• Proceedings of the Korean Society of Computer Information Conference
• /
• 2009.01a
• /
• pp.321-324
• /
• 2009

비교적 적은 크기이면서 예측력에 있어 만족할 만한 의사결정목을 생성하는 방법으로서 적절한 크기의 샘플링을 제안하였다. 일반적으로 샘플의 크기가 작을수록 작은 의사결정목이 생성되므로 적절한 예측 정확도를 갖는 작은 트리를 생성하기를 원할 경우 적당한 크기의 샘플링을 하는 것이 트리의 최적화를 위한 계산을 더 시행하는 것보다 바람직하다고 할 수 있으며, 이와 같은 사실은 현재 알려진 가장 대표적 의사결정목 생성 알고리즘인 C4.5 및 CART를 사용하여 실험으로서 보여주었다.

• Journal of the Korea Society of Computer and Information
• /
• v.18 no.4
• /
• pp.19-26
• /
• 2013

Pseudo sample neural network (PSNN) is a variant of traditional neural network using pseudo samples to mitigate the local-optima-convergence problem when the size of training samples is small. PSNN can take advantage of the smoothed solution space through the use of pseudo samples. PSNN has a focus on the quantity problem in training, whereas, methods stressing the quality of training samples is presented in this paper to improve further the performance of PSNN. It is evident that typical samples and highly correlated features help in training. In this paper, therefore, kernel density estimation is used to select typical samples and correlation factor is introduced to select features, which can improve the performance of PSNN. Debris flow data set is used to demonstrate the usefulness of the proposed methods.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.07a
• /
• pp.33-34
• /
• 2012

토석류 퇴적 모델은 토석류에 의한 피해지 예측을 위해 그 효용성이 입증된 모델이지만 이를 이용하기 위해서는 몇 가지 파라미터를 필요로 한다. 파라미터를 자동으로 추정하기 위한 방법은 여러 가지가 있지만 토석류에 의한 피해지 예측을 위한 데이터는 충분히 양을 확보하기가 어려우므로 기존의 학습 기법을 적용하는데 어려움이 있다. 본 논문에서는 인공 신경망을 학습시키는 과정에서 기존 샘플로부터 의사 샘플을 생성하고 이를 학습에 사용함으로써 보다 안정적인 학습이 가능한 의사 샘플 신경망을 제안하였다. 제안한 의사 샘플 신경망은 해공간을 평탄화시킴으로써 잘못된 국부 최적해에 빠질 확률을 줄여주고 따라서 보다 안정적인 파라미터 추정이 가능하다는 사실을 실험을 통해 확인할 수 있다.

• Journal of the Korea Society of Computer and Information
• /
• v.17 no.11
• /
• pp.11-18
• /
• 2012

Debris flow deposition model is a model to predict affected areas by debris flow and random walk model (RWM) was used to build the model. Although the model was proved to be effective in the prediction of affected areas, the model has several free parameters decided experimentally. There are several well-known methods to estimate parameters, however, they cannot be applied directly to the debris flow problem due to the small size of training data. In this paper, a modified neural network, called pseudo sample neural network (PSNN), was proposed to overcome the sample size problem. In the training phase, PSNN uses pseudo samples, which are generated using the existing samples. The pseudo samples smooth the solution space and reduce the probability of falling into a local optimum. As a result, PSNN can estimate parameter more robustly than traditional neural networks do. All of these can be proved through the experiments using artificial and real data sets.

• Journal of Ocean Engineering and Technology
• /
• v.12 no.2 s.28
• /
• pp.130-138
• /
• 1998

본 논문은 AUV의 수직면 운동제어를 수행하기 위하여 의사 슬라이딩 모드 제어기를 이용한 모델링 기법과 제어기 설계법에 관한 것으로서, 샘플링 간격이 길어지는 경우에도 시스템의 강인성이 확보되며 심도 제어가 안정적으로 수행되는 실용성을 실험과 수치 해석을 통하여 검증하였다. 제어기는 참고문헌에서 제안한 방법을 이용하였으며, 한국기계연구원 선박해양공학연구센터(KRISO)에서 개발한 VORAM호를 제어 대상 AUV로 선정하였다. PMM 시험으로 얻어진 운동 계수를 이용하여 수치 해석을 수행하였으며, KRISO의 장수조에서 실험을 수행하였다. 수치 해석과 실험 결과로부터 샘플링이 길어짐에 따라 의사 슬라이딩 모드 제어기는 연속계에 대한 슬라이딩 모드 제어기에서 발생하는 과도한 채터링 및 불안정성을 보이지 않았으며, 시스템의 안정성이 확보되고 불확실성에 대하여 강인한 제어 성능을 보였다. 또한, 본 논문에서는 수치 해석과 실험 결과를 근거로 의사 슬라이딩 모드 제어기의 설계를 위한 제어 변수의 선정 기준을 제시하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.01a
• /
• pp.197-199
• /
• 2013

