• 한국통신학회논문지
• /
• 제39B권7호
• /
• pp.479-490
• /
• 2014

하지근력증강로봇은 인간의 하체에 착용하여 보행능력을 강화하거나 보조하기 위한 장비다. 보행능력을 향상하기 위해 로봇은 착용자의 걷는 움직임을 감지하고 이에 적합한 로봇의 동작을 구동한다. 본 논문에서는 로봇이 착용자의 움직임을 감지하는 방법을 소개하고, 감지된 데이터를 착용자의 현재 보행단계를 의미하는 보행단계상태 정보로 변환하는 보행단계구분 알고리즘을 제시한다. 로봇은 보행단계상태 정보에 따라 현재 필요한 제어모드를 결정하고 로봇구동기를 작동하기 때문에 잘못된 정보가 전달된다면 로봇은 착용자의 보행능력을 향상할 수 없거나 착용자에게 오히려 불편을 줄 수 있다. 따라서 보행단계구분 알고리즘은 항상 정확한 정보를 제공할 수 있어야 한다. 하지만 본 연구에서 사용하는 센서장치의 경우 작은 움직임에도 민감하게 반응하는 특성이 있어 센서데이터를 임계기준으로 구분하는 방법으로는 항상 정확한 보행단계상태 정보를 구할 수 없다. 이러한 특성을 극복하면서 정확한 정보를 제공하기 위해 확률적 구분 방법을 응용한 나이브-플렉시블 베이지안 보행단계구분 알고리즘을 제안하였고, 실험을 통해 제안 방법의 정확성을 비교 분석하였다.

• 대기
• /
• 제16권1호
• /
• pp.19-31
• /
• 2006

The purpose of this study is to develop the statistical model to predict sea level pressure of typhoon period in south coast of the Korean Peninsula. Seven typhoons, which struck south coast of the Korean Peninsula, are selected for this study, and the data for analysis include the central pressure and location of typhoon, and sea level pressure and location of 19 observing site. Models employed in this study are the first order regression, the second order regression and the neural network. The dependent variable of each model is a 3-hr interval sea level pressure at each station. The cause variables are the central pressure of typhoon, distance between typhoon center and observing site, and sea level pressure of 3 hrs before, whereas the indicative variable reveals whether it is before or after typhoon passing. The data are classified into two groups - one is the full data obtained during typhoon period and the other is the data that sea level pressure is less than 1000 hPa. The stepwise selection method is used in the regression model while the node number is selected in the neural network by the Schwarz's Bayesian Criterion. The performance of each model is compared in terms of the root-mean square error. It turns out that the neural network shows better performance than other models, and the case using the full data produces similar or better results than the case using the other data.

• 정보처리학회논문지B
• /
• 제16B권2호
• /
• pp.131-140
• /
• 2009

본 논문에서는 입력된 FISH 세포영상을 군집세포영역과 독립세포영역으로 분류하고, 군집세포영역에 대해서는 하나의 세포를 분리하는 알고리즘을 제안한다. 먼저 입력된 영상에 대해서 가우시안혼합모델과 세포의 명암도 값에 대한 최대 우도 함수를 사용하여 세포영역과 배경영역을 분할해줄 임계값을 정의하게 된다. 이렇게 얻어진 전경세포영역에 대해서 보다 정확한 세포 분석을 위해서 군집세포와 독립세포를 분류하게 된다. 세포 영역의 분류과정을 위해서는 베이지안 네트워크와 확률밀도함수를 사용한다. 학습데이터로부터 밀집도(compactness), 평활도(smoothness), 후-모멘트(Hu-moment)에 대한 형태학적 특징값을 추출하여 확률밀도함수를 구성하고, 이를 기반으로 베이지안 네트워크를 사용하여 두 영역을 분류하게 된다. 군집세포로 분류된 영역에 대해서는 그 군집세포를 구성하고 있는 독립세포로 각각 분리한다. 먼저, 명암도 기울기 변환(intensity gradient transform) 영상과 워터쉐드 알고리즘을 이용하여 군집세포 영역을 작은 영역으로 분할하게 된다. 작게 분할된 영역을 하나의 세포영역으로 병합시키기 위해서, 군집세포에 존재하는 독립세포의 수만큼의 마커를 결정 침식 연산을 사용하여 추출하고, 추출된 마커를 중심으로 단계적 병합 알고리즘을 제안한다. 본 논문에서 제안한 방법은 166개의 FISH 세포를 사용하여 테스트한 결과 99.29%의 정확한 분리결과를 보여줬으며 기존의 다른 알고리즘보다도 뛰어난 성능과 빠른 실행시간을 보여주었다.

