• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권10호
• /
• pp.465-472
• /
• 2017

과거에는 전력데이터를 분석하는 기법으로 주로 기계학습의 지도학습 기법을 많이 활용하였고 데이터 마이닝 기법을 통한 패턴 검출을 주로 연구하였다. 그러나 전력데이터의 규모 커지고 실시간 데이터 공급이 가능해진 현재에는 과거의 데이터 분류 및 분석 기법을 통한 데이터 분석 연구는 한계가 존재한다. 이에 본 논문에서는 큰 규모의 전력데이터를 분석할 수 있는 클러스터링 아키텍처를 제안한다. 제안하는 클러스터링 프로세스는 비지도학습기법인 K-means 알고리즘의 문제점을 보완하고 전력데이터 수집과 분석까지의 모든 과정을 자동화할 수 있는 프로세스이다. 총 3 Level로 구분하여 Row Data Level, Clustering Level, User Interface Level로 구분하여 전력데이터를 분류 및 분석한다. 또한 클러스터링의 효율성 향상을 위하여 주성분분석 및 정규분포기반의 최적의 클러스터 수 K값 추출과 이상점으로 분류되는 데이터 감소를 위한 변형된 K-means 알고리즘을 제시한다.

• 한국측량학회지
• /
• 제29권5호
• /
• pp.441-448
• /
• 2011

최근 디지털 항공사진을 이용한 수치도화가 보편화 되었으며 이로 인해 지표에 대한 3차원 데이터를 정확하게 획득하고 있다. 도화원도는 도화사가 지표를 육안으로 확인하여 제작한 신뢰 있는 3차원 데이터이며 등고선과 표고점 이외에도 지형지물에 대해 3차원 좌표를 가지고 있는 점, 선으로 표현되었을 뿐 아니라 레이어로 분류되어 활용성이 매우 크다. 본 연구에서는 도화원도를 이용해 정밀하고 정확한 수치표고모델을 제작하고자 한다. 이를 위해 수치지형도에서 등고선과 표고점 레이어를 추출하였고 도화원도에서 Break Line을 추출하여 각각 수치표고모델을 제작하였으며 이 두 결과를 비교하였다. 비교를 위해 주거지, 산지, 농경지, 제방 등 경사가 완만하거나 복잡한 지형을 연구지역으로 선정하여 최적의 수치표모델이 제작될 때까지 반복적으로 레이어를 삭제하면서 Break Line을 추출하였다. 그 결과 도화원도에서 등고선과 표고점 레이어를 비롯해 8개의 도로 레이어 및 2개의 경계 레이어를 Break Line으로 추출하였으며 이를 이용해 더욱 정밀한 수치표고모델을 획득할 수 있었다. 또한 교차하거나 접하는 Break Line을 편집하여 복잡하고 변위가 급격한 지형에서 수치표고모델의 왜곡현상을 최소화할 수 있었다.

• 정보보호학회논문지
• /
• 제28권2호
• /
• pp.385-395
• /
• 2018

인터넷의 성장과 함께 각종 취약점을 악용한 사이버 공격들이 지속적으로 증가하고 있다. 이러한 행위를 탐지하기 위한 방안으로 침입탐지시스템(IDS; Intrusion Detection System)이 널리 사용되고 있지만, IDS에서 발생하는 많은 양의 오탐(정상통신을 공격행위로 잘못 탐지한 보안이벤트)은 여전히 해결되지 않은 문제로 남아있다. IDS 오탐 문제를 해결하기 위한 방법으로 기계학습 알고리즘을 통한 자동분류 연구가 진행되고 있지만 실제 현장 적용을 위해서는 정확도와 데이터 처리속도 향상을 위한 연구가 더 필요하다. 기계학습 기반 분류 모델은 다양한 요인에 의해서 그 성능이 결정된다. 최적의 feature를 선택하는 것은 모델의 분류 성능 및 정확성 향상에 크게 영향을 미치기 때문에 기계학습에서 매우 중요한 부분을 차지한다. 본 논문에서는 보안이벤트 분류 모델의 성능 향상을 위해 기존 연구에서 제안한 기본 feature에 추가로 10종의 신규 feature를 제안한다. 본 논문에서 제안하는 10종의 신규 feature는 실제 보안관제센터 전문 인력의 노하우를 기반으로 고안된 것으로, 모델의 분류 성능을 향상시킬 뿐만 아니라 단일 보안이벤트에서 직접 추출 가능하기 때문에 실시간 모델 구축도 가능하다. 본 논문에서는 실제 네트워크 환경에서 수집된 데이터를 기반으로 제안한 신규 feature들이 분류 모델 성능 향상에 미치는 영향을 검증하였으며, 그 결과, 신규 feature가 모델의 분류 정확도를 향상시키고 오탐지율을 낮춰주는 것을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.313-313
• /
• 2011

