• 시멘트 심포지엄
• /
• 29호
• /
• pp.245-252
• /
• 2002

소성 영역(Sintering zone)에서 클링커(Clinker)의 형상 형성은 시멘트 생산 공정에서 가장 중요한 생산 공정중의 하나이다. 소성공정의 진단 및 최적 제어의 핵심은 써모그래프(Thermo graph), 즉 적외선 카메라를 이용한 온도 분포의 측정이다. 여기에서 다룰 ''PIT Indicator'' 시스템은 분진이 많은 열악한 산업 현장의 연소 시스템에 적용할 수 있도록 특별히 설계한 공냉식의 2개 채널을 가진 광학 장비에 기초하고 있다. 비디오 영상과 써모그래프 이미지 그리고 다양한 연소 특성이 카메라를 통하여 얻어지고 자기 학습 기능을 가진 소프트웨어에서 기록되고 분석된다. 이때 얻은 데이터는 수학적 모델에서 온라인으로 Free Lime 함유율을 예측하는데 이용된다. 열분포의 써모그래프 표시와 공정상의 다양한 운전 특성을 분석하여 주는 ''PIT Indicator'' 소프트웨어를 통하여 다른 공정 제어 시스템과 연결이 가능하다. 이와 같은 하드웨어와 소프트웨어를 이용하여 최적화가 필요한 여러요소들의 최적화를 동시에 그리고 온라인으로 수행할 수가 있다. Free Lime 함유율의 연속적인 온라인 연산을 통해 생산 설비 및 공정에 맞는 최소한의 에너지를 Kiln 에 공급함으로써 근본적으로 1차 연료의 절감이 가능하고 NOx와 같은 유해 가스의 배출량도 제어할 수 있다. 또한 별도로 NOx에 대한 모델을 개발하여 NOx를 정확하게 예측하는 것도 가능하다.

• 한국수자원학회논문집
• /
• 제41권10호
• /
• pp.1059-1065
• /
• 2008

강우자료는 수문 해석에 있어 가장 기본이 되는 입력 자료이며, 다양한 원인에 의해 결측이 발생된다. 본 연구에서는 복잡한 자연현상 문제 해결에 그 응용성이 입증된 신경망 기법을 이용하여 결측 처리된 강우를 추정하기 위해서 소양강댐 유역 12개 강우량 관측소를 대상으로 신경망 모형을 구축하였으며, 모형의 성능 평가를 위해 실무에서 가장 많이 사용되고 있는 우량 보정 방법인 역거리법(RDS)과 산술평균법(AMM)으로 추정한 값과 비교하여 신경망을 이용한 추정 방법의 우수성을 보였다. 그리고 온라인상에서 보다 신뢰성 있는 수문자료를 재난관련 유관기관으로 전송하기 위해서 신경망 모형을 이용한 상시 실시간 보정이 가능하도록 신경망 학습기로 구성된 자동 보정시스템을 제안하였다.

• 경영정보학연구
• /
• 제25권1호
• /
• pp.27-46
• /
• 2023

최근에는 외식 산업의 발달과 레스토랑 수요의 증가로 인해 레스토랑 추천 시스템 연구가 활발하게 제안되고 있다. 기존 레스토랑 추천 시스템 연구는 정량적인 평점 정보 또는 온라인 리뷰의 감성분석을 통해 소비자의 선호도 정보를 추출하였는데 이는 소비자의 의미론적 선호도 정보는 반영하지 못한다는 한계가 존재한다. 또한, 레스토랑이 포함하는 세부적인 속성을 반영한 추천 시스템 연구는 부족한 실정이다. 이를 해결하기 위해 본 연구에서는 소비자의 선호도와 레스토랑 속성 간의 상호작용을 효과적으로 학습할 수 있는 딥러닝 기반 모델을 제안하였다. 먼저, 합성곱 신경망을 온라인 리뷰에 적용하여 소비자의 의미론적 선호도 정보를 추출했고, 레스토랑 정보에 임베딩 기법을 적용하여 레스토랑의 세부적인 속성을 추출했다. 최종적으로 요소별 연산을 통해 소비자 선호도와 레스토랑 속성 간의 상호작용을 학습하여 소비자의 선호도 평점을 예측했다. 본 연구에서 제안한 모델의 추천 성능을 평가하기 위해 Yelp.com의 온라인 리뷰를 사용한 실험 결과, 기존 연구의 다양한 모델과 비교했을때 본 연구의 제안 모델이 우수한 추천 성능을 보이는 것을 확인하였다. 본 연구는 레스토랑 산업의 빅데이터를 활용한 맞춤형 레스토랑 추천 시스템을 제안함으로써 레스토랑 연구 분야와 온라인 서비스 제공자에게 학술적 및 실무적 측면에서 다양한 시사점을 제공할 수 있을 것으로 기대한다.

