• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권8호
• /
• pp.215-222
• /
• 2021

이중 연결 네트워크(Dual Connectivity Network)는 소몰 셀 기지국(SBS: Smallcell Base Station)의 제한된 자원 문제와 간섭 문제를 완화하기 위해 스몰 셀 기지국과 매크로 셀 기지국(MBS: Macrocell Base Station)이 협력하여 서비스를 지원하는 기술이다. 하지만 이중 연결 네트워크 역시 한정된 자원을 분배해주는 기술이기 때문에 자원 할당 방식은 매우 중요한 문제이다. 그래서 본 논문에서는 이중 연결 네트워크에서 효율적이고 공정한 자원할당을 위해 일반화된 강한 포부 협상 해법(GTABS: Generalizing Tempered Aspiration Bargaining Solution)과 굽타 리빈 협상 해법(GLBS:Gupta and Livne Bargaining Solution)을 이용한 두 단계 자원 분배 알고리즘을 제안한다. 단계 자원 분배 알고리즘은 다음과 같다. 첫 번째 단계인 그룹 자원 분배 알고리즘에서는 GTABS를 이용하여 각 기지국의 무선 자원을 실시간 그룹과 비 실시간 그룹에게 효율적으로 할당한다. 두 번째 단계인 사용자 자원 분배 알고리즘에서는 GLBS를 이용하여 각 그룹으로 나누어진 자원을 각 그룹의 사용자들에게 최적으로 할당한다. 이러한 두 단계 자원 분배 방식은 5G 무선 자원을 최적으로 할당하여 네트워크 시스템 성능 최대화와 사용자 만족도를 동시에 보장한다. 마지막으로 본 논문에서는 성능 평가를 통해 제안된 방식이 서비스 요청 증가에 따라 전체 시스템 처리량, 공정성, 통신 장애율 측면에서 비교 방식들 보다 모두 10% 이상의 효율성을 입증했다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.107-119
• /
• 2023

군인의 동작 및 운동 상태를 인식하는 기술은 웨어러블 테크놀로지와 인공지능의 결합으로 최근 대두되어 병력 관리의 패러다임을 바꿀 기술로 주목받고 있다. 이때 훈련 상황에서의 평가 및 솔루션 제공, 전투 상황에서의 효율적 모니터링 기능을 의도한대로 제공하기 위해서는 상태 판별의 정확도가 매우 높은 수준으로 유지되어야만 한다. 하지만 입력 데이터가 시계열 또는 시퀀스로 주어지는 경우, 기존의 피드포워드 신경망으로는 분류 성능을 극대화하는데 한계가 발생한다. 전장에서의 군사 동작 인식을 위해 다뤄지는 인간의 행동양식 데이터(3축 가속도 및 3축 각속도)는 시의존적 특성의 분석이 요구되기 때문에, 본 논문은 순환 신경망인 LSTM(Long-short Term Memory) 네트워크를 활용하여 취득 데이터의 이동 양상 및 순서 의존성을 파악하고 여덟 가지의 대표적 군사 동작(Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, High Crawl)을 분류하는 고성능 인공지능 모델을 제안한다. 이때, 학습 조건 및 모델 변수는 그 정확도에 결정적인 영향을 끼치지만 인간의 수동적 조정이 필요해 비용 비효율적이고 최적의 값을 보장하지 못한다. 본 논문은 기계 스스로 일반화 성능이 극대화된 조건들을 취득할 수 있도록 베이지안 최적화를 활용해 하이퍼파라미터를 최적화한다. 그 결과, 최종 아키텍쳐는 학습 가능한 파라미터의 개수가 유사한 기존의 인공 신경망과 비교해서 오차율이 62.56% 감소할 수 있었으며, 최종적으로 98.39%의 정확도로 군사 동작 인식 기능을 구현할 수 있었다.

