• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2009.04a
• /
• pp.97-100
• /
• 2009

신뢰성 분석은 불확실성으로 인한 제품의 성능 변동을 안전확률이나 파괴확률로 정량화 하여 설계에 이용하기 위해 연구되어 왔다. 불확실성은, 데이터의 양에 따라-물질의 본질적인 특성으로서의 많은 데이터가 주어진 경우의 물리적 불확실성과 부족한 데이터에서의 인식론적 불확실성으로 구분되고, 불확실성을 갖는 대상에 따라-입력변수 및 근사모델 불확실성으로 구분된다. 물리적 불확실성에 대한 연구는 많이 진행되어 왔지만, 실제 산업현장에는 부족한 데이터로 인한 인식론적 불확실성이 지배적이며 이에 대한 연구는 최근에서야 진행되고 있다. 불확실성을 고려하는 신뢰성 기반 설계에는 효율성을 위해 실제모델을 대체하는 근사모델이 이용되는데, 근사모델법 자체에 대한 연구는 많이 진행되어 왔으나, 근사모델 이기 때문에 존재하는 불확실성을 고려한 연구는 최근에서야 연구되기 시작하였다. 본 연구에서는 베이지안 접근법에 기반하여 입력변수 및 근사모델 불확실성을 통합 고려하는 새로운 신뢰성 분석 기법을 제시하고 수치예제를 통해 타당성을 증명한 후, 이를 공학문제에 적용한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.608-610
• /
• 2023

의료 분야에서 AI 모델의 활용이 증가하고 있지만, 모델의 예측 불확실성을 정확하게 평가하고 표현하는 것이 중요하다. 본 연구는 이러한 문제를 해결하기 위해 AI-driven 방식을 제안하며, 특히 의료 영상 변환 모델에 대한 불확실성 표현과 데이터 한계 극복 방법론을 제안한다. 제안된 AI-driven 안저영상 변환 모델은 기존 GAN과는 다르게 구조가 이루어져 있으며, 신뢰도가 낮은 영역을 구분하고 시각화하여 표현할 수 있다. 실험 결과, 제안된 방법은 기존 모델과 비교하여 영상 변환 성능이 크게 향상되었으며, 불확실성에 대한 정확도 평가에서도 AI-driven 방식이 높은 성능을 보인다. 결론적으로, 본 연구는 AI-driven 방식을 통해 의료 AI에서의 불확실성 표현의 가능성을 확인하였으며, 이 방식이 데이터의 한계와 불확실성을 극복할 수 있을 것으로 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.241-243
• /
• 2004

위치기반서비스 응용 분야에서 위치 데이터를 저장하기 위하여 일반적으로 이동체의 위치 데이터를 주기적으로 수집한다. 주기적으로 수집된 위치 데이터는 보고 주기 사이의 위치 변화를 반영하지 못하기 때문에 시간에 대한 선형 함수를 이용하여 예측된 위치 데이터와 오차가 발생한다. 따라서 오차가 존재하는 불확실한 미래 위치 데이터로 인하여 미래 위치 색인에서 검색의 정확도가 떨어지는 문제점이 발생한다. 이 논문에서는 주기적인 위치보고 이동체에서 발생하는 불확실한 위치 데이터를 처리하기 위해서 예측된 위치 데이터에 예측 오차분을 반영한 불확실성 영역을 사용한다 그리고 이동체의 불확실성 영역을 설정하기 위하여 최근 예측 오차 가중치 기법과 칼만 필터 기법을 제안하고 이를 기반으로 하는 불확실 위치 처리 기법을 이동체 미래 위치 색인에서 구현하고 성능 비교 평가를 수행한다. 성능 평가 결과에 따르면 기존의 선형함수 기반 예측 기법보다 불확실 위치 처리 기법이 영역 검색의 정확도가 향상되는 장점을 가진다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.510-512
• /
• 2012

상황인식 서비스 분야에서 불확실한 데이터를 추론하는 것은 매우 어렵고 복잡하다. 이러한 상황정보들에서 얻어지는 데이터는 불확실성을 내포하고 있어서 불확실한 추론 결과를 초래할 수 있다. 비록 불확실성 문제들을 해결하기 위해 퍼지 이론, 뉴런 네트워크, 동적 베이지안 네트워크, 은닉 마르코프 모델과 같은 여러 종류의 방법들이 제시되었지만 이러한 방법들은 가설들을 하나의 숫자에 의해 신뢰의 정도를 표시하기 때문에 많은 어려움이 있다. 본 논문에서는 사용자들이 제공받는 서비스들에 대하여 만족도를 평가한 후 수집된 데이터를 활용하여 사용자들의 상관 관계를 분석한다. 그리고 Dempster-Shafer 이론을 사용하여 사용자들로부터 측정된 믿음 값을 융합한다. 이는 불확실성 값을 낮추어 추론결과의 정확성을 높이고 증거구간을 재설정하여 사용자들에게 신뢰성 있는 적응형 서비스를 제공하게 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.326-326
• /
• 2023

