강수계 19개 기상관측소의 월평균강수량, 월평균기온 및 3개 댐(소양,횡성,충주)의 월방류량을 사용하여 한강대교의 월 유량을 예측하였다. 1996년부터 2016년까지의 자료는 모형의 학습, 2017년 자료는 모형의 검증에 활용하였으며 가장 최근 건설된 횡성댐 방류량의 경우 1996년~2000년의 자료가 없으므로 2001년~2005년의 자료를 반복하여 학습에 활용하였다. 모형의 예측결과는 신경망 학습 시 한강대교 월유량자료를 포함한 결과와 미포함 결과를 도출하였으며, 모의결과의 재현성 분석을 위하여 월별 예측값과 실측값의 비율을 산정하였으며 1월부터 12월까지 12개 값을 평균하여 평균예측률을 산정하고 이를 홍수기(6월~10월) 및 비홍수기(1월~5월, 11월~12월)를 구분하였다. 딥러닝 학습 시 월유량을 포함한 경우의 예측결과가 학습 시 월유량을 포함하지 않았을 경우보다 상대적으로 좋은 정확도를 보이는 것으로 분석되었다. 다만, 신경망을 실제 갈수예보에 활용하기 위해서는 예측 기상정보인 월강우량, 월평균기온, 댐방류량만을 활용하여야 하는데 학습 시월유량 미포함 결과는 예측률이 매우 낮았으며, 신경망의 학습횟수가 늘어날 경우 학습자료 과적합(over-fitting)되어 정확도가 보다 저하되는 것으로 나타났다. 그래서 기존의 현재시간 t까지의 입력자료로 학습 후 익월(t+1)의 월유량을 예측하는 (t $\rightarrow$ t+1) 방법에서 현재시점 (t-n ~ t)까지의 입력자료를 이용하여 당월(t)의 월유량을 산정하는 (t$\rightarrow$t) 방법으로 재학습 후 모형검증을 수행한 결과 전술한 익월(t+1) 유량을 예측한 결과보다 재현성이 훨씬 향상된 것으로 분석되며평균예측률이 0.99로 홍수기 및 비홍수기에서도 뛰어난 정확성을 보이고 있다.

• 한국정보통신학회논문지
• /
• 제23권3호
• /
• pp.237-246
• /
• 2019

추천 시스템의 등급 예측 정확도를 높이기 위해서는, 사용자 항목 등급 데이터뿐만 아니라 주석, 태그 또는 설명과 같은 항목의 보조 정보도 고려해야만 한다. 기존 접근법에서는 단어 단위에서 bag-of-words 모델을 사용하여 보조 정보를 모델링한다. 그러나 이러한 모델은 보조 정보를 효과적으로 활용할 수 없으므로 보조 정보를 제한적으로 이해하게 된다. 한편, 컨볼루션 신경망(CNN)에서는 보조 정보로부터 특징 벡터를 효과적으로 포착하고 추출할 수 있다. 따라서 본 논문에서는 새로운 추천 모델을 위해 딥 CNN을 행렬 분해에 통합시킨 문자 수준의 딥 컨볼루션 신경망 기반 행렬 분해 (Char-DCNN-MF) 방법을 제안한다. Char-DCNN-MF에서는 보조 정보를 더 심층적으로 이해하고 추천 성능을 더욱 향상시킬 수 있다. 실험은 세 가지 다른 실제 데이터 세트에서 수행되었으며 그 결과는 Char-DCNN-MF가 다른 비교 모델보다 유의적으로 뛰어난 성능을 보여주었다.

• 한국정보통신학회논문지
• /
• 제24권12호
• /
• pp.1588-1594
• /
• 2020

본 논문에서는 심층신경망(deep neural network, DNN)을 이용하여 디지털 홀로그램을 생성하는 신경망의 학습을 위한 데이터 균형 조정 방법에 대하여 논의 한다. 심층신경망은 딥러닝(deep learning, DL) 기술에 기반을 두고 있고, 생성형 적대적 네트워크(generative adversarial network, GAN)계열을 이용한다. 심층 신경망을 통하여 생성 하고자하는 홀로그램의 기본 단위인 프린지 패턴은 홀로그램 평면과 객체의 위치에 따라 데이터의 형태가 매우 다르다. 하지만 데이터의 분류 기준이 명확하지 않기 때문에 학습 데이터의 불균형이 생길 수 있다. 학습 데이터의 불균형은 곧 학습의 불안정 요소로 작용한다. 따라서 분류 기준이 명확하지 않은 데이터를 분류하고 균형을 맞추는 방법을 제시한다. 그리고 이를 통하여 학습이 안정화됨을 보인다.

