• 한국지능시스템학회논문지
• /
• 제3권3호
• /
• pp.38-54
• /
• 1993

퍼지 제어기(FLC)는 Max-Min CRI 방법을 이용하여 추론하는 시스템이다. 그러나 이 방법은 주관적인 멤버쉽 함수의 결정, 오류 발생 가중치 전략, 비합리적인 추론 규칙들의 조합이라는 세가지 문제점 때문에 원하는 추론 결과와 실제 추론 결과 사이에 상당한 오류 영역을 발생시킨다. 본 논문에서는 이를 해결하기 위해 퍼지 이론에 신경 회로망의 학습 기능이 융합되어 지능적으로 작동하는 뉴로-퍼지 시스템(INFS)을 제안한다. INFS는 이상의 문제 해결 방안이 지식 획득 단계, 적응 조절단계를 통해 작동함으로써 임의의 입력에 대해서도 추론이 가능한 시스템이다. 제안된 INFS를직류 계열 모니터에 적용한 결과 신경 회로망을 사용하지 않았을때 보다 오류 영역을 상당히 줄여주었다. 또한 학습 시간을 고려해 볼 때, INFS에서 사용하는 추론 방법(NCRI 방법)이 지금까지 다른 방법에 비해 휠씬 효율적이었다.

• 한국도로학회논문집
• /
• 제13권1호
• /
• pp.69-77
• /
• 2011

본 연구는 신호교차로 교통사고예측모형 구축 과정 중 일반적으로 제한된 변수의 선정 및 모형의 구축에만 주로 초점이 맞추어진 기존 방법론의 문제점을 개선하고, 자료조사 및 수집 과정에서 발생하는 자료의 불확실한 상태를 인정하면서 자료의 불확실성을 최소화하여 이용할 수 있는 방법론을 개발하는데 연구의 주안점을 두었다. 퍼지추론이론과 신경망이론을 이용한 모형을 구축하였고, 마지막으로 구축된 퍼지추론이론 모형 및 신경망이론 모형과 기존 회귀모형인 포아송 회귀모형간의 통계적인 검증과 실제 Data를 이용한 모형의 적정성을 검토하였다. 모형의 통계적인 검증시 기존모형에 비해 퍼지추론모형과 신경망이론모형이 더 설명력이 높은 것으로 나타났고, 검증에서도 퍼지추론이론과 신경망이론이 적절한 것으로 나타났으며 기존모형보다 사고건수를 예측하는 설명력이 높은 것으로 입증되었다. 본 연구에서 개발된 모형은 계획 및 운영단계에서 신호교차로의 안전성을 측정하는데 활용될 수 있으며, 궁극적으로는 신호교차로에서 교통사고를 줄이는데 기여할 수 있을 것으로 판단된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 춘계종합학술대회
• /
• pp.188-194
• /
• 2007

Ad-hoc망은 기반의 하부 구조 계층의 도움 없이 이동 노드와 클러스터(Cluster)들만으로 구성된 유연한 무선 통신망이다. 위의 연구 기술은 제한된 대역폭과 높은 이동성으로 인해 ad-hoc망에서는 견고하고 간단하면서도 에너지 소비를 최소화해야 한다. 본 논문에서는 이동 노드의 위치 정보를 탐색하여 임의의 클러스터 영역을 지정하여 효율적인 온톨로지(Ontology) 기술의 망을 형성시켜, 네트워크의 변화에 대한 예측을 가능케 하는 추론망을 제안한다. 초기에는 mesh 형태의 망을 구성하고 각 노드간의 거리를 분석하고 노드의 이전 값과 현재의 값을 비교하여 노드의 방향성을 예측한다. 이는 노드의 다양한 상황 정보 수집을 해석하여 추론이 가능한 온톨로지 기반의 상황인식(Context-Awareness)기술을 활용하였다. 제안하고자 하는 RODMRP(Resilient Ontology-based Dynamic Multicast Routing Protocol)의 추론망 구조는 온톨로지 기반에서 하나의 상황인식 형태를 떤 이동 노드에서 복원력이 뛰어난 트리 구조를 제공한다. 제안된 RODMRP는 이동 노드간의 변화된 환경에서의 재연결성 유지 및 과도한 packet의 증가에 따른 traffic 증가와 중복 전송에 따른 패킷내에서의 중복정보의 제거 목적으로 제안되었다.

