• 한국도서관정보학회지
• /
• 제35권1호
• /
• pp.319-335
• /
• 2004

본 연구는 디지털도서관 환경에서 새로이 요구되고 있는 저작권 및 그 이용을 관리하는데 필요한 관리적 메타데이터 조직화 방안을 제시하는데 있다. 이를 위하여, 첫째 디지털도서관에 요구되고 있는 메타데이터의 유형을 파악하고, 둘째 디지털도서관이 정보의 조직화 도구로 사용하고 있는 MARC이 갖고 있는 문제점을 파악하였으며, 셋째 저작권법에서 요구하는 관리적 메타데이터에 대한 구조를 분석하였다. 그리고, 이를 토대로 MARC, 더블린코어, 저작권신탁기관의 관리적 메타데이터 시스템이 상호 연동되는 관리적 메타데이터 조직화 및 운영방안을 제안하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.784-786
• /
• 2003

본 논문에서는 유전자 발현 데이터를 분석하는데 있어서 자기 조직화 지도와 계층적 군집화 기법을 상호 보완적으로 사용하여 사용자가 보다 직관적으로 군집화 결과를 해석할 수 있는 방법을 제안한다. 제안된 방법을 사용하면 빠른 처리 속도로 대용량 데이터 처리에 적합한 자기 조직화 지도의 장점을 살릴 수 있으며 계층적 군집화의 장점인 가시화 기능을 이용하여 자기 조직화 지도의 단점인 군집 경계에 대한 불명확성을 해소하여 군집화 결과를 사용자가 쉽게 이해하고 직관적으로 해석할 수 있도록 도와준다. 본 논문에서 제안된 방법의 효용성을 검증하기 위해 세 종류의 데이터를 사용하여 실험을 수행한 결과 제안된 방법이 기존 방법에 비해 더 나은 성능을 보이는 것을 확인할 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.47-48
• /
• 2019

본 논문에서는 신경망의 일종인 자기조직화지도(Self Organizing Map)을 이용하여 컨트롤러의 순서를 정하는 모델을 제안하였다. 자기조직화지도는 자율 학습에 의한 클러스터링을 수행하는 알고리즘으로써 컨트롤러에 가중치를 부여하고 컨트롤러 간 거리를 계산하여 효율적인 컨트롤러 선택을 목표로 한다.

• 통상정보연구
• /
• 제13권1호
• /
• pp.245-270
• /
• 2011

본 논문은 SSM 등 대규모 소매점 진출규제로 인한 WTO GATS 위배 여부 쟁점에 대한 논의를 바탕으로 WTO에의 제소로 인한 통상마찰 가능성에 대비한 소상공인의 조직화 문제에 대해 연구하였다. 소상공인의 조직화 결정요인에 대한 실증분석결과에 따르면, 인력부족이나 원재료비의 부담이 클수록 소상공인 조직화에 부(-)의 효과를 미치는 바, 조직화가 인력난 해소나 원재료비 감소효과를 주지 못하고 있음을 사사한다. 또한 매출부진 및 대형업체로의 고객이탈로 인한 고객 감소는 조직화에 정(+)의 효과를 미치는 것으로 나타나, 매출부진이나 고객감소가 소상공인들의 조직 가입에 유인요인으로 작용하고 있음을 시사한다. 한편 업종별로는 음식업의 경우 인근 대형업체로의 고객 이탈이 조직에 가입하도록 하는 중요한 요인이나, 인력부족 및 구인난 그러고 원재료비 부담은 조직 가입을 기피하게 하는 요인으로 분석되었다. 소매업의 경우에는 영업 및 매출부진이 조직 가입을 촉진하는 요소로 작용하고 있는 것으로 분석되었다. 이러한 분석결과는, 향후 불필요한 통상마찰을 피해하면서 소상공인 조직화를 촉진할 수 있는 정책 수립에 있어 업종별로 차별화된 접근이 필요함을 시사한다.

• 정보처리학회논문지D
• /
• 제8D권5호
• /
• pp.507-512
• /
• 2001

특징 기반 유사성은 멀티미디어 데이터베이스 시스템에서 중요한 연구 쟁점이 되고 있다. 멀티미디어 데이터의 특징이 멀티미디어 객체들을 구별하는데 유용하다지만 특징 벡터의 차원의 수가 증가함에 따라 종래의 다차원 데이터 구조의 성능은 떨어지는 경향이 있다. $R^{*}-Tree$는 R-Tree의 가장 성공적인 병형으로 본 논문에서 고차원 특징 벡터를 위한 새로운 인덱싱 방법으로서 자기 조직화 맵 기반 $R^{*}-Tree$를 제안한다. 자기 조직화 맵 기잔 $R^{*}-Tree$는 고차원 데이터를 좀더 스칼라화해서 탐색할 수 있도록 SOM과 $R^{*}-Tree$를 결합하여 구축한 인덱싱 기법이다. 자기 조직 맵은 고차원 특징 벡터들로부터 2차원 공간으로의 맵핑을 제공한다. 그러나 맵을 위상 특징 맵이라 하고 인접 노느에서 서로 유사한 특징 벡터들을 모아서 입력데이터의 특징 공간들 속에 유사성을 보존하는데 위상 특징 맵의 각 노드는 코드북 벡터를 가지고 있다. 실험적으로 4만개의 이미지로부터 추출된 색깔 특징 벡터들을 이용하여 자기 조직화 맵 기반 $R^{*}-Tree$의 검색시간 비용과 자기 조직화 맵과 $R^{*}-Tree$의 검색 시간 비용을 비교한다. 그 결과 $R^{*}-Tree$를 구축하는데 필요한 노드 수와 검색 시간 비용이 감소됨으로써 자기 조직화 맵 기반 $R^{*}-Tree$는 자기 조직화 맵과 $R^{*}-Tree$보다 훨씬 우수한 성능을 나타냄이 입증되었다.