• 한국정보과학회논문지:데이타베이스
• /
• 제33권1호
• /
• pp.42-55
• /
• 2006

본 논문에서는 단일 색인을 사용하는 임의 계수의 이동평균 변환 지원 서브시퀀스 매칭 방법을 제안한다. 단일 색인을 사용함으로써, 제안한 방법은 색인 저장 공간 및 색인 관리의 오버헤드를 크게 줄일 수 있다. 이동평균 변환은 시계열 데이타 내의 노이즈 영향을 감소시킴으로써, 시계열 데이타 전체의 경향을 파악하는데 매우 유용하다. 그런데, 기존 연구에서는 임의 계수를 지원하기 위해 여러 색인을 생성해야 하고, 이에 따라 색인 저장 공간의 오버헤드와 색인 관리의 오버헤드가 발생하는 문제점이 있다. 본 논문에서는 우선 이동평균 변환의 정의를 확장한 다계수 이동평균 변환(poly-order moving average transform) 개념을 제시한다. 다계수 이동평균 변환이란, 각 윈도우를 하나의 이동평균 계수에 대해서 이동평균 변환하는 것이 아니라, 여러 계수에 대해서 이동평균 변환하여 윈도우의 집합을 구성하는 변환으로서, 이동평균 변환의 정의를 여러 계수로 구성된 집합에 대해서 확장한 것이다. 다음으로, 이러한 다계수 이동평균 변환 개념을 사용한 서브시퀀스 매칭 방법의 이론적 근거인 정확성을 정리로서 제시하고 증명한다. 또한, 다계수 이동평균 변환을 기존 서브시퀀스 매칭 연구인 Faloutsos 둥의 방법 및 DualMatch에 각각 적용하여, 두 가지 이동평균 변환 지원 서브시퀀스 매칭 방법을 제시한다. 실험 결과, 제안한 두 가지 서브시퀀스 매칭 방법은 모든 경우에 있어서 순차 스캔보다 성능을 크게 향상시킨 것으로 나타났다. 실제 주식 데이타에 대한 실험 결과, 제안한 방법은 순차 스캔에 비해서 평균 22.4배${\~}$33.8배까지 성능을 향상시킨 것으로 나타났다. 또한, 각 계수에 대해 모두 색인을 생성하는 경우와 비교할 때, 성능 저하는 매우 적은 반면 필요한 색인 공간은 크게 줄인 것으로 나타났다(일곱 개의 계수를 사용한 경우, 성능 저하는 평균 $9\%{\~}42\%$에 불과한 반면 색인 공간은 약 1/7.0로 크게 줄인다). 이와 같이 성능 측면과 색인 공간 및 관리 측면에서의 우수성에 덧붙여, 제안한 방법은 이동평균 변환 이외의 다른 변환을 지원하는 서브시퀀스 매칭으로 일반화 될 수 있는 장점이 있다 따라서, 제안한 방법은 이동평균 변환을 포함하는 많은 다른 종류의 변환을 지원하는 서브시퀀스 매칭에 폭넓게 적용되는 우수한 연구결과라 사료된다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.979-995
• /
• 2023

산불은 예측이 어려운 재해이기 때문에 실시간 모니터링을 통해 빠르게 대응하는 것이 중요하며, 정지 궤도 위성 영상은 광역을 짧은 시간 간격으로 모니터링할 수 있어 산불 탐지 분야에 활발히 이용되고 있다. 기존의 위성 영상 기반 산불 탐지 알고리즘은 밝기 온도의 통계량 분석을 통한 임계값 기반으로 이상치를 탐지하는 방향으로 진행되어 왔다. 그러나 강도가 약한 산불을 탐지하기 어렵거나, 적절한 임계값 설정의 어려움으로 일반화 성능이 저하되는 한계점이 있어 최근에는 기계학습을 이용한 산불 탐지 알고리즘들이 제시되고 있다. 현재까지는 random forest, VanillaConvolutional neural network (CNN), U-net 구조 등의 비교적 간단한 기법이 적용되고 있다. 따라서, 본 연구에서는 정지궤도 위성인 Advanced Himawari Imager를 이용하여 동아시아와 호주를 대상으로 State of the Art (SOTA)딥러닝 기법을 적용한 산불 탐지 알고리즘을 개발하고자 하였다. SOTA 모델은 EfficientNet과 lion optimizer를 적용하여 개발하고, Vanilla CNN 구조를 사용한 모델과 산불 탐지 결과를 비교하였다. EfficientNet은 동아시아와 호주에서 0.88 및 0.83의 F1-score를 기록함으로써 CNN (동아시아: 0.83, 호주: 0.78)에 비해 뛰어난 성능을 입증하였다. EfficientNet에 불균형 문제 해결을 위한 weighted loss, equal sampling, image augmentation 기법 적용 시, 동아시아와 호주에서 각각 0.92와 0.84의 F1-score를 기록함으로써 적용 전(동아시아: 0.88, 호주: 0.83)에 비하여 성능이 향상되었음을 확인하였다. 본 연구를 통하여 제시된 SOTA 딥러닝 기법의 산불 탐지에의 적용 가능성과 딥러닝 모델의 성능 향상을 위해 고려해야 할 방향은 향후 산불탐지 분야에 대한 딥러닝 적용에 도움이 될 것으로 기대된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.173-198
• /
• 2020

