• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1727-1731
• /
• 2008

수자원의 효율적인 관리를 위해서는 신뢰성 있는 유량자료의 획득이 대단히 중요하다. 우리나라는 양질의 유량자료를 획득하기 위해 매년 많은 시간과 돈을 투자하고 있으나 자료의 질적인 면에서 만족할 만한 성과를 얻지 못하고 있다. 현재까지 우리나라의 유량자료는 댐의 수문자료와 수량관리 부처인 건교부에서 운영하는 수위표 지점의 수위-유량곡선에서 산출된 자료에 의존하고 있다. 그러나 수위-유량 관계식을 보정하기 위한 유량측정사업이 지속적이지 못하며, 이 관계식은 유량이 적은 저수기 및 갈수기에는 부정확하다는 한계가 있다. 또한, 국립환경과학원 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정사업을 실시하고 있지만, 목적은 낙동강수계의 오염총량관리 단위유역 말단 47개 지점에서 유량측정을 효율적으로 실시하여 수질정책의 기초자료를 제공하는데 있다. 이 자료 역시 오염총량관리를 위하여 유량측정을 실시하여 수자원의 효율적인 관리를 위한 일 유량을 알 수가 없는 한계점을 가지고 있다. 따라서 저수기 및 갈수기에 수질정책의 기초자료를 제공하기 위해서 하천을 포함한 유역의 정확한 강우-유출특성의 파악이 필요하다. 그러나 강우-유출특성 또한 유역 내 강우의 시 공간적 분포가 다르며 그 자가 비선형성이 강하고 여러 변동성을 포함하므로, 강우로부터 하천의 유출량의 정확한 해석이 불가능하다. 그러나 최근 인공지능 분야에서 신호처리, 지능제어 및 패턴인식 등의 수단으로 사용되고 있는 신경망은 학습이라는 최적화 과정을 통해 입력과 출력으로 구성되는 하나의 시스템을 비선형적으로 구축할 수 있으며 이러한 이점을 활용하여 수자원 분야에서 다양하게 적용되고 있다. 본 연구의 목적은 강우-유출자료 및 댐 방류량 자료의 비선형적인 특정을 가장 잘 반영할 수 있는 신경망모형을 적용하여 수질정책의 기초자료를 제공하기 위하여 신뢰성 있는 유량자료를 산정하는 모형을 개발하는 것이다. 이를 위해서 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정 지점 상류의 댐 방류량의 일 방류량자료와 강우자료를 입력 자료로 하여 유량을 예측할 수 있는 유량예측 신경망 모형 FFBN(Flow Forecasting By Neural)을 개발하였다. 그리고 입력 자료로서 장기유출모형인 SWAT의 모의결과를 입력 자료로 추가한 FFBNS(Flow Forecasting By Neural and SWAT)을 개발하였다. 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 예측된 유출량을 실측치와의 비교를 위하여 낙본D지점과 낙본 E지점에 대하여 $2005{\sim}2006$년까지의 모의 결과를 낙동 수위측정지점과 구미 수위측정지점의 실측치 통하여 복잡한 비선형성을 가지는 유출 시계열 자료에 대한 효과적인 최적의 신경망모델을 개발하여 유량을 예측하고 적용 가능성을 검토하고자 한다. 모의 결과는 수질정책의 기초자료 제공에 기여할 수 있을 것으로 판단된다.