• 유통과학연구
• /
• 제9권2호
• /
• pp.111-122
• /
• 2011

본 연구는 국내사업체 수에서 87.9% 이상을 차지하고 있는 소상공인들의 직능업종별 조직화에 대한 실증적 연구이다. 연구문제의 검증을 위하여 직능단체의 조직화를 국내 상황에 적합하도록 도소매직능, 음식숙박직능, 개인서비스직능의 세 가지 형태로 구분하여 실증적인 분석을 시도하였다. 연구결과 첫째, 조직화 참여동기에서 인력구인난에 대한 반응은 음식직능이 가장 높은 것으로 나타났다. 외부경쟁심화와 자금압박으로 인한 반응은 개인 서비스 직능이 가장 높게 나타났다. 이를 통하여 업종별 직능별로 경영애로사항과 조직화 참여동기에는 차이가 존재함이 새롭게 밝혀졌다. 둘째, 조직화 기대치의 경영공정 개선분야에서는 음식직능이, 단순한 최종성과 개선만을 기대하는 분야에서는 소매직능이 가장 높게 나타났다. 셋째, 소상공인 직능별 조직화요인과 경영성과에 대한 분석에서는 참여동기는 소상공인의 재무적인 경영성과에 부(-)의 영향을 주고 있는 것으로 나타났다. 이와 반대로 조직화 기대치와 정책수요는 경영성과에 직접적인 정(+)의 영향을 주는 것으로 나타났다. 이러한 결과가 의미하는 바는, 향후 정부에서는 직능단체별로 맞춤형 중장기 경영전략을 수립하여야 하는 필요성과 더불어, 현재 소상공인 조직화는 일천한 상황에 있지만, 최종적으로 창업 성공과 창업 실패를 구분하는 분기점이 된다는 점을 밝혀주었다.

• 한국패류학회:학술대회논문집
• /
• 한국패류학회 2001년도 추계학술발표 회보집
• /
• pp.160-160
• /
• 2001

• 한국패류학회:학술대회논문집
• /
• 한국패류학회 2001년도 추계 한국패류학회 학술발표회
• /
• pp.53-53
• /
• 2001

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.2066-2070
• /
• 2008

본 연구는 인공신경망(Artificial Neural Networks: ANNs)기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론을 이용한다. 자기조직화 특성을 이용하여 스스로 학습이 가능하고, 구조상 수행이 빨라 학습 단계에 소요되는 시간을 줄 일 수 있는 장점을 가진 자기조직화 이론을 도입하고, 수질자료 중 전체 유기물의 양을 나타내며 난분해성 물질에 대한 해석이 가능하고 재현성이 탁월한 TOC 와 강우-유출량 자료의 분포적 양상과 특징을 분석하여 예측을 위한 모형화 과정에 기여하고자 한다. 최적의 Map Size와 Map Array 결정을 위해 수집된 강우와 유출량자료 및 TOC 자료에 대해 Garcia의 경험식을 이용하여 Map을 구성하는 단위구조의 총 수(M)를 산정하여 M값에 따른 종방향 및 횡방향 크기를 결정하는 다수의 Map 크기를 검토하고, 또한 Map 배열은 2차원 배열의 사각형배열(Rectangular array)과 육각형배열(Hexagonal array)에 대해서도 복합적으로 검토하여 최적의 특성조건을 결정하여 강우-유출 및 TOC 관계의 분할특성을 분석한다.

• 한국멀티미디어학회논문지
• /
• 제3권4호
• /
• pp.416-423
• /
• 2000

기존 Kohonen의 자기조직화 지도(self-organizing feature map)는 학습시 많은 입력 패턴이 필요하며 이에 따른 학습 시간 역시 증가하는 단점이 있다. 이러한 단점을 보완하기 위해 B. Bavarian은 위상학적 위치에 따라 각기 다른 학습률(learning rate)을 갖도록 하였으나 자기조직화가 정밀하게 되지 않는 단점을 갖고 있다. 본 논문에서는 자기조직화 지도의 학습시 계산량이 많은 가우시안 함수를 근사곡선(approximate curve)으로 변형하여 수렴속도를 향상시켰고 학습 횟수에 따라 근사곡선의 폭을 동적으로 변화시킴으로써 자기조직화지도의 수렴도를 개선하였다.