• 방송공학회논문지
• /
• 제9권4호
• /
• pp.305-321
• /
• 2004

디지털 방송의 시작과 함께, 지상파, 위성, 케이블과 같은 다양한 매체를 통한 다채널 방송 시청 환경의 도래는 사용자에게 많은 방송 프로그램 시청 정보를 전달하게 되었다. 이와 더불어, 방송 단말에 전송된 다양한 방송 프로그램 정보를 탐색하고 선호 방송 프로그램을 선별하기 위해서는 사용자에게 많은 노력이 요구된다. 따라서, 사용자로 하여금 자신의 취향 및 자신이 원하는 방송 프로그램 정보에 자동적으로 근접할 수 있도록 하는 개인화된 방송 서비스가 요구되고 있다. 이러한 요구에 따라, 본 논문에서는 다채널 방송 시청 환경 하에서 사용자의 방송 프로그램 시청 히스토리를 분석하고, 특정 시간에 따른 사용자의 방송 프로그램 시청 패턴윽 추출하여 방송 프로그램 장르에 대한 사용자 선호도를 자동으로 계산하는 알고리즘을 제안하고. MPEG-7 MDS 구조에 따른 사응자 선호토 서술과 이를 이용하여 사용자의 선호도에 따라 방송 프로그램을 자동적으로 추천하는 TV 프로그램 추천 어플리케이션을 소개한다. 본 논룬의 실헐을 위해 AC Nielsen Korea에서 제공된 실제 연령대별, 성별, 시간대별로 사용자의 TV 시청 자료를 사용하였으며, 실험결과를 통해 본 논문에 제안된 베이시안 네트워크 기반 사용자 자동 학습 알고리즘이 효과적으로 사용자 선호도를 학습한 수 있음을 확인하였다.

• 한국수자원학회논문집
• /
• 제50권3호
• /
• pp.139-153
• /
• 2017

우리나라는 지난 30년 동안 기후변화 및 도시화 등으로 인한 변화가 급격하게 진행된 바 있으므로, 두 가지 요소들로 인한 유량의 변동량을 정량화하여 분석할 필요가 있다. 그러나 유량의 변동량을 특정 원인별로 구분하여 분석하고자 하는 국내 연구는 매우 미미한 형편이며, 다양한 시간단위를 이용한 원인별 유량 변동량의 산정에 관한 연구는 더욱 찾아보기 힘들다. 따라서 본 연구에서는 기후변화 및 인간활동으로 인한 유량 변동량을 정량적으로 분리하기 위하여 수문모형을 이용한 방법과 수문학적 민감도(hydrological sensitivity) 분석 방법을 소양강 상류유역 및 섬강 유역에 대해 적용하고 유량 변동량의 결과를 월별, 분기별 및 연별로 구분하여 제시하였다. 인간활동으로 인해 발생되는 급진적인 변동점을 탐색하기 위해 이중누가곡선, Pettitt 검정 및 베이지안 변동점(Bayesian change point) 분석을 시행하였으며, 탐색된 변동점을 활용하여 변동점 이전 구간에 대해 보정 및 검증된 SWAT모형과 6가지의 Budyko 곡선 함수들로부터 각각 유량 변동량을 산정하여 수문모형에 의한 유량 변동량을 검증하였다.

