• 전산구조공학
• /
• 제11권4호
• /
• pp.309-320
• /
• 1998

중요표본추출기법중에서도 층화표본추출법을 이용한 적응적 중요표본추출기법이 일반적으로 가장 합리적인 것으로 알려져 있다. 그러나 확률장 유한요소모형문제와 같이 기본 확률변수의 규모가 큰 경우에는 층화표본추출법에서 요구되는 기본적인 표본점의 규모가 급증하여 효율성이 떨어지게 된다. 본 연구에서는 이러한 한계성을 극복하기 위하여 층화표본추출에서 기본확률변수를 사용하는 대신에 기본확률변수들의 함수이며 새로운 확률변수인 응답값을 이용하는 방법을 개발하였다. 여기에서 응답값은 일반적인 함수형태로 표시되지 않으며, 한 번의 응답계산에 많은 계산량이 소요되므로 이러한 문제점을 해결하기 위하여 응답면식을 이용한 층화표본추출법을 개발하였다. 개발된 기법에서는 기본확률변수의 모의발생규모는 기본의 기본확률변수를 이용한 층화표본추출법에서 보다 증가하지만 매우 많은 계산량을 요구하는 실제응답해석규모는 응답면식을 이용함으로써 획기적으로 감소되었다. 특히 본 기법은 기본확률변수의 규모가 크고 대상한계상태의 파괴확률이 낮을수록 기존의 방법과 비교해 효율성이 증대되는 것으로 분석되었다.

• 한국해안·해양공학회논문집
• /
• 제21권5호
• /
• pp.405-409
• /
• 2009

중요도추출법을 이용한 항만구조물의 신뢰성해석방법을 제시하였다. 몬테카를로모사법(Monte Carlo Simulation)을 이용하여 신뢰성해석을 수행할 때 전도파괴확률과 같이 매우 낮은 파괴확률을 가진 경우는 해석시간이 과다하게 소요되는 문제점이 있다. 항만구조물 신뢰성해석 시 나타나는 이러한 문제를 극복하기 위해 파괴면주위의 추출점을 이용하여 해석시간을 단축시킬 수 있는 중요도추출법을 적용하였다. 중요도추출법을 항만구조물에 적용한 경우 파괴확률이 매우 낮은 파괴모드에 대한 신뢰성해석을 효율적으로 수행할 수 있음을 보였다. 수치해석에서 케이슨 안벽의 신뢰성해석을 수행하였으며 파괴확률의 낮고 높음에 따른 중요도추출법의 효용성을 검증하였다.

• 대한기계학회논문집A
• /
• 제41권5호
• /
• pp.381-389
• /
• 2017

마르코프체인 시뮬레이션으로 추출한 점을 기반으로 커널 밀도함수를 구성하고 중요도 추출함수로 가정하였다. 크리깅 근사모델은 한계상태식 근방에서 상세히 구성되었다. 고장확률은 크리깅 근사모델에 대해 중요도 추출법을 수행하여 계산하였다. 커널 밀도함수가 한계상태식의 근방에서 더 많은 점을 추출할 수 있도록 기존의 방법을 개선하였다. 커널 밀도함수의 파라메터를 찾기 위한 안정적인 수치계산 방안이 제시된다. 크리깅 근사모델의 불확실성으로 인해 계산된 고장확률이 변경될 가능성을 계산하여, 크리깅 근사모델의 완성도를 평가하였다.

• 전산구조공학
• /
• 제4권2호
• /
• pp.119-129
• /
• 1991

본 논문은 교량구조의 체계신뢰도를 추정하기 위한 효율적인 중요도 표본추출기법의 개발을 목적으로 한다. 기존의 체계신뢰성 해석을 위한 방법은 1차 모멘트법, 2차 모멘트법, AFOSM 근사해법, 그리고 시뮬레이션 방법등이 있다. 중요도 표본추출기법은 아주 적은 경비와 노력으로 정확한 해를 구하는 시뮬레이션 방법이다. 적용 예를 통하여 중요도 표본추출기법은 교량구조의 체계신뢰성해석에 아주 효과적인 방법임을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.685-687
• /
• 2002

일반적으로 인간이 사용하는 몇 개의 주요단어를 이용하여, 문서의 분야나 주제어가 되는 일본어 키워드를 추출하는 점에 주목한다. 먼저, 학술논문에서 저자 자신이 부여한 키워드 중 분야 명이나 주제어가 문서 중에 출현하지 않는 경우를 분석하고, 단어의 개념정보를 기초로 복합어 생성규칙을 구축한다. 문서 의미와 상관없는 키워드의 추출을 억제하기 위해 중요도 결정법을 새롭게 제안한다. 추출된 키워드의 타당성 검사를 위해 자연.음성언어에 관한 일본어 논문 65파일의 타이틀과 초록부분을 이용하여 추출된 키워드의 타당성에 대한 실험을 한 결과 추출 정밀도는 중요도의 상위 1개를 출력한 경우 75%가 되어 제안방법의 유효성을 확인할 수 있었다.

