• 한국컴퓨터그래픽스학회논문지
• /
• 제9권4호
• /
• pp.25-30
• /
• 2003

본 논문에서는 서로 다른 개수의 정점을 가지는 두 다면체 사이의 점진적 다면체 모델 표현(Progressive Mesh Representation)을 계산하는 휴리스틱 방법을 제시한다. 정점의 개수가 각각 n, k개 인 두 다면체 모델 $M^n$, $M^k$ (n > k)에 대하여 $M^n$에서 서로 다른 k개의 정점을 선택한다. 선택된 k개의 정점을 기준으로 $M^n$의 모든 정점에 대한 클러스터링을 수행하여 k개의 정점군(Vertex Set)을 생성한다. $M^n$을 간략화하여 k개의 정점만을 가지는 모델 $M^{k'}$의 위상정보(Topology)를 $M^k$와 동일하게 유지하기 위하여 $M^n$ 정점군들의 위상정보를 수정한다. 수정 생성된 정점군 내에서 선분병합(Edge Collapse)을 수행하면, 위상정보를 유지하면서 $M^n$에서 $M^k$로 변화하는 점진적 다면체 모델 표현을 얻을 수 있다. $M^{k'}$과 $M^k$의 정점간의 기하학적 위치차이를 선형보간하여 선분병합이 일어날때 마다 반영하면 $M^n$에서 $M^k$로 기하정보를 부드럽게 유지하면서 변화하는 점진적 다면체 모델 표현을 얻을 수 있다. 본 논문의 연구결과는 기존의 DLoD(Discrete Level of Detail)를 지원하는 게임을 CLoD(Continuous Level of Detail)를 지원하는 게임으로 확장하는 등의 다양한 컴퓨터 그래픽스 응용문제에 사용할 수 있다.

• 한국지능시스템학회논문지
• /
• 제5권2호
• /
• pp.13-27
• /
• 1995

국내외 문헌을 조사해 볼때, 최적의 퍼지 함축을 선택하는 것이 퍼지 추론 및 퍼지 추론의 모든 응용 분야에서 근본적인 문제임을 알 수 있다. 그러나 많은 연구가들의 계속적인 연구에도 불구하고 개인적인 평가 기준과 사용되는 응용 모델에 따라 각기 다른 성능 평가가 이루어졌으므로 퍼지 함축의 선택 문제는 아직까지도 논란의 대상이 되고 있다. 최근 학습이론의 도입으로 퍼지 추론을 상당한 효과를 보았으나 퍼지 함축의 선택 문제와 관련된 연구는 전무하다. 따라서 본 논문에서는 유전자 알고리즘을 퍼지 추론에 적용했을 때의 퍼지 함축의 선택 문제를 고찰, 분석한다. 즉 유전자 알고리즘을 이용하여 퍼지 소속 함수를 조정함으로써 퍼지 추론 기관의 성능 향상뿐 아니라 폭 넓은 퍼지 함축의 선택이 가능하다.

• 한국정보과학회논문지:정보통신
• /
• 제37권6호
• /
• pp.489-493
• /
• 2010

래터레이션 기반 실내 위치 측위 기법은 단말기와 AP(Anchor Point) 사이의 거리 예측을 위하여 RSS(Received Signal Strength)를 주로 사용한다. 그러나 무선 신호는 시간과 공간에 따라 무작위로 변화하는 특성을 가지므로 RSS를 이용한 거리 예측에서 오류의 발생은 불가피하다. 단말기와 AP사이의 거리 예측 정확도는 단말기 위치 예측 정확도에 많은 영향을 미치게 되므로 기존 기법들은 이를 해결하기 위하여 다수의 AP를 사용하였다. 그러나 많은 실험 결과들은 다수의 AP 사용보다는 경로 손실 모델에 잘 부합하는 RSS 측정 값을 가진 AP 즉 기준 AP 만을 선택하여 이용하는 것이 위치 예측 정확도를 향상시킬 수 있는 방법임을 보였다. 따라서 본 논문에서는 실내 환경에서 단말기의 측위 정확도활 향상시키기 위한 기준 AP 선택 기법과 선택된 기준 AP들을 이용한 적응적 거리 예측 기법을 제안한다. 또한 실내 위치 측위 시스템을 구현하여 다양한 실험 환경에서의 실험함으로써 제안 기법의 타당성을 검증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.73-75
• /
• 2004

그리드 컴퓨팅의 기본 개념은 여러 대의 저 성능 컴퓨터 자원을 통합하여 고성능 컴퓨팅 환경을 구축하는 것이다. 이런 환경을 관리하기 위해서는 요청된 작업에 대해 자원 관리 시스템의 효율적인 자원 탈당 기능이 중요하다. 본 논문에서는 효과적인 자원의 선택을 위해 CPU의 종합적인 성능을 평가하는 UC 단위 모델을 제안하고, 제안된 모델을 기준으로 자원관리 시스템에서 저 성능 컴퓨터 자원을 효율적으로 할당 할 수 있도록 저 성능 자원 우선 알고리즘을 제안하며, 이를 이용한 에이전트 기반 자원관리 시스템을 구현한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.130-132
• /
• 2001

