• Journal of KIISE:Information Networking
• /
• v.27 no.4
• /
• pp.507-521
• /
• 2000

실시간 멀티미디어 서비스에서 Quality of Service(QoS) 보장의 필요성이 증가하고 있다. 멀티미디어 서비스 제공 형태의 대다수가 될 멀티캐스트 경로설정에서도 QoS 보장은 확장성 신뢰성과 함께 매우 중요한 문제이다. QoS 기반 코어 선택 알고리즘을 제안한다. 제안 알고리즈믄 멀티캐스트 경로설정에서 코어 선택시에 다중 QoS 제약조건을 고려한다. QoS 제약조건은 최소보장 대역폭, 종단 지연, 종단 지연변이 등으로 정의한다. 모의 실험결과는 제안한 QCSA와 Maximum Centered Tree(MCT) Average Centered Tree (ACT) Initial Delay-Constrained Shared Tree(Dcinitial) Random Tree(Random)등의 기존 코어 선택 알고리즘의 성능을 각 항목별로 비교한다 멀티캐스트 그룹 멤버수와 QoS 제약조건을 인자로 한 모의 실험 결과는 제안한 QoS 기반 코어 선택 알고리즘이 기존 코어 선택 알고리즘에 비해서 다중 QoS 제약조건 보장 코어 선택 성공률에서 성능 개선 효과를 가짐을 보여준다. 제안 알고리즘이 본 논문에서 설정한 모의 실험 환경에서는 QoS 기반 코어 선택의 정도를 나타내는 성공률에서 약 10% 정도 기존 알고리즘보다 우수함을 보인다. 이 결과는 제안 알고리즘이 코어 선택 과정의 초기부터 멀티캐스트 그룹내의 모든 멤버에 대한 다중 QoS 제약조건을 고려하는 점이 QoS 기반 코어 선택에서 개선 효과를 나타냄을 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04b
• /
• pp.923-926
• /
• 2002

인공면역시스템을 이용한 침입탐지시스템 개발을 위해 적용한 동적클론선택(Dynamic Clonal Selection) 알고리즘과 그의 문제점을 소개하고 개선된 동적클론선택 알고리즘을 제안한다. 개선된 동적클론선택 알고리즘은 정상행위를 비정상행위로 판단하는 기억 탐지 자들을 제거함으로써 기존에 동적클론선택 알고리즘이 안고 있던 오류를 감소시키는 방안을 제시한다.

• Journal of Korean Society of Transportation
• /
• v.19 no.2
• /
• pp.53-60
• /
• 2001

본 논문의 목적은 대중교통 노선배정 시에 여러 수단간의 환승을 고려함으로써 다수단 대중교통망 내에서 수단선택과 노선선택을 동시에 수행할 수 있도록 확률적인 통행배분(traffic assignment) 모형의 하나인 다이알 알고리즘을 응용할 것을 제시하고 그 알고리즘의 속성을 정확하게 규명하는데 있다 승용차의 확률적 통행배분모형으로 잘 알려져 있는 Dial 알고리즘은 로짓모형에 기초한 것이므로 다수단간의 대중교통 수단선택과 노선선택과 같은 선택 행태를 동시에 설명할 수 있는 모형적 특성을 기본적으로 내재하고 있다. 본 연구에서 제시한 대중교통 노선선택에 적용될 수 있도록 수정된 다이알 알고리즘은 기존의 결정적 대중교 통 노선배정 모형들의 단점을 극복할 수 있는 특성을 갖고 있다. 즉 결정적 대중교통 노선배정모형은 기종점간 최단경로에 교통량을 전랑배분(All-or-Nothing)하여 통행자들의 행태적 속성을 제대로 반영하지 못하고 있으며, 다수단 대중교통망 내에서 환승을 포함한 복합 대중교통수단의 선택을 효용극대화 이론에 기초하지 않고 최소비용노선에 전량배분하는 모형의 한계점을 갖고 있다. 이러한 결정적 대중교통 노선배정모형의 단점을 수정된 다이알 알고리즘은 개선할 수가 있다. 본 연구에서는 알고리즘의 특성을 파악하기 위한 모의실험으로 Sioux Falls 형태의 대중교통 네트워크를 이용하여 기존의 알고리즘과 비교 분석하였다. 분석의 탄력성을 갖고 있는 수정된 대중교통 다이알 알고리즘이 현실적 대중교통 통행패턴을 기존 모형보다 합리적으로 설명할 수 있을 것으로 보이며, 특히 다수단 대중교통망이 형성된 대도시의 대중교통 정책분석에 적합한 기법이 될 수 있을 것으로 고려된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.139-141
• /
• 2006