• 전자공학회논문지CI
• /
• 제40권4호
• /
• pp.193-205
• /
• 2003

지능 제어, 통신, 컴퓨터 및 센서 기술, 영상 처리, 메카트로닉스 등과 같은 다양한 분야에서 로봇 축구 시스템에 대한 연구가 진행되고 있다. 그중 전략 연구는 대부분 공격 전략 연구에 치중하고 있으며, 점차 지능적인 공격 전략을 구현하는 방향으로 흘러가고 있다. 이에 따라 과거의 단순한 수비 전략으로는 완전한 수비가 불가능하게 되었다. 따라서, 지능적인 공격을 효율적으로 수비할 수 있는 수비 전략이 필요하며, 효율적인 수비를 위하여 공격자 로봇의 의도 추출이 필요하다. 본 논문에서는, 퍼지 최대 최소 신경망을 이용한 축구 로봇의 공격 의도 추출기를 설계하였다. 첫째로 축구 로봇 시스템에서의 의도를 정의하고 의도 추출에 대하여 설명한다. 다음으로 설계한 퍼지 최대 최소 신경망을 이용하여 설계한 축구 로봇의 의도 추출기에 대하여 설명한다. 퍼지 최대 최소 신경망은 패턴분류 방법 중의 하나로 온라인 적용, 짧은 학습 시간, 소프트 결정(soft decision) 등의 많은 장점을 갖고 있다. 따라서, 다이나믹한 환경을 가진 축구 로봇 시스템의 의도 추출에 적합하다. 이 의도 추출기는 상대 팀 로봇이 공격시 어떠한 상황에서 어떠한 행동을 할 것인가를 미리 알아내어 수비 시 이용할 수 있도록 하며, 학습을 통하여 의도 추출을 함으로써 상대 팀 경기를 보고 팀의 전략을 파악하는 전략 분석기로도 사용이 가능하다. 자체 제작한 3대3 로봇 축구 시뮬레이터를 이용하여 시뮬레이션을 하였으며, 학습을 함에 따라서 의도 추출률이 증가함을 확인할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 춘계학술대회 및 임시총회
• /
• pp.32-36
• /
• 2002

심리상담의 영역이 확대되어 감에 따라 오프라인 상담뿐만 아니라 온라인 형태의 상담이 급속히 발전하고 있다. 인터넷의 활용도가 증가함에 따라 컴퓨터를 의사소통의 매개로 활용한 사이버상담 형태를 통한 상담도 체계적으로 개발되어야 할 필요성이 있다. 그러나 현재 개설되어 운영되고 있는 사이버상담은 내담자에게 적합한 맞춤상담이 불가능하며 또한 자가치유가 가능한 자가치유시스템이 없는 실정이다. 따라서 본 논문에서는 지능형 에이전트를 이용하여 내담자에게 적합한 맞춤상담이 가능한 방법을 제안함과 동시에 과거 상담사레 데이터베이스를 바탕으로 이전의 상담사레들을 신경망의 BP학습알고리즘을 이용하여 학습을 시킨 후 자가치유가 가능한 자가치유시스템을 설계하는 방법을 제안한다.

