• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권7호
• /
• pp.299-306
• /
• 2022

최근 로봇이나 설비, 회로 등에 센서 내장이 보편화 되고, 측정된 센서 데이터를 학습하여 기기의 고장을 진단하기 위한 연구가 활발하게 수행되고 있다. 이러한 고장 진단 연구는 고장 상황이나 종류를 예측하기 위한 분류(Classification) 모델 개발과 정량적으로 고장 상황을 예측하기 위한 회귀(Regression) 모델 개발로 구분된다. 분류 모델의 경우, 단순히 고장이나 결함의 유무(Class)를 확인하는 반면, 회귀 모델은 무수히 많은 수치 중에 하나의 값(Value)을 예측해야 하므로 학습 난이도가 더 높다. 즉, 입력과 출력을 대응시켜 고장을 예측을 할 때, 유사한 입력값이 동일한 출력을 낸다고 결정하기 어려운 불규칙한 상황이 다수 존재하기 때문이다. 따라서 본 논문에서는 주기성을 지닌 입출력 데이터에 초점을 맞추어, 입출력 관계를 분석하고, 슬라이딩 윈도우 기반으로 입력 데이터를 패턴화 하여 입출력 데이터 간의 규칙성을 확보하도록 한다. 제안하는 방법을 적용하기 위해, 본 연구에서는 MMC(Modular Multilevel Converter) 회로 시스템으로부터 주기성을 지닌 전류, 온도 데이터를 수집하여 ANN을 이용하여 학습을 진행하였다. 실험 결과, 한 주기의 2% 이상의 윈도우를 적용하였을 때, 적합도 97% 이상의 성능이 확보될 수 있음을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제14권9호
• /
• pp.11-19
• /
• 2009

다중 판별자를 가지는 RAM 기반 신경망은 단일판별자의 신경 망보다 다범주에서 더 우수한 성능 가진다. 다중 판별자를 가지는 경험유관이진신경망과 3차원 뉴로 시스템(3DNS)은 RAM 기반 이진신경망의 단점인 추가 및 반복 학습, 일반화 패턴 추출 등을 개선하였다. 다중 판별자를 사용하는 신경망의 범주 결정 방법은 MRD 기법으로, 각 판별자의 출력합들 중 최대응답 값으로 결정된다. 그러나 학습 패턴량이 증가하면 신경소자와 판별자의 메모리 포화 문제가 발생되며 이는 MRD의 변별력 저하로 전체 성능이 떨어지는 원인이 된다. 이를 해결하기 위해 기존 MRD의 성능을 향상시킬 수 있는 연구가 필요하다고 본다. 본 논문에서는 최적의 MRD 방법을 찾기 위해 사상 매칭, 누적 필터비 인형 응답 차 그리고 제안된 MRD 기법들을 이용한 최적 MRD 기법 등을 제안하였다. 제안된 MRD의 평가는 3DNS에 전처리 과정 없이 MNIST의 NIST에서 제공하는 숫자 자료를 이용하였다. 제안된 기법들은 기존 MRD보다 우수한 인식률과 입력 패턴의 변형 및 노이즈에 대하여 안정적인 결과를 보였다.

• 대한토목학회논문집
• /
• 제30권6D호
• /
• pp.569-575
• /
• 2010

재차인원의 파악은 HOV 차로 및 HOT 차로 정책의 효과 분석뿐만 아니라, 램프미터링, 공공주차장 운영 등 다양한 부분에 대한 핵심적 입력변수이다. 재차인원에 대한 조사 방법과 TCS (Toll Collection System) 자료를 이용한 O/D 구축방법은 개별적으로 기존 연구에서 많이 수행되어 왔지만, TCS 자료를 이용한 재차인원별 O/D 구축에 대한 연구는 전무한 실정이다. 본 연구는 재차인원 정보가 추가된 TCS 자료를 조사하여 수단별 O/D를 산출하는 과정을 자료조사부터 구축과정에 대한 제반 방법론으로 제시하였다. 특정 영업소(서울 영업소) 진출 방향에 대하여 특정일에 오전 첨두, 오후 비첨두, 오후 첨두, 심야 각 2시간씩 승용차, 버스, 트럭으로 구분된 차량에 대하여 재차인원 조사(노측 조사)를 실시한 후 톨부스, 차종, 도착시간을 기준으로 매칭과정을 거쳐 해당 날짜의 TCS 자료에 재차인원 정보를 추가하여 재차인원별 O/D를 구축하였다. 한 예로써 구축 결과 오전 첨두시 서울로 향하는 나홀로 차량이 약 60%에 이르는 것으로 나타났다. 이러한 방법론은 TCS 자료를 이용한 특정 O/D 구축 방법론과 연계할 경우, 전국 센트로이드간 재차인원별 O/D 산출도 가능할 것으로 판단되며 재차인원 정보를 요구하는 교통정책의 수립에 활용되어 질 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.109-122
• /
• 2014

현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.

