• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.613-615
• /
• 2004

수치적인 데이터를 분류하기 위한 대표적인 방법은 퍼지 규칙을 사용하는 것이다. 하지만 퍼지 규칙을 이용하는 방법은 퍼지 소속 함수를 어떻게 정의하느냐에 따라 퍼지 분류의 성능이 크게 영향을 받는다는 문제점이 있다. 따라서 퍼지 규칙을 쉽게 이해하기 위해서는 가능한 퍼지 규칙의 수를 적게 유지하는 것이 필요하다. 본 논문에서는 효과적이며 이해하기 쉬운 퍼지 규칙을 생성하기 위해 기울기 강하법을 기반으로 하는 소속 함수 학습 방법을 제안한다 에러율을 감소하기 위해 Penalty 연산과 Reward 연산을 통해 소속 함수가 반복적으로 조절된다 새로운 소속 함수는 Coverage 연산에 의해 생성된다. 또한 이해하기 쉬운 퍼지 규칙을 최적화하기 위해 학습된 소속 함수골 퍼지 결정 트리에 적용한다. 본 논문에서 제안한 알고리즘의 타당성을 확인하기 위해 벤치 마크 데이터인 Iris, Wisconsin Breast Cancer, Plma, Bupa 데이터를 이용하여 실험 결과를 보인다. 실험 결과를 통해 제안한 알고리즘이 기존의 C4.5와 FID 3.1 알고리즘보다 더 효과적이거나 비슷한 성능을 보임을 알 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.427-430
• /
• 2004

최근에 전자상거래 분야에서는 다양한 에이전트를 시스템에 적용함으로써 전자상거래를 보다 활성화시키려는 연구가 늘어나고 있다. 그러나 현재의 이러한 연구들은 판매자의 실제 이익보다는 구매자의 선호도에 따른 물품을 추천하는데 있고, 가격과 이윤을 다룬 연구가 있어도 이 가격이 실제 이윤에 미치는 영향을 파악하기 어려운 문제가 있었다. 따라서 본 논문에서는 이러한 문제를 해결하기 위하여 원가 회계 이론에 기반한 원가 산정법들 중에서 고저점법, 산포도법, 학습 곡선법의 비교 분석을 통하여 원가를 보다 정확히 산정하는 방법을 알아내고, 판매자는 이를 반영하여 입찰가를 결정함으로써 적정 이윤을 얻을 수 있도록 한다. 이를 위해 본 논문에서는 각 원가 산정법을 적용한 에이전트의 성능 실험을 하였고, 비교적 우수한 성능을 보인 학습 곡선법을 통해서 적정 이윤을 보장하면서도 낙찰율을 향상시킬 수 있음을 보인다.

• 한국주조공학회지
• /
• 제41권6호
• /
• pp.521-527
• /
• 2021

본 연구는 고압 다이캐스팅 공정에서 제품 결함을 사전에 예측하기 위한 기계 학습 기반의 공정 관리 모델 개발에 관한 연구이다. 모델은 이전 사이클에서의 온도를 입력받고, 사이클에 걸쳐서 나타나는 특징을 인식하여 다음 사이클의 결함 발생 여부를 예측한다. 기어 박스 형상에 대하여 제안된 알고리즘을 적용하여, 3 사이클의 정보를 통해서 98 .9%의 정확도와 96.8 %의 재현율로 제품 수축 결함을 사전에 예측하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.66-71
• /
• 2023

ChatGPT가 등장한 이후 다양한 거대 언어 모델(Large Language Model, LLM)이 등장하였고, 이러한 LLM을 목적에 맞게 파인튜닝하여 사용할 수 있게 되었다. 하지만 LLM을 새로 학습하는 것은 물론이고, 단순 튜닝만 하더라도 일반인은 시도하기 어려울 정도의 많은 컴퓨팅 자원이 필요하다. 본 연구에서는 공개된 LLM을 별도의 학습 없이 사용하여 zero-shot 프롬프팅으로 이진 분류 태스크에 대한 성능을 확인하고자 했다. 학습이나 추가적인 튜닝 없이도 기존 선학습 언어 모델들에 준하는 이진 분류 성능을 확인할 수 있었고, 성능이 좋은 LLM의 경우 분류 실패율이 낮고 일관적인 성능을 보여 상당히 높은 활용성을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.402-405
• /
• 2023

