• 한국터널지하공간학회 논문집
• /
• 제14권1호
• /
• pp.23-35
• /
• 2012

RMR은 평가방법의 수월성으로 인해 터널과 사면 등 토목공사 현장에서 암반평가 방법으로 널리 활용되고 있는 만큼 좀 더 쉽고 신뢰성 있는 수정 RMR법을 찾기 위한 연구는 꾸준히 진행되어 왔다. 그만큼 RMR에 대한 다수의 연구들이 여러 가지 통계적 분석 및 평가기법에 의해 변수의 개수나 배점을 조정한 수정 RMR법 제시에 치중된 측면도 있다. 따라서 본 연구에서는 정규화한 RMR변수들의 평가 경향 분석을 통하여 기 연구들에서 중요 평가 변수들을 공통적으로 포함하면서도 다양한 변수조합의 수정 RMR법들이 제안될 수 있었던 당위성에 대하여 고찰하였다. 나아가 변수들의 분포경향으로부터 현장에서의 평가경향에 대해서도 역 추론 하였다. 약 2000개의 현장 측정 데이터들에 대해 정규화한 후 RMR과 각 변수들의 1:1 평가를 실시한 결과 일정한 패턴의 상관관계와 평가경향이 나타났다. 정량적 평가 변수인 일축압축강도와 RQD는 RMR 기준선 대비 항시 상향 분포 추세로 나타나 RMR 값들을 평가절상 하는 역할을 하는 반면, 정성적 평가 성향이 큰 절리 상태와 지하수는 기준선 대비 대부분 하향 분포 추세로 나타나 RMR 값들을 평가절하 하는 역할을 하는 것으로 판단된다. 이를 통해 정량적인 변수들과 정성적인 변수들을 적절히 조합하면 어려운 통계분석 없이도 수정 RMR법을 제시할 수 있음을 알 수 있다. 또한 정성적인 변수에 대한 현장 엔지니어의 보수적인 암반평가 경향도 추론할 수 있다.

• 스마트미디어저널
• /
• 제9권4호
• /
• pp.26-35
• /
• 2020

미래의 주가를 예측하기 위한 시도는 과거부터 꾸준히 연구되어왔다. 그러나 일반적인 시계열 데이터와 달리 금융 시계열 비정상성(non-stationarity)과 장기 의존성(long-term dependency), 비선형성(non-linearity) 등 예측을 하는 것에 있어서 여러 가지 방해 요인이 존재한다. 또한, 광범위한 데이터의 변수는 기존에 사람이 직접 선택하는 것에 한계가 있으며 모델이 변수를 자동으로 잘 추출할 수 있도록 하여야 한다. 본 논문에서는 비정상성 데이터를 정규화할 수 있는 슬라이딩 타임스텝 정규화(sliding time step normalization) 방법과 LSTM 형태의 오토인코더(AutoEncoder)를 사용하여 모든 변수로부터 압축된 변수로 미래 주가를 예측하는 방법, 기간을 나누어 전이 학습을 하는 이동 전이 학습(moving transfer learning)을 제안한다. 또한, 실험을 통하여 100개의 주요 금융 변수들만을 사용하는 것보다 뉴럴 네트워크를 통해서 가능한 많은 변수를 사용하였을 때 성능이 우수함을 보이며, 슬라이딩 타임스텝 정규화 방법을 사용하여 모든 구간에서 데이터의 비정상성에 대해 정규화를 수행함으로써 성능 향상에 효과적임을 보인다. 이동 전이 학습 방법은 스텝 별 테스트 구간에서 모델의 성능을 평가하고 전이학습을 함으로써 긴 테스트 구간에서 성능 향상에 효과적임을 보인다.