• 한국항공우주학회지
• /
• 제37권3호
• /
• pp.248-254
• /
• 2009

유전자 알고리즘은 공기역학적 최적 형상 설계를 위해 매우 유용한 도구임에도 불구하고 인구수 기반의 탐색 알고리즘이 내포하고 있는 과도한 계산 시간으로 말미암아 제한적으로 적용된다. 본 연구에서는 과도한 계산 시간을 줄이고 정확한 최적해를 유도하기 위해 근사모델인 역전파 신경망과 전역적 최적화 기법인 실수기반 적응영역 유전자 알고리즘을 결합한 하이브리드 기법을 제안한다. 그 결과 하이브리드 기법이 에어포일의 항력 및 최적화 계산 시간 측면에서 일반적인 유전자 알고리즘 대비 14%, 33% 향상된 결과를 나타내었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.247-248
• /
• 2008

본 논문에서는 TYPE-2 퍼지 추론 기반의 RBF 뉴럴 네트워크(TYPE-2 Radial Basis Function Neural Network, T2RBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델의 은닉층은 TYPE-2 가우시안 활성 함수로 구성되며, 출력층은 Interval set 형태의 연결가중치를 갖는다. 여기에서 규칙 전반부 활성함수의 중심 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 Interval set 형태의 연결가중치 결정에는 경사 하강법(Gradient descent method)을 이용한 오류 역전파 알고리즘을 사용하여 학습한다. 또한, 최적의 모델을 설계하기 위한 학습율 및 활성함수의 활성화 영역 결정에는 입자 군집 최적화(PSO; Particle Swarm Optimization) 알고리즘으로 동조한다. 마지막으로, 제안된 모델의 평가를 위하여 모의 데이터 집합(Synthetic dadaset)을 적용하고 근사화 및 일반화 능력에 대하여 토의한다.

• 한국콘텐츠학회논문지
• /
• 제8권7호
• /
• pp.66-74
• /
• 2008

소프트웨어 개발 프로세스의 초기 단계에서 결함경향성이 많은 모듈들을 예측하는 위험도 예측 모델은 프로젝트 자원할당에 도움을 주어 전체 시스템의 품질을 개선시키는 역할을 한다. 설계 복잡도 메트릭에 기반을 둔 여러 예측 모델들이 제안 되었지만 대부분 훈련 데이터 집합을 필요로 하는 모델들이었고 훈련 데이터 집합을 보유하고 있지 않은 대부분의 개발 집단들은 이들을 사용할 수 없다는 문제점이 있었다. 본 논문에서는 잘 알려진 감독형 학습 모델인 오류 역전파 신경망 모델에 SDL 시스템 명세를 정량화하여 적용한 예측 모델을 개발하였으며, 기존 학습 모델들의 문제점을 해결하기 위해 이 모델을 여러 제약조건을 가지고 만든 가상 훈련데이터집합으로 학습시켰다. 제안 모델의 사용가능성을 알아보기 위해 몇가지 모의실험을 수행 하였으며, 그 결과 제안 모델이 훈련 데이터 집합이 없는 개발 집단에서는 실제 데이터로 훈련된 예측 모델의 대안으로 사용될 수 있음을 보였다.

• 융합신호처리학회논문지
• /
• 제20권2호
• /
• pp.70-77
• /
• 2019

조기 유방암을 진단하기 위해서는 유방초음파 판독이 매우 중요하다. 초음파 검사는 초음파장비에 따라 화질의 차이가 심하게 나타날 뿐만 아니라 검사자의 경험과 숙련 정도에 따라 진단의 차이가 크게 나타난다. 따라서 정확한 진단과 치료를 위하여 객관적인 판단기준이 필요하다. 이에 본 연구에서는 GLCM(Gray Level Co-occurrence Matrix) 알고리듬을 적용하여 질감 특성을 분석하고 특징파라미터들을 추출하여 신경망분류기를 이용하여 유방암을 진단하였다. 유방초음파 영상은 정상 조직과 양성, 악성 종양으로 분류하여 질감 특성 파라미터 6가지를 추출하였다. 유방초음파검사로 진단된 정상 영상, 악성 및 양성종양 영상 각각 14증례를 대상으로 추출된 6개의 파라미터들을 적용하여 다층 퍼셉트론 신경망구조 역전파 학습방법으로 학습을 시켰다. 학습된 모델에 정상 유방 영상 51증례, 양성종양 영상 62증례, 악성종양 영상 74증례의 영상을 사용하여 분류한 결과 95.2%의 분류율을 나타내었다.