• 미생물학회지
• /
• 제54권3호
• /
• pp.254-265
• /
• 2018

최근 양계업에 막대한 피해를 끼치는 조류독감은 한국에서 수천억원의 거대한 경제적 손실을 초래하였다. 병원균의 전염경로를 파악할 수 있다면 막대한 손해를 끼치는 생물학적 피해의 확산을 막고 일부 지역으로 제한하는데 큰 도움이 될 것이다. 병원균 DNA 서열의 계통학적인 분석을 통하여 감염된 숙주들을 방향성이 있는 연결선으로 연관짓는 전염 계통수를 얻을 수 있다. 지난 10여년간 유전적 데이터뿐만 아니라 역학 데이터를 이용한 전염 계통수 추론의 방법론적 발전이 이루어졌다. 이에, 본 연구에서는 전염 계통수 추론 방법을 이용하여 지난 2014년 한국에 발병한 고병원성 조류독감 H5N8에서 유래한 DNA 서열을 재분석하였다. 당시, H5N8 바이러스는 전라북도에서 시작하여 지역적으로 접해있는 4개의 지역으로 확산되어 나갔던 것으로 알려져 있다. 전염 계통수를 추론하는 베이지언 통계 방법인 Markov chain Monte Carlo를 반복적으로 시행하고 이를 종합하여 철새 외래종과 국내종 조류 숙주들의 전염 계통수를 추정하였다. 비록 연결선의 불확실성은 높았으나 추정된 전염 계통수를 통하여 당시 H5N8 바이러스는 전라북도에서 시작하고 충청남도를 거쳐 경기도로 퍼져나간 것을 확인할 수 있었다. 사육하는 오리와 같은 국내종 조류는 전염 계통수의 말단 노드에 위치하는 것으로 추정되었다. 이러한 결과를 통하여 야생 철새종이 2014년 한국의 H5N8 조류독감의 감염 매개자로 주된 역할을 하였다는 것을 재확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권8호
• /
• pp.855-863
• /
• 2000

K개의 인식기로부터 관찰된 K개 결정을 결합하는 결합 방법론 중의 하나인 BKS (Behavior-Knowledge Space) 방법은 아무런 가정 없이 이들 결정을 결합하지만, 관찰된 K개 결정을 저장하고 관리하려면 이론적으로 기하학적인 저장 공간을 만들어야 한다. 즉, K개의 인식기 결정을 결합하기 위하여 (K+1)차 확률 분포를 필요로 하는데, 작은 K라 할지라도 그 확률 분포를 저장하거나 평가하는 것이 어렵다는 것은 이미 잘 알려져 있다. 그러한 문제점을 극복하기 위해서는 고차 확률 분포를 몇 개의 구성 분포로 나누고, 이들 구성 분포의 곱(product)으로 고차 확률 분포를 근사시켜야 한다. 그러한 이전 방법 중의 하나는 그 확률 분포에 조건부 독립 가정을 적용하는 것이고, 다른 방법으로는 [1]에서와 같이 그 확률 분포를 단지 트리 의존관계 또는 2차 구성 분포의 곱으로 근사하는 것이다. 본 논문에서는, 구성 분포의 곱으로 근사하는 방법에서, 2차 이상의 고차 구성 분포까지 고려하여 (K+1)차 확률 분포를 d차 ($1{\le}d{\le}K$) 의존관계에 의한 최적의 곱으로 근사하고, 베이지안 방법과 그 곱을 기반으로 다수 인식기의 결정을 결합하는 의존관계 기반의 프레임워크를 제안한다. 이 프레임워크는 표준 CENPARMI 데이타베이스로 실험되어 평가되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권10호
• /
• pp.447-454
• /
• 2015

본 논문에서는 트위터 기반 이벤트 탐지에서의 기계학습을 통한 지명 노이즈제거 방식을 제안한다. 최근 스마트폰 이용자의 증가로 소셜 네트워크 서비스(SNS) 이용자가 증가하고 있는 추세이다. 그중 트위터는 140자 이내의 단문서비스와 팔로우 기능으로 정보의 빠른 전달력과 확산성을 가지고 있다. 이러한 특성과 모바일에 최적화된 트위터의 특성상 정보 전달 속도가 매우 빠르기 때문에 재난 상황이나 이벤트 전달의 매개체 역할을 하고 있다. 이와 관련된 연구로는 트위터 사용자 개개인을 이벤트 탐지의 센서로 사용하여 현실에서 발생하는 이벤트를 탐지하였는데 이벤트가 특정 장소에서 발생한다는 특성을 이용해서 지명 키워드를 사용하였다. 그러나 지명과 동형이의어 관계에 관한 노이즈제거에 대한 부분이 누락되어있어서 이벤트 탐지의 정확도를 낮추는 요인이 된다. 이에 본 논문에서는 제거와 예측 두 가지 방식으로 노이즈제거 기법을 적용하였다. 먼저 노이즈 관련 데이터베이스 구축을 이용하여 제거 필터링을 진행한 후에 나이브 베이지안 분류를 이용해서 지명 유무를 결정하였다. 실험 데이터를 이용해서 기계학습을 위한 확률값을 구했으며, 지명마다 본 논문에서 제시하는 예측기법을 검증했을 때 89.6%의 신뢰도로 노이즈제거 기법의 필요성을 보였다.