본 연구의 목적은 발생한 거래에 대해 적합한 회계 계정을 선택하는 예측 모델을 생성하는 것이다. 이를 통해 단기적으로 보조 수단으로 활용하여 회계 전표 승인에 대한 소요 시간을 단축하거나, 장기적으로 손익계산서가 일정 오차율 이내에서 자동으로 빠르게 작성됨으로써 재무 정보의 적시성을 올려주고, 기업의 실적을 나타냄에 있어 개별 담당자의 주관이 개입될 여지가 줄어든다는 면에서 재무 정보의 객관성을 올려줄 것으로 기대한다. 제안하는 모델은 비용 전표 이력의 적요를 자연어 처리하고 학습한 모델을 통해 1 차(공시용) 비용 계정을 분류한다. 분류 결과를 범위로 활용하는 기계 학습을 활용하여 좀 더 세밀한 범위의 2 차(관리용) 비용 계정을 분류하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.120-120
• /
• 2017

인천지역의 상수도공급은 팔당댐을 취수원으로 하여 도수, 송수관을 거쳐 인천지역 내 정수장을 통하여 각 급수지역까지 일원화된 관로시스템으로 공급되고 있다. 관망에서의 적절한 수압관리, 노후관로 교체사업 등은 급수관망 내 관로 사고위험을 줄일 수 있고, 누수량을 저감하여 무수율의 감소로 이어질 수 있다. 상수관망 내 누수에 영향을 주는 물리적, 운영적 요소를 파악하고, 이를 이용하여 누수해결을 위한 방법론을 제시하는 것은 매우 중요하다. 본 연구에서는 인천시 배수관망 데이터를 활용하여 통계분석 및 인공신경망을 통하여 무수율에 영향을 미치는 인자를 선별하고, 무수율과의 연관성을 분석하고자 하였다. 이를 위해 대상지역에 대한 시설현황 및 운영자료를 취득하고, 무수율 분석에 활용하였다. 인천시의 소블럭을 대상으로 관로노후도, 배수관연장, 평균관경, 급수전당 공급량, 누수발생 횟수, 용도지역, 관망구성 형태 등을 고려하여 무수율과의 관계분석을 위한 통계분석을 수행하였다. 특히 급수에 필요한 최소에너지와 관망에서 공급되는 에너지를 비교하기 위하여 관망해석 프로그램인 EPANET을 이용하여 관망내 절점에서의 수압과 수요량이 적용된 최소공급에너지를 활용하였고, 이를 통하여 블록 내 과잉공급에너지와 무수율의 영향성을 비교하였다. 최종적으로 산출된 주요인자에 대한 주성분분석, 분산분석, 다중회귀분석 등의 통계분석과 인공신경망에 의해 학습된 알고리즘을 통하여 산정된 무수율을 실측 무수율과 비교, 분석하였다. 인공신경망에 의해 산정된 무수율과 실측 무수율의 정확도를 평가하기 위하여 MAE, MSE, PBIAS 등의 정확도 평가와 산점도 분석을 수행하고, 상관계수를 도출하여 가장 정확한 방법을 결정하였다. 분석 결과 통계분석에 의한 다중회귀식으로 산출된 무수율 보다 인공신경망에 의한 무수율이 실측값에 더욱 근접한 것으로 나타났으며 이용된 뉴런의 수의 따라 산출결과가 상이하기 때문에 최적 뉴런의 수를 산정해야 할 필요가 있음을 확인하였다. 특히 사용된 상수관망 주요인자 중 주성분분석을 통하여 선정된 각 성분을 인공신경망에 적용시 더욱 정확한 무수율 예측이 가능한 것으로 나타났다.

• 한국컴퓨터정보학회논문지
• /
• 제25권2호
• /
• pp.213-219
• /
• 2020

본 연구는 스마트폰 과의존을 진단하고 예측하기 위하여 할 수 있는 분류분석 방법과 스마트폰 과의존 분류율에 영향을 미치는 중요변수를 규명하고자 시도되었다. 이를 위해 인공지능의 방법인 기계학습 분석 기법 중 의사결정트리, 랜덤포레스트, 서포트벡터머신의 분류율을 비교하였다. 자료는 한국정보화진흥원에서 제공한 '2018년 스마트폰 과의존 실태조사'에 응답한 25,465명의 데이터였고, R 통계패키지(ver. 3.6.2)를 사용하여 분석하였다. 분석한 결과, 3가지 분류분석 기법은 정분류율이 유사하게 나타났으며, 모델에 대한 과적합 문제가 발생되지 않았다. 3가지 분류분석 방법 중 서포트벡터머신의 분류율이 가장 높게 나타났고, 다음으로 의사결정트리 기법, 랜덤포레스트 기법 순이었다. 스마트폰 이용 유형 중 분류율에 영향을 미치는 상위 3개 변수는 생활서비스형, 정보검색형, 여가추구형이었다.

