• 한국인터넷방송통신학회논문지
• /
• 제9권6호
• /
• pp.29-35
• /
• 2009

본 논문에서는 무선인지네트워크를 위한 효율적인 채널 선택 알고리즘을 제안하고 그 성능을 비교분석한다. 제안된 알고리즘에서는 다중의 가용한 채널들 중 최적 채널 선택을 위해 히스토리 윈도우 범위에서 각 채널의 기(primary) 사용자에 의한 채널 사용률 및 성능, 현 채널 품질 그리고 기 사용자의 통계적 트래픽 활동 특성을 고려한다. 시뮬레이션을 통해 무선인지(secondary)사용자들이 제안된 알고리즘을 통하여 다중의 채널들중 데이터 전송을 위한 최적의 채널을 선택할 수 있음을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.526-529
• /
• 2020

최근 네트워크 환경에 대한 공격이 급속도로 고도화 및 지능화 되고 있기에, 기존의 시그니처 기반 침입탐지 시스템은 한계점이 명확해지고 있다. 이러한 문제를 해결하기 위해서 기계학습 기반의 침입 탐지 시스템에 대한 연구가 활발히 진행되고 있지만 기계학습을 침입 탐지에 이용하기 위해서는 두 가지 문제에 직면한다. 첫 번째는 실시간 탐지를 위한 학습과 연관된 중요 특징들을 선별하는 문제이며 두 번째는 학습에 사용되는 데이터의 불균형 문제로, 기계학습 알고리즘들은 데이터에 의존적이기에 이러한 문제는 치명적이다. 본 논문에서는 위 제시된 문제들을 해결하기 위해서 Hybrid Feature Selection과 Data Balancing을 통한 심층 신경망 기반의 네트워크 침입 탐지 모델을 제안한다. NSL-KDD 데이터 셋을 통해 학습을 진행하였으며, 평가를 위해 Accuracy, Precision, Recall, F1 Score 지표를 사용하였다. 본 논문에서 제안된 모델은 Random Forest 및 기본 심층 신경망 모델과 비교해 F1 Score를 기준으로 7~9%의 성능 향상을 이루었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권7_8호
• /
• pp.672-680
• /
• 2003

shopbot이란 온라인상의 판매자로부터 상품에 대한 가격과 품질에 관한 정보를 자동적으로 수집함으로써 소비자의 만족을 최대화하는 소프트웨어 에이전트이다 이러한 shopbot에 대응해서 인터넷상의 판매자들은 그들에게 최대의 이익을 가져다 줄 수 있는 에이전트인 pricebot을 필요로 할 것이다. 본 논문에서는 pricebot의 가격결정 알고리즘으로 비 모델 강화 학습(model-free reinforcement learning) 방법중의 하나인 Q-학습(Q-learning)을 사용한다. Q-학습된 에이전트는 근시안적인 최적(myopically optimal 또는 myoptimal) 가격 결정 전략을 사용하는 에이전트에 비해 이익을 증가시키고 주기적 가격 전쟁(cyclic price war)을 감소시킬 수 있다. Q-학습 과정 중 Q-학습의 수렴을 위해 일련의 상태-행동(state-action)을 선택하는 것이 필요하다. 이러한 선택을 위해 균일 임의 선택방법 (Uniform Random Selection, URS)이 사용될 경우 최적 값의 수렴을 위해서 Q-테이블을 접근하는 회수가 크게 증가한다. 따라서 URS는 실 세계 환경에서의 범용적인 온라인 학습에는 부적절하다. 이와 같은 현상은 URS가 최적의 정책에 대한 이용(exploitation)의 불확실성을 반영하기 때문에 발생하게 된다. 이에 본 논문에서는 보조 마르코프 프로세스(auxiliary Markov process)와 원형 마르코프 프로세스(original Markov process)로 구성되는 혼합 비정적 정책 (Mixed Nonstationary Policy, MNP)을 제안한다. MNP가 적용된 Q-학습 에이전트는 original controlled process의 실행 시에 Q-학습에 의해 결정되는 stationary greedy 정책을 사용하여 학습함으로써 auxiliary Markov process와 original controlled process에 의해 평가 측정된 최적 정책에 대해 1의 확률로 exploitation이 이루어질 수 있도록 하여, URS에서 발생하는 최적 정책을 위한 exploitation의 불확실성의 문제를 해결하게 된다. 다양한 실험 결과 본 논문에서 제한한 방식이 URS 보다 평균적으로 약 2.6배 빠르게 최적 Q-값에 수렴하여 MNP가 적용된 Q-학습 에이전트가 범용적인 온라인 Q-학습이 가능함을 보였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.2237-2242
• /
• 2005