• 지능정보연구
• /
• 제15권4호
• /
• pp.1-22
• /
• 2009

월드와이드웹(WWW)은 유용한 정보를 포함하는 자료들의 집합에서 유용한 작업을 수행할 수 있는 서비스들의 집합으로 변화하고 있다. 새롭게 등장하고 있는 웹서비스 기술은 향후 웹의 기술적 변화를 추구하며 최근의 웹의 변화에 중요한 역할을 수행할 것으로 기대된다. 웹서비스는 어플리케이션 간의 통신을 위한 호환성 표준을 제시하며 기업 내/외를 아우를 수 있는 어플리케이션 상호작용 및 통합을 촉진한다. 웹서비스를 서비스 중심 컴퓨팅환경으로서 운용하기 위해서는 웹서비스 저장소는 조직화되어 있어야 할 뿐 아니라, 사용자들의 요구에 맞는 웹서비스 컴포넌트를 찾을 수 있는 효율적인 도구들을 제공하여야 한다. 서비스 중심 컴퓨팅을 위한 웹서비스의 중요성이 증대됨에 따라 웹서비스 발견을 효율적으로 제공할 수 있는 기법의 수요 또한 증대된다. 웹서비스 발견을 위한 많은 기법들이 제안되어 왔지만, 대부분의 선행연구들은 활용하기에는 제대로 발달하지 못하였거나 특정 도메인에 너무 치중하여 일반화하기 어려웠다. 이 논문에서는 군집화기법과 XML기반의 서비스 기술표준인 WSDL의 의미적 가치를 활용하여 다수의 웹서비스를 군집화하는 프레임워크를 제안한다. 웹서비스 발견이라는 연구영역에 최초로 데이터마이닝 기법을 적용한 연구이다. 본 논문에서 제안하는 방식은 여러 흥미로운 요소들이 있다: (1) 서비스 사용자와 제공자들의 사전지식 요구를 최소화한다 (2) 특정 도메인에 과도하게 치중한 온톨로지를 피한다 (3) 웹서비스들 간의 의미론적 관계를 시각화할 수 있다. 이 논문에서 인공신경 정신망 네트워크를 기반으로 하여 프로토타입 시스템을 개발하였으며, 실제 운용되고 있는 웹서비스 저장소로부터 획득한 실제 웹서비스들을 사용하여 제안하는 웹서비스 조직화 프레임워크를 실증적으로 평가하였으며 제안하는 방식의 효용성을 보여주는 실험결과를 보고한다.

• 전기전자학회논문지
• /
• 제18권4호
• /
• pp.552-558
• /
• 2014

본 논문에서는 원격 방사선 측정을 위한 ZigBee 원칩형 통신 모듈 설계방법을 제안한다. 제안된 ZigBee 원칩형 통신모듈 설계는 ZigBee 시스템 구성을 위해 일반적으로 사용되는 2개의 칩 제어 프로세서와 ZigBee RF 디바이스로 구성되는 방식을 한 개의 칩 모듈로 설계한다. 원격 방사선 측정을 위한 ZigBee 원칩형 통신 모듈은 무선통신 통합제어부, 센서 및 고전압 발생부, 충전 및 전원회로부, 유선통신부, RF 회로부 및 안테나부 등으로 구성된다. 무선통신 통합제어부는 ZigBee를 위한 무선통신 제어 기능 및 방사선 측정 및 제어를 위한 기능을 수행한다. 센서 및 고전압 발생부는 2차에 걸쳐 500V의 고전압을 생성하여 GM Tube를 통해 감지된 방사선에 대한 펄스를 증폭 필터링 하는 기능을 수행한다. 충전 및 전원회로부는 리튬이온 배터리의 충전 및 원칩 프로세서에 전원을 공급하는 기능을 수행한다. 유선통신부는 PC와의 인터페이스 및 디버깅을 위한 USB 인터페이스 및 원거리 유선 통신이 가능하도록 RS-485/422 인터페이스 기능을 수행한다. RF 회로부 및 안테나부는 칩안테나를 적용할 수 있도록 RLC 수동소자를 적용하여 BALUN 및 안테나 임피던스 매칭 회로를 구성하여 무선통신이 가능하도록 한다. 제안된 원격 방사선 측정을 위한 ZigBee 원칩형 통신 모듈을 설계 실험한 결과, 10m, 100m 구간에서 모두 데이터가 정상적으로 전송되어서 원격 방사선량 측정이 되었음을 확인할 수가 있었다. 또한 낮은 소비전류와 적은 비용으로 원격 방사선량 측정환경을 구축할 수 있었다. 따라서 방사선 측정장치의 선형성 확보 및 장치의 소형화를 통해 안정적인 방사선 측정 및 실시간 모니터링 환경을 구축할 수가 있었다.

