• Journal of Internet Computing and Services
• /
• v.17 no.5
• /
• pp.1-8
• /
• 2016

This paper proposes a novel broadcast scheduling algorithm for wireless large-scale networks based on theory of complex networks. In the proposed algorithm, the network topology is formed based on a scale-free network and the probability of link distribution is analyzed. In this paper, the characteristics of complex systems are analyzed (which are not concerned by the existing broadcast scheduling algorithm techniques) and the optimization of network transmission efficiency and network time delay are provided.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.17 no.9
• /
• pp.2020-2028
• /
• 2013

In this paper, we propose a novel analysis and design methodology based on complex network theory for wireless large-scale ad hoc networks. We also enhance the conventional analysis methods which does not sufficiently consider the effect of the wireless communication channels and extend the existing random graph theory by reflecting the wireless communication environments. As a main result, the effect of the network topology such as average degree of each communication node on the network capacity through extensive computer simulations.

• Proceedings of the Korea Contents Association Conference
• /
• 2010.05a
• /
• pp.253-255
• /
• 2010

복잡계 과학의 발달에 따라 많은 사회 네트워크들이 분석되고 있다. 우리는 연결선수, 중간성(betweenness), 결집계수와 같은 링크수를 중심으로 네트워크의 구조적 분석에서 나아가 복잡한 네트워크 속에서 핵심 되는 중심 모듈을 찾아 분석하였다. K-core알고리즘은 복잡계 네트워크를 가중치가 낮은 링크와 노드를 단계적으로 제거하여 복잡한 네트워크의 의미를 분석함에 있어 핵심이 되는 모듈을 얻는데 용이하다. 이에 소설, 영화, 과학 교과서, 단백질 상호작용 네트워크와 같은 다양한 분야에 이 알고리즘을 직접 적용해보았다. 그 결과, 각기 복잡한 네트워크로부터 핵심이 되는 모듈을 찾아낼 수 있었고, 전체 네트워크에서는 발견하기 힘든 유용한 정보들을 도출할 수 있음을 확인하였다. 본 연구에서 k-core 알고리즘을 통해 핵심 네트워크를 구축하여 유용한 정보를 도출할 수 있는 가능성을 제시하였다.

• The Science & Technology
• /
• no.8 s.411
• /
• pp.20-23
• /
• 2003

우리가 살고 있는 세상은 매우 좁으며 알게 모르게 서로 연결돼 있다. 더욱 더 재미있는 사실은 월드와이드웹으로 대표되는 인터넷을 통해서 사회가 점점 더 좁아지고 있다는 것이다. 과연 현재의 사회는 몇 단계로 되어 있을까? 또 마지막에는 어디까지 줄어들게 될 것인가? 21세기에 새로운 과학으로 태동하고 있는 복잡계 네트워크 사회론을 소개한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.232-234
• /
• 2006

본 논문에서는 마르코프 결정 문제 (Markov decision problem)의 풀이 효율을 잴 수 있는 척도를 알아보기 위해 복잡계 네트워크 (complex network) 의 관점에서 MDP를 하나의 그래프로 나타내고, 그 그래프의 위상학적 성질들을 여러 네트워크 척도 (network measurements)들을 이용하여 측정하고 그 MDP의 풀이 효율과의 관계를 분석하였다. 실세계의 여러 문제들이 MDP로 표현될 수 있고, 모델이 알려진 경우에는 평가치 반복(value iteration)이나 모델이 알려지지 않은 경우에도 강화 학습(reinforcement learning) 알고리즘등을 사용하여 풀 수 있으나, 이들 알고리즘들은 시간 복잡도가 높아 크기가 큰 실세계 문제에 적용하기 쉽지 않다. 이 문제를 해결하기 위해 제안된 것이 MDP를 계층적으로 분할하거나, 여러 단계를 묶어서 수행하는 등의 시간적 추상화(temporal abstraction) 방법들이다. 시간적 추상화를 도입할 경우 MDP가 보다 효율적으로 풀리는 꼴로 바뀐다는 사실에 착안하여, MDP의 풀이 효율을 네트워크 척도를 이용하여 측정할 수 있는 여러 위상학적 성질들을 기반으로 분석하였다. 다양한 구조와 파라미터를 가진 MDP들을 사용해 네트워크 척도들과 MDP의 풀이 효율간의 관계를 분석해 본 결과, 네트워크 척도들 중 평균 측지 거리 (mean geodesic distance) 가 그 MDP의 풀이 효율을 결정하는 가장 중요한 기준이라는 사실을 알 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.622-624
• /
• 2004

강화 학습(Reinforcement Learning)을 실제 문제에 적용하는 데 있어 가장 큰 문제는 차원성의 저주(Curse of dimensionality)였다 문제가 커짐에 따라 목적을 이루기 위해서 더 많은 단계의 판단이 필요하고 이에 따라 문제의 해결이 지수적으로 어려워지게 된다. 이를 해결하기 위해 문제를 여러 단계로 나누어 단계별로 학습하는 계층적 강화 학습(Hierarchical Reinforcement Learning)이 제시된 바 있다 하지만 대부분의 계층적 강화 학습 방법들은 사전에 문제의 구조를 아는 것을 전제로 하며 큰 사이즈의 문제를 간단히 표현할 방법을 제시하지 않는다. 따라서 이들 방법들도 실제적인 문제에 바로 적용하기에는 적합하지 않다. 최근 이루어진 복잡계 네트워크(Complex Network)에 대한 연구에 착안하여 본 논문은 자기조직화하는 생장 네트워크(Self organizing growing network)를 기반으로 한 간단한 환경 표현 모델을 사용하는 강화 학습 알고리즘을 제안한다 네트웍은 복잡계 네트웍이 갖는 성질들을 유지하도록 자기 조직화되고, 노드들 간의 거리는 작은 세상 성질(Small World Property)에 따라 전체 네트웍의 큰 사이즈에 비해 짧게 유지된다. 즉 판단해야할 단계의 수가 적게 유지되기 때문에 이 방법으로 차원성의 저주를 피할 수 있다.