• 전자공학회논문지CI
• /
• 제42권3호
• /
• pp.17-28
• /
• 2005

최근 컴퓨터 게임에서 지능 캐릭터는 게이머들의 흥미를 계속 유발시킬 수 있기 때문에 더욱 더 중요한 요소로 부각되고 있다. 지능 캐릭터를 구현하는 대표적인 방법으로 신경망을 사용하여 상대 캐릭터의 행동패턴과 게임 규칙을 학습하는 방법이 연구되었다. 그러나 게임의 규칙은 갑자기 변경될 수 있으며 온라인 게임과 같은 상황에서는 게이머에 따라서 행동 특성이 크게 다를 수 있다. 본 논문에서는 지능 캐릭터가 이러한 환경의 변화에 적응하는 방법으로서 개체 수준 적응 알고리즘과 개체군 수준 적응 알고리즘을 제안한다. 개체 수준 적응 알고리즘에서 각 지능 캐릭터는 자신의 게임 점수의 변화를 계속해서 관찰하면서, 최종적으로 획득한 점수들을 고려하여 환경의 변화를 판단하고, 만약 변화가 감지된 경우에는 다시 새로운 학습을 시작한다. 대용량 온라인 게임과 같이 다수의 사용자가 있는 게임에서는 지능 캐릭터들이 다양한 행동 패턴과 전략을 가지고 있는 여러 상대 캐릭터들과 대전한다. 개체군 수준 적응 알고리즘은 유전자 알고리즘을 이용하여 지능 캐릭터들의 출현을 조절하여 게임 월드내의 균형이 유지되도록 한다. 제안한 알고리즘의 성능을 평가하기 위하여 간단한 대전 액션 게임을 구현하고 그 환경 상에서 게임 규칙과 상대 캐릭터들의 행동 패턴을 변화시키면서 실험하였다. 실험 결과 지능 캐릭터는 제안한 기법을 이용하여 환경 변화에 적응할 수 있음을 보였다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.21-33
• /
• 2022

최근 추천 시스템은 영화, 음악, 온라인 쇼핑 및 SNS 등 다양한 분야들에서 광범위하게 활용되고 있으며, 추천 시스템 분야에서 1세대 모델이라고 할수 있는 Apriori 모델을 통한 연관분석부터 최근 많은 주목을 받는 딥러닝 기반 모델들까지 많은 모델들이 제안되어왔다. 추천 시스템에서 기본 모델들은 협업 필터링(Collaborative filtering) 방법, 콘텐츠 기반 필터링(Content-based filtering) 방법, 그리고 이 두 방법을 통합적으로 사용하는 하이브리드 필터링(Hybrid filtering) 방법으로 분류될 수 있다. 하지만 이러한 모델들은 최근 점점 빠르게 변화하는 사용자-아이템 간의 상호관계와 빅데이터의 발전과 같은 내외 변화 요인들에 적응하지 못하면서 점점 분야 내 방법론으로써의 지위를 잃어가고 있다. 반면, 추천 시스템 내에서 딥러닝 기반 모델들은 비선형 변환, 표현학습, 순차적 모델링, 그리고 유연성과 같은 장점들 때문에 그 비중이 높아지고 있는 추세이다. 본 논문에서는 딥러닝 기반 추천 모델들 중에서도 사용자-아이템 간의 상호작용에 대해 보다 정확하고, 유연성 있게 분석이 가능한 순차적 모델링에 적합한 순환 신경망, 합성곱 신경망, 그리고 생성적 적대 신경망 중심 기반 모델로 분류하여 비교 및 분석한다.

• 한국정보통신학회논문지
• /
• 제21권2호
• /
• pp.423-428
• /
• 2017

인터넷과 스마트 기기의 사용량 증가로 인해 다양한 교육정보와 많은 양의 데이터가 생성되어 빠르게 확산되고 있다. 최근 이러닝 이용률이 증가하면서 발생하는 빅데이터를 활용하여 학습자들의 교육 성과와 교육 시스템의 효과성을 극대화 하는 것을 목표로 하는 교육 데이터 관련 연구 분야에 대한 관심이 높아지고 있으며 온라인에서 학습자들이 학습한 수많은 기록과 데이터들이 정보로 쌓이게 된다. 이에 본 논문에서는 이러닝 학습자들이 시스템에 남긴 수강 기록을 기반으로 학습자 현황에 대해 객관적으로 파악할 수 있도록 신경망 알고리즘인 Word2Vec을 적용하여 단어 간 유사도를 구하고 클러스터링 알고리즘을 이용하여 군집화 하였다. Word2vec을 이용하여 학습을 시키면 연관된 의미의 단어가 나타나게 되고 학습을 반복해 나가는 과정에서 점차 가까운 벡터를 지니게 된다. 또한 클러스터 알고리즘을 이용하여 명사, 동사, 형용사, 부사가 중심점에서 최소의 거리를 두고 같은 거리에 위치해 있음을 실험 검증하였다.

