• 정보처리학회논문지D
• /
• 제11D권4호
• /
• pp.873-884
• /
• 2004

본 연구에서는 소프트웨어 개발 시 발생하는 결함을 찾아내고, 원인을 식별 및 해결책을 제시하고자 한다. 또한 검출된 결함 항목을 기반으로 하여 결함간의 연관성을 파악하여 opportunity tree로 나타낸다. 신뢰성 있는 소프트웨어를 개발하기 위해서는 소프트웨어와 개발과정에 존재하는 결함을 찾아내고 이를 관리하는 것이 중요한 요인이 된다. 이와 같은 요인은 품질로 귀결되게 되는데, 품질은 비용, 일정과 함께 프로젝트의 성공을 결정하는 주요 요소이다. 따라서 결함 처리 opportunity tree 및 알고리즘을 이용하여 유사한 프로젝트를 수행 시, 결함 예측하여 대비 할 수 있게 된다.

• 정보처리학회논문지D
• /
• 제16D권5호
• /
• pp.729-736
• /
• 2009

소프트웨어 공학에서 정확한 개발 비용 예측은 성공적인 개발 프로젝트를 위한 필수적인 요소로, 현재까지 많은 소프트웨어 비용산정을 위한 모델들이 개발되어 왔다. 전통적인 통계적 기법부터 기계학습을 적용한 알고리즘까지 다양한 분야의 아이디어를 접목하고 있다. 본 논문에서는 소프트웨어 개발 비용 예측을 위한 방법으로 유전 알고리즘과 서포트 벡터 머신의 회귀모델인 서포트 벡터 회귀를 결합한 GA-SVR 모델을 제안한다. 제안된 모델은 기존의 연구에 비해 향상된 결과를 보이고 있다.

• 정보처리학회논문지D
• /
• 제10D권4호
• /
• pp.689-696
• /
• 2003

설계 개체의 결함경향성을 판별하는 위험도 예측 모델은 분석이나 설계 같은 소프트웨어 개발 초기 단계에서 시스템의 문제 부분들을 찾아 내는데 사용된다. 복잡도 메트릭에 기반한 많은 위험도 예측 모델들이 제안되었지만 그들 대부분은 모델 훈련을 위한 훈련데이터 집합을 필요로 하는 모델들이었다. 하지만 대부분의 개발집단은 훈련데이터 집합을 보유하고 있지 않기 때문에 이들 모델들은 대부분의 개발집단에서 사용될 수 없다는 커다란 문제점이 있었다. 이러한 문제점을 해결하기 위해 본 논문에서는 Kohonen SOM 신경망을 이용하여 훈련데이터 집합을 사용하지 않는 새로운 예측 모델 KSM을 제안한다. 여러 내부 특성들과 모델 사용의 용이성 그리고 모의실험을 통한 예측 정확도 비교를 통해 KSM을 잘 알려진 예측 모델인 역전파 신경망 모델(BPM)과 비교하였으며 그 결과 KSM의 성능이 BPM에 근접하다는 것을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.788-791
• /
• 2020

낙농업에서 경제적 손실을 불러일으키고 관찰 시간과 비용이 필요한 젖소의 유방염 관리는 중요하다. 그러나 지금까지의 연구는 유방염 진단에 초점을 맞추고 있고, 예측하려는 시도는 전무하다. 유방염에 걸린 개체는 며칠 동안 우유를 생산할 수 없기 때문에 낙농가에 막대한 피해를 준다. 따라서 젖소가 유방염에 걸려 증상이 나타나기 전에 미리 파악해 조처를 할 수 있도록 하는 것이 중요하다. 이에 본 연구는 유방염 예측을 위해 생체 데이터를 포함한 다중 센싱 데이터를 사용해 유방염 예측 모델을 개발하였다. 모델에 사용된 데이터는 충청남도의 농가에 설치된 로봇 착유기로 부터 수집하였으며, 일정 기간 동안의 다중 센싱 데이터를 바탕으로 다음 날의 유방염 여부를 예측한다. 많은 양의 비선형 데이터를 효과적으로 처리하기 위해 다층 퍼셉트론을 사용해 모델을 학습하였다. 그 결과, 81.6%의 예측 정확도를 보였으며 교차 검증을 통해 정확도뿐만 아니라 재현율까지 우수함을 확인할 수 있었다.

• 정보처리학회논문지D
• /
• 제10D권4호
• /
• pp.709-718
• /
• 2003

본 연구에서는 소프트웨어 개발시 발생하는 결함을 찾아내고, 원인을 식별하고자 한다. 또한 검출된 결함 원인을 기반으로 하여 결함간의 연관성을 파악하여 트리거로 나타낸다. 따라서 결함 트리거를 이용하여 유사한 프로젝트를 수행시, 결함 예측하여 대비할 수 있게 된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (1)
• /
• pp.457-459
• /
• 1998