• 한국수자원학회논문집
• /
• 제46권7호
• /
• pp.697-706
• /
• 2013

최근 한국은 기후변화로 인한 기온 및 수온 상승, 빈번한 집중호우와 친수공간 조성에 따른 적극적인 하천의 활용 등으로 인하여 하천 및 저수지 내 수질관리에 있어 해결해야 하는 많은 문제점을 가지고 있다. 본 연구는 효율적인 수질관리를 위하여 인공신경망을 이용한 단기조류예측모형 구축에 관한 연구이다. 대상지역으로 조류가 번식하기 좋은 조건을 지니고 있는 금강유역 내 대청호를 선정하였고 설치되어 있는 수질 자동측정망의 일 단위자료를 이용하였다. 다층전방향신경망의 역전파 알고리즘을 이용하여 단기(1일, 3일, 7일) 조류를 예측할 수 있는 모형을 구축하였다. 본 모형에서는 대청호 내 수문 및 수질성분을 교차상관분석을 기초하여 단기조류예측모형의 입력 성분을 선정한 후 다양한 조류예측 신경망 모형을 구축하여 결과에 대한 검증을 실시하였다. 구축된 단기조류예측모형은 자연발생적인 기작과 유사한 현상을 재현할 수 있는 다양한 수질인자를 고려하여 단기조류예측모형을 구축한 경우 예측의 정확도가 높게 도출되었다. 본 연구는 신경망모형의 최대 장점인 비선형성 및 간편성 등을 고려하였을 때 우리나라의 수질예측에 적합한 신경망 모형을 구축할 수 있으며 이를 통한 하천 및 호수 내 효율적인 수질관리 방안을 제시할 수 있을 것이다.

• 한국지반공학회논문집
• /
• 제17권6호
• /
• pp.25-36
• /
• 2001

본 연구목적은 압축지수에 대한 기본 물성들의 영향을 검토하고 국내 점토에 대한 새로운 압축지수 경험식을 제안하고 오류 역전파 신경망 알고리즘의 적용성을 검증함에 있다. 11개 지구의 점토에 대한 실내시험결과에서 얻어진 압축지수 값은 최소 0.01에서 최대 3.06 정도의 범위로 나타났다. 기존 제안된 경험식에 의한 압축지수의 추정값과 시험결과를 비교한 결과, 단일 지반변수를 이용하는 경험식의 결과들은 과소평가될 가능성이 크게 나타났으며 복합 지반변수를 이용하는 경험식의 결과는 단일 지반변수의 경우보다 추정의 정확성이 높으나 시험결과와의 표준오차가 최소 0.05로서 다소 크게 나타나고 있다. 이에 본 연구에서는 시험결과에 근거한 압축지수에 대하여 회귀분석으로 단일 및 복합 지반변수를 이용하는 경험식을 제안하였으며 이들의 결정계수는 최소 0.89 이상으로 결정되었다. 본 연구에서 사용한 인공 신경망 구조에서 시험결과와 신경망 결과의 상관계수 및 표준오차는 각각 0.925 이상과 0.0196 이하로 나타나 높은 상관성을 나타내었다. 특히, 인공 신경망에 의한 예측결과는 압축지수에 대한 영향인자들 중에서 자연 함수비, 건조단위중량 그리고 현장 간극비의 3개 변수만으로도 압축지수를 예측할 수 있었으며, 상관계수는 0.974로 나타났다. 따라서, 인공 신경망이 이용된다면 간편한 현장실험에서 얻어진 변수들에 의하여 압축지수를 예측 할 수 있는 가능성을 입증하였다.