본 연구에서는 유역 내 다른 년도 관측 유량 데이터를 이용한 매개변수 최적화를 수행한 후, 최적화된 매개변수에 따라 다르게 추정된 유량 데이터를 이용해 발생하는 수문학적 가뭄 불확실성 분석을 수행하였다. 수문 모형은 장기 강우-유출분석에 주로 사용되는 Soil Water Assessment Tool (SWAT) 모형을 이용하였으며, Symmetric uncertainty을 이용해 불확실성 분석을 수행하였다. 모형 매개변수 최적화는 SWAT-CUP을 이용해 영산강 유역의 과거 1999년부터 2022년까지의관측 유량 데이터로 수행하였다. 최적화된 매개변수에 따라 추정되는 연평균 유량은 최대 5.59%의 차이를 발생시켰으며, 계절 유량은 봄 (6.1%), 여름 (14.6%), 가을 (9.7%), 겨울 (46.1%)의 차이를 발생시켰다. 그 후, 수문학적 가뭄지수인 Streamflow Drought Index (SDI)을 이용해 일 단위가뭄과 월 단위 가뭄 분석을 수행하였다. 매개변수에 따른 일 단위 가뭄 분석은 연평균 가뭄 발생일수가 최대 25.2일까지 차이가 발생하였으며, 월 단위 가뭄 역시 최적화된 매개변수에 가뭄 심도와 발생이 다르게 분석되었다. 그 후, Symmetric uncertainty을 이용한 불확실성 분석은 최적화된 매개변수에 따라 다르게 산정된 가뭄지수의 불확실성을 확인할 수 있었다. 본 연구는 수문학적 가뭄 분석 시, 다양한 관측 유량 데이터를 이용한 매개변수 최적화를 수행한 후, 이를 이용한 유량추정의 필요성을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.1057-1060
• /
• 2008

생체 암호 시스템에서 키로 사용하는 인간의 생체 특징은 외부 환경이나 인간적 요소를 포함하고 있기 때문에 항상 같은 개수, 같은 값의 데이터를 얻을 수 없는 불확실성을 가지고 있다. 퍼지볼트 체계 (Fuzzy vault scheme) [1]는 이러한 불확실성을 가지고 있는 데이터의 특성을 효과적으로 반영 할 뿐만 아니라, 등록된 생체 데이터의 보안을 보장해 주는 알고리즘으로서 얼굴, 지문이나 홍채와 같은 단일 생체 특징으로의 적용 방법이 소개되어 왔다 [2,4,5]. 본 논문에서는 퍼지볼트 시스템의 인식 성능을 높이기 위해 이러한 단일 생체 데이터의 불확실성을 보완할 수 있는 다중 생체 특징 (얼굴과 지문) 데이터를 퍼지볼트 체계에 적용하는 방법을 제안하고 실효성을 검증한다.

• Journal of the Korean association of regional geographers
• /
• v.17 no.2
• /
• pp.245-258
• /
• 2011

Best management practices (BMPs) are widely accepted and implemented as a mitigation method for soil erosion and non-point source problems. Estimating the amount of soil erosion and the effectiveness of BMPs using hydrological models help to understand the condition, identify the problems, and make plans for conservation practices in an area, typically a watershed. However, the accuracy and reliability of assessment of BMP impacts estimated by hydrological models can be often questionable due to the uncertainties from various sources including GIS(Geographic Information System) data, scale, and model. This study reviewed the development and the background of hydrological models, and the modeling issues such as the selection of models, scale, and uncertainties of data and models. This study also discussed the advantage of a small scale and spatially distributed model to estimate the impacts of BMPs.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.41 no.11
• /
• pp.1099-1108
• /
• 2017

Data points obtained by conducting repetitive experiments under identical environmental conditions are, theoretically, required to correspond. However, experimental data often display variations due to generated errors or noise resulting from various factors and inherent uncertainties. In this study, an algorithm aiming to determine valid bounds of input variables, representing uncertainties, was developed using probabilistic and statistical methods. Furthermore, a reliability assessment was performed to verify and validate applications of this algorithm using bolt-fastening friction coefficient data in a sample application.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.03a
• /
• pp.11-15
• /
• 1998

일반적으로 러프집합은 지식베이스 시스템에서 근사공간을 이용한 불확실한 데이터의 분류, 추론 및 의사결정 등에 사용된다. 지식베이스 시스템의 데이터 중에서 연속적인 구간 특성을 갖는 정량적 속성값이 불연속적일 때 중복 또는 불일치 등의 불확실성이 발생된다. 본 논문은 러프집합의 정량적 속성값들의 정성적 속성으로 변환시킬 때 식별 불가능 영역에 있는 정량적 속성값들을 명확한 경계를 갖는 보조구간으로 분리하여 불확실성을 제거함으로써 러프집합의 분류능력을 향상시키는 방법을 제안한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.325-328
• /
• 2008

본 논문에서는 비선형 모델의 설계를 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 퍼지 논리 시스템의 멤버쉽 함수와 규칙의 구조는 불확실성이 존재하는 언어적인 정보 또는 수치적 데이터를 바탕으로 설계된다. 기존의 Type-1 퍼지 논리 시스템은 외부의 노이즈와 같은 불확실성을 효율적으로 취급할 수 없다. 그러나 Type-2 퍼지 논리 시스템은 불확실한 정보까지 멤버쉽 함수로 표현함으로서 불확실성을 효과적으로 다룰 수 있다. 따라서 본 논문에서는 규칙의 전 ${\cdot}$ 후반부가 Type-2 퍼지 집합으로 구성된 Type-2 퍼지 논리 시스템을 설계하고 불확실성의 변화에 대한 비선형 모델의 성능을 비교한다. 여기서 규칙 전반부 멤버쉽 함수의 정점 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 퍼지 집합의 정점 결정에는 입자 군집 최적화(PSO : Particle Swarm Optimization) 알고리즘을 사용한다. 마지막으로, 비선형 모델 평가에 대표적으로 이용되는 가스로 시계열 데이터를 제안된 모델에 적용하고, 입력 데이터에 인위적인 노이즈가 포함되었을 경우 Type-2 퍼지 논리 시스템이 기존의 Type-1 퍼지 논리 시스템보다 우수함을 보인다.