• 한국조사연구학회지:조사연구
• /
• 제6권2호
• /
• pp.1-32
• /
• 2005

출구조사에서 투표소 추출방법은 출구조사의 정확성을 결정하는 중요한 요소이다. 본 연구에서는 대표구 추출법을 대신할 수 있는 정렬계통추출법을 제안하고 그 활용 가능성 및 효율성을 분석한다. 아울러 제시된 정렬계통추출법을 사용하는 경우 추정량의 표본추출오차(sampling error)가 어느 정도 되며, 원하는 목표 오차를 만족하기 위한 표본크기를 결정하는 문제를 고려한다. 2004년 17대 총선 개표자료를 토대로 경험적인 분석을 통해 제시된 정렬계통추출법이 기존의 대표구 추출법에 비해 평균예측오차 관점에서 효율적이라는 사실을 규명하고, 기존의 출구조사에서 표본크기 및 추정오차를 해석하는 과정에서 발생하는 오류를 집락효과를 이용해 설명했다. 아울러 제안한 정렬추출법에서 얻어지는 추정량의 분산을 구하고, 설계효과 개념을 이용해 표본크기 결정문제를 다루었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.13-16
• /
• 2008

본 논문은 가중퍼지소속함수 기반신경망(neural network with weighted fuzzy membership functions, NEWFM)기반의 자동 특징 추출기법을 사용하여 인체의 세 방향에서 발생하는 가속도 값으로부터 낙상을 탐지하는 방안을 제시하고 있다. 10명의 피검자로부터 8가지 시나리오로 낙상/비낙상 데이터 800개를 수집하고 웨이블릿 변환(wavelet transform, WT)을 통해 추출한 계수중 비중복면적 분산법에 의해 중요도가 가장 낮은 특징입력을 하나씩 제거하면서 최소의 특징 입력을 선택하였다. 특징입력으로는 가속도 값을 웨이블릿 변환한 11개의 d4계수들 중 비중복면적 분산법에 의해서 중요도가 가장 높은 5개의 계수가 사용되었고, 이들 특징입력을 통해 93%의 전체 분류율을 나타내었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 봄 학술발표논문집 Vol.27 No.1 (B)
• /
• pp.345-347
• /
• 2000

본 연구는 문서를 구성하고 있는 각 단락들(paragraphs)간의 단어공기정보(world co-occurrence)를 이용해 이들간의 관계를 바탕으로 중요단락을 추출하여 문서의 요약을 한다. 이같은 접근법 문서요약의 성능은 단락들간의 정보추출방법과 추출된 정보에 의한 중요단락 선택방법에 크게 좌우된다. 본 논문에서는 중요단락에 대한 선택을 할 때 기존의 방법론에서 발생하는 요약문의 가독성(readability)을 높이면서 또한 성능의 향상도 꾀할 수 있는 방법론을 제시한다.

• 한국측량학회지
• /
• 제10권2호
• /
• pp.49-55
• /
• 1992

수피표고모형에 있어서 표고자료의 추출은 매우 중요하다. 표고의 추출은 스캐닝방법과 디지타이징 방법이 있으나 본 연구에서는 디지타이징에 대한 것이다. 연속적 추출법은 하나의 등고선을 동일한 개체로 묶는 것이며, 정규적자법은 각 격자를 대표할 수 있는 표고데이타를 직접 읽는 방법이다. 그리고 지성선을 구성하는 등고선내의 추출점을 동일의 개체로 묶는 방법이 불규칙 삼각망법이다. 연구결과에서 연속적 추출법은 입력시간이 적게 걸렸으며, 불규칙 삼각망법은 추출점의 수가 가장 적게 나타났다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.916-919
• /
• 2018

심층신경망 모델은 우수한 성능을 갖고 있음에도 불구하고 모델이 어떤 판단 과정을 통해 결론을 내렸는지 파악하기 어렵다. 그에 따라 판단에 대한 근거가 중요한 분야에서는 심층신경망 모델을 적용한 실제 사례를 찾기 어렵다. 인공신경망 모델을 해석하기 어렵다는 문제를 해결하기 위해 내부 구조를 이용하여 규칙을 추출하는 decompositional 접근법이 제안되었으나 기존의 연구는 대부분 은닉층이 1개인 다층 퍼셉트론 모델에서 규칙을 생성하는 것을 가정하고 있다. 오늘날 사용하는 심층신경망 모델은 일반적으로 여러 은닉층을 가지고 있기 때문에 기존의 접근법을 그대로 적용할 경우 규칙 불확실성에 따라 잘못된 규칙을 추출하는 문제가 발생한다. 본 논문은 decompositional 접근법에 존재하는 규칙 불확실성 문제를 완화하고 깊이가 깊은 심층신경망 모델에 규칙을 추출하는 방법을 제안한다. 제안한 접근법은 실제 활성화 값을 통해 지식을 추출하며, 이를 통해 규칙 불확실성 문제를 완화할 수 있었다.