• 정보처리학회논문지B
• /
• 제11B권4호
• /
• pp.471-476
• /
• 2004

최근, 사용자에게 가장 필요한 정보를 제공하기 위한 웹 정보 추천 시스템에 대한 연구가 인터넷 쇼핑몰등을 대상으로 활발히 진행되고 있다. 그 중 SOM(Self-Organizing Feature Maps)을 이용한 동적 웹 정보 추천 기법은 빠른 수행 속도와 간편하게 사용할 수 있는 장점이 존재하나, 모형에 대한 설명력 부족 및 최종적으로 구축된 모형에서 출력층의 각 노드가 한 개의 가중치 값들로 고정되는 단점이 존재한다. 본 논문에서는 이러한 단점인 모형에 대한 설명력 부족을 베이지안 추론 기법으로 해결하며, 하이브리드 SOM을 이용하여 최종적으로 구축된 모형에서 출력층의 각 노드가 한 개의 가중치 값들로 고정되는 것이 아니라 가중치가 속하게 되는 분포가 결정되도록 한다. 이러한 하이브리드 SOM을 이용하여 동적 웹 정보 추천 기법을 설계하고 구현하여 기존의 웹 정보 추천 기법과 성능 비교를 수행한 결과, 제안된 기법의 우수함이 입증되었다.

• 정보처리학회논문지B
• /
• 제9B권5호
• /
• pp.635-642
• /
• 2002

정보 기술 분야의 지능화 요구는 매우 빠르게 증가하고 있다. 특히 대량의 데이터로부터 지식을 찾아내어 최적의 의사결정을 해야하는 KDD(Knowledge Discovery in Database)분야에서는 그 요구가 더욱 더 크게 된다. 지능화된 의사결정을 위해서는 대용량 지식 베이스(Knowledge Base)의 효율적인 관리가 무엇보다도 중요하다. 본 논문에서는 이러한 지식 베이스로부터 의사결정 관리에 필요한 지식을 얻기 위해 효율적으로 지식 베이스를 검색하고 갱신하는 관리 방법을 위해 자율학습 신경망인 자기조직화 지도에 확률적 분포 이론을 결합한 하이브리드(Hybrid) SOM을 제안한다. 제안 방법을 이용한 효율적 지식 베이스의 관리를 시뮬레이션 실험을 통하여 수행하였다. 실험을 통해 본 논문에서 제안하는 Hybrid SOM이 지식 베이스 관리에 효율적인 성능을 나타냄이 증명되었다.

• 한국지능시스템학회논문지
• /
• 제13권4호
• /
• pp.433-438
• /
• 2003

최근, 인터넷 쇼핑몰과 같은 웹 사이트를 대상으로 각 사용자에게 가장 필요한 정보를 제공하기 위한 웹 정보 추천 시스템에 대한 연구가 활발히 진행되고 있다. 사용자 프로파일과 명시적 피드백에 의존하는 대부분의 웹 정보 추천 시스템의 경우 사용자의 다양하고 정확한 정보를 필요로 하지만 실세계의 문제에 있어 이러한 연관 정보를 얻기란 쉽지 않다. 본 논문에서는 사용자의 명시적 피드백과 프로파일에 의존하지 않는 웹 정보 서비스를 위한 정보 예측 기법을 제안한다. 이를 위해 앙상블 Support Vector Machine과 하이브리드 SOM을 설계하고 적용하여 웹 로그 데이터의 희소성 문제를 해결하면서 대용량 웹 데이터로부터 사용자에게 꼭 필요하고 유용한 정보를 추천할 수 있는 동적 웹 정보 예측 시스템을 설계하고 구현한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제52차 하계학술대회논문집 23권2호
• /
• pp.250-251
• /
• 2015

본 논문에서는 자기 조직화 기능을 갖는 Kohonen의 SOM(Self organization map) 신경회로망과 주어지는 데이터에 따라 초기의 클러스터 개수를 설정하여 처리하는 수정된 K-Means 알고리즘을 결합한 Hybrid Kohonen Network 를 제안한다. 또한, 실제의 항공영상에 적용하여 고전적인 K-Means 알고리즘 및 고전적인 SOM 알고리즘보다 우수함을 보인다.

• 정보처리학회논문지B
• /
• 제10B권1호
• /
• pp.33-40
• /
• 2003

데이터 마이닝은 지식발견 과정에서 중요한 역할을 수행하며, 여러 데이터 마이닝의 알고리즘들은 특정의 목적을 위하여 선택될 수 있다. 대부분의 전통적인 계층적 클러스터링 방법은 적은 양의 데이터 집합을 처리하는데 적합하여 제한된 리소스와 부족한 효율성으로 인하여 대용량의 데이터 집합을 다루기가 곤란하다. 본 연구에서는 대용량의 데이터에 적용되어 알려지지 않은 패턴을 발견할 수 있는 하이브리드형 신경망 클러스터링 기법의 PPC(Pre-Post Clustrering) 기법을 제안한다. PPC 기법은 인공지능적 방법인 자기조직화지도(SOM)와 통계적 방법인 계층적 클러스터링을 결합하여 두 과정에서는 군집의 내부적 특징을 나타내는 응집거리와 군집간의 외부적 거리를 나타내는 인접거리에 따라 유사도를 측정한다. 최종적으로 PPC 기법은 측정된 유사도를 이용하여 대용량 데이터 집합을 군집화한다. PPC 기법은 UCI Repository 데이터를 이용하여 실험해 본 결과, 다른 클러스터링 기법들 보다 우수한 응집도를 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 추계학술대회 논문집 전력기술부문
• /
• pp.162-164
• /
• 2005

