• 산업경영시스템학회지
• /
• 제44권2호
• /
• pp.58-65
• /
• 2021

Meta-heuristic algorithms have been developed to efficiently solve difficult problems and obtain a global optimal solution. A common feature mimics phenomenon occurring in nature and reliably improves the solution through repetition. And at the same time, the probability is used to deviate from the regional optimal solution and approach the global optimal solution. This study compares the algorithm created based on the above common points with existed SA and HS to show advantages in time and accuracy of results. Existing algorithms have problems of low accuracy, high memory, long runtime, and ignorance. In a two-variable polynomial, the existing algorithms show that the memory increases and the accuracy decrease. In order to improve the accuracy, the new algorithm increases the number of initial inputs and increases the efficiency of the search by introducing a direction using vectors. And, in order to solve the optimization problem, the results of the last experiment were learned to show the learning effect in the next experiment. The new algorithm found a solution in a short time under the experimental conditions of long iteration counts using a two-variable polynomial and showed high accuracy. And, it shows that the learning effect is effective in repeated experiments.

• 로봇학회논문지
• /
• 제17권3호
• /
• pp.365-372
• /
• 2022

The accurate object recognition is important for the precise and accurate manipulation. To enhance the recognition performance, we can use various types of sensors. In general, acquired data from sensors have a high sampling rate. So, in the past, the RNN-based model is commonly used to handle and analyze the time-series sensor data. However, the RNN-based model has limitations of excessive parameters. CNN-based model also can be used to analyze time-series input data. However, CNN-based model also has limitations of the small receptive field in early layers. For this reason, when we use a CNN-based model, model architecture should be deeper and heavier to extract useful global features. Thus, traditional methods like RN N -based and CN N -based model needs huge amount of learning parameters. Recently studied result shows that Fast Fourier Convolution (FFC) can overcome the limitations of traditional methods. This operator can extract global features from the first hidden layer, so it can be effectively used for feature extracting of sensor data that have a high sampling rate. In this paper, we propose the algorithm to recognize objects using tactile sensor data and the FFC model. The data was acquired from 11 types of objects to verify our posed model. We collected pressure, current, position data when the gripper grasps the objects by random force. As a result, the accuracy is enhanced from 84.66% to 91.43% when we use the proposed FFC-based model instead of the traditional model.

• 한국멀티미디어학회논문지
• /
• 제25권5호
• /
• pp.748-756
• /
• 2022

Thanks to the competition of AlphaGo and Sedol Lee, machine learning has received world-wide attention and huge investments. The performance improvement of computing devices greatly contributed to big data processing and the development of neural networks. Artificial intelligence not only imitates human beings in many fields, but also seems to be better than human capabilities. Although humans' creation is still considered to be better and higher, several artificial intelligences continue to challenge human creativity. The quality of some creative outcomes by AI is as good as the real ones produced by human beings. Sometimes they are not distinguishable, because the neural network has the competence to learn the common features contained in big data and copy them. In order to confirm whether artificial intelligence can express the inherent characteristics of different arts, this paper proposes a new neural network model called Humming. It is an experimental model that combines vgg16, which extracts image features, and DeepJ's architecture, which excels in creating various genres of music. A dataset produced by our experiment shows meaningful and valid results. Different results, however, are produced when the amount of data is increased. The neural network produced a similar pattern of music even though it was a different classification of images, which was not what we were aiming for. However, these new attempts may have explicit significance as a starting point for feature transfer that will be further studied.

• 수완나부미
• /
• 제8권1호
• /
• pp.121-146
• /
• 2016

Defining key characteristics of Southeast Asia requires historical interpretation. Southeast Asia is a diverse and complicated region, but some of modern history's "grand narratives" serve to unify its historical experience. At a minimum, the modern history of the region involves decisive encounters with universal religions, the rise of Western colonialism, the experience of world wars, decolonization, and the end of the "cycle of violence". The ability of the region's peoples to adapt to these many challenges and successfully build new nations is a defining feature of Southeast Asia's place in the global stage. This paper will begin with a question: is it possible to develop a hermeneutic of "expedience" as a way to interpret the region's history? That is, rather than regard the region from a purely Western, nationalist, "internalist" point of view, it would be useful to identify a new series of interpretative contexts from which to begin scholarly analysis. In order to contextualize this discussion, the paper will draw upon the writings of figures who explored the region before knowledge about it was shaped by purely colonist or nationalist enterprises. To this end, particular attention will be devoted to exploring some of John Furnivall's ways of conceptualizing Southeast Asia. Investigating Furnivall, a critic of colonialism, will be done in relation to his historical situation. Because Furnivall's ideas have played a pivotal role in the interpretation of Southeast Asia, the paper will highlight the intellectual history of the region in order to ascertain the value of these concepts for subsequent historical interpretation. Ultimately, the task of interpreting the region's history requires a framework which will move beyond the essentializing orientalist categories produced by colonial scholarship and the reactionary nation-building narratives which followed. Instead, by beginning with a mode of historical interpretation that focuses on the many realities of expedience which have been necessary for the region's peoples, it may be possible to write a history which highlights the extraordinarily adaptive quality of Southeast Asia's populations, cultures, and nations. To tell this story, which would at once highlight key characteristics of the region while showing how they developed through historical encounters, would go a long way to capturing Southeast Asia's contribution's to global development.