본 논문에서는 하드웨어-소프트웨어 시스템에서의 시스템 레벨 모델링 및 통합 모의 실험(co-simulation)에 관한 새로운 방법을 다루고 있다. 복잡한 시스템의 하드웨어와 소프트웨어를 하나의 객체 지향 방법론으로 모델링 및 모의 실험하여 빠르고 쉽고 정확하게 시스템의 성능을 예측하고 분석하여, 시스템 설계가 최적화 되도록 도움을 주는 설계 도구를 제안한다. ASIC, 보조 디바이스, 벗, 디스크 및 소프트웨어 등을 객체 지향 모델링 방법인 UML(Unified Modeling Language) 형식론으로 시스템의 구조를 GUI을 사용하여 모델링하고, 이것으로부터 자동적으로 DEVS(Discrete EVent System) 모의 실험 모델을 생성해내어 통합 모의 실험을 수행함으로써 시스템의 성능을 쉽고 빠르게 측정하고 예측하는 방법론을 제시한다. UML과 DEVS는 형식론으로서, UML은 추상화 수준의 시스템 모델링과 그래픽 사용자 인터페이스를 제공하며, 모의 시험은 DEVS의 시뮬레이터인 DEVS++을 사용하였다. DEVS++는 C++ 라이브러리 형태이므로 쉽게 UML에서 DEVS 형식론으로 모의 실험 모델을 추가하여 간단한 모델링할 수 있을 뿐만 아니라 정확한 모의 실험 결과를 얻을 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.308-309
• /
• 2021

과거의 연구들은 교통 속도만을 활용하여 교통 속도 예측 문제에 접근했다. 그러나 교통 속도의 비선형성으로 인해 정확한 예측이 어려워, 최근에는 교통 속도에 영향을 미칠 수 있는 외부의 요인을 활용해 정확도를 높인 연구들이 이루어지는 추세이다. 그 중에서도 강수량은 직관적으로 교통 속도와 관련이 있을 것으로 생각되어 자주 사용된다. 다만, 실제로 교통 속도가 강수량에 얼마나 영향을 받는지는 확인되지 않고 대부분의 연구가 적은 양의 데이터로 이루어지기에 강수량이 딥 러닝모델의 정확도를 향상시킬 수 있다고 단언하기는 어렵다. 본 논문은 강수량 데이터가 교통 속도를 변화시키는 양을 정량적으로 측정하고, 딥 러닝 모델의 성능에 미치는 영향을 분석하였다. 그 결과, 강수량이 높을수록 속도가 크게 감소하고 딥 러닝 모델의 정확도 또한 향상되는 것을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.113-119
• /
• 2022

소프트웨어 결함 예측 작업 시 단순히 결함 유무만을 예측하는 이진 분류 모델에 비해 결함의 심각도 범주를 예측하는 다중 분류 모델은 훨씬 유용하게 사용될 수 있다. 소수의 심각도 기반 결함 예측 모델들이 제안되었지만 딥러닝 기법을 사용한 분류기는 없었다. 본 논문은 3개, 5개의 은닉층을 갖고 은닉층 노드수가 고정된 구조와 변화하는 구조의 MLP 모델들을 제작하였다. 모델 평가 실험 결과 기존 기계학습 모델들 중 가장 좋은 성능을 보인 MLPs보다 MLP 기반 딥러닝 모델들은 Accuracy와 AUC 모두 유의미하게 더 우수한 성능을 보였다. 특히 노드수 고정 구조에서는 은닉 층수 3, 배치사이즈 32, 노드수 64인 모델 구조가 가장 좋은 성능을 보였다.

• 한국정보처리학회논문지
• /
• 제3권1호
• /
• pp.211-224
• /
• 1996

소프트웨어 개발공수(Efforts)에 관한 연구는 그 동안 상당히 많이 이루어져 있으나, 대부분 기존의 알고리즘 모델과 통계적 접근방법에 의한 모델에 한정 되어 있다고 할 수 있다. 또한 이들 연구는주로 외국의 사례를 대상으로 한 것이어서 국내의 소프트웨어 개발 환경에 적용하기에는 예측력과 적응도 등의 여러 문제가 제기되고 있다. 따라서 본 논문에서는 보다 현실적이고 실용적인 소프트웨어 개발공수의 예측모델로서 백프로 퍼게이션 알고리즘을 이용한 신경망 예측모델을 제시하고, 이 모델의 예측결과와 기존 의 모델인 COCOMO 그리고 희귀분석에 의한 예측결과들을 통계적으로 비교 분석하여 신경회로망의 우수한 예측력을 검증하였다. 이러한 분석의 결과를 토대로 보다 예측력 이 놓고 사용자가 쉽게 모델링하여 사용할 수 있는 정교한 신경망 모델을 제시하고자 한 다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.509-512
• /
• 2022

수술 중 저혈압 예측은 환자의 안전과 직결되는 중요한 과제이다. 그러나 인간이 저혈압을 예측하는 것은 많은 경험과 노하우를 필요로 하며, 현재 연구되고 있는 예측 기술은 단일 정보를 활용하여 복합적인 원인을 반영하지 못하거나, 침습적으로 데이터를 획득하여 환자에게 불편함을 준다. 비침습적으로 수집한 데이터를 통한 저혈압 발생 예측에 대한 연구는 꾸준히 진행되어 왔으나, 기존 딥러닝을 이용한 접근방법으로는 정확도가 낮다. 본 논문에서는 그 원인을 1)데이터 전처리 2)데이터 불균형 3)기존 모델의 한계로 구분하고, 이를 해결 가능한 방안을 제시한다. 실험 결과 CNN*CNN에서 Focal Loss를 사용할 때, 가장 높은 성능을 내는 것을 확인했다.