This paper presents an hour-ahead System Marginal Price (SMP) forecasting framework based on a neural network. Recently, the deregulation in power industries has impacted on the power system operational problems. The bidding strategy of market participants in energy market is highly dependent on the short-term price levels. Therefore, short-term SMP forecasting is a very important issue to market participants to maximize their profits. and to market operator who may wish to operate the electricity market in a stable sense. The proposed hybrid neural network is composed of tow parts. First part of this scheme is pattern classification to input data using Kohonen Self-Organizing Map (SOM) and the second part is SMP forecasting using back-propagation neural network that has three layers. This paper compares the forecasting results using classified input data and unclassified input data. The proposed technique is trained, validated and tested with historical date of Korea Power Exchange (KPX) in 2002.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 전력전자학술대회
• /
• pp.471-472
• /
• 2019

자동차 산업은 친환경 규제 대응과 함께 운전자의 안전성, 편의성 등 운전자의 가치 증대에 초점을 맞추어 IT기술이 융합된 전장기술의 필요성이 증가하고 있으며, 기술 개발이 활발히 진행되고 있다. 이는 하이브리드 자동차나 전기자동차에 사용되는 인버터, 컨버터, 충전기 등의 전력변환장치뿐만 아니라 기존의 내연기관 자동차의 전자 샤시(electronic chassis), 지능형 자동차, 48V 전력시스템 등 다양한 부문의 전장품 개발을 포함한다. 전장품의 증가는 필수적으로 전력부하의 증가를 의미한다. 이러한 전기에너지 소모량 증가에 따른 대안으로 태양광 자동차 같은 친환경 에너지를 보조 전원으로 활용하는 자동차들이 개발되기도 한다. 하지만 이러한 차량 전기에너지의 감소 또는 증가가 연비에 미치는 영향을 판단할 수 있는 관련 연구를 찾기 어려울 뿐만 아니라 현장의 차량 설계자들은 실제 차량을 구현하기 전까지 전기 에너지 변화에 따른 연비 영향성을 판단하기 어려운 실정이다. 이에 따라, 본 논문에서는 내연 기관 차량의 전기에너지 변화에 따른 연비 영향성을 분석하여 보다 효율적인 에너지 사용 방안에 대해 고찰한다. 상용 시뮬레이션 프로그램을 이용하여 전기에너지 사용별 연비에 미치는 영향을 분석한다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.79-99
• /
• 2015

부도 예측은 회계와 재무 분야에서 꾸준히 연구되고 있는 분야이다. 초기에는 주로 다중판별분석(multiple discriminant analysis)와 로짓 분석(logit analysis)과 같은 통계적 방법을 이용하였으나, 1990년대 이후에는 경영 분야의 분류 문제를 위해 많은 연구자들이 인공신경망(back-propagation neural network), 사계기반추론(case-based reasoning), 서포트 벡터 머신(support vector machine) 등과 같은 인공지능을 통한 접근법을 이용하여 통계적 방법보다 분류 성과 측면에서 우수함을 입증해왔다. 기존의 기업의 부도에 관한 연구에서 많은 연구자들이 재무비율을 이용하여 부도 예측 모형을 구축하는 것에 초점을 맞추어왔다. 부도예측에 관한 연구가 꾸준히 진행되고 있는 반면, 부도의 세부적인 유형을 예측하여 제시하는 것에 대한 연구는 미흡한 실정이었다. 따라서 본 연구에서는 수익성, 안정성, 활동성 지표를 중심으로 국내 비외감 건설업 기업들의 부도 여부뿐만 아니라 부도의 세부적인 유형까지 예측 가능한 모형을 개발하고자 한다. 본 연구에서는 부도 유형을 예측하기 위해 두 개의 인공신경망 모형을 결합한 하이브리드 접근법을 제안하였다. 첫 번째 인공신경망 모형은 부도예측을 위한 역전파 인공신경망을 이용한 모형이며, 두 번째 인공신경망 모형은 부도 데이터를 몇 개의 유형으로 분류하는 자기조직화지도(self-organizing map)을 이용한 모형이다. 실험 결과를 통해 정의된 5개의 부도 유형인 심각한 부도(severe bankruptcy), 안정성 부족(lack of stability), 활동성 부족(lack of activity), 수익성 부족(lack of profitability), 회생 가능한 부도(recoverable bankruptcy)는 재무 비율에 따라 유형별로 상이한 특성을 갖는 것을 확인할 수 있었다. 본 연구 결과를 통해 신용 평가 분야의 연구자와 실무자들이 기업의 부도의 유형에 대한 유용한 정보를 얻을 것으로 기대한다.