• 한국콘텐츠학회논문지
• /
• 제13권4호
• /
• pp.53-63
• /
• 2013

본 논문은 효율적인 몬테 칼로 시뮬레이션을 위하여 중요 샘플링(Importance sampling) 기법이 내장된 실험 틀을 제안한다. 제안하는 실험 틀은 중요 샘플링 기법을 적용하기 위해 기능적으로 세분화된 중요 표본기(Importance Sampler)와 편향 보상기(Bias Compensator)라는 두 개의 하위 모델을 내장(Embedded)한다. 이러한 하위 모델은 기존의 시스템 모델과 실험 틀의 경계에 플러그인 됨으로써 기존 모델들의 수정없이 재사용할 수 있는 장점이 있다. 그리고 제안하는 실험 틀은 기능적 측면에서 중요 사건에 대하여 동일한 수준의 결과를 얻는 데 있어 기존의 몬테 칼로 시뮬레이션보다 시뮬레이션 시간을 단축시킬 수 있다. 이러한 효용성을 입증하기 위해 두 가지 실험을 수행하였는데, 실험 결과, 본 실험에 대하여 기존의 몬테칼로 시뮬레이션보다 최대 400 배 가량의 시뮬레이션 시간 측면에서 성능 향상을 확인하였다. 본 논문에서 제안하는 실험 틀은 다양한 콘텐츠 분야에 적용되어 시뮬레이션 성능을 향상시킬 수 있는 도구로 활용할 수 있을 뿐 아니라, 교육적 측면에서 다양한 사회 현상을 이해하고 해석하는 도구로도 활용이 가능하다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.204-207
• /
• 2015

이 연구는 공학 및 실험과학에서 활용되는 몬테 칼로 시뮬레이션 기법 중 하나인 무작위 행보 알고리즘의 성능 개선을 목표로 하였다. 이를 위해 무작위 행보 과정에서 난수 발생부와 행보 진행부를 분리하여 처리 시간을 단축하는 방안과, 문제 영역의 계산 규모를 2단계로 분할하여 시뮬레이션의 수렴 속도를 향상 시키는 방안을 제안한다. 또한 대규모 문제를 병렬처리 가능하도록 구현하고, 서로 다른 작업 분할 방식을 혼합하여 최적화를 수행 하였다. 순차 알고리즘만으로 실험한 결과 단순 구현방법과 비교해 실행시간과 에너지 소모량이 각각 18%의 성능향상을 얻었으며, 병렬 알고리즘을 8개의 노드(16코어)의 클러스터에서 실행했을 때 행 분할 방식의 성능이 블록 분할 방식보다 8% 빨라지는 것을 확인하였다.

• 한국방재학회:학술대회논문집
• /
• 한국방재학회 2009년도 정기 학술발표대회
• /
• pp.139.2-139.2
• /
• 2009

• 정보처리학회논문지B
• /
• 제8B권3호
• /
• pp.231-236
• /
• 2001

일반적인 다층 신경망에서 가중치의 갱신 알고리즘으로 사용하는 오류 역전과 방식은 가중치 갱신 결과를 고정된(fixed) 한 개의 값으로 결정한다. 이는 여러 갱신의 가능성을 오직 한 개의 값으로 고정하기 때문에 다양한 가능성들을 모두 수용하지 못하는 면이 있다. 하지만 모든 가능성을 확률적 분포로 표현하는 갱신 알고리즘을 도입하면 이런 문제는 해결된다. 이러한 알고리즘을 사용한 베이지안 신경망 모형(Bayesian Neural Networks Models)은 주어진 입력값(Input)에 대해 블랙 박스(Black-Box)와같은 신경망 구조의 각 층(Layer)을 거친 출력값(Out put)을 계산한다. 이 때 주어진 입력 데이터에 대한 결과의 예측값은 사후분포(posterior distribution)의 기댓값(mean)에 의해 계산할 수 있다. 주어진 사전분포(prior distribution)와 학습데이터에 의한 우도함수(likelihood functions)에 의해 계산한 사후확률의 함수는 매우 복잡한 구조를 가짐으로 기댓값의 적분계산에 대한 어려움이 발생한다. 따라서 수치해석적인 방법보다는 확률적 추정에 의한 근사 방법인 몬테 칼로 시뮬레이션을 이용할 수 있다. 이러한 방법으로서 Hybrid Monte Carlo 알고리즘은 좋은 결과를 제공하여준다(Neal 1996). 본 논문에서는 Hybrid Monte Carlo 알고리즘을 적용한 신경망이 기존의 CHAID, CART 그리고 QUEST와 같은 여러 가지 분류 알고리즘에 비해서 우수한 결과를 제공하는 것을 나타내고 있다.