• 한국전자파학회논문지
• /
• 제22권7호
• /
• pp.711-719
• /
• 2011

본 논문에서는 L-밴드 대역 레이더 후방 산란 측정용 도파관 직교 모드 변환기(orthomode transducer)의 소형화에 대한 설계 및 성능 분석 결과를 제시한다. 도파관 직교 모드 변환기는 테이퍼(taper) 구조를 기본으로 새롭게 설계된 접합 구조를 이용하여 별도의 테이퍼 구조 없이 표준 어댑터와 연결이 가능하도록 설계/제작되었다. 소형화된 L-밴드 직교 모드 변환기의 최대 길이는 약 1.2 ${\lambda}_o$(310 mm)이며, 이는 기존의 동급 직교 모드 변환기 크기의 약 60 % 수준이 된다. 또한, 직교 모드 변환기의 포트 정합 특성과 편파 격리도 특성을 높이기 위해서 두 개의 금속봉을 구조 내부에 삽입하여 운용 주파수 대역 내 420 MHz의 대역폭(반사 손실<-15 dB 이하)과 약 40 dB의 높은 편파 격리도 성능을 얻을 수 있었다. 제작된 직교 모드 변환기, 혼 안테나, 네트워크 분석기(Agilent사(社)8753E)로 구성된 L-밴드 scatterometer를 이용한 레이더 후방 산란 측정의 정확도 분석을 위해 STCT(Single Target Calibration Technique) 보정 기법과 2DTST(2D Target Scanning Technique) 자동 측정 기법을 이용하였다. 보정된 scatterometer를 이용하여 측정된 시험용 목표물(55 cm 삼각 수동 전파 반사기)의 RCS(Radar Cross Section)의 측정 오차는 수직/수평 편파 각각 -0.2 dB와 0.25 dB이며, 유효 편파 격리도는 대역 내 평균 약 35.8 dB이다. 이때, 성능 측정을 위해 직교 모드 변환기와 함께 사용된 혼 안테나는 길이 300 mm, 개구면 크기 $450{\times}450\;mm^2$이며, E-평면 $29.5^{\circ}$와 H-평면 $36.5^{\circ}$의 반전력 빔 폭(HPBW)을 갖는다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권11호
• /
• pp.1021-1028
• /
• 2005

