• 지질공학
• /
• 제33권3호
• /
• pp.489-502
• /
• 2023

도시 홍수는 도시화와 기후 변화의 상호작용에 의해 전 세계 도시들에게 중요한 도전으로 인식된다. 이 논문은 최근 도시 홍수 연구사례들을 조사하여 그 원인, 영향 및 잠재적인 완화 전략을 이해하려고 하였다. 도시화는 증가하는 불투수 표면과 변화된 배수 패턴으로 인해 자연적인 수류를 방해하며 강한 강우 이벤트 동안 표면 유출을 강화시킨다. 도시 홍수의 충격은 광범위하게 생명, 기반 시설, 경제 및 환경에 영향을 미치는데 생명과 재산 피해, 중요 서비스 중단 및 환경적 피해는 효과적인 도시 홍수 관리의 긴급성을 요구한다. 도시 홍수를 완화하기 위해서는 통합된 홍수 관리 전략이 필수적인데 지속 가능한 도시계획, 녹색 인프라, 그리고 개선된 배수 시스템은 홍수 취약성을 감소시키는 데 중요한 역할을 한다. 조기경보 시스템, 긴급 대응 방안, 그리고 지역 주민의 참여는 홍수 대비 및 회복탄력성의 필수 구성 요소이다. 미래 전망에 의하면 기후 변화에 따른 홍수 위험 증가를 보여주므로 회복탄력성과 적응 조치가 필요하다. 그러므로 관련 분야의 연구, 데이터 수집 및 모델링 기술의 발전은 더 정확한 홍수 예측을 가능하게 하며 의사 결정에 도움을 줄 것이다.

• 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.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 한국콘텐츠학회논문지
• /
• 제20권6호
• /
• pp.482-497
• /
• 2020

본 연구는 대학생들이 해외 답사여행을 수행함에 있어 소집단 사회연결망이 어떻게 존재하고 여행기간동안에 어떻게 변화하는지 그리고 여행의 제반 성과인 답사여행 만족, 학과몰입, 교우관계 등과 어떠한 관련이 있는지를 알아보는데 목적이 있다. 한국 대학생들은 유래 없는 학교적응 문제를 겪고 있는데 이러한 현상은 대학교육이 제대로 이루어지고 있는지에 대한 의구심과 이에 대한 해결 필요성을 증대시켜주고 있다. 여행은 참가자 집단에게 강한 유대감을 제공해주기 때문에 같은 맥락으로 학생들의 해외답사여행이 학생집단 결속을 강화시킬 수 있다는 가정을 해 볼 수 있다. 해외답사여행에 참여한 31명의 대학생을 대상으로 설문조사를 실시하여 유의미한 소집단 연결망 구조의 존재 여부, 그 변화양상 그리고 관련 변수간의 영향 등을 알아보았다. 첫째로, 대학생 해외답사여행의 소집단 연결망 구조는 학생 집행부 소속 학생들이 연결 중심성의 위치에 있는 등 비교적 명시적으로 존재하고 있었다. 둘째로 출발 전과 출발 후에 연결망 구조가 변하였으며 이는 여행기간 중에 참가자간의 상호작용이 발생한 것에 기인한다. 셋째로, 소집단 연결망 구조 변화에 따라 연결중심 및 매개중심으로 이동하였다 하더라도 제반 여행성과 변수에 주는 영향은 제한적이었다. 넷째로 답사여행 만족, 학과몰입, 교우관계는 유의한 상관관계를 가지고 있었다. 논문 말미에 연구 시사점과 한계점을 포함하였다.

