• 인지과학
• /
• 제26권3호
• /
• pp.279-300
• /
• 2015

본 연구는 탐색적 수준에서 행운이 확률적 틀에 의한 의사결정 경향을 강화시키고, 불운이 이러한 경향을 약화시킨다는 예측을 검증한 것이다. 이를 위해 운 경험(행운 vs. 불운 vs. 통제) ${\times}$ 확률적 틀(높음 vs. 낮음)을 조작한 후, 사람들의 확률적 틀에 의한 의사결정 경향성에 차이가 있는지 관찰하였다. 결과적으로 행운 경험은 확률적 틀에 의한 의사결정 경향을 증가시키고, 불운 경험은 확률적 틀에 의한 의사결정을 약화시키는 이원상호작용을 관찰할 수 있었다(그림 1). 본 연구를 시작으로 확률적 틀 이외의 맥락적 틀(e.g., 긍정 vs. 부정; 맥락에 부합하는 손실 vs. 맥락과 무관한 손실)에 대한 의사결정에도 행운과 불운이 어떻게 영향을 미치는지 확인하는 연구들이 이어지길 기대한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.51-53
• /
• 2000

기존의 진화 연산의 한계를 극복하기 위해서 탐색점 분포 학습 알고리즘(Estimation of Distribution Algorithm)이 부각되고 있다. 탐색점 분포 학습 알고리즘은 데이터의 분포를 파악하고, 파악된 분포를 이용해서 새로운 학습 데이터를 생성하는 일련의 과정을 통하여 최적화 문제를 해결하는 방법이다. 그런데, 기존의 탐색점 분포 학습 알고리즘들은 대부분 이진 벡터값을 가지는 최적화 문제들만을 대상으로 하고 있다. 본 논문에서는 비감독 확률 신경망 모델인 헬름홀츠 머신을 이용해서 데이터의 분포를 학습하여 연속 함수 최적화 문제를 해결하는 방법을 개발하였다. 테스트 함수들에 대해서 실수 표현형을 사용한 유전자 알고리즘과 결과를 비교하여 제안하는 방법의 우수성을 검증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.407-409
• /
• 1999

블록의 DCT계수를 이용하여 동영상 움직임 탐색(motion estimation)에서 탐색점 수를 결정하는 선택적 탐색 기법을 제안한다. DCT(Discrete Cosine Transform)에서 탐색점 수를 결정하는 선택적 탐색 기법을 제안한다. DCT(Discrete Cosine Transform) 연산과 블록정합 기법인 3단게 탐색기법을 기반으로 한다. DCT 연산 결과인 블록의 주파수성분에 가중치테이블을 적용하여 고주파성분을 많이 가진 블록일수록 탐색점의 수를 증가시켜 국부극소에 빠질 확률을 줄여 화질을 개선한다. MP@ML 영상테이터에 대해 제안된 기법을 사용하여 시뮬레이션하였다. 제안하는 기법은 3단계 탐색기법에 비하여 연산량은 증가하나, 연산량 증가에 비하여 좋은 화질을 제공한다.

• ETRI Journal
• /
• 제10권4호
• /
• pp.127-139
• /
• 1988

전전자교환기에서 가장 많이 이용되고 있는 T-S-T three-stage 스위치 네트워크의 blocking 확률에 대한 대표적인 세가지 모형에 대해 살펴보고 스위치 네트워크의 구조 또는 통화로 탐색수에 따라 그 적용이 제한된 blocking 확률식에 대해 일반적으로 적용할 수 있는 확장된 표현식으로 유도하여 보았으며 각각에 대한 비교분석을 수행하였다. 또한 blocking 확률에 따른 three-stage 스위치 네트워크의 통화처리용량을 산출하는 방법을 설명하고 수리적인 예로서 위에서 제안된 blocking 확률모형들을 이용하여 TDX-1B 스위치 네트워크의 통화처리용량을 산출하여 보았다. 끝으로 T-S-T three-stage 스위치 네트워크에서의 blocking 확률모형들에 대한 전반적인 검토와 함께 blocking 확률을 줄일 수 있는 방법을 제안하였다.

• 한국산학기술학회논문지
• /
• 제10권7호
• /
• pp.1702-1710
• /
• 2009

본 논문은 rework 발생확률을 고려하는 병렬기계 스케줄링 문제를 위해 문제공간기반 탐색 알고리즘을 제안한다. 각 기계와 작업유형별로 rework 발생확률이 존재하며 이것은 자동화된 공정에서 과거데이터로부터 산출가능하다. 스케줄링 문제의 데이터 벡터 (가공시간, 납기, 셋업시간, rework확률)를 교란시킴으로써 이웃해를 생성하고 이로부터 도출된 해는 EDDR이라는 효과적인 휴리스틱을 이용하여 평가한다. 제안된 알고리즘은 납기지연의 최대값과 rewok 발생 작업수로 평가함으로써 제품의 품질과 납기수준을 동시에 고려할 수 있도록 한다.