최근 온라인의 비약적인 활성화로 캠페인 채널들이 다양하게 확대되면서 과거와는 비교할 수 없을 수준의 다양한 유형들의 캠페인들이 기업에서 수행되고 있다. 하지만, 고객의 입장에서는 중복 노출로 인한 캠페인에 대한 피로감이 커지면서 스팸으로 인식하는 경향이 있고, 기업입장에서도 캠페인에 투자하는 비용은 점점 더 늘어났지만 실제 캠페인 성공률은 오히려 더 낮아지고 있는 등 캠페인 자체의 효용성이 낮아지고 있다는 문제점이 있어 실무적으로 캠페인의 효과를 높이고자 하는 다양한 연구들이 지속되고 있다. 특히 최근에는 기계학습을 이용하여 캠페인의 반응과 관련된 다양한 예측을 해보려는 시도들이 진행되고 있는데, 이 때 캠페인 데이터의 다양한 특징들로 인해 적절한 특징을 선별하는 것은 매우 중요하다. 전통적인 특징 선택 기법으로 탐욕 알고리즘(Greedy Algorithm) 중 SFS(Sequential Forward Selection), SBS(Sequential Backward Selection), SFFS(Sequential Floating Forward Selection) 등이 많이 사용되었지만 최적 특징만을 학습하는 모델을 생성하기 때문에 과적합의 위험이 크고, 특징이 많은 경우 분류 예측 성능 하락 및 학습시간이 많이 소요된다는 한계점이 있다. 이에 본 연구에서는 기존의 캠페인에서의 효과성 제고를 위해 개선된 방식의 특징 선택 알고리즘을 제안한다. 본 연구의 목적은 캠페인 시스템에서 처리해야 하는 데이터의 통계학적 특성을 이용하여 기계 학습 모델 성능 향상의 기반이 되는 특징 부분 집합을 탐색하는 과정에서 기존의 SFFS의 순차방식을 개선하는 것이다. 구체적으로 특징들의 데이터 변형을 통해 성능에 영향을 많이 끼치는 특징들을 먼저 도출하고 부정적인 영향을 미치는 특징들은 제거를 한 후 순차방식을 적용하여 탐색 성능에 대한 효율을 높이고 일반화된 예측이 가능하도록 개선된 알고리즘을 적용하였다. 실제 캠페인 데이터를 이용해 성능을 검증한 결과, 전통적인 탐욕알고리즘은 물론 유전자알고리즘(GA, Genetic Algorithm), RFE(Recursive Feature Elimination) 같은 기존 모형들 보다 제안된 모형이 보다 우수한 탐색 성능과 예측 성능을 보임을 확인할 수 있었다. 또한 제안 특징 선택 알고리즘은 도출된 특징들의 중요도를 제공하여 예측 결과의 분석 및 해석에도 도움을 줄 수 있다. 이를 통해 캠페인 유형별로 중요 특징에 대한 분석과 이해가 가능할 것으로 기대된다.