• 한국농림기상학회지
• /
• 제16권3호
• /
• pp.157-168
• /
• 2014

본 총설에서는 산림생태계의 생태수문시스템을 복잡계의 관점에서 바라 보았을 때, (1) 생태수문계의 구성 요소들이 상호작용을 통해 망을 형성하고 집단적인 반응을 하며, (2) 복잡정교한 정보 처리를 수행하고, (3) 자기-조직화 과정을 통해 적응해 가는 복잡계의 특징들을 볼 수 있을 것이라고 가정하였다. 제시된 과정망 그리기의 결과는 생태수문계에 관여하는 다양한 시공간 규모의 과정들이 실제로 관련 변수들 간의 되먹임과 정보 흐름의 망을 형성하고 있음을 명확히 보여준다. 또한 구성 변수들이 독특한 형태(즉, 차별화된 결합 형태, 방향성 및 시간 지연 규모)로 정보를 교환함으로써, 망 안에 또 다른 망을 형성하며 일관되게 조직화되어 특정한 하부계들을 구성하는 계층적(hierarchical) 구조를 잘 나타낸다. 이러한 하부계들이 종관 하부계(SS), 대기경계층 하부계(ABLS), 생물리 하부계(BPS), 생물리화학 하부계(BPCS) 등으로 다양하게 나타남을 보여준다. 주목할 점은, 이러한 하부계들이 서로 되먹임 고리들을 맺거나 끊음으로써 지역하부계(RS)와 같은 새로운 하부계의 집합체를 생성하거나, 또는 분리시킨다는 것이다. 이러한 과정은 바로 복잡계의 특성인 자기-조직화 과정의 증거로서, 생태계가 계층적으로 조직화되어 성장하고 발전하면서, 자연적/인위적 교란 속에서도 자기-조직화를 통해 동적 평형을 유지하며, 환경 변화에 적응하고 진화해 나감을 함축적으로 의미한다. 생태계의 건전성은 시스템의 자기-조직화 과정들이 유지될 때에 비로소 보존되는 것이기 때문에, 이러한 관점에서 과정망 연구방법은 의미있고 이치에 닿는다.

• 한국산학기술학회논문지
• /
• 제13권11호
• /
• pp.5458-5464
• /
• 2012

상이한 망이 공존하는 LTE-Advanced에서 기존 음성 서비스에 적용된 절차적이고 정적인 제어방식으로는 서비스 연속성을 효과적으로 지원하는 것은 현실적으로 어렵다고 여겨진다. 본 연구에서는 QoS 지원을 기반으로 서비스 연속성을 효과적으로 지원하기 위한 자원 관리 프레임워크를 제시하고자 한다. 제안된 자원 관리 프레임워크는 이동 단말기 및 기지국의 상태 정보 변화에 따라 관련 기능-ISHO, 셀 선정, 자원 할당, 부하 제어, QoS 매핑 등-의 설정을 동적으로 제어하고, 각각의 기능들이 변화에 적응하여 조정되고 재구성하는 과정을 주고받으면서 서비스 연속성을 만족시키기 위하여 상호 작용한다. 이를 위하여 4 종류의 ISHO를 지원하기 위한 각 모듈간의 연계 순서도를 기술하고, ISHO 시나리오가 고려된다.

• 전자공학회논문지CI
• /
• 제47권1호
• /
• pp.73-79
• /
• 2010

감성 지능형 컴퓨팅은 컴퓨터가 학습과 적응을 통하여 인간의 감성을 처리할 수 있는 감성인지 능력을 갖는 것으로 보다 효율적인 인간과 컴퓨터의 상호 작용을 가능하게 한다. 감성 정보들 중 시각과 청각 정보인 음악 이미지는 짧은 시간에 형성되고 기억에 오랫동안 지속되기 때문에 성공적인 마케팅에 있어서 중요한 요인으로 꼽히고 있으며, 인간의 정서를 이해하고 해석하는데 있어서 매우 중요한 역할을 한다. 본 논문에서는 사용자의 감성키워드(짜증, 우울, 차분, 기쁨)를 고려하여 매칭된 음악과 이미지를 검색하는 시스템을 구축하였다. 제안된 시스템은 인간의 감성을 4단계 경우로 상황을 정의하며, 정규화 된 음악과 이미지를 검색하기 위해 음악 이미지 온톨로지와 감성 온톨로지를 사용하였으며, 이미지의 특징정보를 추출, 유사성을 측정하여 원하는 결과를 얻게 하도록 하였다. 또한, 이미지 감성인식정보를 분류하기위해 대응일치분석과 요인분석을 통한 성컬러와 감성어휘를 하나의 공간에 매칭하였다. 실험결과 제안된 시스템은 4가지 감성상태에 대해 82.4%의 매칭율를 가져올 수 있었다.