• 감성과학
• /
• 제1권1호
• /
• pp.59-67
• /
• 1998

뇌전위에서 개인차가 없는 일반적인 규칙ㅇ르 지닌 두개의 정보 변수, 즉 ILF와 IHF를 발견하였다. 이러한 일반성을 지닌 정보 변수가 청각, 후각, 촉각 자극에 의해 유발된 쾌하거나 불쾌한 감성 상태를 구분할 수 있으며 전두엽에서 그 경향이 두드러짐을 확인하였다. 전두엽의 뇌전위에서 감성 자극이 주어지가 전과 자극이 주어지는 동안의 ILF, IHF값을 정규화함으로써 새로운 변수, Relative Quantified Emotional State(RQES)를 구현하였다. RQES는 쾌, 중립, 불쾌한 감성의 정도를 선형적으로 정량화하였다. 따라서 하나의 전극으로 측정한 전두엽부분의 뇌전위로부터 RQES값을 계산하면 인간의 쾌, 불쾌 감성을 신뢰도있게 정량화 할 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권10호
• /
• pp.1046-1053
• /
• 2000

본 논문에서는 정규화된 웨이블렛 방법에 기반한 얼굴 인식 방법을 제안한다. 추출된 얼굴 영역의 크기를 정규화하고. 배경 영역을 제거하기 위해 이진화된 가우시안 윈도우를 사용하였으며, 또한 조명의 영향을 줄이기 위해 얼굴 영역의 히스토그램을 상세화하고, 왼쪽 부분의 밝기와 오른쪽 부분의 밝기를 평균하였다. 정규화된 얼굴 영역은 극좌표계로 표현하여 사각형의 형태를 가지게 하였다. 특징으로는 가보 웨이블렛 계수를 사용한다. 가보 웨이블렛 변환은 매개 변수와 정규화된 얼굴 영역의 해상도를 바꾸어 가며 여러 차례 적용하였다. 인식에 유용한 계수들을 선택하기 위해 FD 분석을 수행하였다. 선택된 특정들은 FD 값과 함께 인식에 사용되었다. 실험 결과를 보면 제안된 방법이 매우 유망하다는 것을 알 수 있다.

• 한국정보과학회논문지:시스템및이론
• /
• 제34권10호
• /
• pp.511-520
• /
• 2007

Decay usage 알고리즘은 CPU를 최근에 적게 사용한 프로세스를 우선시하는 스케줄링 방법으로, UNIX와 같이 계산 위주의 프로세스와 대화형 프로세스가 혼재한 시분할 시스템에서 널리 사용되어 왔다. 하지만, decay usage의 매개변수들이 어떻게 상호작용하며 결국 어떤 서비스 행태를 보이는 지에 대한 분명한 이해가 없었다. 본 논문에서는 decay usage가 사용하는 매개변수들의 상호작용에 따라 서비스의 사용량 및 지연시간이 보이는 행태를 실험적으로 분석한다. 이러한 실험적 분석을 바탕으로, 각 매개 변수가 가지는 의미를 서비스 제공의 관점에서 규명한다. 본 논문의 분석 결과는 decay usage의 매개변수들을 조정하여 응용의 요구에 맞는 서비스를 제공하기 위한 기반이 된다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.1-14
• /
• 2010

역전파 알고리즘은 오랫동안 부도예측모형 관련한 연구에 많이 적용되어왔다. 역전파 알고리즘을 사용하기전에 필히 고려해야 할 중요한 요소들로는 네트워크 구조, 학습요소, 정규화 방법 등이다. 하지만 신경망 성과를 향상시키기 위한 네트워크 구조 및 학습요소 최적화 관련한 연구는 기존의 연구들에서 많이 이루어 졌지만 데이터 정규화와 관련한 연구는 아직 많이 이루어지지 않았다. 따라서 본 연구에서는 유전자 알고리즘을 기반으로 하는 정규화 기법을 제시하였다. 최적의 입력데이터 정규화를 위하여 본 연구에서는 우선 각각의 서로 다른 정규화 기법들을 동일 가중치를 두어 일반화 시켰으며 유전자 알고리즘을 이용하여 최적의 가중치를 찾음으로써 최적화된 입력변수 정규화가 이루어지도록 하였다. 제안한 방법론을 검증하기 위하여 부도예측 데이터를 이용하여 실험을 하였으며 제안하는 방법과 기존 다른 방법들간의 비교를 통하여 그 타당성을 검증하였다.