신경망을 이용한 추천 기술은 항목이나 사용자간의 가중치를 학습할 수 있고, 자료 유형에 상관없이 데이터 처리가 용이하다. 또한 최근 연구를 통해서 그 우수성이 입증되고 있다. 그러나 사용자간의 상관관계로 추천하는 사용자 신경망 모델과 항목간의 상관관계로 추천하는 항목 신경망 모델이 서로 다른 관점으로 다른 선호도를 제시한 경우에 선택한 모델의 선호도에 따라 시스템의 성능이 좌우된다. 그러므로 효율적이고 성능이 우수한 추천 시스템을 위해 사용자와 항목 신경망 모델의 통합 방법을 제안한다. 두 모델 사이에 우선 순위를 결정하여 통합하는 순차적 통합 방법과 두 모델을 동시에 고려하는 병렬적 통합방법을 제안한다. 그러나 두 통합 방법은 선호도 예측 기준에 있어서 정적이고, 문제에 대한 적응성이 없다. 그러므로 신경망(퍼셉트론, 다층 퍼셉트론)을 이용한 통합 방법을 제안한다. 또한 퍼지의 소속함수를 이용하여 퍼지 추론를 적용한 통합 방법을 제안하고, 패턴 인식 분야에서 사용하는 BKS 방법을 적응하여 두 신경망 모델을 통합하여 실험한다. 본 논문에서는 사용자와 항목 신경망 모델을 통합함으로써 기존의 추천 기술인 연관 규칙과 단일 신경망 모델을 이용한 추천보다 우수함을 보이고 있다.

• 전기전자학회논문지
• /
• 제7권2호
• /
• pp.281-287
• /
• 2003

본 연구에서는 전파관리시스템(RFMS)의 효율적 운용을 위하여 전파전파 분석 기능 개선 방안을 도출하였다. 즉, ITU-R에서 권고하는 파라미터별 전파전파 알고리즘, 간섭분석 알고리즘 및 공유기준들에 대한 체계적인 분석을 수행한 후, 사용자가 원하는 환경 및 조건에 적합한 전파간섭 분석 알고리즘과 보호기준을 자동으로 선택해 낼 수 있는 모델 선정 기준안을 도출하였다. 이 결과를 이용하여 RFMS에서 최적의 전파 간섭 분석 알고리즘을 자동 선택하여 효율적으로 분석을 수행하도록 해주는 프로그램 및 그 활용 예를 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.200-200
• /
• 2022

본 연구에서는 총 강우량과 강우강도을 고려한 이변수 분석으로 연최대 호우사상을 선별하고, 두 변수를 Copula 함수로 결합하여 최적의 모델조합을 찾는 확률호우사상 산정 방법론을 제시하였다. 국내 69개 관측소의 2020년까지의 관측 자료를 대상으로 1mm 이하의 강우는 제거한 뒤, IETD(Inter-Event Time Definition) 12시간을 기준으로 강우자료를 독립적인 호우사상으로 분리하였다. 호우사상의 여러 특성 중 양의 상관관계를 갖는 총 강우량과 강우강도를 변수로 선택해 이변수 지수분포에 대입하였고, 각 지점의 연최대 호우사상 시계열을 생성하였다. 2변수 지수분포의 매개변수는 전체 기간과 연도별로 나누어 추정해 본 결과 연도별 변동성이 큰 것을 확인해 연도별 추정 방식을 선택하였다. 연최대 강우사상 시계열의 총 강우량과 강우강도는 극한 강우에 적용하는 확률분포형 중 Lognarmal, Gamma, Gumbel, GEV(Generalized Extreme Value), GPD(Generalized Pareto Distribution) 5가지를 사용하여 각각 CDF(Cumulative distribution Function) 값을 추정하였다. 계산된 CDF 값은 3가지 Copula 모형으로 결합해 joint CDF 값을 산출하였다. 총 75개의 모델조합 중 최적 모델을 찾기 위해 CVM(Cramer-von-Mises) 적합도 검정을 시행하였다. CVM의 통계량 Sn 값이 가장 작은 모델조합을 해당 지점의 최적 모델조합으로 선정하였다.