• 무역학회지
• /
• 제48권4호
• /
• pp.169-188
• /
• 2023

공세적이고 일방주의적 조치의 증가는 최근 국제통상환경의 대표적인 특징이다. EU는 이러한 환경에 대처하기 위해 제3국의 경제적 위협 시 독자적인 대응조치 허용을 골자로 하는 '경제적 위협 대응조치 규칙안' 도입을 추진하고 있다. 본 고는 규칙안의 입법 배경인 최근 공세적 통상환경의 특징을 살펴보고 기존 EU의 통상정책과의 연계 및 발전 맥락에서 동 규칙안의 필요성 및 우려의 측면을 평가하였다. 또한 타국의 경제적 위협에 대해 독자적으로 대처하고자 하는 시도가 국제적으로 확산되고 있는바, EU의 경제적 위협 대응조치 규칙안의 WTO 체제하에서의 허용 가능성을 검토하였다. 마지막으로 점증하는 지정학적 위기 속에서 우려되는 경제적 위협과 통상마찰에 대한 우리의 국내적 대응 방안 측면에서 동 규칙안의 시사점을 도출하였다.

• 한국전자통신학회논문지
• /
• 제19권4호
• /
• pp.721-732
• /
• 2024

동물플랑크톤의 종 동종은 해양 생태계의 이해 및 지구온난화를 연구하는데 가장 기본이다. 본 연구에서는 3종의 동물플랑크톤을 종 수준에서 암컷과 수컷을 분류할 수 있는 합성곱 신경망 모델을 제안한다. 첫째 연구자들이 획득하는 현미경 이미지를 기반으로 형태적 특징을 포함하는 학습데이터를 구축한다. 학습데이터의 구축에 있어 대상 종의 형태적 특징 정보를 보존하는 데이터 확대 방법을 적용한다. 둘째 구축된 학습데이터로부터 종 특징들이 학습될 수 있는 합성곱 신경망 모델을 제안한다. 제안한 모델은 높은 해상도를 고려하여 학습 이미지 정보 손실을 최소화하였고 완전 연결 층 대신에 전역 평균 폴링 층을 사용하여 학습 매개 변수 개수를 최소화하였다. 제안한 모델의 일반성을 제시하기 위해 새로이 획득한 데이터를 기반으로 성능을 제시하였다. 마지막으로 개발된 모델에서 추출된 특징들의 시각화를 통해, 분류 모델의 중요 특징을 제시하였다.

• 대한원격탐사학회지
• /
• 제28권4호
• /
• pp.357-367
• /
• 2012

이 논문에서는 초분광 영상으로부터 이상값을 탐지하기 위해 자료 변환 기반 특징 추출과 선정 및 국소적 자기상관지수를 이용하는 2단계 방법론을 제안한다. 초분광 영상이 제공하는 중복된 분광 정보들의 축약을 위해 우선적으로 주성분 변환과 3차원 웨이브렛 변환을 적용하였다. 그리고 축약된 자료 변환 기반 특징을 대상으로 왜도와 국소적 왜도 비율을 함께 고려하여 이상값 탐지를 위한 유효 특징을 선정하였다. 최종적으로 기존 분광 정보만을 이용하는 이상값 탐지 방법론들에 공간 자기상관성을 함께 고려할 수 있도록 국소적 자기상관지수(LISA)를 이상값 탐지 방법론으로 적용하였다. 제안 방법론의 적용성 평가를 위해 항공 CASI 자료를 대상으로 한 실험을 수행하였다. 실험 결과, 기존 분광 정보만을 고려하는 RX detector나 고유값 기반 주요 주성분만을 이용하는 경우에 비해 유효 특징 선정과 연계된 LISA 통계값이 높은 탐지 능력을 나타내었다. 또한 3차원 웨이브렛 변환 기반 저주파와 고주파 특징들을 결합한 경우가 유효 주성분을 사용하는 경우에 비해 가장 높은 탐지 성능을 나타냈다.