• 대한전자공학회논문지SP
• /
• 제43권4호
• /
• pp.46-54
• /
• 2006

최근 각종 온라인 상거래 및 개인 신분카드 이용이 늘어나면서 개인 인증의 중요성이 부각되고 있다. RFID(Radio Frequency Identification) tag가 내장된 개인 신분 카드가 점차 증가하고 있지만, 본인의 인증을 할 수 있는 방법이 미비하기 때문에, 자동화 할 수 있는 대책이 시급하다. RFID tag는 현재 메모리 용량이 매우 작기 때문에, 개인의 생체정보를 저장하기 위해서는 효율적인 특징추출 방법이 필요하며, 저장된 특징들을 비교하기 위해서는 새로운 인식방법이 필요하다. 본 논문에서는 인간의 인지학적인 두뇌 원리인 해마 신경망을 공학적으로 모델링하여 얼굴 영상의 특징 벡터들을 고속 학습하고, 각 영상의 최적의 특정을 구성할 수 있는 해마 신경망 모델링 알고리즘을 이용한 개인생체 인증 시스템에 관한 연구를 수행하였다. 시스템은 크게 NMF(Non-negative Matrix Factorization)와 LDA(Linear Discriminants Analysis) 혼합 알고리즘을 이용한 특징 추출 부분과 해마신경망을 모델링하고 인식 성능을 실험하는 것으로 구성 되어 있다. 제안한 시스템의 성능을 평가하기 위하여 실험은 표정변화와 포즈변화가 포함된 이미지를 각각 구분하여 인식률을 확인하였다. 실험 결과, 본 논문에서 제안하는 특정 추출 방법과 학습 방법을 다른 방법들과 비교하였을 때, 학습시간비용과 인식률에서 우수함을 확인하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제8권3호
• /
• pp.344-355
• /
• 2002

MLP(multilayer perceptron)는 다른 패턴인식 방법에 비해 여러 가지 훌륭한 특성을 가지고 있어 패턴인식에서 폭넓게 사용되고 있다. 그러나 MLP의 학습에 일반적으로 사용되는 EBP(error backpropagation) 알고리즘은 학습시간이 비교적 오래 걸린다는 단점이 있다. 패턴인식에 사용되는 학습 데이타는 풍부한 중복특성을 내포하고 있으므로 패턴마다 MLP의 내부변수를 갱신하는 온라인 계열의 학습방식이 속도의 향상에 상당한 효과가 있다. 일반적인 온라인 EBP 알고리즘에서는 내부변수 갱신시 고정된 학습률을 적용한다. 고정 학습률을 적절히 선택함으로써 패턴인식 웅용에서 상당한 속도개선을 얻을 수 있지만, 학습률이 고정되고 학습이 진행됨에 따라 학습패턴 영역이 달라지는 학습과정의 각 단계에 효과적으로 대웅하지 못하는 문제가 있다. 이 문제에 대해 본 논문에서는 학습과정을 세 단계로 정의하고, 각 단계별로 필요한 패턴만을 학습에 반영하는 패턴별 가변학습속도 및 학습생략(ILVRS) 방법을 제안한다. ILVRS의 기본개념은 다음과 같다. 학습단계마다 학습에 필요한 패턴의 부분이 달라지므로 이를 구별 하여 학습에 적용할 수 있도록 (1)패턴마다 발생하는 오류치를 적절한 범위 이내로 제한하여 가변 학습률로 사용하고, (2)학습이 진행됨에 따라 불필요한 부분의 패턴을 학습에서 생략한다. 제안한 ILVRS의 성능을 입증하기 위해 본 논문에서는 패턴인식 응용의 한 갈래인 화자증명을 실험하고 그 결과를 제시한다.