유전자 알고리즘에서 좋은 염색체(chromosome)를 선택하는 방법은 알고리즘의 성능을 향상시키는데 매우 중요한 핵심 요소이다. 이러한 선택 기법 중에는 비례 선택 기법, 순위기반 선택 기법, 토너먼트 선택기법 등이 잘 알려져 있다. 이 중 가장 성능이 좋은 토너먼트 선택 기법은 열성 염색체중 우성인 유전자를 포함하는 열성 염색체가 선택에서 배제되어 지역적 최적해(local minima)를 구할 가능성, 열성 염색체가 다음 세대 진화를 방해할 가능성 등의 문제점을 가지고 있다. 본 논문에서는 토너먼트 선택 기법의 문제점을 해결하기 위해서 토너먼트-교배 선택 기법을 제안하였다. 이 방법은 토너먼트 선택 기법을 기반으로 하되 열성 염색체가 선택되었을 경우 그 안에 들어 있는 우성 유전자를 알고리즘 진화에 반영시키고자 교배 단계를 추가한 기법이다. 제안된 토너먼트-교배 선택 기법을 이용하면 기존의 토너먼트 선택 기법보다 평균수행시간이 짧아져 해에 수렴하는 속도가 향상된다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.10a
• /
• pp.15-17
• /
• 2022

In order to minimize surplus parts in ball bearing selective assembly systems, it is necessary to optimize the selection probability by grasping the dimensional distribution of each part. But the use of a complex system causes delays in the production process. In this paper, we propose cluster priority selection algorithm that can quickly and simply determine the selection priority in ball bearing selective assembly system. In addition, we assume the simulated situation with the data collected in the actual ball bearing selective assembly process, and evaluate the incidence of surplus part and runtime by simulating the cluster priority selection algorithm and the exiting algorithm. As a result of the simulation, the cluster priority selection algorithm generated 83.8% less surplus parts, and 39.7% less runtime than the existing algorithm.

• Proceedings of the Korean Statistical Society Conference
• /
• 2003.10a
• /
• pp.263-268
• /
• 2003

Breiman, Friedman, Olshen and Stone(1984)의 전체탐색법에 의한 회귀나무는 상대적으로 많은 분리가 가능한 변수로 분리기준이 정해지는 편의 현상을 갖고 있다. 본 연구에서는 이런 문제점을 해결할 수 있는 알고리즘을 제안하여 변수선택편의가 없는 회귀나무를 만들고자 한다. 제안하는 알고리즘은 노드의 분리변수를 선택하는 단계와 그 선택된 변수에 의해 이진분리를 위한 분리점을 찾는 단계로 구성되어 있다. 예측변수 중에서 목표변수와 가장 밀접하게 연관된 예측변수는 예측변수의 자료의 종류에 따라 스피어만의 순위상관계수에 의한 검정 혹은 크루스칼-왈리스의 통계량에 의한 검정을 수행하여 가장 통계적으로 유의한 변수로 선택하였고, 선택된 변수에만 Breiman et al.(1984)의 전체선택법을 적용하여 분리점을 결정하였다. 모의실험을 통해 변수선택편의, 변수선택력 , 그리고 평균제곱오차 측면에서 Breiman et al. (1984)의 CART(Classification and Regression Trees)와 제안한 알고리즘을 서로 비교하였다. 또한, 두 알고리즘을 실제 자료에 적용하여 효율을 서로 비교하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.353-355
• /
• 2003

본 논문은 유전자 알고리즘의 다양성(diversity)을 유지하면서 동시에 수렴(convergence) 속도를 향상시키기 위한 새로운 선택기법을 제안한다. 이를 위해 적합도가 높은 염색체를 다음 세대로 전달하면서 동시에 적합도가 낮은 염색체에 대해서도 일정 수준 전달되게 하였다. 또한 기존의 설러 선택기법 중 가장 일반적으로 사용되는 토너먼트 선택 기법의 문제점을 고찰하고, 제안 알고리즘의 최적도 밀 수렴속도를 모의 실험을 통해 비교 및 분석한다. 실험 결과로부터 제안 알고리즘은 기존의 토너먼트 선택기법에 비해 우수함을 확인하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.8B
• /
• pp.1141-1151
• /
• 2001