• 한국방사선학회논문지
• /
• 제7권1호
• /
• pp.9-15
• /
• 2013

본 연구는 전산화단층촬영에서 간 질환의 자동 인식으로 질감특징분석(texture feature analysis. TFA) 알고리즘을 제안하고자 하였으며, 간세포암(Hepatocellular carcinoma. HCC)에 대한 컴퓨터보조진단(computer-aided diagnosis. CAD) 시스템을 설계하고, 제안하는 각 알고리즘의 성능을 평가하고자 하였다. HCC 영상에서 분석영역($40{\times}40$ 픽셀)을 설정하고 각 부분영상에 통계적 특징을 이용한 6가지 TFA 파라메터(평균 밝기, 평균 대조도, 평탄도, 왜곡도, 균일도, 엔트로피)비교하여 간세포암 인식률(recognition rate)을 구하였다. 결과적으로 TFA는 간세포암 인식률을 나타내는 척도로 유의함을 알 수 있었으며 6가지 파라메터에서 균일도가 가장 인식률이 높았으며 평균 대조도, 평탄도, 왜곡도가 비교적 높았고 평균 밝기와 엔트로피는 상대적으로 낮은 인식률을 나타내었다. 이와 관련하여 높은 인식률을 보인 알고리즘(최대 97.14%, 최소 82.86%)을 간세포암 영상의 병변을 판별하여 임상의 조기 진단을 보조하여 치료를 시행한다면 진단의 효율성이 높아 질 것으로 판단되었으며, 향후 효율적이고 정량적인 분석을 추가함으로써 질병인식의 일반화에 대한 기준 연구가 필요 할 것으로 사료되었다.

• 대한기계학회논문집B
• /
• 제37권8호
• /
• pp.759-765
• /
• 2013

동축형 전단 분사기의 액적분포 균일도 및 혼합성능을 개선하기 위해 고안한 액체로켓 엔진용 동축형 다공성 분사기의 개발에 앞서 다공성재를 분사기에 적용하기 위해 다공성재를 통과하는 압축성 유체의 압력강하 특성을 파악하였다. Non-Darcy 유동의 압력강하는 점성력과 관성력으로 인한 손실을 포함하는 Forchheimer 방정식을 이용하여 도출할 수 있으며, 이 때 다공성재의 형상인자인 투과율과 관성력의 영향을 나타내는 Ergun 상수를 이용하여 다공성재를 통과하는 압축성 유체의 압력강하를 예측할 수 있다. 본 연구에서는 다공성재의 압력강하 특성을 나타내는 투과율와 Ergun 상수를 작동유체의 압력강하에 대한 함수로 나타내었으며, 최종적으로 이를 일반화하여 pore의 크기에 따라 압력강하를 예측할 수 있는 관계식을 도출하였다.

• 디지털콘텐츠학회 논문지
• /
• 제17권6호
• /
• pp.565-579
• /
• 2016

본 논문에서는 극한 기계학습을 이용하는 하이브리드 균형 표본 유전자 알고리즘(hSBGA-ELM)을 기반으로 한 새로운 암 아류형 분류자를 제안하였다. 제안 된 암 아류형 분류자는 정확한 암 아류형 분류기 설계를 위해 공개 전체암지도 (Global Cancer Map)로부터 15063개의 유전자 발현 데이터를 사용합니다. 제안된 방법에서는 14가지(유방암, 전립선 암, 폐암, 대장 암, 림프종, 방광, 흑색 종, 자궁, 백혈병, 신장, 췌장, 난소, 중피종 및 CNS)의 암 아류형을 효율적으로 분류합니다. 제안 된 hSBGA-ELM은 유전자 선택 절차 및 암 아류형 분류를 하나의 프레임 워크로 단일화 한다. 제안 된 하이브리드 균형 표본 유전 알고리즘은 GCM 데이터베이스에서 이용 가능한 16,063 개의 유전자로부터 암 아류형 분류를 담당하는 축소된 강인 유전자 셋을 찾는다. 선택/축소된 유전자 세트는 익스트림 기계학습을 이용하여 암 아류형 분류기를 구성하는데 사용된다. 결과적으로, 크기가 축소된 강인 유전자 집합이 제안하는 암 아류형 분류기의 안정된 일반화 성능을 보장하게 한다. 제안 된 hSBGA-ELM은 암에 관여하는 것으로 예측되는 95개의 유전자를 발견하였으며 기존의 암 아류형 분류기와의 비교를 통해 제안 된 방법의 효율을 보여준다.

