• 한국지능시스템학회논문지
• /
• 제26권3호
• /
• pp.233-238
• /
• 2016

본 논문은 차세대 침입탐지 시스템을 위해서 데이터 융합에서의 불확실한 데이터 처리의 알고리즘을 제안한다. 차세대 침입탐지는 사이버 공간에서 생성되어지는 정보를 지식으로 만들어내기 위해 수많은 네트워크 센서로부터의 데이터가 수집되어진다. 수집된 센서 정보를 지식의 수준으로 이끌어내기 위해서 데이터 융합의 과정이 필요하다. 이를 위해 본 논문에서는 Demster-Shafer 증거이론 추론적 기법을 통하여 서로 다른 데이터들의 특징을 분석하여 불확실한 데이터가 어느 구간에서 신뢰구간을 갖는지를 분류하여, 불확실한 데이터에 대한 표현을 이루어낸다. 본 실험내용에서는 이러한 불확실성 데이터에 대한 이상탐지를 위해 iris plant 데이터세트를 이용한 신뢰구간에 따른 분류를 실행하였다. 이에 대해 각 신뢰구간을 통해서 데이터 분류가 가능하다는 것을 검증하였다.

• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.20-29
• /
• 2021

4차산업혁명 시대에는 대량의 데이터를 학습하여 예측과 분류의 정확성을 향상시킬 수 있는 인공지능의 활용이 핵심적이다. 그러나, 기존 이상탐지를 위한 방법은 제한된 데이터를 다루는 전통적인 통계 방법에 의존하고 있어, 정확한 이상탐지가 어렵다. 그러므로, 본 연구는 인공지능 기반 이상탐지 방법을 제시하여 예측 정확도를 높이고, 새로운 데이터 패턴을 정의하는 것을 목적으로 한다. 특히, 자동차의 경우 공회전 기간의 센서 데이터가 이상 탐지에 활용될 수 있다는 관점에서 데이터를 수집하고 분석하였다. 이를 위해, 예측 모델에 입력되는 데이터의 적정 시간 길이를 결정하고, 공회전 기간 데이터와 전체 운행 데이터의 분석 결과를 비교하며, 다양한 센서 데이터 조합에 의한 최적 예측 방법을 도출하였다. 또한, 인공지능 방법으로 선택된 CNN의 예측 정확성을 검증하기 위해 LSTM 결과와 비교하였다. 분석 결과, 공회전 데이터를 이용하고, 공회전 기간보다 1.5배 많은 기간의 데이터를 이용하며 LSTM보다는 CNN을 활용하는 것이 더 좋은 예측결과를 보였다.

• ETRI Journal
• /
• 제27권3호
• /
• pp.294-303
• /
• 2005

In this paper, a supervised algorithm for the evaluation of geophysical sites using a multi-level cellular neural network (ML-CNN) is introduced, developed, and applied to real data. ML-CNN is a stochastic image processing technique based on template optimization using neighborhood relationships of the pixels. The separation/enhancement and border detection performance of the proposed method is evaluated by various interesting real applications. A genetic algorithm is used in the optimization of CNN templates. The first application is concerned with the separation of potential field data of the Dumluca chromite region, which is one of the rich reserves of Turkey; in this context, the classical approach to the gravity anomaly separation method is one of the main problems in geophysics. The other application is the border detection of archeological ruins of the Hittite Empire in Turkey. The Hittite civilization sites located at the Sivas-Altinyayla region of Turkey are among the most important archeological sites in history, one reason among others being that written documentation was first produced by this civilization.

• 전자공학회논문지CI
• /
• 제38권5호
• /
• pp.37-43
• /
• 2001

인터넷이 널리 이용되면서 네트워크나 호스트에 대한 불법적인 침입은 많은 위험요소가 되고 있다. 이러한 침입을 탐지하기 위하여 통계적기법, 데이터마이닝기법, 유전자 알고리즘/프로그래밍 기법 등을 이용한 이상현상 탐지모델들이 많이 제안되어 왔으나 새로운 유형의 침입에 대해서는 탐지능력이 떨어지는 단점이 있다. 본 논문에서는 THRE KBANN을 이용한 이상현상탐지모델을 제안하였는데, 이는 연속학습을 할 수 있도록 지식기반신경망을 개선한 것이다. 이 모델을 실험적 자료에 적용한 결과를 데이터마이닝기법을 적용한 경우와 비교하여 성능평가를 하였다. 그리고 새로운 침입유형을 탐지하기 위한 연속학습에 대한 성능도 평가하였다.

• 전기전자학회논문지
• /
• 제24권2호
• /
• pp.403-408
• /
• 2020

태양광 발전은 특성상 간헐성과 불확실성이 항상 존재하기 때문에 정확한 예측은 어려우며, 실시간 발전량 진단을 위한 이상감지 기술이 중요하다. 본 논문에서는 다양한 파라미터의 상관관계를 도출하고 최근접 이웃 알고리즘을 적용하여 정상데이터와 비정상데이터를 분류한다. 두 분류의 결과는 발전 시스템의 결함에 의한 아웃라이어와 구름 등에 의해 단기간 동안 발생하는 부분 음영 및 전체 음영의 일시적인 전력손실을 보여준다. 100kW 발전소 데이터를 대상으로 머신러닝 분석을 수행하여 테스트 결과를 산출하였으며 실제 이상치와 이상치 후보지를 검증하였다.