신경망의 학습은 학습 샘플의 품질뿐만이 아니라 입력으로 사용되는 특징에도 영향을 받으므로 신경망의 출력을 결정하는데 있어 연관성이 높은 특징을 입력으로 사용함으로써 학습된 신경망의 전체적인 성능을 높일 수 있다. 이 논문에서는 신경망의 입력으로 사용되는 특징과 출력의 연관성 파악하고 연관성이 낮은 특징을 학습 과정에서 배제함으로써 신경망의 전체적인 성능을 높일 수 있는 방법을 제시하였다. 토석류 데이터를 위한 의사 샘플 신경망에 제안한 방법을 적용한 경우 연관성이 낮은 특징 하나를 제외함으로써 약 6%의 오류 감소 효과를 얻을 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.453-455
• /
• 2023

본 연구는 은행에서 리스크 관리 자동화를 위해 고객의 대출 상환 여부 예측 모델을 제안하고자 한다. 예측 모델로 금융 데이터 같은 정형데이터에서 전통적으로 높은 성능을 보인 의사결정나무기반 모델 LightGBM, CatBoost, XGB 와 최근 제안된 정형데이터에서 사용할 수 있는 설명 가능한 딥러닝 기반 모델 TabNet 간의 성능 비교를 진행한다. 다만, 대출 상환 여부 데이터는 불균형 클래스 데이터로 구성되어있어 샘플링을 진행한다. SMOTE, Random Under Sampling, 혼합 방식을 비교해 가장 높은 성능의 샘플링 기법을 제안한다. 대출 상환 여부 예측 결과 TabNet 모델이 의사결정나무모델들보다 좋은 성능을 보여 정형데이터에서 의사결정나무 기반 모델을 딥러닝 모델이 대체 할 수 있는 가능성을 확인했다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1996.04a
• /
• pp.256-259
• /
• 1996

수명시험에서는 시험기간을 단축하기 위해 중도절단(consoring) 방법을 사용한다. 혼합 관측중단방법은 정시에 시험을 끝낼 수 있으며 고장시간을 관찰할 필요가 없다는 장점 때문에 널리 사용되고 있다. 본 논문에서는 제품의 수명이 와이블 분포를 따르고 형상모수를 알고 있다는 가정아래, 혼합 관측중단하에서 생산자 위험과 소비자 위험을 고려한 신뢰도 합격판정 샘플링 계획을 개발하였다. 아울러, 형상모수값에 개재된 불확실성이 실제 생산자 위험과 소비자 위험, 그리고 의사결정까지의 평균 고장개수에 미치는 영향을 민감도 분석을 통해 파악하였다.

• Journal of the Korea Society for Simulation
• /
• v.32 no.3
• /
• pp.67-74
• /
• 2023

A semiconductor fabrication facility(FAB) is one of the most capital-intensive and large-scale manufacturing systems which operate under complex and uncertain constraints through hundreds of fabrication steps. To improve fab performance with intuitive scheduling, practitioners have used weighted-sum scheduling. Since the determination of weights in the scheduling significantly affects fab performance, they often rely on simulation-based decision making for obtaining optimal weights. However, a large-scale and high-fidelity simulation generally is time-intensive to evaluate with an exhaustive search. In this study, we investigated three sampling methods (i.e., Optimal latin hypercube sampling(OLHS), Genetic algorithm(GA), and Decision tree based sequential search(DSS)) for the optimization. Our simulation experiments demonstrate that: (1) three methods outperform greedy heuristics in performance metrics; (2) GA and DSS can be promising tools to accelerate the decision-making process.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.331-334
• /
• 2002

의사잡음 시퀀스를 이용한 대역확산 기반의 오디오 워터마킹은 들리지 않으면서도 강인한 워터마크를 만들기 위해 심리음향모델이나 고정필터를 사용하여 의사잡음 시퀀스를 변형시킨다. 그런데, 이러한 방법을 이용하여 스펙트럼 변형된 의사잡음은 고주파 영역에 대부분의 에너지를 갖게 되므로 인위적으로 오디오 신호의 고주파 영역을 잘라내는 공격에 취약하다는 단점이 있다. 본 논문에서는 이러한 단점을 보안하고 강인성 및 잡음의 최소화를 위하여 중간값의 성질을 이용하여 의사잡음을 변형 후 삽입하는 워터마킹 시스템을 제안한다. 중간값 성질을 이용하여 변형한 의사잡음은 원 오디오 신호와의 상관성이 높으며 전주파수 대역에 고르게 분포하는 성질이 있으므로 고주파 영역의 공격에 강인하다. 제안 방법은 의사잡음의 고유성질을 최대로 살린 방법으로 각종 오디오 부호화, 부가잡음, 다운/업 샘플링, 채널변경, 진폭 공격과 같은 다양한 공격에도 워터마크 신호의 검출이 가능하다.