• 한국군사과학기술학회지
• /
• 제2권1호
• /
• pp.90-100
• /
• 1999

유전자 알고리즘은 전통적인 등반 알고리즘을 이용하여 구하기 어려웠던 최적화 문제를 해결하기 위한 강인한(Robust) 탐색 기법이다. 특히 목적함수가 (1)여러 개의 국부 최대치를 가지는 경우, (2)수학적으로 표현이 불가능하거나 어려운 경우, (3)목적함수에 교란 항(disturbance term)이 섞여 있을 경우도 우수한 탐색 능력을 갖는 것으로 알려져 있다. 본 논문에서는 유전자 알고리즘을 이용하여 나타나는 다양한 해집합을 형성하는 개체군을 군집성 분석(cluster analysis)을 이용하여 군집화하고, 각 군집에 부여된 군집 적합도에 따라서 최적해를 구함으로써 단순 유전자 알고리즘에 의한 최적화보다 훨씬 향상된 탐색 알고리즘을 제안하였다. 반응표면의 형태가 정형화한 테스트 함수의 형태로 나타난다고 가정한 경우에 대하여 몬테 칼로 시뮬레이션을 통하여 본 알고리즘을 적용하여 평가하고 분석하였다.

• 한국군사과학기술학회지
• /
• 제9권4호
• /
• pp.5-14
• /
• 2006

The correct and opportune decision of reengaging the intercepted target is required in order to enhance the engagement performance of the surface to air missile systems that has the ability to defense or attack against various targets at the same time. The engagement efficiency and success of these systems will be largely enhanced by assigning quickly its system resources to the intercepted target and minimizing the waste of system resources for the target which is not able to attack any more. The kill-assessment algorithm has to be able to evaluate automatically whether various targets intercepted by missiles are killed or not on the basis of the reasonable confidence level. The definition of kill assessment is discussed and the kill assessment algorithm is designed reliably by using Kalman filter and a probability theory. Finally its performance is evaluated and analyzed by the Monte Carlo simulation.

• 한국세라믹학회지
• /
• 제38권9호
• /
• pp.846-852
• /
• 2001

2차원적 몬테 칼로 시뮬레이션을 사용하여, 화학적 기상 반응법에 의한 탄화규소 전환층의 생성에 미치는 온도의 영향을 조사하였다. 화학적 기상 반응법은 실리카의 열탄화 환원법에 근거하며, 흑연 기판의 탄소와 실리카 반응기체와의 화학적 반응에 의하여 탄화규소 전환층을 형성하는 방법이다. 탄화규소는 반응기체의 확산 및 반응과 같은 열적활성화 과정을 통하여 생성되기 때문에 탄화규소 전환층의 형성은 온도에 크게 의존함을 알 수 있다. 본 연구에서는 몬테 칼로법을 사용하여 삼각격자로 배열된 2차원적인 계에서 흑연 기판의 미세 기공을 따라 확산된 반응기체와 탄소와의 반응에 의해서 탄화규소가 형성되는 과정을 시뮬레이션을 행하였다. 반응 온도를 1900K, 2000K, 2100K, 2200K로 조건을 달리하여 시뮬레이션 하였으며, 그 계산 결과를 실험 결과와 비교하여 재현성을 검토하고 탄화규소 전환층의 두께와 화학적 조성 구배에 대한 반응 온도의 영향을 검증하기 위한 것이다.