• 한국통신학회논문지
• /
• 제40권10호
• /
• pp.2054-2061
• /
• 2015

최근 생물학적으로 영감을 받은 모델링 기술은 단순한 현장 상호작용과 제한된 정보와 함께 이들의 강인성과 확장성, 적응성에 대해 상당한 관심을 받고 있다. 이러한 모델링 기술들 중, 유전자 조절 네트워크(Gene Regulatory Networks)(GRNs)은 세포로부터 생물학적 유기체의 발생과 자연 진화에 대한 이해에서 핵심적인 역할을 하고 있다. 본 논문은 GRN 원리를 무선 센서 네트워크 시스템에 적용하고 시간지연 요건을 충족하는 동시에 에너지 균형을 달성할 수 있는 분산화된 노드 스케쥴링 설계 기법을 제안한다. 각 센서 노드는 소비된 에너지 수준과 지연시간에 반응하여 자동으로 자신의 상태를 스케줄링하며, 이는 GRN 모델에서 영감을 받은 유전자 발현과 단백질 농도 조절 모델에 의해 제어된다. 시뮬레이션 결과는 제안된 방법이 에너지 균형뿐만 아니라 원하는 시간 지연에서 성능을 달성하고 있다는 점을 보여준다.

• 한국정보통신학회논문지
• /
• 제24권7호
• /
• pp.942-948
• /
• 2020

본 논문에서는 상황인식 속성정보를 이용하여 클러스터링내에서 보다 효율적인 사용자 구분이 가능한 군집적 알고리즘을 제안한다. 일반적으로 클러스터링 데이터를 처리함에 있어 군집 정보내에서 상호관계를 분류하기 위해 제공되는 데이터는 신규 또는 새롭게 입력되는 정보가 비교정보에서 오염된 정보로 처리될 경우, 기존 분류된 군집으로부터 벗어나게 되어 군집성을 저하시키는 요인으로 작용하게 된다. 본 논문에서는 이러한 문제를 해결하기 위해 K-means알고리즘을 이용함에 있어 사용자 인식 정보 추출이 가능한 사용자 군집 분석 방식을 제안하고자 한다. 제안하는 알고리즘은 시스템 내 누적된 정보를 이용하여 자율적인 사용자 군집 특징을 분석하고, 이를 통하여 사용자의 속성간에 따른 클러스터를 구성해 사용자를 구분하게 된다. 제안한 알고리즘은 적용한 모의실험 결과를 통해 다중 사용자를 군집단위로 분류하고 유지하는 측면에서 사용자 관리 시스템이 보다 향상된 적응성을 보여주었다.

• 정보보호학회논문지
• /
• 제34권1호
• /
• pp.143-156
• /
• 2024

연합 학습(FL)은 여러 공동 작업자 간에 분산된 모델 학습을 위한 강력한 방법론으로 부상해 데이터 공유의 필요성을 없애준다. FL은 데이터 프라이버시를 보호하는 기능으로 호평을 받고 있지만, 다양한 유형의 프라이버시 공격으로부터 자유롭지 않다. 대표적인 개인정보 보호 기술인 차분 프라이버시(DP)는 이러한 취약점에 대응하기 위해 널리 사용된다. 이 논문에서는 기존의 작업별 적응형 DP 메커니즘을 FL 환경에 적용해 성능을 평가한다. 포괄적인 분석을 통해 다양한 DP 메커니즘이 공유 글로벌 모델의 성능에 미치는 영향을 평가하며, 특히 다양한 데이터 배포 및 분할 스키마에 주의를 기울인다. 이를 통해, FL에서 개인정보 보호와 유용성 간의 복잡한 상호 작용에 대한 이해를 심화하고, 성능 저하 없이 데이터를 보호할 수 있는 검증된 방법론을 제공한다.