• Spatial Information Research
• /
• 제23권1호
• /
• pp.9-17
• /
• 2015

최근 다양한 웹 트렌드와 모바일 웹 개발 기술들이 급속도로 발전되어 확산되고 있다. 이와 관련하여 정보시스템 구축의 효율성을 향상시키기 위하여 전자정부 표준 프레임워크가 도입되어 시장에 보급되고 있으며, 최근에는 추가적으로 전자정부 모바일 표준 프레임워크가 개발되어 제공되고 있다. 또한 정부 3.0 정책으로 공공기관에서 생산하고 보유하고 있는 수많은 유형의 공공데이터가 공공데이터포털 등을 통하여 공개되고 있다. 한편 현재 거의 모든 콘텐츠 사업 분야에서 모바일 웹 어플리케이션의 활용이 일반화되면서 모바일 브라우저를 위한 웹 표준과 공통 프레임워크 활용과 지원에 대한 수요가 증가하고 있다. 그러나 다른 응용 분야에 비하여 이러한 주요 기술 동향들을 공간정보와 연계하거나 융합하려는 시도는 아직 초기 단계이다. 이러한 배경에 따라 이번 연구에서는 전자정부 표준 프레임워크 모바일 실행환경 하에서 HTML5와 연계하여 공공데이터와 공간데이터의 시각화를 주요 기능으로 하는 모바일 웹 어플리케이션 시스템을 설계하고 시험적으로 구현하였다. 이번 연구에서 시험 구현한 시스템은 향후 전자정부 표준 프레임워크 핵심 개발 환경을 적용하고 특정 목적 시스템의 수요자 요구 사항을 만족하는 기능 확장과 성능 향상을 통하여 공공데이터와 공간데이터를 활용하는 다양한 모바일 응용 사업 모델 개발에 적용할 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제9권1호
• /
• pp.227-249
• /
• 2003

부도예측모형의 구축은 은행 등 금융기관이 신용평가시스템 혹은 심사역 의사결정지원시스템을 구축하는데 중요한 기반이 된다. 많은 선행연구들에서는 기업의 부도예측을 위하여 전통적으로 다변량 판별분석이나 로짓분석과 같은 통계기법이 많이 사용되었으나, 최근에는 많은 연구들에 의해 그 우수성이 보고되고 있는 인공신경망, 귀납적 학습방법 등 인공지능 기법이 부도예측분야에 많이 응용되고 있다. 일반적으로 인공신경망 기법을 응용한 부도예측모형에서는 기업의 재무정보 및 비재무 정보를 입력변수로 주고 기업의 부도여부를 출력변수로 설정하여 학습을 통해 이들의 관계를 추출하고 있다. 그러므로 입력변수의 선정은 모형의 정확도에 커다란 영향을 미치며, 입력변수가 잘못 선정된 경우 예측 정확도는 현저히 낮아진다. 그러나 최적의 입력변수군을 선정하는 문제는 매우 어려운 과제 중 하나로, 선행 연구들에서는 주로 전문가의 의견을 반영하거나, 문헌을 통해 도출, 혹은 통계적 기법을 활용하여 입력변수를 선정하는 것이 일반적이었다. 본 연구에서는 많은 선행 연구에서 모형구축에의 한계점으로 명시하고 있는 입력변수 선정의 문제에 대해 유전자 알고리즘을 이용한 최적화를 통하여 입력 변수군을 도출하는 방법론을 제시하였고, 이 방법론이 다른 통계기법이나 전문가에 의한 변수 선택 방법론에 비해 우수함을 인공신경망 모형에 적용한 결과를 비교함으로 보여 주었으며, 이들간의 예측력의 차이가 유의함을 통계적 검증하였다. 모형의 실험을 위하여 총 528개사의 재무정보를 활용하였는데, 이는 1995년부터 1997년까지 3년간 부도가 발생한 일반법인 제조업체 중 외감법인 이상 264개사와 동수의 건전기업의 재무 데이터로 구성하였다. 기업이 도산에 이르기까지 많은 변인들이 다양하게 작용하게 된다. 그러나 이러한 변인들을 모두 모형에 적용하는 것은 비효율적이며, 인공신경망 모형에서 과다 입력변수를 사용하는 경우 수렴과 일반화 모두에 바람직하지 않은 결과가 나타난다. 따라서 적절한 입력변수군의 선택은 인공신경망 모형의 효율성과 성능을 향상시키게 되고, 이는 부도 예측율의 향상으로 이어질 수 있다. 이에 인공신경망 모형을 위한 최적의 입력변수군을 선정하고자 한 본 연구는 결국 기업의 부도 예측율을 높이기 위한 방법론을 제시했다는 점에 그 의의가 있다.