• 한국재난정보학회 논문집
• /
• 제19권4호
• /
• pp.968-975
• /
• 2023

연구목적: 화재 탐지시 불꽃/연기의 오탐지율이 높은 것을 확인하고 오탐지율을 낮추기 위해 화재 상황을 인식하여 분류하는 방법과 데이터셋을 제안하고자 한다. 연구방법: 동영상을 학습데이터로 활용하여 화재 상황의 특징을 추출하여 분류모델에 적용하고, 평가는 한국정보화진흥원(NIA)에서 진행하는 화재 데이터셋을 이용하여 Yolov8, Slowfast의 모델 성능을 비교 및 분석하였다. 연구결과: YOLO는 배경의 영향에 따라 탐지 성능이 민감하게 변화하며, 화재의 규모가 너무 크거나 작을 때에도 화재를 제대로 감지하지 못했다. SlowFast는 동영상의 시간 축을 같이 학습하기 때문에 비정형 객체에 대해 주변이 흐리거나 밝아 형상을 명확하게 유추할 수 없는 상황에서도 우수하게 화재를 탐지하는 것을 확인했다. 결론: 화재 탐지율은 이미지 데이터 방식보다는 동영상 기반의 인공지능 인식(Detection) 모델을 활용했을 때 더 적절했음을 확인했다.

• 한국전자거래학회지
• /
• 제25권3호
• /
• pp.1-13
• /
• 2020

기계학습(machine learning)이란 주어진 데이터에 대한 일반화 과정으로부터 특정 문제를 해결할 수 있는 모델(model) 생성 기술을 의미한다. 우수한 성능의 모델을 생성하기 위해서는 양질의 학습데이터와 일반화 과정을 위한 학습 알고리즘이 준비되어야 한다. 성능 개선을 위한 한 가지 방법으로서 앙상블(Ensemble) 기법은 단일 모델(single model)을 생성하기보다 다중 모델을 생성하며, 이는 배깅(Bagging), 부스팅(Boosting), 스태킹(Stacking) 학습 기법을 포함한다. 본 논문은 기존 스태킹 기법을 개선한 다중 스태킹 앙상블(Multiple Stacking Ensemble) 학습 기법을 제안한다. 다중 스태킹 앙상블 기법의 학습 구조는 딥러닝 구조와 유사하고 각 레이어가 스태킹 모델의 조합으로 구성되며 계층의 수를 증가시켜 각 계층의 오분류율을 최소화하여 성능을 개선한다. 4가지 유형의 데이터셋을 이용한 실험을 통해 제안 기법이 기존 기법에 비해 분류 성능이 우수함을 보인다.

• 서비스연구
• /
• 제3권2호
• /
• pp.61-74
• /
• 2013

최근 스마트폰의 보급 및 확산으로 인해 많은 어플리케이션들이 개발되며 또한 전파 되고 있다. 이러한 어플리케이션이 우리나라 고유의 높은 교육율과 만나서 탄생하게 된 것이 교육용 어플리케이션 이며, 특히 스마트폰으로 간편하게 학습할 수 있는 언어 교육 위주의 어플리케이션이 늘어나는 추세이다. 본 연구에서는 영어를 중심으로 하여 수많은 영어 교육중 대학생들이 취직하는데 실질적으로 필요로 하는 토익 학습 어플리케이션 개발을 목표로 하고 있으며 본 어플리케이션을 통해 언제 어디서든 토익 공부를 가능케 하여 토익 고득점을 맞게 하는 것이 목표이다. 락스크린 학습을 추가하여 스마트폰 화면을 켤 때마다 반복적, 강제적으로 문제를 풀 수 있도록 하고 그 외에 보안에도 도움이 되도록 하였다. 검증된 실제 토익 기관과 연계하여 문제들을 제공함으로써 문제의 신뢰도가 높으며, 이러한 문제를 반복적으로 학습함으로서 반복 학습 효과를 기대할 수 있는 안드로이드 기반의 학습 Mobile Application을 연구, 개발 하였다.