• 컴퓨터교육학회논문지
• /
• 제8권5호
• /
• pp.129-137
• /
• 2005

설계 명세를 이용하여 결함경향성이 많은 부분을 예측하는 위험도 예측 모델은 대형 통신 시스템 같이 결과 산물이 매우 큰 시스템의 개발비용을 낮추는데 중요한 역할을 하고 있다. 복잡도 메트릭에 기반한 많은 위험도 예측 모델들이 제안되었지만 그들 대부분은 모델 훈련을 위한 훈련 데이터 집합을 필요로 하고, 설계 개체들을 위험 그룹과 비위험 그룹으로 나누는 기능만 지닌 분류 모델들이었다. 본 논문에서는 두가지 형태의 검증된 혼성 메트릭들을 사용하는 새로운 예측 모델 HMM을 제안한다. HMM의 장점은 설계 개체의 위험도를 정량화함으로써 모델 훈련을 위한 훈련 데이터 집합이 필요 없다는 것과 개체 간에 위험도 비교가 가능하다는 것이다. HMM의 유용성을 보이기 위해 여러 내부 특성들과 예측 정확도 비교를 통해 잘 알려진 예측 모델인 역전파 신경망 모델(BPM)과 HMM을 비교하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권3호
• /
• pp.145-155
• /
• 2002

내용 기반 영상 검색에서 대부분의 기존 방법들은 서로 다른 특징들 사이의 선형 관계를 가정하고 또 사용자가 직접 각 특징의 가중치를 설정하도록 한다 허나 특징들 사이의 관계가 선형적으로 가정된 하에서는 고차원의 개념과 인간의 지각 주관성을 충분히 표현할 수 없는 단점이 있다. 본 논문에서는 신경망에 기반한 영상 검색 모델이 제안된다. 이는 RBFN을 이용한 내용 기반 영상 검색 기법과 인간컴퓨터 상호작용의 접근 방법을 기반으로 구축되었다. RBFN을 이용하여 특징들 사이의 비선형적 관계를 추출해낼 수 있고 사용자가 처음에 질의 영상을 선택하고 관련성 피드백을 통하여 점차적으로 목표 영상을 찾아나가도록 함으로써 영상의 비교를 더 정확하게 할 수 있다. 실험은 145개의 클래스로 구분되며 1,015개의 영상을 포함하는 데이타베이스를 사용하여 재생과 정도를 계산하였다. 실험 결과는 제안된 방법의 재생과 정도가 각각 93.45%과 80.61%로서, 기존의 선형 결합 방법이나 순위 기반 방법 그리고 역전파 알고리즘에 기반한 방법보다 더 뛰어난 검색 성능을 지님을 보여준다.

• 대한전자공학회논문지SP
• /
• 제39권4호
• /
• pp.399-407
• /
• 2002

본 논문에서는 블록 기반으로 부호화된 영상에 대하여 블록 분류 (block classification)와 다층 퍼셉트론 (multi-layer perceptron, MLP) 모델을 이용한 적응적 블록화 현상 제거 알고리듬을 제안하였다. 제안한 방법에서는 각 블록을 DCT 계수의 분포 특성에 따라 네 개의 클래스로 분류한 다음, 인접한 두 블록의 클래스 정보에 따라 수평 및 수직 블록 경계 영역에 대하여 적응적으로 신경망 필터를 적용한다. 즉, 평탄한 영역, 수평 방향 에지 영역, 수직 방향 에지 영역, 및 복잡한 영역에 대하여 각각 서로 다른 신경망 필터를 수평 및 수직 방향으로 적용하여 블록화 현상을 제거한다. 모의 실험 결과를 통하여 제안한 방법이 객관적 화질 및 주관적 화질 측면에서 기존의 방법보다 그 성능이 우수함을 확인하였다.