• 한국측량학회지
• /
• 제12권1호
• /
• pp.95-106
• /
• 1994

지오이드 모델링에 필요한 기준면으로 사용되는 여러가지 지오포텐셜모델들을 시험하여 한반도 주변의 최적기준면을 결정하고자 하였다. 시험은 지오포텐셜모델들로부터 계산된 중력이상과 실제측정한 중력 이상의 차를 검토하였으며, 지오포텐셜모델들간의 중력이상과 지오이드고의 차를 비교·검토하였다. 또한 GPS 측량데이타로부터 계산된 지오이드고와 지오포텐셜모델로부터 계산된 지오이드고를 검토하였다. 시험결과 OSU91A 모델이 한반도 주변에서의 기준면으로 적합하다는 것을 알 수 있었다.

• 천문학회보
• /
• 제41권1호
• /
• pp.79.3-80
• /
• 2016

We have investigated the correlation analysis between global temperature anomaly and two main factors: geomagnetic activity (aa index) of Earth external factor and CO2 of Earth internal factor. For this, we used NOAA Global Surface Temperature anomaly (Ta) data from 1868 to 2015. The aa index indicates the geomagnetic activity measured at two anti-podal subauroral stations (Canberra Australia and Hartland England) and the CO2 data come from historical ice core records and NOAA/ESRL data. From the comparison between (Ta) and aa index, we found several interesting things, First, the linear correlation coefficient between two parameters increases until 1985 and then decreases rapidly. Second, the scattered plot between two parameters shows a boundary of the correlation tendency (positive and negative correlation) near 1985. A partial correlation of (Ta) and two main factors (aa index, CO2) also shows that the geomagnetic effect (aa index) is dominant until about 1985 and the CO2 effect becomes much more important after then. These results indicate that the CO2 effect become very an important factor since at least 1985. For a further analysis, we simply assume that Ta = Ta(aa)+Ta(CO2) and made a linear regression between (Ta) and aa index from 1868 to 2015. A linear model is then made from the linear regression between energy consumption (a proxy of CO2 effect) and Ta-Ta(aa) since 1985. Our results will be discussed in view of the prediction of global warming.

• 융합정보논문지
• /
• 제12권4호
• /
• pp.260-269
• /
• 2022

본 논문에서는 기존에 전문가에 의해서 이루어지던 국가 대기오염 측정망 데이터들의 이상 탐지 작업을 인공지능을 통해 자동화하고자 심층 신경망을 이용한 이상 탐지 모델을 제안하였다. 환경과학원에서 제공받은 기상자료 데이터의 결측치 및 이상치를 분석하여 학습데이터를 생성하였으며 비지도 학습 방식의 BeatGAN 모델에 기반하여 커널 구조 변경과 합성곱 필터층 및 전치 합성곱 필터층의 추가를 통해 새로운 모델을 제안하여 이상 탐지 성능을 높이고자 하였다. 또한 제안하는 모델의 생성적 특징을 활용하여 새로운 데이터를 생성하고 이를 학습에 사용하는 재학습 알고리즘을 구현 및 적용하여 기존 BeatGAN 모델뿐 아니라 다른 비지도 학습 모델인 Iforest, One Class SVM과 비교하였을 때 제안모델의 성능이 가장 높았음을 확인할 수 있었다. 본 연구를 통해 실제 산업현장에서 센서의 이상, 점검 등의 여러 요인으로 인해 학습 데이터가 부족한 상황에서 추가적인 비용없이 과적합을 피하며 제안하는 모델의 이상탐지 성능을 올릴 수 있는 방법을 제시할 수 있었다.

• 한국측량학회지
• /
• 제26권4호
• /
• pp.379-386
• /
• 2008

정확한 지오이드 결정을 위해서는 중력원시자료로부터 통일된 전처리를 수행하여 일관된 품질의 중력자료를 확보하여야 하며 또한 정확한 위치 정보를 이용하여 다양한 보정을 수행하여야 한다. 본 연구에서는 현재 우리나라에서 중력원시자료와 GPS 측량을 통한 정밀한 관측위치를 보유하고 있는 한국지질자원연구원과 부산대학교의 지상중력원시자료를 통합하고, 일관성 있는 품질검증을 수행하여 정밀 지오이드 구축의 기본 자료인 프리에어이상 값을 최종 결과물로 산출하였다. 전처리 과정에서 기계값 환산, 기계고 보정, 조석보정 등을 수행하고, 이상치 검증을 작업별로 처리하였다. 이후, 모든 자료를 이용한 교차점조정계산을 수행하여 정밀도 0.488mGal의 프리에어이상값이 구축되었다. 본 연구에서 구축된 중력자료는5cm급 정밀지오이드 개발의 기초자료로 활용될 것으로 기대된다.

• 한국정보통신학회논문지
• /
• 제26권11호
• /
• pp.1608-1614
• /
• 2022

최근 학생 수 감소로 인한 대학 간 경쟁이 심화되면서 성과부진학생을 조기에 예측하고, 중도이탈을 예방하기 위해 다양한 노력을 기울이는 것은 대학의 필수 업무로 인식되고 있다. 이를 위해서는 학생의 성과를 정밀하게 예측하는 우수한 성능의 모델이 필수적이다. 본 논문은 성과부진학생을 식별하기 위한 분류 예측 모델에서 이상 데이터를 제거하거나 증폭을 통해 예측 성능을 향상시키는 방법에 대해 제안한다. 기존 이상데이터 처리방법은 주로 데이터를 삭제하거나 무시하는데 집중되었지만 이 논문에서는 잡음과 변화지표를 구분하는 기준을 제시하고, 데이터를 삭제하거나 증폭함으로써 예측 모델의 성능을 높이는데 기여한다. 제안 방법의 검증을 위해 공개된 학습 성과 데이터를 활용한 실험에서 기존 방법에 비해 제안방법이 분류 성능을 향상시킬 수 있는 다수의 사례를 발견할 수 있었다.