• 인터넷정보학회논문지
• /
• 제21권5호
• /
• pp.1-7
• /
• 2020

강화학습에서 근사함수로써 사용되는 딥 인공 신경망은 이론적으로도 실제와 같은 근접한 결과를 나타낸다. 다양한 실질적인 성공 사례에서 시간차 학습(TD) 은 몬테-칼로 학습(MC) 보다 더 나은 결과를 보여주고 있다. 하지만, 일부 선행 연구 중에서 리워드가 매우 드문드문 발생하는 환경이거나, 딜레이가 생기는 경우, MC 가 TD 보다 더 나음을 보여주고 있다. 또한, 에이전트가 환경으로부터 받는 정보가 부분적일 때에, MC가 TD보다 우수함을 나타낸다. 이러한 환경들은 대부분 5-스텝 큐-러닝이나 20-스텝 큐-러닝으로 볼 수 있는데, 이러한 환경들은 성능-퇴보를 낮추는데 도움 되는 긴 롤-아웃 없이도 실험이 계속 진행될 수 있는 환경들이다. 즉, 긴롤-아웃에 상관없는 노이지가 있는 네트웍이 대표적인데, 이때에는 TD 보다는 시간적 에러에 견고한 MC 이거나 MC와 거의 동일한 학습이 더 나은 결과를 보여주고 있다. 이러한 해당 선행 연구들은 TD가 MC보다 낫다고 하는 기존의 통념에 위배되는 것이다. 다시 말하면, 해당 연구들은 TD만의 사용이 아니라, MC와 TD의 병합된 사용이 더 나음을 이론적이기 보다 경험적 예시로써 보여주고 있다. 따라서, 본 연구에서는 선행 연구들에서 보여준 결과를 바탕으로 하고, 해당 연구들에서 사용했던 특별한 리워드에 의한 복잡한 함수 없이, MC와 TD의 밸런스를 랜덤하게 맞추는 좀 더 간단한 방법으로 MC와 TD를 병합하고자 한다. 본 연구의 MC와 TD의 랜덤 병합에 의한 DQN과 TD-학습만을 사용한 이미 잘 알려진 DQN과 비교하여, 본 연구에서 제안한 MC와 TD의 랜덤 병합이 우수한 학습 방법임을 OpenAI Gym의 시뮬레이션을 통하여 증명하였다.

• 한국항공우주학회지
• /
• 제47권8호
• /
• pp.574-581
• /
• 2019

본 논문에서는 추력비정렬 및 발사체 횡방향 무게중심 오프셋에 의한 유도 성능 영향성에 대해서 다루었다. 민감도 분석 방법과 몬테카를로 시뮬레이션 방법을 적용하여 추력비정렬 및 횡방향 무게중심 오프셋에 의한 궤도 투입 오차 변화를 계산함으로써 영향성을 분석하였다. 추력비정렬 및 횡방향 무게중심 오프셋에 의한 영향을 보상하기 위한 방안으로서 적분제어기를 추가하는 방법과 Saturn-V 발사체의 비정렬 보상 알고리듬인 SMC 방법의 적용을 고려해 보았고 몬테카를로 시뮬레이션을 통해 효용성을 평가하였다.

• 소음진동
• /
• 제9권3호
• /
• pp.509-516
• /
• 1999

The ESPI (Electronic Speckle Pattern Interferometry) algorithm has been simulated to calculate vibrational modes of a thin right-angled STS304 plate. The phase transformation of the reference wave of the ESPI is carried out only one time during vibration in order to clarify ESPI speckle patterns. Two dimensional vibrational modes are calculated from one ESPI pattern before vibration onset and two ESPI patterns during vibrations but with and without the phase transformation. The ESPI harmonic results are compared with those derived from the finite element method (FEM), and they agree very well. Additionally a phase unwrapping algorithm has been newly developed to derive a displacement map from an ESPI phase map.