• Proceedings of the Korea Technology Innovation Society Conference
• /
• 한국기술혁신학회 2014년도 추계 학술대회 논문집
• /
• pp.808-810
• /
• 2014

• Proceedings of the Korean Information Science Society Conference
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.181-183
• /
• 2012

최근 자연어 및 정형언어 처리, 인공지능 알고리즘 등을 활용한 효율적인 의미 기반 지식모델의 생성과 분석 방법이 제시되고 있다. 이러한 의미 기반 지식모델은 효율적 의사결정트리(Decision Making Tree)와 특정 상황에 대한 체계적인 문제해결(Problem Solving) 경로 분석에 활용된다. 특히 다양한 복잡계 및 사회 연계망 분석에 있어 정적 지표 생성과 회귀 분석, 행위적 모델을 통한 추이분석, 거시예측을 지원하는 모의실험(Simulation) 모형의 기반이 된다. 본 연구에서는 이러한 의미 기반 지식모델을 통합에 있어 텍스트 마이닝을 통해 도출된 토픽(Topic) 모델 간 통합 방법과 정형적 알고리즘을 제시한다. 이를 위해 먼저, 텍스트 마이닝을 통해 도출되는 키워드 맵을 동치적 지식맵으로 변환하고 이를 의미적 지식모델로 통합하는 방법을 설명한다. 또한 키워드 맵으로부터 유의미한 토픽 맵을 투영하는 방법과 의미적 동치 모델을 유도하는 알고리즘을 제안한다. 통합된 의미 기반 지식모델은 토픽 간의 구조적 규칙과 정도 중심성, 근접 중심성, 매개 중심성 등 관계적 의미분석이 가능하며 대규모 비정형 문서의 의미 분석과 활용에 실질적인 기반 연구가 될 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.41-41
• /
• 2018

하천과 저수지의 수질을 예측하고 관리하는데 수리 수질예측모형이 널리 활용되고 있다. 수질예측모형은 유역이나 수체 내의 오염물질 이동경로나 농도를 수치해석 방법으로 계산하여 사용자가 필요로 하는 지점과 시점에서의 수질자료 생산하는데 활용되고 있다. 수질예측모형은 검 보정을 통해 정확도를 확보하며, 정확도의 확보를 위해서는 높은 수준의 전문성을 필요로 한다. 특히 시행착오법으로 모형을 보정하는 경우 많은 시간과 노력을 필요로 하게 되며, 보정계수를 과대 혹은 과소로 모형에 적용하는 오류를 범하기 쉽고 모델러의 주관이 관여되기 쉽다. 그래서 본 연구에서는 CE-QUAL-W2모형의 조류항목에 대한 모형 보정을 위하여 Chl-a와 남조류세포수에서 주로 활용되고 있는 보정계수에 대한 민감도 분석 결과를 토대로 매개변수별 모의결과 변화율을 산정하였으며, 시기적 경향성을 재현하기 위해 Ensemble-Bagging 기법과 머신 러닝 기법을 적용하여 모형 구동횟수를 최소화 할 수 있는 방법으로 구성하였다. Chl-a를 보정하기 위한 매개변수는 9개를 선정하였으며, 규조류, 남조류, 녹조류에 총 27개 매개 변수를 민감도 분석으로 도출 한 후 예상 변화율 대비 이벤트별 모의치와 실측치 간 %difference가 유사하도록 매개변수를 조정하였다. 또한 각 이벤트 조합의 매개변수 빈도수와 매개변수별 예상변화율, 시기적 조류특성을 고려하여 가중치를 도출하였으며, 1회 보정에 맞춰 Chl-a 모델 실행결과를 %difference로 평가한 후 "good"등급을 만족할 때까지 반복 적용하였다. 남조류세포수의 경우 Chl-a에 맞춰 매개변수 최적화 이후 남조류세포수 농도를 세포수로 환산하기 위한 CACEL에 대해 머신러닝 기법을 적용하였으며, CACEL 추정변화율 회귀식에 따라 평가 한 후 %difference "good"등급 이상을 만족할 때까지 반복 수행하는 방법을 적용하였다. 본 연구에서는 수질예측모형의 정확도를 확보하기 위하여 최적화 기법을 적용하였으며, 이를 통해 모형을 보정하는 과정에서 요구되는 시간과 노력을 줄일 수 있도록 하였으며, Ensemble기법과 머신러닝 기법을 적용하여 모형보정계수 적용에 객관성을 확보할 수 있도록 하였다.