분류 및 회계문제에서의 일반적인 해법은, 현실 세계에서 얻은 정보를 행렬로 사상하거나, 이진정보로 변형하는 등 주어진 데이타의 가공과 이를 이용한 학습에서 찾을 수 있다. 본 논문은 현실세계에 존재하는 순수한 데이타를 근원공간이라 칭하며, 근원 데이타가 커널에 의해 사상된 행렬을 이원공간이라 한다. 근원공간 혹은 이원공간에서의 분류문제는 그 역이 존재하는 문제 즉, 완전해가 존재하는 문제와, 그 역이 존재하지 않거나, 역의 원소 값들이 무한히 커지는 불량조건 흑은 특이조건인 두 가지 형태로 존재한다. 특히, 실제 문제에 있어서 완전 해를 가진 문제이기 보다는 후자에 가까운 형태로 나타나게 된다. 결론적으로 근원데이타나 이원데이타를 이용한 문제를 해결하기 위해서는 많은 경우에 완전 해를 갖는 문제로 변형시키는 정규화과정이 필요하다. 본 논문에서는 이러한 정규화 인수를 찾는 문제를 기존의 GCV, L-Curve, 그리고 이원공간에서의 데이타를 RBF 신경회로망에 적용시킨 커널 학습법에 대한 각각의 성능을 비교실험을 통해 고찰한다. GCV와 L-Curve는 정규화 인수를 찾는 대표적인 방법으로 두 방법 모두 성능면에서 동등하며 문제의 조건에 따라 다소 차이를 보인다. 그러나 이러한 두 방법은 문제해를 구하기 위해서는 정규화 인수를 구한후 문제를 재정의하는 이원적인 문제해결이라는 취약점을 갖는다. 반면, RBF 신경회로망을 이용한 방법은 정규화 인수와 해를 동시에 학습하는 단일화된 방법이 된다. 이때 커널을 이용한 학습법의 성능을 향상하기 위해, 전체학습과 성능의 제한적 비례관계라는 설정아래, 각각의 학습에 따라 능동적으로 변화하는 동적모멘텀의 도입을 제안한다. 동적모멘트는 바이어스 학습을 포함한 방법과 포함하지 않은 방법에 각각 적용분석하였다. 끝으로 제안된 동적모멘텀이 분류문제의 표준인 Iris 데이터, Singular 시스템의 대표적 모델인 가우시안 데이타, 그리고 마지막으로 1차원 이미지 복구문제인 Shaw데이타를 이용한 각각의 실험에서 분류문제와 회계문제 양쪽 모두에 있어 기존의 GCV, L-Curve와 동등하거나 우수한 성능이 있음을 보인다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.123-139
• /
• 2019

주요 구인구직사이트의 직무분류체계가 사이트마다 상이하고 SW분야에서 제안한 'SQF(Sectoral Qualifications Framework)'의 직무분류체계와도 달라 SW산업에서 SW기업, SW구직자, 구인구직사이트가 모두 납득할 수 있는 새로운 직무분류체계가 필요하다. 본 연구의 목적은 주요 구인구직사이트의 구인정보와 'NCS(National Competaency Standars)'에 기반을 둔 SQF를 분석하여 시장 수요를 반영한 표준 직무분류체계를 구축하는 것이다. 이를 위해 주요 구인구직사이트의 직종 간 연관분석과 SQF와 직종 간 연관분석을 실시하여 직종 간 연관규칙을 도출하고자 한다. 이 연관규칙을 이용하여 주요 구인구직사이트의 직무분류체계를 맵핑하고 SQF와 직무 분류체계를 맵핑함으로써 데이터 기반의 지능형 직무분류체계를 제안하였다. 연구 결과 국내 주요 구인구직사이트인 '워크넷,' '잡코리아,' '사람인'에서 3만여 건의 구인정보를 open API를 이용하여 XML 형태로 수집하여 데이터베이스에 저장했다. 이 중 복수의 구인구직사이트에 동시 게시된 구인정보 900여 건을 필터링한 후 빈발 패턴 마이닝(frequent pattern mining)인 Apriori 알고리즘을 적용하여 800여 개의 연관규칙을 도출하였다. 800여 개의 연관규칙을 바탕으로 워크넷, 잡코리아, 사람인의 직무분류체계와 SQF의 직무분류체계를 맵핑하여 1~4차로 분류하되 분류의 단계가 유연한 표준 직무분류체계를 새롭게 구축했다. 본 연구는 일부 전문가의 직관이 아닌 직종 간 연관분석을 통해 데이터를 기반으로 직종 간 맵핑을 시도함으로써 시장 수요를 반영하는 새로운 직무분류체계를 제안했다는데 의의가 있다. 다만 본 연구는 데이터 수집 시점이 일시적이기 때문에 시간의 흐름에 따라 변화하는 시장의 수요를 충분히 반영하지 못하는 한계가 있다. 계절적 요인과 주요 공채 시기 등 시간에 따라 시장의 요구하는 변해갈 것이기에 더욱 정확한 매칭을 얻기 위해서는 지속적인 데이터 모니터링과 반복적인 실험이 필요하다. 본 연구 결과는 향후 SW산업 분야에서 SQF의 개선방향을 제시하는데 활용될 수 있고, SW산업 분야에서 성공을 경험삼아 타 산업으로 확장 이전될 수 있을 것으로 기대한다.