• 정보처리학회논문지B
• /
• 제8B권4호
• /
• pp.327-334
• /
• 2001

본 논문에서는 기울기하강과 동적터널링이 조합된 학습알고리즘의 다층신경망을 이용한 고신회성의 회귀분석 모델을 제안하였다. 기울기하강은 빠른 수렴속도의 최적화가 가능하도록 하기 위함이고, 동적터널링은 국소최적해를 만났을 때 이를 벗어난 새로운 연결가중치를 설정하여 전역최적해로 수렴되도록 하기 위함이다. 또한 대용량의 입력 데이터를 통계적으로 독립인 특징들의 집합으로 변환시키는 주요성분분석 기법의 속성을 살려 학습데이터의 차원을 감소시킴으로서 고차원의 학습데이터에 따른 회귀분석 모델의 제약도 동시에 해결하였다. 제안된 기법의 신경망을 3개의 독립변수 패턴을 가진 암모니아 제조공정문제와 10개의 독립변수 패턴을 가진 자동차 연비문제에 각각 적용하여 시뮬레이션한 결과, 기존의 역전과 알고리즘의 신경망이나 주요성분분석에 의한 차원을 감소시키지 않은 학습패턴을 이용한 신경망보다 각각 더욱 우수한 학습성능과 회귀성능이 있음을 확인할 수 있었다. 또한 학습패턴의 영평균 정규화로 회귀용 신경망의 성능을 더욱 더 개선하였다.

• 센서학회지
• /
• 제2권1호
• /
• pp.57-64
• /
• 1993

이 논문에서는 목표의 가속에서 비롯된 예측오차의 바이어스 레벨을 검출하기 위해서 Kalman 필터의 정규화된 이노베이션 제곱을 검출함수로 사용하고 그 검출함수의 바이어스 레벨 검출확률을 구했다. 여기서 이 확률의 효율적 표현을 위해서 재정의된 상태변수를 사용하였고, 이 상태변수의 Singer 모델에 대한 정상상태 Kalman 필터의 정규화된 이노베이션 제곱의 확률밀도함수를 구했다. 그리고 이 확률밀도함수를 이용하여 예측오차의 바이어스 레벨 검출확률 및 기동 검출기 동작특성곡선을 구했다.

• 한국지능시스템학회논문지
• /
• 제11권1호
• /
• pp.1-8
• /
• 2001

본 논문에서는 정규화된 데이터 공간과 가우스함수에 의한 산 함수 형성 그리고 형성된 산의 기울기를 이용한 산봉우리 붕괴를 특징으로 하는 개선된 산 클러스터링 방법을 제안한다. 이 개선된 방법은 기존의 Yager 등에 의하여 제안된 방법이 조정해야 하는 매개변수가 3개이고 발견된 클러스터 중심 주위에 원치 않는 다른 중심이 발생할 수 있는데 반하여 단지 하나의 매개변수 $\omega$의 조정으로 더욱 타당한 중심을 찾아내는 점에서 유용하다 할 수 있다. 또한 매개변수 $\omega$에 대한 적절한 선정 방법을 제시하고, 수치 자료에 대한 컴퓨터 모의실험을 통하여 개선된 산 클러스터링 방법의 유용성을 입증한다.

• 한국통신학회논문지
• /
• 제11권5호
• /
• pp.332-339
• /
• 1986

한글문자패튼의 인식율을 향상시키기 위해서 Gaussian 확율밀도 함수를 이용한 형태정규화의 한 방법을 제안한다. 제안된 방법은 입력패튼의 패튼 영역을 추출하여 2변수보간법으로 패튼의 크기를 정규화 한 후, 크기 정규화된 패튼의 상관계수를 0으로 하는 선형변환을 시켜 문자패튼의 기하학적 기울어짐 변형을 정규화시켰다. 입력패튼과 형태정규화된 패튼간의 관계를 이론적으로 해석하고 컴퓨터 시뮬레이션을 통해서 이론의 타당성을 확인하였다.