• The Magazine of the IEIE
• /
• v.31 no.4
• /
• pp.50-56
• /
• 2004

우리는 복잡한 네트워크 세상에 살고 있다. 점점 더 그 의존도가 높아지고 있는 인터넷을 포함하여 사실 우리 주위에서 일어나는 자연현상과 사회적 현상은 자세히 관찰해 보면 그 내면에는 매우 복잡한 네트워크(network)를 형성하여 있고 그 구성 개체들은 서로 유기적인 관계(interaction)를 가지고 활동하고 있다는 것을 알 수 있다.(중략)

• Proceedings of The Korean Society of Agricultural and Forest Meteorology Conference
• /
• 2013.11a
• /
• pp.26-27
• /
• 2013

산림생태계의 에너지, 물질, 정보의 교환 과정과 그 변화를 이해하려면 먼저 생태계의 구조와 기능이 어떻게 상호작용하는지를 이해해야 한다. 생태계의 기능은 한, 두 가지의 특징에 의해서만 이루어지는 것이 아니다. 그렇기 때문에 그 기능을 파악하고 적절히 이용하거나 대응하기 위해서는 한 생태계와 주변 환경 전체를 바라볼 수 있는 시스템 사고가 필요하다. 이에 우리는 생태계의 '구조'를 파악함으로써 생태계의 '상태'를 이해하고자 한다. 본 연구에서는 Ruddell and Kumar (2009)의 접근법을 따라, 어떻게 한 생태계의 상태를 파악할 수 있는가라는 질문을 광릉활엽수림에 적용하여 답하고자 한다. 즉, 우리는 산림생태계가 열린 복잡계라고 가정하고, 생태계 내에서 다양한 프로세스들 간의 시시각각 변하는 네트워크의 구조가 각 시점의 시스템의 상태를 나타내는 지표가 될 수 있다고 가정하였다. 이 연구에서는 그 구조적 특징을 정량화하여 나타내는데 초점을 맞추었다. 각각의 프로세스를 대표하는 상태 변수들 간의 정보 흐름의 양과 방향, 시간 규모를 계산해냄으로써 네트워크 구조를 파악하고자 하였다. 온대 산악지형 활엽수림인 GDK의 2008년 순생태계교환량(NEE), 총일차생산량(GPP), 생태계호흡량(RE), 현열플럭스(H), 잠열플럭스(LE), 하향단파복사(Rg), 강수량(Precipitation), 기압(Pressure), 기온(T), 포차(VPD)의 시계열 자료를 월별로 나누어 최장 18 시간 규모의 정보 흐름을 계산하였다. 정보 흐름의 구조를 파악하기 위하여 변수들 간의 전이엔트로피(Transfer entropy)와 상호정보(Mutual Information)를 계산하는 방법을 사용하였다. 또한 시계열 자료를 이용함으로써 변수들 간에 정보가 전달되는 시간 규모의 특성을 파악할 수 있었다. 최종적으로, 계산한 정보 흐름을 시각화하여 프로세스 네트워크 구조를 나타내었다. 결과는 월별로 생태계의 정보 흐름의 종류, 방향과 시간 규모, 그에 따른 프로세스 간 상호 작용의 특징 등을 보여준다. 이를 통해 계절적 환경 변화에 따라 시스템의 네트워크 구조와 상태가 어떻게 변화하는지 이해할 수 있을 것이다. 이 연구는 추후 우리 연구실에서 생산한 8 년 자료에 적용함으로써 다양한 날씨 및 기후변화와 환경 변화에 따라 생태계의 구조와 상태가 어떻게 변화하는지 연구하는 시작점이 될 것이다. 이 접근법은 단위나 차원에 무관하게 다양한 종류의 자료에 적용할 수 있는 반면에, 일관성 있게 정의된 시스템의 상태 및 그 상태를 구성하는 주요 하부 시스템들의 네트워크 상태를 이해하는데 이용될 수 있다. 본 연구는 비평형 열역학과 복잡계의 관점에서 바라 본 시스템 사고를 적용하려 하는 여러 연구 분야에 새로운 도전을 촉발할 좋은 선행연구가 될 것이라 기대된다.

• The Korean Journal of Applied Statistics
• /
• v.36 no.5
• /
• pp.361-380
• /
• 2023

Magnetoencephalography (MEG) is a technique to record oscillatory magnetic fields coming from ongoing neuronal activity. Functional brain activities performing cognitive or physiological tasks are performed on structural connections between neurons or brain regions. MEG data can be characterized as highly correlated, spatio-temporal, multidimensional, multilayered dynamic networks. Due to its complex structure, many studies on MEG network have not yet been conducted. In this study, we will explain the concept, necessity, and possible approaches of MEG network analysis. We reviewed the characteristics of MEG data. Network measures and potential network models in MEG and clinical studies are also reviewed.

• The Magazine of the IEIE
• /
• v.31 no.4
• /
• pp.438-438
• /
• 2004