• 한국지능시스템학회논문지
• /
• 제20권3호
• /
• pp.422-427
• /
• 2010

2004년 이후 정보기술의 성장과 더불어 게임 서비스에 대한 피해 사례가 해 마다 빠르게 증가하고 있는 실정이다. 특히 게임 봇(자동사냥 프로그램)에 대한 피해규모가 가장 크게 조사되고 있으며 이를 방지하기 위한 연구도 활발히 진행되고 있다. 게임 봇은 사용자가 입력하는 키보드나 마우스의 움직임을 대신해 자동으로 게임을 수행하는 프로그램으로 어떠한 사용자의 조작 없이도 게임 속에서의 이득 활동을 무한정 행할 수 있다. 이와 같은 행동은 일반적인 사용자에게 상대적인 불쾌감을 줄 뿐만 아니라 게임의 수명을 단축시키는 등 게임 회사 및 사용자에게 큰 피해를 발생시키고 있어 이를 방지하기 위한 방법이 주목 되고 있다. 기존의 게임 봇 검출 연구들은 단순이 사용자 개인 PC에 설치되어 동작중인 프로그램을 감시하기 때문에 게임 봇 사용자의 조작에 의해 쉽게 피해갈수 있는 단점을 가지고 있다. 따라서 본 논문에서는 게임 서버측면에서 사람과 게임 봇의 행동을 비교하여 게임 봇 사용자들이 조작이나 회피가 힘든 게임 봇 검출 방법을 제안한다. 제안 방법으로는 게임 봇과 사람의 행동 패턴 차이 모델을 정의하고 나이브 베이지안 분류기를 사용하여 게임 봇을 검출한다.

• 보존과학회지
• /
• 제34권6호
• /
• pp.481-492
• /
• 2018

이 연구에서는 19세기 말부터 20세기 후반까지 사용된 것으로 알려진 오송 봉산리 옹기가마 유적에서 채취된 가마벽체 시료를 대상으로 TL/OSL 연대측정을 수행하였다. 고고선량은 SAR-TL/OSL법을 이용하여 측정된 매장기간 동안 시료에 축적된 흡수선량($ED_{burial}$), 배경선량($ED_{BG}$), fading 보정인자(f), 과대산출 보정인자(C)로부터 결정되었다. 또한 연간선량율 및 원산지는 시료의 자연방사능핵종($^{238}U$, $^{232}Th$, $^{40}K$)을 분석하여 산출되었다. 각 옹기가마의 TL/OSL 연대와 방사성탄소 연대를 비교 검토한 결과, 본 유적과 같은 근 현대 고고유적의 절대연대 편년을 위해서는 TL/OSL 연대측정과 방사성탄소 연대측정을 함께 수행하여 결합연대를 산출하는 것이 타당하다고 판단되었다. 오송 봉산리 옹기가마 유적의 조성 및 운영시기가 I 단계(5호, 6호 옹기가마) ${\rightarrow}$ II 단계(1호, 2호, 3호 옹기가마) ${\rightarrow}$ III 단계(4호 옹기가마)로 변천된다는 사실에 근거하여 베이지안 통계분석을 수행한 결과, 가장 이른 시기인 I 단계 옹기가마들의 사용 및 폐기시점은 $1910{\pm}23$년, II 단계는 $1970{\pm}10$년, III 단계는 $1987{\pm}4$년으로 각각 절대연대 편년되었으며, 이는 고고학적 편년관과도 정확히 일치하였다.