• Proceedings of the Safety Management and Science Conference
• /
• 1999.11a
• /
• pp.109-121
• /
• 1999

플랜트 및 설비가 대규모, 정교화, 복잡화 될수록 이로 인한 고장 및 오류에 의한 피해가 막대하기 때문에, 시스템의 신뢰성, 보전성 및 안전성 향상과 제품 품질 향상을 추구 및 안전성 유지에 대한 관심이 고조되고 있다. 고장진단은 잠재적으로 노이즈를 가지고 있다고 생각되는 데이터의 해석에 근거하여 시스템의 고장을 찾는 일련의 체계적이고 통합된 방법이다. 그러나 대부분의 방법들이 이진 논리에 기초를 둔 추론으로 불확실성을 제대로 결과에 반영하지 못하고 있다. 본 논문에서는 예방정비의 관점에서 시스템에 내재된 다양한 불확실성을 효율적으로 처리하기 위해 전문가의 직관과 경험등을 기초로 하여 언어학적 변량을 취하고, 이를 퍼지 기법을 이용하여 정량화 함으로써 불확실성을 고려한 판단이 가능하게 하는 퍼지 전문가 시스템을 제안한다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.13 no.5
• /
• pp.183-188
• /
• 2013

A variety of cluster analysis techniques prerequisite to cluster objects having similar characteristics in data mining. But the clustering of those algorithms have lots of difficulties in dealing with categorical data within the databases. The imprecise handling of uncertainty within categorical data in the clustering process stems from the only algebraic logic of rough set, resulting in the degradation of stability and effectiveness. This paper proposes a information-theoretic rough entropy(RE) by taking into account the dependency of attributes and proposes a technique called min-mean-mean roughness(MMMR) for selecting clustering attribute. We analyze and compare the performance of the proposed technique with K-means, fuzzy techniques and other standard deviation roughness methods based on ZOO dataset. The results verify the better performance of the proposed approach.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.90-90
• /
• 2015

최근 우면산 산사태 및 2011, 2012년 서울, 경기권의 집중호우로 전국에서 홍수피해가 빈번하게 발생하고 있다. 이러한 홍수피해는 기후변화 및 도시화의 영향으로 미래에 더욱 빈번하게 발생할 것으로 전망된다. 홍수피해를 저감하기 위해 기후변화 재해취약성 분석, 방재지구 지정 의무화, 지역별 방재성능목표 설정 등 다양한 홍수 분석방법 및 정책이 수립?운영되고 있다. 하지만, 토지이용 변화 및 토지이용별 공간분포 고려, 미래 국토변화 데이터의 불확실성 저감, 유역단위의 홍수분석 등은 개선할 필요가 있다. 본 연구에서는 현행 기후변화 홍수분석방법 및 정책의 개선사항을 검토하여 국토변화를 고려한 홍수분석 방법을 개발했고, 사례유역을 대상으로 적용했다. 미래 토지이용변화 및 토지의 공간적인 특성을 반영하기 위해 과거 토지이용변화 추세선, 토지이용변화 시나리오 도출, 개발제한 지역 및 입지특성을 고려한 토지이용의 공간적인 특성을 도출하여 미래 토지이용 데이터를 구축하는 방법을 제시했다. 미래 데이터의 불확실성을 저감하기 위해서는 과거 장기 강우데이터와 기후변화 시나리오 데이터를 비교하고, 보정 및 검증을 수행하는 방법을 제시했다. 이렇게 구축된 미래 데이터를 활용하여 일련의 국토변화를 고려한 홍수분석 방법을 제시했다. 홍수분석결과인 최대홍수량이 그 지역의 홍수위험은 아니지만, 현재 대비 미래의 최대홍수량 변화는 홍수 위험과 밀접한 관련이 있다. 본 연구에서 제시된 다양한 방법들을 현행 기후변화 홍수 관련 분석방법 및 정책에 포함하면, 신뢰성있는 데이터를 획득하고 향후 정량화된 홍수위험을 분석하는데 도움이 될 것으로 기대하고 있다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.562-563
• /
• 2008

경쟁적 전력시장에서는 이익주체의 다양화로 송전망확장은 개별 시장참여자의 경제적 편익에 큰 영향을 미칠 수 있다. 송전설비 투자계획은 미래 전력 시장 및 계통의 예측을 바탕으로 하기 때문에 예측의 불확실성에서 발생하는 설비투자의 과잉.과소투자의 최소화 방안이 필요하다. 따라서 본 논문은 송전망확장사업의 경제적 가치를 평가하는 방법에 대해 연구였고 미래 시장 및 계통의 불확실성을 반영하기 위해 전력수요와 연료가격의 과거 예측오차의 표준편차를 이용한 예측값의 확률밀도함수의 모델링 방법을 이용한 송전망확장의 경제성 평가 방법을 제시한다. Monte Carlo Sampling을 이용, 송전망확장으로 인한 시장참여자의 경제적 편익 변화의 기대값과 편익 변화의 범위를 산출함으로써 설비투자의 리스크와 잠재효과에 대해 분석한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.141-143
• /
• 2012