본 논문에서는 효과적으로 선택된 초기 탐색 위치를 이용한 움직임 추정의 고속 알고리즘을 제안하였다. 제안된 알고리즘에서는 2$\times$2화소 블록 평균으로 부표본화 영상에서 움직임 벡터를 얻어 원영상 비율로 확대하고, 주위 블록의 움직임으로부터 예측 움직임 벡터를 구하여, 이 중에서 정합오차가 작은 것을 초기 탐색 위치로 선택한다. 그리고 선택된 초기 탐색 위치를 중심으로 회전 탐색을 시작하여, 연속 소거 알고리즘으로 탐색할 후보 블록을 선택하고, 부분 정합 왜곡 소거법을 사용하여 블록간 정합오차 계산량을 줄이면서, 고속으로 움직임 벡터를 추정한다. 알고리즘의 실제 적용에 있어서는 선택된 초기 탐색 위치를 중심으로 회전 탐색 패턴의 탐색 범위를 조절하거나, 매크로 블록 당 복잡도를 제한하여 계산량을 줄일 수 있다. 실험 결과, 제안된 알고리즘은 전역탐색 블록정합 알고리즘에 대하여 0.2dB 이하의 미소한 평균 PSNR 저하만을 발생하면서, FBMA 복잡도의 3% 이하의 평균 복잡도를 소요하였다. 이것은 3단계 탐색법에 대하여 40% 이하의 계산량이다. 그리고 실험 영상들의 각 프레임에 대해서도 비슷한 성능을 보임을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.478-481
• /
• 2002

본 논문에서는 생명체의 면역계에서 중요한 역할을 하는 세포독성 T세포의 생성과정의 하나인 긍정선택(positive selection)과 부정 선택(negative selection)을 모델링하여 침입에 의한 데이터 변경과 바이러스에 의한 데이터 감염 등을 탐지할 때 가장 중요한 요소인 변경 검사 알고리즘을 개발하였다. 제안한 알고리즘은 면역세포의 생성시 MHC 인식부를 형성해 주는 긍정 선택을 자기 인식 알고리즘으로 구현하여 컴퓨터에서 자기로 인식해야하는 파일이나 기능에 대해 MHC 인식부를 형성하고, 또한 항원 인식부를 형성하는 부정 선택을 이용해 변형 검지기(anomaly detector)를 구성한다. 따라서 제안한 알고리즘은 실제 면역세포와 마찬가지로 자신과 침입자 모두에 대한 인식기를 가지고 변경을 탐지하게 된다. 시뮬레이션을 통하여 자기파일의 일부가 변경되었을 때와 블록이 변경되었을 때에 대하여 두 가지 방법을 이용한 변경 검사 알고리즘의 특성과 유효성을 밝힌다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.35-38
• /
• 2006

다층 퍼셉트론(MLP) 학습 이론인 오류 역전파 알고리즘은 델타룰과 최급 하강법을 사용하기 때문에 학습시 많은 시간이 소요된다는 단점을 가지고 있다. 때문에 신경망에서의 잘못된 초기 가중치 선택은 오류 역전파 알고리즘을 사용하는 신경망에서의 현격한 학습 성능저하를 발생시키게 된다. 본 논문에서는 학습시 오류 역전파 알고리즘의 수렴시간을 개선하기 위한 신경망의 동적 초기 가중치 선택 알고리즘을 제안한다. 이 알고리즘은 학습전 기존의 선택 가중치와 모든 가중치가 1.0 또는 -1.0 값을 가지는 가중치 집합에서 가중치 변동률을 선측정하여 이들 중 가장 변동률이 큰 경우를 초기 가중치 집합으로 선정하게 된다. 즉, 초기의 가중치 변동률을 차후 성능을 판단하는 지표로 사용하여 잘못된 가중치 선택으로 인한 최악의 학습효율의 가능성을 배제시키고 다층 신경망의 학습특성상 평균 이상의 학습효율을 보장하는 초기 가중치 선택방법이다.