오염물질은 배출원의 형태에 따라 점오염물질과 비점오염물질로 구분하고 있고 점오염물질은 생활하수, 산업폐수, 축산폐수, 환경기초시설 방류수 등으로 발생원이 명확하고 수집하여 처리 및 관리가 용이하나 비점오염물질은 배출위치가 명확하지 않으며, 강우 시 일시적으로 대량 배출되는 특징을 가진 농경지, 도로, 대지, 임야 등에서 배출되는 오염물질을 말한다. 우리나라에서 비점오염은 전체 수질오염의 42~67%(2003년)를 차지하는 것으로 나타났고, 2015년에는 전체 수질오염의 65~75%에 이를 것으로 예상되고 있다. 이 중 농업 비점오염원은 총 수질 오염량의 30%이상을 차지할 것으로 추정하고 있으나 이를 저감하기 위한 최적관리방법의 효과검증에 관한 연구는 아직 미미한 상태이다. 이에 본 연구에서는 농경지 중 밭에서 발생하는 비점오염을 저감하기 위한 기법으로 다양한 규모와 형태의 Silt Fence/식생밭두렁/침사구를 설치하여 밭 비점오염에 대한 저감효과를 평가하고 제어대책을 개발하여 최적관리기법을 제시하고 이에 대한 매뉴얼을 개발하기 위한 기초연구를 실시하려 한다. Silt Fence는 주로 건설공사현장에서 홍수유출 발생 시 인접한 하천 및 호소 등으로 유사 및 오염물질이 유입되는 것을 방지하기 위해 임시적으로 설치하는 시설로 합성 직물 필터를 나무나 금속 막대로 연결하여 등고선 방향으로 설치하는 것으로 대상 지역의 토양이 교란되기 전에 그 지역 아래쪽에 설치한다. 식생밭두렁은 밭의 이랑의 길이가 길어질수록 강우 시 빗물이 하단에 이를 때 늘어난 유량과 빠른 유속으로 토양침식이 가중되는데, 이때 30~35m간격으로 식생밭두렁을 설치하게 되면 상부와 하부의 침식정도가 유사한 경향을 보여 식생밭두렁을 설치하지 않은 지역에 비해 토양의 침식정도가 작게 나타나게 된다. 이러한 Silt Fence/식생밭두렁/침사구의 밭 비점오염의 저감효과 평가 및 제어대책 개발을 위한 기초 실험을 수행하기 위해 경상남도 사천시 용현면 선진리 일대에 시험포장을 조성 하였으며, 시험포장내에 6개의 Plot을 만들어 하단부에 포장에서의 유출수의 유량을 측정하기 위해 플룸을 설치하였고 실내실험을 통해 플룸의 수위-유량관계 곡선을 작성하였다. 포장의 토양특성을 판별하기 위해 Plot별로 토양시료를 채취하여 특성을 분석 한 결과 6개 Plot모두 모래함량이 많은 점토질 사질토로 분류되었다. 향후 강우 시 시험포장에서 발생하는 유출수의 수질을 분석하고 Silt Fence/식생밭두렁/침사구의 오염물질 저감효과를 분석하여 제어대책을 개발하게 되면 농업수자원확보를 위한 관리방안 선정을 위한 정책수립에 활용될 수 있으며 비점오염 배출을 최소화시켜 수질의 개선에 기여할 뿐만 아니라 우리나라 농업에 적합한 최적영농관리기술을 개발 할 수 있을 것으로 사료된다.