• 해양환경안전학회지
• /
• 제26권2호
• /
• pp.139-148
• /
• 2020

선박이 접안할 때 발생하는 접안에너지에 가장 영향력이 큰 요소는 접안속도이며, 과도한 경우 사고로 이어질 수 있다. 접안속도의 결정에 영향을 미치는 요소는 다양하지만 기존 연구에서는 일반적으로 선박 크기에 제한하여 분석하였다. 따라서 본 연구에서는 다양한 선박 접안속도의 영향요소를 반영하여 분석하고 그에 따른 중요도를 도출하고자 한다. 분석에 활용한 데이터는 국내 한 탱커부두의 선박 접안속도를 실측한 것을 바탕으로 하였다. 수집된 데이터를 활용하여 머신러닝 분류 알고리즘인 의사결정나무(Decision Tree), 랜덤포레스트(Random Forest), 로지스틱회귀(Logistic Regression), 퍼셉트론(Perceptron)을 비교분석하였다. 알고리즘 평가 방법으로는 혼동 행렬에 따른 모델성능 평가지표를 사용하였다. 분석 결과, 가장 성능이 좋은 알고리즘으로는 퍼셉트론이 채택되었으며 그에 따른 접안속도 영향요인의 중요도는 선박 크기(DWT), 부두 위치(Jetty No.), 재화상태(State) 순으로 나타났다. 이에 따라 선박 접안 시, 선박의 크기를 비롯하여 부두 위치, 재화 상태 등 다양한 요인을 고려하여 접안속도를 설계하여야 한다.

• 한국컴퓨터정보학회논문지
• /
• 제17권6호
• /
• pp.37-48
• /
• 2012

영상정합은 동일한 장면에 대해서 서로 다른 시점, 서로 다른 시간 혹은 서로 다른 특성의 센서로부터 얻은 영상들의 위치 관계를 대응 시켜주는 기법이다. 본 논문에서는 가시광선 영상 및 적외선 영상과 같은 다중센서 영상을 정합하기 위한 방법을 제안한다. 영상정합은 두 영상에서 특징점을 추출하고, 특징점 간의 대응 관계를 구함으로써 이루어진다. 기존의 다중센서 영상 정합을 위한 방법으로 정규상호정보를 이용하여 대응 특징점을 선별하는 방법이 제안되었다. 정규상호정보 기반의 영상정합 기법은 두 영상의 통계적 상관성이 전역적이어야 한다는 가정을 전제한다. 그러나 가시광선 영상과 적외선 영상에서는 이를 보장하지 못하는 경우가 많아 대응 특징점의 정확도가 저하되기 때문에 기존의 방법은 안정적인 정합 성능을 기대하기 힘들다. 본 논문에서는 영상의 공간정보로서 기울기 방향정보를 정규상호정보와 결합함으로써, 대응 특징점의 정확도를 향상시켰으며 이를 통해 정확성 및 안정적인 영상 정합 결과를 도모하였다. 다양한 실험 결과를 통해 제안하는 방법의 효용성을 증명하였다.

• 디지털융복합연구
• /
• 제17권3호
• /
• pp.107-117
• /
• 2019

블로그, 소셜 미디어 등의 발달로 인해 점점 더 많은 사람들이 본인의 의견이나 감정을 표현하기 위해 온라인상에서 텍스트 문장을 작성한다. 그리고 이같은 온라인 텍스트 문장속에 숨겨져 있는 긍정 또는 부정등의 감성을 찾아내는 연구분야를 감성분석 이라고 한다. 그중에서도 이모션 마이닝은 사람들의 구체적인 이모션을 찾아내는데 초점을 맞춘 연구분야이다. 본 연구에서는 속성선택 방법과 단일 및 앙상블 분류기를 조합하여 효과적인 이모션 마이닝 예측모델을 제시하고자 한다. 이를 위해 두가지 대표적인 오픈 데이터인 Tweet와 SemEval2007 데이터를 이용하여 TF-IDF를 계산하고 백 오브 워즈(BOW: bag-of-words) 형태로 속성 셋을 구성하였다. 그리고 효과적인 이모션 마이닝이 될 수 있는 최적의 속성을 선택하기 위하여 상관관계 기반 속성선택(CFS), 정보획득 속성선택 (IG), 그리고 ReliefF 등 세가지 속성선택 방법을 적용하였다. 선택된 속성을 이용하여 아홉가지 분류기 모델로 이모션 마이닝의 정확도를 비교하였다. 실험 결과, Tweet 데이터는 의사결정나무(DT)가 CFS, IG, ReliefF에 의한 속성을 이용할 경우 정확도가 상승했고, 랜덤서브스페이스(RS)는 CFS, IG에 선택된 속성을 사용할 경우 정확도가 상승했다. SemEval2007 데이터는 ReliefF에 의해 선택된 속성으로 로지스틱 회귀분석(LR)을 적용하였을 때 정확도가 상승했고, 나이브 베이지안 네트워크(NBN)은 CFS, IG에 의한 속성을 사용할 경우 정확도가 상승하였다.