• 대한토목학회논문집
• /
• 제38권5호
• /
• pp.741-749
• /
• 2018

본 연구는 건설공사 입찰담합으로 인한 손해액 산정에 대하여 합리적이고 과학적인 산정모델을 제시하는데 목적이 있다. 입찰담합 손해액 산정에 대한 선행 연구 및 판결 사례 등을 검토한 결과, 대표적인 문제점으로 낙찰자 결정기준 등의 특성에 대한 충분한 고려가 부족하고 부적정한 비교표준시장의 선택, 가상경쟁가격 영향 인자의 적정성 검토 부족 및 산정모델에 대한 검증의 결여 등이 나타났다. 이러한 문제점을 개선하기 위하여 대안입찰공사를 대상으로 한 손해액 산정모델을 제시하였다. 산정모델은 첫째, 낙찰자 결정기준 등에 부합하는 표준시장을 선정하고 둘째, 가상경쟁가격의 영향 인자에 대한 상관관계를 분석 적합인자를 선택하였으며 셋째, 선택 인자의 회귀분석을 활용하여 모델을 도출하였다. 마지막으로, 제시한 모델에 대한 적합성, 유의성 및 정규성 등의 검증과 실제 담합 사례를 적용하여 실증하였다. 본 연구에서 제시한 산정모델을 통하여 소송 당사자 일방에게 부당한 손해액 부담의 문제점을 해소하고 분쟁을 조기에 해결하게 하여 관계자 모두의 기회손실 등을 방지하는데 기초가 되고자 한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권3_4호
• /
• pp.326-338
• /
• 2003

신경회로망 설계 및 모델선택의 목표는 최적의 구조를 가지는 일반화 성능이 우수한 네트워크를 구성하는 것이다. 하지만 학습데이타에는 노이즈(noise)가 존재하고, 그 수도 충분하지 않기 때문에 최종적으로 표현하고자 하는 진확률 분포와 학습 데이타에 의해 표현되는 경험확률분포(empirical probability density) 사이에는 차이가 발생한다. 이러한 차이 때문에 신경회로망을 학습데이타에 대하여 과다하게 적합(fitting)시키면, 학습데이타만의 확률분포를 잘 추정하도록 매개변수들이 조정되어 버리고, 진확률 분포로부터 멀어지게 된다. 이러한 현상을 과다학습이라고 하며, 과다학습된 신경회로망은 학습데이타에 대한 근사는 우수하지만, 새로운 데이타에 대한 예측은 떨어지게 된다. 또한 신경회로망의 복잡도가 증가 할수록 더 많은 매개변수들이 노이즈에 쉽게 적합되어 과다학습 현상은 더욱 심화된다. 본 논문에서는 통계적인 관점을 바탕으로 신경회로망의 일반화 성능을 향상시키는 신경회로 망의 설계 및 모델 선택의 통합적인 프로세스를 제안하고자 한다. 먼저 학습의 과정에서 적응적 정규화가 있는 자연기울기 학습을 통해 수렴속도의 향상과 동시에 과다학습을 방지하여 진확률 분포에 가까운 신경회로망을 얻는다. 이렇게 얻어진 신경회로망에 자연 프루닝(natural pruning) 방법을 적용하여 서로 다른 크기의 후보 신경회로망 모델을 얻는다. 이러한 학습과 복잡도 최적화의 통합 프로세스를 통하여 얻은 후보 모델들 중에서 최적의 모델을 베이시안 정보기준에 의해 선택함으로써 일반화 성능이 우수한 최적의 모델을 구성하는 방법을 제안한다. 또한 벤치마크 문제를 이용한 컴퓨터 시뮬레이션을 통하여, 제안하는 학습 및 모델 선택의 통합프로세스의 일반화 성능과 구조 최적화 성능의 우수성을 검증한다.

• 한국시뮬레이션학회논문지
• /
• 제18권4호
• /
• pp.137-148
• /
• 2009

본 논문의 목적은 신뢰성 있는 선형회귀모델을 구축하기 위하여 후보독립변수 중 유효변수를 선택하는 알고리즘을 구현하는 것이다. 선형회귀모델을 구축하는데 있어서 데이터 상의 모든 후보독립변수를 포함하는 것은 모델의 통계적 유의성을 감소시킬 수 있으며, 차원의 저주(Curse of dimensionality)를 유발할 수 있고, 데이터의 개수보다 변수의 개수가 많을 경우 모델의 구축이 불가능한 문제점 등이 있다. 이와 같은 문제점을 해결하기 위하여 변수선택의 문제를 조합최적화의 문제로 보고 유전 알고리즘(Genetic Algorithm)을 활용하였다. 일반적으로 선형회귀모델의 통계적 유의성을 평가하는 대표적인 통계량으로는 종속변수에 대한 독립변수의 설명력을 나타내는 결정계수($R^2$), 회귀식의 통계적 유의성을 검정하는 F통계량, 회귀계수의 통계적 유의성을 검정하는 t통계량, 잔차의 표준오차 등이 있다. 모델의 통계적 유의성은 하나의 통계량으로 표현될 수 없으므로 다양한 기준을 고려한 다중목적식(Multi-objective function)을 가지는 유전 알고리즘을 설계하였다. 설계한 알고리즘의 성능평가를 위하여 다양한 조건을 가정한 시뮬레이션 데이터에 적용하였다. 그 결과 구축한 알고리즘이 유효변수를 판단함에 있어 기존의 대표적인 변수선택 알고리즘인 LARS(Least Angle Regression)에 비해 우수한 성능을 보임을 확인할 수 있었다. 또한, 주가 데이터를 이용한 포트폴리오 선택에 적용해 본 결과 우수한 응용문제 해결 능력이 있음을 확인할 수 있었다.