• Journal of the Korea Society of Computer and Information
• /
• 제10권6호
• /
• pp.279-286
• /
• 2005

The objective of this study is to suggest a credit scoring model of a capital company's customers by integration of multiple classifiers using genetic algorithm. For this purpose , an integrated model is derived in two phases. In first phase, three types of classifiers MLP (Multi-Layered Perceptron), RBF (Radial Basis Function) and linear models - are trained, in which each type has three ones respectively so htat we have nine classifiers totally. In second phase, genetic algorithm is applied twice for integration of classifiers. That is, after htree models are derived from each group, a final one is from these three, In result, our suggested model shows a superior accuracy to any single ones.

• Journal of Intelligence and Information Systems
• /
• 제29권3호
• /
• pp.383-400
• /
• 2023

Air pollution-related diseases are escalating worldwide, with the World Health Organization (WHO) estimating approximately 7 million annual deaths in 2022. The rapid expansion of industrial facilities, increased emissions from various sources, and uncontrolled release of odorous substances have brought air pollution to the forefront of societal concerns. In South Korea, odor is categorized as an independent environmental pollutant, alongside air and water pollution, directly impacting the health of local residents by causing discomfort and aversion. However, the current odor management system in Korea remains inadequate, necessitating improvements. This study aims to enhance the odor management system by analyzing 1,010,749 data points collected from odor sensors located in Osong, Chungcheongbuk-do, using an Ensemble-Based Multi-Region Integrated Odor Concentration Prediction Model. The research results demonstrate that the model based on the XGBoost algorithm exhibited superior performance, with an RMSE of 0.0096, significantly outperforming the single-region model (0.0146) with a 51.9% reduction in mean error size. This underscores the potential for increasing data volume, improving accuracy, and enabling odor prediction in diverse regions using a unified model through the standardization of odor concentration data collected from various regions.

• Proceedings of the Korea Water Resources Association Conference
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.112-112
• /
• 2023

발전용댐의 댐 유입량 예측 및 운영을 위해서 (주)한국수력원자력에서는 수자원통합 운영시스템(Water resources Integrated System, WIOS)을 운영 중에 있다. 해당 시스템에서는 댐 유입량을 예측하기 위해서 기상청 수치예보모델 중 하나인 국지예보모델(Local Data Assimilation and Prediction System, LDAPS)의 예측강우를 수문모형의 입력자료로 활용하고 있으며, 레이더 기반의 초단시간 강우예측 기법을 자체 개발 중에 있다. 기상청 국지예보모델은 강우의 on/off에 대한 정확도는 90%를 상회할 만큼 높으나 정량적인 강우량의 정확도는 매우 낮고, 레이더 기반의 초단시간 예측 강우는 선행 1~2시간 예측에서는 정량적 정확도는 높으나, 그 이후 예측성능이 급격히 떨어지는 경향을 보인다. 따라서 댐 유입량의 정량적 예측 정확도를 확보하기 위해 초단시간 모델과 국지예보모델의 강우예측 결과를 병합(blending)하는 기법을 적용하여 초기 6시간 동안의 예측 성능을 향상시켜야 한다. 본 연구에서는 선행시간 0~6시간에 대해서 병합하는 기법들을 적용하고 평가하고자 한다. 기본적으로 병합은 초단시간 예측강우와 수치예보자료 간 가중치를 통해 수행된다. 일반적으로 초기 1시간 선행시간에서 레이더 기반 예측강우는 완벽한 예측자료(외삽 관측자료의 가중치는 1.0)로 가정하며, tanh 함수를 이용하여 선행시간의 증가에 따라 가중치를 감소시키면서, 6시간 선행시간에서는 수치예보 예측강우가 완벽한 예측자료라고 가정한다. 본 연구에서는 일반적인 병합 방법 외에 병합된 예측강우에 과거 관측강우와 예측강우의 평균편이를 적용하여 보정하는 방법, 사례별 변동성이 큰 병합된 예측강우 특성을 고려하여 병합 가중치를 신뢰도에 따라 가변시키는 방법을 적용하여 평가한다. 이를 통해 댐 유입량 예측에 최적이 되는 병합기법을 선정하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (1)
• /
• pp.457-459
• /
• 1998