• 정보보호학회지
• /
• 제30권6호
• /
• pp.107-115
• /
• 2020

다양한 응용분야에서 심층신경망 기반의 학습 모델이 앞 다투어 이용됨에 따라 인공지능의 설명 가능한 동작 원리 해석과, 추론이 갖는 불확실성에 관한 분석 또한 심도 있게 연구되고 있다. 이에 심층신경망 기반 기계학습 모델의 취약성이 수면 위로 드러났으며, 이러한 취약성을 이용하여 악의적으로 모델을 공격함으로써 오동작을 유도하고자 하는 시도가 다방면으로 이루어짐에 의해 학습 모델의 강건함 보장은 보안 분야에서의 쟁점으로 부각되고 있다. 모델 추론의 입력으로 이용되는 이미지에 교란값을 추가함으로써 심층신경망의 오분류를 발생시키는 임의의 변형된 이미지를 적대적 사례라 정의하며, 본 논문에서는 최근 인공지능 및 컴퓨터비전 분야에서 이루어지고 있는 이미지 기반 적대적 사례의 생성 기법에 대하여 논한다.

• 스마트미디어저널
• /
• 제11권3호
• /
• pp.26-30
• /
• 2022

스파이킹 신경망은 실제 두뇌 뉴런의 작동원리를 적용한 신경망으로, 뉴런의 생물학적 메커니즘으로 인해 기존 신경망보다 학습과 추론에 소모되는 전력이 적다. 최근 딥러닝 모델이 거대해지며 운용에 소모되는 비용 또한 기하급수적으로 증가함에 따라 스파이킹 신경망은 합성곱, 순환 신경망을 잇는 3세대 신경망으로 주목받으며 관련 연구가 활발히 진행되고 있다. 그러나 스파이킹 신경망 모델을 산업에 적용하기 위해서는 아직 선행되어야 할 연구가 많이 남아있고, 새로운 모델을 적용하기 위한 모델 재학습 문제 역시 해결해야 한다. 본 논문에서는 기존의 학습된 딥러닝 모델의 가중치를 추출하여 스파이킹 신경망 모델의 가중치로 변환하는 것으로 모델 재학습 비용을 최소화하는 방법을 제안한다. 또한, 변환된 가중치를 사용한 추론 결과와 기존 모델의 결과를 비교해 가중치 변환이 올바르게 작동함을 보인다.

• 한국음향학회지
• /
• 제13권4호
• /
• pp.5-11
• /
• 1994

본 논문에서는 형식별 블럭분할에 기초한 다중신경망과 퍼지추론에 의한 한글 형식분류에 대해 연구하였다. 효과적인 자모분류를 위해 입력문자에 대해서 한글의 각 형식을 구성하는 자모의 영역으로 분할하는 블럭분할방법을 제한하였으며, 분할된 블럭이 형식에 따라 적응적으로 변화할 수 있도록 하였다. 또한 분류율의 향상을 위해 전체신경망과 부분신경망으로 이루어진 다중신경망을 구성하였으며, 퍼지추론에 의해 한글 형식을 판정하였다. 비교, 실험을 통하여 제안된 방법의 타당성을 검증하였으며, $92.6\%$의 분류율을 나타내므로서 유효성을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제8권5호
• /
• pp.276-286
• /
• 2008

본 논문에서는 컴퓨터 대수 시스템을 기반으로 하는 웹 저작 환경과 베이지언 추론망을 적용한 학습자 진단 환경이 포함된 이공계 수학용 적응적 이러닝 시스템 개발에 대하여 소개하였다. 본 시스템을 활용하면 교수자는 컴퓨터 대수 시스템을 수식처리 엔진으로 하며 웹을 인터페이스로 하는 이공계 수학용 웹 콘텐츠를 쉽게 생성할 수 있다. 구체적으로 선형대수, 미분방정식 및 이산수학의 영역에서 콘텐츠 개발의 예를 소개하였다. 또한 학습자의 지식 영역별 수준을 조건부 확률을 이용한 통계적 추론에 의해 진단하여 그 결과에 따라 피드백을 생성하는 적응적 이러닝 웹 콘텐츠를 만들 수 있다. 본 시스템을 사용하여 개발한 이공계 수학용 웹 콘텐츠를 평가하기 위하여 그 결과물을 대학 강의에 적용하였고, 설문지 조사를 통하여 콘텐츠 사용에 대한 학습자의 반응을 평가하였다.

