• 한국지능시스템학회논문지
• /
• 제21권4호
• /
• pp.475-480
• /
• 2011

본 논문에서는 충돌 위험도 판단 시스템을 제안한다. 먼저 칼만 필터를 이용하여 보행자의 정보를 예측하고, 몬테 카르롤로 모의 실험과 신경 회로망을 이용해 충돌 확률을 계산한다. 그리고 과거의 충돌 확률 정보를 이용하여 충돌확률을 예측한다. Belief 충돌 예측 방법은 현재뿐만 아니라, 과거의 필터링 정보를 모두 이용하여 충돌 확률을 에측한다. 마지막으로 컴퓨터 시뮬레이션으로 제안된 알고리즘의 성능을 확인한다.

• 정보처리학회 논문지
• /
• 제13권5호
• /
• pp.227-235
• /
• 2024

원자력발전소에서 디지털 계측제어 시스템 비중이 높아지면서 원자력발전소에 대한 확률론적 안정성 평가 시 소프트웨어에 대한 신뢰도 평가가 중요해졌다. 원전 소프트웨어 신뢰도 추정을 위한 방법들이 몇 가지 제안 되었지만 해당 방법의 효과적 적용을 지원하는 도구 지원이 미비하였다. 본 연구에서는 소프트웨어 개발 품질 및 검증 품질과 같은 정성적 정보와 통계적 시험 결과와 같은 정량적 정보를 활용하여 원전 소프트웨어 신뢰도를 정량적으로 측정할 수 있는 자동화 도구를 설계하였고 구현하였다. 개발된 도구를 산업용 원자로 보호 시스템 사례에 적용한 결과, 개발된 도구가 원전 소프트웨어의 신뢰성 평가를 효과적으로 지원할 수 있음을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제26권2호
• /
• pp.93-98
• /
• 2016

정확한 강수예측을 위해서는 예측인자 선정과 예측방법에 대한 선택이 매우 중요하다. 최근에는 강수예측 방법으로 기계학습 기법이 많이 사용되고 있으며, 그 중에서도 특히 인공신경망을 사용한 강수예측 방법은 좋은 성능을 보였다. 본 논문에서는 딥러닝 기법 중 하나인 DBN(deep belief network)를 이용한 새로운 강수예측 방법을 제안한다. DBN는 비지도 사전 학습을 통해 초기 가중치를 설정하여 기존 인공신경망의 문제점을 보완한다. 예측인자로는 기온, 전일-전주 강수일, 태양과 달 궤도 관련 자료를 선정하였다. 기온과 전일-전주 강수일은 서울에서의 1974년부터 2013년까지 총 40년간의 AWS(automatic weather system) 관측 자료를 사용하였고, 태양과 달의 궤도 관련 자료는 서울을 중심으로 계산한 결과를 사용하였다. 전체 기간에서 일부는 학습 자료로 사용하여 예측모델을 생성하였고, 나머지를 생성한 모델의 검증 자료로 사용하였다. 모델 검증 결과로 나온 예측값들은 확률값을 가지며 임계치를 이용하여 강수유무를 판별하였다. 강수 정확도의 척도로 양분예보기법 중 CSI(critical successive index)와 Bias(frequency bias)를 계산하였다. 이를 통해 DBN와 MLP(multilayer perceptron)의 성능을 비교한 결과 DBN의 강수 예측 정확도가 높았고, 수행속도 또한 2배 이상 빨랐다.