• 대한조선학회논문집
• /
• 제34권1호
• /
• pp.122-129
• /
• 1997

외판곡가공 과정의 역학적해석에 사용되는 열탄소성 해석은 계산시간이 많이 소요된다. 선상가열작업의 최적공정을 구하기 위하여는 시뮬레이션과 유한요소해석 사이에 상당수의 반복계산이 필요하다. 그러므로 요구되는 천문학적인 계산시간으로 인하여 선상가열의 수치시뮬레이션은 많은 제약을 받고 있다. 따라서 선상가열의 시뮬레이션에 소요되는 역학해석 계산시간을 크게 줄이는 방안이 필요하다. 외판곡가공에서의 역학적 정보를 효율적으로 구하기 위하여, 본 논문에서는 먼저 선상 가열 작업에 영향을 끼치는 요소들을 살펴보았으며, 역전파 방식의 인공 신경망을 이용하여 일종의 추론기구를 구현하였다. 신경망은 은닉층의 갯수와 은닉층에 있는 뉴런의 갯수를 바꿔 주며 수치해석 결과들을 학습시켰다. 그 결과 두개의 은닉층을 가진 인공 신경망의 경우 각 은닉층에 뉴런의 갯수가 충분하다면 학습 예제들을 쉽게 학습하였고, 또 학습된 결과로부터 새로운 해를 도출해 낼 때 그 값은 실제 값과 비교해 볼 때 비교적 작은 오차를 보였다. 결과적으로 구하고자 하는 문제영역 근처에 충분한 학습 예제가 마련된다면 비교적 실제 값에 근사하는 결과를 보인다는 것을 알 수 있었다. 본 연구를 통하여, 수치해석결과의 학습방법을 기초로한 인공신경망은 곡면가공의 시뮬레이션단계에서 필요한 역학적 해석정보의 경제적인 산출에 적용가능함이 확인되었다.

• 한국정보처리학회논문지
• /
• 제6권12호
• /
• pp.3559-3568
• /
• 1999

수많은 정보의 홍수 속에 정보 과다는 현대인의 피할 수 없는 문제로 대두되었다. 특히, 인터넷과 컴퓨팅 기술의 발전으로 정보 자원이 급속도로 증가하고 있다. 따라서, 사용자가 원하는 정보를 찾아내는 것은 더욱 어려워졌다. 이러한 정보 검색 문제들을 해결하기 위하여 많은 정보 검색 시스템이 나타나게 되었다. 현재의 정보 검색 시스템들은 문서 검색에서는 사용자의 요구에 맞는 결과를 찾아 주고 있다. 그러나. 화상에 대한 검색 시스템의 연구는 초보 단계이기 때문에 사용자의 요구에 맞는 결과를 출력하지 못하고 있다. 이러한 문제를 해결하기 위해서 본 논문에서는 화상 검색 시스템이 사용자 모델을 이용하여 사용자에게 적응할 수 있는 기능을 부여하기 위하여 지능 사용자 인터페이스에 관한 고찰을 통한 인간-컴퓨터의 상호 작용 모델인 HCOS(Human-Computer Symmetry) 모델을 적용하고 이를 기반으로 화상 검색 시스템에서의 사용자 적응 능력을 갖는 지능 사용자 인터페이스를 제안하였다. 지능 사용자 인터페이스는 정보 검색의 복잡성과 사용자와 시스템간의 의미상의 차이를 감소시켜야 하며 사용자의 질의 성향과 관심을 반영할 수 있도록 학습 기능과 적응 기능을 포함하고 있어야 한다. 이를 위해 본 논문에서는 화상 검색을 위한 사용자 모델에 기계 학습(Machine Learning) 알고리듬인 결정 트리(Decision Tree)와 역전파 신경망(Backpropagation Neural Network)을 사용하였다. 지능 사용자 인터페이스의 화상 검색 실험을 통하여 시스템이 사용자에 적응하여 검색 효율이 좋아짐을 알 수 있었다.