• 정보처리학회논문지A
• /
• 제14A권6호
• /
• pp.383-390
• /
• 2007

본 논문에서는 컴퓨터 대수 시스템과 베이지언 추론망 기반 학습자 모델을 이용하여 개발한 이공계 수학용 이러닝 시스템을 소개하였다. 이 시스템은 컴퓨터 대수 시스템 기반 수학용 콘텐츠 저작모델의 최근 모델인 동적 클라이언트 비의존형 모델을 따른다는 점과 개별 진단평가를 위한 추론 엔진으로 베이지언 추론망을 활용한 학습자 모델을 구성한다는 점에서 기존의 이러닝 시스템과 차별화된다. 이 시스템의 컴퓨터 대수 시스템 기반 저작모듈은 웹 수식표현에 관한 선지식이 없는 교수자에게 일체의 소프트웨어 지원 없이 수치계산, 기호연산, 그래픽처리가 가능한 수학 콘텐츠를 손쉽게 저작할 수 있는 환경을 제공해 주며, 베이지언 추론망을 웹과 연동되도록 구성한 평가모듈은 각 학습자의 학습영역별 학업성취도를 확률로 제시하는 것이 가능하도록 해주어, 학습자의 수준을 이원분류표와 같은 기존의 평가 방법보다 타당하고 과학적으로 진단해 준다. 이는 궁극적으로 학습자에게 보다 정확한 보충학습 내용을 제시하고, 사용자 개개인에게 가장 적합한 심화학습 내용을 적응적으로 제공해 주는 것이 가능하게 해 준다.

• 지능정보연구
• /
• 제5권1호
• /
• pp.49-64
• /
• 1999

본 연구는 백화점 고객이 신용 카드 신청 요구 시에 작성되는 가입 정보 및 사용되고 있는 고객의 거래 정보는 카드 사용 패턴으로 신용도를 예측하는 여러 방법론을 제시하고 성능을 비교하였다. 가입 정보를 분석하기 위해 역전파 신경망(Back-Propagation Neural Network, BPNN), 사례기반추론(Case-Based reasoning)을, 거래 정보를 분석하기 위해 역전파 신경망과 더불어 시간지연 신경망(Time-Delayed Neural Network, TDNN)을 각각 사용하여 그 결과를 비교하였다. 또한 전체시스템의 적중률을 높이기 위햐여, ID3와 신경망을 이용한 Meta-Leaning 방법을 제시하였으며, Meta-Learning 방법과 다른 방법들을 비교, 분석을 하였다. 본 연구에서는 모형 수립과 검증을 위하여 T백화점의 실제 신용 카드 가입 고객 데이터를 이용하여 실험하였다. 데이터의 성격에 따라 각 모델의 예측력에는 차이가 나타났으나, 신경망 모형의 예측력이 우수하였으며, 시간적 특성을 고려하는 시간지연 신경회로망 모형의 예측력은 더욱 우수하게 나타났다. 또한 Meta-Learning 모형을 사용하면 예측력이 더 높아진다는 것을 확인할 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제11권2호
• /
• pp.151-162
• /
• 2009

본 연구에서는 터널 설계구간의 대부분을 차지하는 미시추 구간의 지반 등급 분류를 정량적으로 수행할 수 있는 새로운 접근방법을 제안한다. 본 제안방법은 시추공에서 얻은 직접조사 결과와 시추구간의 전기 비저항 탐사결과를 이용해 인공 신경망을 학습시카고, 학습된 인공 신경망은 미시추 구간의 암반분류 등급을 추론하는데 적용된다. 지반등급 추론은 미시추 구간 영역에서 움직이는 격자형 창(window)의 중심점에서 이루어 지며 창내 귀속된 전기 비저항들은 추론을 위한 참고자료로 시용된다. 인공 신경망 학습은 최선 RPROP(Resilient backpropagation) 인공 신경망 학습 알고리즘과 early-stopping 기법을 이용하여 수행되었다. 본 연구에서는 실제 시추조사가 이루어진 터널현장에 제안기법을 적용하여 미시추 구간의 지반 등급을 추론하였으며, 전통적인 지구통계학적 크리깅(kriging) 기법에 의한 결과와도 상호 비교하였다. 결과적으로 본 연구를 통해 학습된 인공 신경망은 전통 크리깅 방법에 비해 매우 구체적이고 현실적인 예측결과를 제공하였다 또한, 인공 신경망 추론으로부터 얻어진 터널 종단 방향의 RMR과 Q-값의 분포에서는 전기 비저항 탐사로부터 추정된 취약지반 구간의 위치와 잘 일치하였으며, 두 값 상호간의 관계도 선행 연구 결과와 부합하였다.