RFID 미들웨어의 평가를 위한 방법으로서, 테스트 데이터셋을 이용한 시뮬레이션은 일반적으로 사용되는 평가 방법이다. 태그 식별자에 따라 순차생성된 가상 데이터셋이나 랜덤 생성된 데이터셋의 경우 미들웨어의 단순 처리량을 평가하기에는 유용하나 미들웨어의 정확성이나 실행 가능성를 평가하기에는 한계가 있다. 테스트 데이터셋은 실제 리더에서 생성된 데이터셋과 매우 유사하여야 함에도 불구하고, 테스트 데이터셋의 품질 기준이 정의되어 있지 않음에 따라 테스트 데이터셋이 얼마만큼 실제 데이터셋과 유사한 지를 평가하기가 어려운 문제가 있다. 이를 위해 본 논문에서는 RFID 미들웨어의 평가에 사용되는 테스트 데이터셋의 품질을 평가하기 위한 품질 지표를 제안한다. 제안하는 품질 지표는 실제 RFID 리더에 태그가 통과할 때 생성되는 데이터 셋을 기반으로 하여 정의하였으며, RFID 무선 인식의 고유의 특성, 즉 중복성과 불확실성을 수치화해서 표현하는 특징이 있다. 또한 제안한 품질 지표를 실제 RFID 리더를 통해 생성한 데이터셋에 적용하여 비교 검토함으로써 품질 지표의 유용성을 입증한다.

• Journal of Korea Port Economic Association
• /
• v.32 no.1
• /
• pp.165-178
• /
• 2016

Container port nowadays becomes one of the most vital link of the transportation chain, plays an important role in trading with other countries. Therefore, evaluating the operational efficiency of container ports to reflect their status and to reveal their position in this competitive environment is very important for port development. Although there have been lots of methods used to measure efficiency in the past, the DEA (Data Envelopment Analysis) model is still the most commonly applied approach. However, the data used in the model sometimes is complex and uncertain to handle using the basic DEA model. In this paper, we applied an uncertainty theory to create an uncertainty DEA model (UDEA), which can solve the limitation of the traditional one. This study mainly focuses on measuring efficiency of 41 container ports by applying proposed an UDEA model. The results show that among 41 container ports, only six container ports are regarded to have efficient operation through the clustering, meanwhile others have technical and scale inefficiencies. We found out that an UDEA model is better to analysis efficiency than existing DEA model.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.26 no.3
• /
• pp.233-238
• /
• 2016

In this paper, we propose the algorithms of processing the uncertainty data using data fusion for the next generation intrusion detection. In the next generation intrusion detection, a lot of data are collected by many of network sensors to discover knowledge from generating information in cyber space. It is necessary the data fusion process to extract knowledge from collected sensors data. In this paper, we have proposed method to represent the uncertainty data, by classifying where is a confidence interval in interval of uncertainty data through feature analysis of different data using inference method with Dempster-Shafer Evidence Theory. In this paper, we have implemented a detection experiment that is classified by the confidence interval using IRIS plant Data Set for anomaly detection of uncertainty data. As a result, we found that it is possible to classify data by confidence interval.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.20 no.3
• /
• pp.447-454
• /
• 2010

This paper presents multiple fuzzy prediction systems based on an Interval type-2 TSK fuzzy Logic System so that the uncertainty and the hidden characteristics of nonlinear data can be reflected more effectively to improve prediction quality. In proposed method, multiple fuzzy systems are adopted to handle the nonlinear characteristics of data, and each of multiple system is constructed by using interval type-2 TSK fuzzy logic because it can deal with the uncertainty and the characteristics of data better than type-1 TSK fuzzy logic and other methods. For input of each system, the first-order difference transformation method are used because the difference data generated from it can provide more stable statistical information to each system than the original data. Finally, computer simulations are performed to show the effectiveness of the proposed method for two typical time series examples.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.18 no.2
• /
• pp.200-205
• /
• 2008

For data analysis, fuzzy entropy is introduced as the measure of fuzziness, similarity measure is also constructed to represent similarity between data. Similarity measure between fuzzy membership functions is constructed through distance measure, and the proposed similarity measure are proved. Application of proposed similarity measure to the example of reliable data selection is also carried out. Application results are compared with the previous results that is obtained through fuzzy entropy and statistical knowledge.

• Smart Media Journal
• /
• v.11 no.9
• /
• pp.9-20
• /
• 2022

Deep reinforcement learning(RL) is an end-to-end data-driven control method that is widely used in the autonomous driving domain. However, conventional RL approaches have difficulties in applying it to autonomous driving tasks due to problems such as inefficiency, instability, and uncertainty. These issues play an important role in the autonomous driving domain. Although recent studies have attempted to solve these problems, they are computationally expensive and rely on special assumptions. In this paper, we propose a new algorithm MCDT that considers inefficiency, instability, and uncertainty by introducing a method called uncertainty sequence modeling to autonomous driving domain. The sequence modeling method, which views reinforcement learning as a decision making generation problem to obtain high rewards, avoids the disadvantages of exiting studies and guarantees efficiency, stability and also considers safety by integrating uncertainty estimation techniques. The proposed method was tested in the OpenAI Gym CarRacing environment, and the experimental results show that the MCDT algorithm provides efficient, stable and safe performance compared to the existing reinforcement learning method.