• 한국ITS학회:학술대회논문집
• /
• 한국ITS학회 2004년도 제3회 정기총회 및 추계학술대회
• /
• pp.154-162
• /
• 2004

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.15-17
• /
• 2000

진화 연산의 확률적 모델인 베이지안 진화 알고리즘이 개체군의 크기를 1로 제한하고 고정된 차원의 탐색 공간을 갖는 경우, 목표 확률분포에 수렴함이 이전 연구[2]를 통해 증명되었다. 본 논문에서는 개체군의 크기가 2 이상인 경우의 베이지안 진화 알고리즘을 개체군 자체를 하나의 상태로 보는 단일 체인의 베이지안 입자 필터(particle filter)로 변환하여, 입자 필터의 수렴 특성을 이용하여 목표 확률분포에 수렴함을 증명한다.

• 한국멀티미디어학회논문지
• /
• 제13권7호
• /
• pp.991-999
• /
• 2010

본 논문에서는 비디오 부호화에서 움직임 추정을 위한 고속 알고리즘을 제안한다. 기존의 고속 움직임 예측 방법들은 프레임에 따라 예측화질이 현저히 떨어지는 문제점을 가지고 있으며, 전영역 탐색기반의 향상 방법들은 계산량 감축이 높지 않은 문제점을 지니고 있다. 본 논문에서는 전영역 탐색기반의 방법에 비하여 예측화질은 거의 같게 유지하면서 불필요한 계산량을 현저히 줄이는 알고리즘을 제안한다. 제안하는 방법은 움직임 벡터의 확률분포와 적응적인 탐색 패턴 및 적응적인 블록매칭기준을 이용한다. 움직임 벡터의 확률분포에 따라 탐색패턴을 달리하며, 블록매칭 기준의 비교값을 다르게 함으로써 예측화질을 유지하면서 계산량만 효율적으로 감축할 수 있다. 제안한 알고리즘은 기존의 전영역 탐색 기반인 H.264 PDE 고속 알고리즘과 비교하여 예측 화질의 저하가 0~0.02dB이며, 소요된 계산량은 20%~30%정도이다. 제안한 알고리즘은 MPEG-2 및 MPEG-4 AVC를 이용하는 실시간 비디오 압축 응용분야에 유용하게 사용될 수 있을 것이다.

• 정보보호학회논문지
• /
• 제28권3호
• /
• pp.533-543
• /
• 2018

본 논문은 Sasaki 등이 2018년도에 제안한 차분 특성 자동화 탐색 방법을 개선하여 MILP Solver로 정확하고 간편하게 S-box 기반 암호의 차분 특성을 탐색하는 방법을 제안한다. Sasaki 등이 제안한 방식은 차분 특성에 대한 제약식 설계에 입력 차분과 출력 차분만을 변수로 포함하여 확률을 별도로 계산한 반면, 논문에서 제안하는 탐색 방법은 입력 차분, 출력 차분, 확률 변수를 하나의 제약식으로 구성하여 한 번의 프로그램 실행으로 특성과 확률을 동시에 확인할 수 있도록 탐색 절차를 간소화 하였다. 또한 본 논문에서는 Sasaki 등이 활용했던 Espresso 알고리즘과 Quine- McCluskey 알고리즘 중에서 제약식이 보다 대폭 축소되는 Espresso 알고리즘을 이용해 제약식을 간소화 하였다. 본 논문에서 제안하는 탐색 방법은 다양한 구조와 블록 사이즈에 적용 가능함을 입증하기 위해 블록암호 GIFT-64, GIFT-128, SKINNY-64에 적용하였다. 적용 결과, GIFT의 경우 기존의 제안 논문에서 4라운드의 최적의 차분 특성이 5개의 활성 S-box를 가진다고 제시한 반면, 본 논문을 적용한 결과에서는 활성 S-box의 개수는 6개이지만 기존보다 좋은 $2^{-11.415}$의 확률을 갖는 최적의 차분 특성을 찾는 성과가 있었다. SKINNY-64의 경우 기존보다 개선된 결과는 아니지만 제안 논문에서의 분석과 동일한 활성 S-box를 갖는 차분 특성을 찾을 수 있었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 1호
• /
• pp.71-74
• /
• 1998

HMM (hidden Markov model)을 이용한 음성인식은 현재 가장 널리 쓰여지고 있는 방법으로, 이 중 CDHMM (continuous observation density HMM)은 상태에서 관측심볼확률을 연속확률밀도를 사용하여 표현한다. 본 논문에서는 가우스 혼합밀도함수를 사용하는 CDHMM의 상태천이확률과, 관측심볼확률을 표현하기 위한 인자인 평균벡터, 공분산 행렬, 가지하중값을 유전자 알고리듬을 사용하여 최적화하는 방법을 제안하였다. 유전자 알고리듬은 매개변수 최적화문제에 대하여 자연의 진화원리를 모방한 알고리듬으로, 염색체 형태로 표현된 개체군 (population) 중에서 환경에 대한 적합도 (fitness)가 높은 개체가 높은 확률로 살아남아 재생 (reproduction)하게 되며, 교배 (crossover)와 돌연변이 (mutation) 연산 후에 다음 세대 개체군을 형성하게 되고, 이러한 과정을 반복하면서 최적의 개체를 구하게 된다. 본 논문에서는 상태천이확률, 평균벡터, 공분산행렬, 가지하중값을 부동소수점수 (floating point number)의 유전자형으로 표현하여 유전자 알고리듬을 수행하였다. 유전자 알고리듬은 복잡한 탐색공간에서 최적의 해를 찾는데 효과적으로 적용되었다.