본 논문에서는 하드웨어-소프트웨어 시스템에서의 시스템 레벨 모델링 및 통합 모의 실험(co-simulation)에 관한 새로운 방법을 다루고 있다. 복잡한 시스템의 하드웨어와 소프트웨어를 하나의 객체 지향 방법론으로 모델링 및 모의 실험하여 빠르고 쉽고 정확하게 시스템의 성능을 예측하고 분석하여, 시스템 설계가 최적화 되도록 도움을 주는 설계 도구를 제안한다. ASIC, 보조 디바이스, 벗, 디스크 및 소프트웨어 등을 객체 지향 모델링 방법인 UML(Unified Modeling Language) 형식론으로 시스템의 구조를 GUI을 사용하여 모델링하고, 이것으로부터 자동적으로 DEVS(Discrete EVent System) 모의 실험 모델을 생성해내어 통합 모의 실험을 수행함으로써 시스템의 성능을 쉽고 빠르게 측정하고 예측하는 방법론을 제시한다. UML과 DEVS는 형식론으로서, UML은 추상화 수준의 시스템 모델링과 그래픽 사용자 인터페이스를 제공하며, 모의 시험은 DEVS의 시뮬레이터인 DEVS++을 사용하였다. DEVS++는 C++ 라이브러리 형태이므로 쉽게 UML에서 DEVS 형식론으로 모의 실험 모델을 추가하여 간단한 모델링할 수 있을 뿐만 아니라 정확한 모의 실험 결과를 얻을 수 있다.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 한국재난정보학회 2017년 정기학술대회
• /
• pp.339-340
• /
• 2017

화학공장의 누출사고는 초기에 적절히 대응하지 못할 경우 화재 폭발과 같은 2차 3차의 복합재난사고로 확산될 위험성이 매우 높다. 이러한 이유로 누출사고 발생 초기에 누출이 발생한 지점을 신속히 파악하여 현장안전요원에게 알림으로써, 보다 체계적이고 효율적인 초기대응을 가능하게 하여, 사고피해를 완화시킬 수 있는 통합적인 누출사고 대응시스템 구축은 매우 중요하다고 할 수 있다. 본 연구에서는, 통합적인 누출사고 대응시스템 구축을 위한 선행연구로, 딥러닝 기반의 누출원추적 모델 개발을 제안한다. 여수에 위치한 실제 화학공장을 대상으로 누출사고 시나리오에 대한 Computational Fluid Dynamics (CFD) 시뮬레이션을 진행한 뒤, 화학공장 경계면에 배치된 각 센서별 위치에서의 농도, 풍향 그리고 풍속데이터를 추출하고, 센서 좌표를 추가하여 인공신경망을 학습시켰다. 학습된 모델은 40개의 누출후보군에 대해 학습에 사용되지 않은 상황들에서도 75.43%의 정확도로 누출이 일어난 지점을 실시간 예측해냄을 확인하였다. 또한 누출지점 예측이 일치하지 않은 경우도, 예측된 지점이 실제 누출이 일어난 지점과 물리적으로 매우 인접함을 확인함으로써 제안된 모델을 실제 현장에 적용할시 기대되는 효과는 더 클 것으로 판단하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.271-280
• /
• 1999

인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다. 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고요한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미있는 정보로 변환시켜줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망의 모형결합을 통해 기존연구과는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서는 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이브릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다. 기존의 주기분할방법론은 모형개발자입장에서 여러 가지 통계기준치중에서 최적의 기준치를 합리적으로 선택해야 하는 문제가 추가적으로 발생하며, 본 연구에서는 이상의 제반 문제들을 개선시키기 위해 통합방법론으로서 기존의 인공신경망모형을 구조적으로 확장시켰다. 이 모형에서 기존의 입력층 이전단계에 새로운 층이 정의된다. 이렇게 해서 생성된 새로운 통합모형은 기존모형에서 생성되는 기본적인 학습파라미터와 더불어, 본 연구에서 새롭게 제시된 주기분할층의 파라미터들이 모형의 학습성과를 높이기 위해 함께 고려된다. 한편, 이러한 학습과정에서 추가적으로 고려해야 할 파라미터 갯수가 증가함에 따라서, 본 모델의 학습성과가 local minimum에 빠지는 문제점이 발생될 수 있다. 즉, 웨이블릿분석과 인공신경망모형을 모두 전역적으로 최적화시켜야 하는 문제가 발생한다. 본 연구에서는 이 문제를 해결하기 위해서, 최근 local minimum의 가능성을 최소화하여 전역적인 학습성과를 높여 주는 인공지능기법으로서 유전자알고리즘기법을 본 연구이 통합모델에 반영하였다. 이에 대한 실증사례 분석결과는 일일 환율예측문제를 적용하였을 경우, 기존의 방법론보다 더 나운 예측성과를 타나내었다.

• Journal of the Korean Institute of Telematics and Electronics D
• /
• 제36D권1호
• /
• pp.83-89
• /
• 1999

A Unified model for the alpha-particle-induced charge collection has been developed. By accounting for funneling and diffusion charges separately, new model accurately describes the dependence of collected charge on junction size, junction bias, injection energy, injection angle, injection point, and trench oxide depth.