• Journal of Welding and Joining
• /
• 제12권2호
• /
• pp.11-19
• /
• 1994

레이저 가공기술은 재료가공 분야에서 넓은 응용분야를 가지고 있으며, 특히 절단, 용접, 열처리 등의 가공분야에서 고정밀도와 자동화의 용이성으로 인해 생산성이 높은, 고부가가치의 첨단응용 기술로 부각되고 있다. 특히 레이저절단은 타 절단법에 비교되는 절단정도, 열영향, 생산성, 작업 환경등의 각종 우위성으로 박판 및 후판절단분야에서 급속한 보급을 보이기 시작하였다. 현재 대 부분의 레이저 가공기는 CNC화 되어가고 있는 추세이며, 레이저 절단의 경우 생산성증대 및 고 정밀화를 위하여 CAD/CAM인터페이스에 의한 자동화가 필연적인 상황이다. 뿐만아니라 고출력 레이저 발전기를 가공 기본체에 탑재한 탑재형 레이저가공기의 출현으로 대형부재의 절단이 가능 하게 되었으며, 더불어 절단공정의 무인화를 지향하는 각종 시스템이 개발되고 있다. 이와 같은 무인화, 생산성증대, 작업시간단축과 러닝 코스트 및 재료의 절감을 위한 노력의 일환으로 컴 퓨터에 의한 자동 및 반자동 네스팅 시스템의 개발을 들 수 있다. 레이저에 의한 2차원 절단응 용분야에서의 네스팅작업은 설계가 끝난 각 부품의 절단작업의 전단계로서 수행되며, 일반적으로 네스팅공정이 완료되면 절단경로를 결정하고 가공조건과 함께 수치제어공작기계의 제어에 필요한 NC코드를 생성하게 된다. 최근에는 이와 같은 네스팅 시스템이 일부 생산현장에 적용되고 있 으나 이러한 시스템들의 대부분이 외국에서 개발된 것을 수입하여 사용하는 실정이다. 2차원 패턴의 최적자동배치문제는 비단 레이저 절단과 같은 열가공 분야에서 뿐만 아니라 블랭킹 금형, 의류, 유리, 목재등 여러분야에서 응용이 가능하며 패키지의 국산화가 시급한 실정이다. 네스 팅작업은 적용되는 분야에 따라 요구사항과 구속조건이 달라지며 이로 인해 알고리즘과 자료구 조도 달라지게 되나 공통적인 목표는 주어진 영역안에서 겹침없이 배치하면서 버림율을 최소화 하는 것이다. 지난 10여년간 여러 산업의 응용분야에서는 네스팅시스템의 도입이 활발하게 이 루어지고 있는데 수동에 반자동 및 자동에 이르기까지 다양하나 자동네스팅시스템의 경우 배치 효율의 신뢰성이 비교적 부족하기 때문에 아직까지는 생산현장에서 기피하는 실정이다. 배치알 고리즘의 관점에서 볼 때 이러한 문제들은 NP-complete문제로 분류하며 제한된 시간안에 최적의 해를 구하기가 가능한 조합 최적화 문제로 알려져 있다. 따라서 이 글에서는 레이저 절단분야 에서의 네스팅시스템에 관한 개요와 최근의 연구동향 그리고 몇 가지 전형적인 네스팅 알고리 즘들을 소개하고 비교분석을 통해 개선점을 간략하게 논의하고자 한다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• 한국지능시스템학회논문지
• /
• 제18권4호
• /
• pp.456-462
• /
• 2008

분류란 새로운 자료를 주어진 클래스 중의 하나로 구분하는 것으로 가장 일반적으로 사용되는 데이터마이닝 기법 중의 하나이다. 그중 메모리기반 추론(MBR : Memory-Based Reasoning)은 추론 규칙 없이 특징들의 최초의 벡터 형태에 의해 표현된 학습패턴을 단순히 저장한다. 그리고 분류 시에 새로운 자료가 메모리에 저장된 학습패턴들과의 거리를 계산하여 가장 가까운 거리에 있는 학습패턴의 클래스로 분류하는 기법이다. MBR 기법에서 학습패턴이 커지면 저장에 필요한 메모리의 크기도 커질 뿐만 아니라 추론을 위한 계산도 많아지는 문제점을 가지고 있다. 이러한 문제를 해결하기 위한 대표적인 방법으로 초월평면을 이용하는 NGE 이론과 대표패턴을 추출하여 학습하는 FPA 기법과 RPA 기법 등을 들을 수 있다. 본 논문에서는 학습패턴 공간을 GINI-Index값을 이용하여 일련의 최적 분할점을 찾아 가변크기로 분할하는 동적분할평균(DPA : Dynamic Partition Averaging)기법을 제안하였다. 제안한 기법의 성능을 검증하기 위하여 MBR기법 중 널리 사용되는 k-NN 기법과 비교하였다. 제안한 기법이 k-NN기법에 비해 대표패턴 개수는 줄이고 분류성능은 유사하게 유지시킨 것을 보여주었다. 또한, 제안한 기법은 NGE 이론을 구현한 EACH 시스템과 대표패턴 기법인 FPA기법과 RPA기법 등과 비교하여 탁월한 분류 성능을 보여주었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권7호
• /
• pp.213-220
• /
• 2020

합성곱 신경망은 합성곱층과 완전연결층으로 구성되어 있다. 합성곱층과 완전연결층의 각 층에서는 비선형 활성함수를 사용하고 있다. 활성함수는 뉴런 간에 신호를 전달할 때 입력신호가 일정 기준 이상이면 신호를 전달하고 기준에 도달하지 못하면 신호를 보내지 않을 수 있는 뉴런의 정보전달 방법을 모사하는 함수이다. 기존의 활성함수는 손실함수와 관계성을 가지고 있지 않아 최적해를 찾아가는 과정이 늦어지는 점을 개선하기 위해 활성함수를 일반화한 민첩한 활성함수를 제안하였다. 민첩한 활성함수의 매개변수는 역전파 과정에서, 매개변수에 대한 손실함수의 1차 미분계수를 이용한 학습과정을 통해 최적의 매개변수를 선택하는 방법으로 손실함수를 감소시킴으로써 심층신경망의 성능을 향상시킬 수 있다. MNIST 분류문제를 통하여 민첩한 활성함수가 기존의 활성함수에 비해 우월한 성능을 가짐을 확인하였다.

• 한국산학기술학회논문지
• /
• 제12권5호
• /
• pp.2375-2382
• /
• 2011

웹사이트 운영이 비즈니스 모델로서의 성공을 거두기 위한 가장 중요한 요소 중 하나는 웹사용자의 성향을 분석하여 이를 효율적으로 이용하는 것이다. 사용자 분석을 통하여 사용자들에게 웹사이트의 가치를 효율적으로 전달하고 이를 통하여 운영자는 충분한 수익을 거둘 수 있다. 이러한 점에서 웹 사이트를 이용하는 사용자들의 취향과 행동방식을 얻어내려는 웹 방문 패턴 발견으로써의 사용자 클러스터링은 매우 중요하다. 또한 얻어진 사용자의 클러스터링 정보는 웹 개인화나 웹 사이트를 재구성하는데 필수적이다. 본 논문에서는 사용자 웹 방문 데이터를 정제하고 분류하여 그 특성에 따라 사용자들을 몇 개의 그룹으로 클러스터링 하기 위한 알고리즘이 제안된다. 알고리즘은 2단계로 구성되는데 첫 번째 단계는 초기해를 구하는 단계로서, 패스의 사이각을 이용하여 유사도를 측정하고 이 유사도에 따라 K개의 사용자 그룹으로 분류하여 초기해를 구한다. 두번째 단계는 첫 번째 단계에서 구한 초기해를 개선하여 최적해를 찾는 과정으로서 하이퍼플레인을 이용하여 클러스터링하는 개량된 K-평균알고리즘을 제안한다. 또한 실험을 통하여 기존의 방법과 비교하여 제안된 알고리즘의 효율성과 패스 특성이 보다 정확하게 계산된 클러스터링이 구현됨을 확인할 수 있다.

• 한국콘텐츠학회논문지
• /
• 제17권2호
• /
• pp.96-104
• /
• 2017

최근의 스마트 기기들은 사용자의 의도와 사용 맥락을 반영하는 지능형 에이전트의 형태로 발전하고 있으며, 기능을 더 쉽고 편리하게 활용할 수 있는 사용자 경험 설계가 경쟁력의 핵심이 되고 있다. 본 연구는 인간중심의 내추럴 인터랙션이 최적의 스마트TV 경험에 필수적이라는 전제하에 TV에 특화된 음성 인터랙션 방식을 탐구하고자 하였다. 사용자가 자연스러운 행태로 TV를 조작하는 모델을 구축하기 위하여 스마트TV의 주요 기능을 지능형 에이전트에 명령하도록 하였고 대화 패턴을 수집하였다. 수집된 문장은 CfA 모델에 대입하여 기능 실행을 위한 반응 별로 분류하였다. 분류된 5가지 대화 패턴은 스마트TV가 실행하는 기능 특성에 따라 '기능 실행'과 '정보 검색'으로 나눌 수 있었다. 사용자와 TV간의 음성 상호작용에서 모호한 요청의 경우 재확인을 위한 CfC1이 발생하고, 복합 의도나 조건부 요청에 대한 대응이 필요한 경우는 CfC2가 발생한다는 부분도 확인하였다. 본 연구의 결론은 스마트TV에서의 음성 UI 설계에서 Simple Request Type이 가장 효율적 모델이라는 점과 대화형 인터랙션은 가능한 사용자의 모호한 요청을 구체화하기 위한 단계에서만 활용되는 것이 적합하다는 것이다.