The original RRT is iteratively expanded by applying control inputs that drive the system slightly toward randomly-selected states, as opposed to requiring point-to-point convergence, as in the probabilistic roadmap approach. It is generally known that the performance of RRTs can be improved depending on the selection of the metrics in choosing the nearest vertex and bias techniques in choosing random states. We designed a path planning algorithm based on the RRT method for a remote-controlled mobile robot. First, we considered a bias technique that is goal-biased Gaussian random distribution along the command directions. Secondly, we selected the metric based on a weighted Euclidean distance of random states and a weighted distance from the goal region. It can save the effort to explore the unnecessary regions and help the mobile robot to find a feasible trajectory as fast as possible. Finally, the constraints of the actuator should be considered to apply the algorithm to physical mobile robots, so we select control inputs distributed with commanded inputs and constrained by the maximum rate of input change instead of random inputs. Simulation results demonstrate that the proposed algorithm is significantly more efficient for planning than a basic RRT planner. It reduces the computational time needed to find a feasible trajectory and can be practically implemented in a remote-controlled mobile robot.

• 대한전자공학회논문지TC
• /
• 제46권7호
• /
• pp.1-5
• /
• 2009

랜덤 빔 형성 기법은 정적인 채널에서 다중 사용자 다이버시티를 얻게 하지만, 사용자수에 따른 성능의 제약이 있다. 이를 극복하기 위해 송신단에서 다중 랜덤 빔을 형성하는 기법들이 소개되었다. 특히 코드북에 기반을 둔 랜덤 빔 형성 기법은 적은 파일럿 수로 다중 랜덤 빔을 형성한다. 그러나 그 기법은 채널특성에 따른 빔 디자인의 어려움이 있다. 따라서, 본 논문에서는 다중 코드북을 교대로 이용하여 랜덤 빔을 형성하는 기법을 제안한다. 제안한 기법은 기존 기법에 비해 휠씬 용이하게 빔을 디자인하여 적은 파일럿을 이용하면서 다중 사용자 다이버시터 이득과 선택적 다이버시티 이득을 동시에 얻는다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.155-170
• /
• 2018

기업의 금융 부도를 예측하는 것은 전통적으로 비즈니스 분석에서 가장 중요한 예측문제 중 하나이다. 선행연구에서 예측모델은 통계 및 기계학습 기반의 기법을 적용하거나 결합하는 방식으로 제안되었다. 본 논문에서는 잘 알려진 최적화기법 중 하나인 시뮬레이티드 어니일링에 기반한 새로운 지능형 예측모델을 제안한다. 시뮬레이티드 어니일링은 유전자알고리즘과 유사한 최적화 성능을 가진 것으로 알려져 있다. 그럼에도 불구하고, 시뮬레이티드 어니일링을 사용한 비즈니스 의사결정 문제의 예측과 분류에 관한 연구가 거의 없었기 때문에, 비즈니스 분석에서의 유용성을 확인하는 것은 의미가 있다. 본 연구에서는 시뮬레이티드 어니일링과 기계학습의 결합 모델을 사용하여 부도예측모델의 입력 특징을 선정한다. 최적화 기법과 기계학습기법을 결합하는 대표적인 유형은 특징 선택, 특징 가중치 및 사례 선택이다. 이 연구에서는 선행연구에서 가장 많이 연구된 특징 선택을 위한 결합모델을 제안한다. 제안하는 모델의 우수성을 확인하기 위하여 본 연구에서는 한국 기업의 실제 재무데이터를 이용하여 그 결과를 분석한다. 분석결과는 제안된 모델의 예측 정확도가 단순한 모델의 예측 정확성보다 우수하다는 것을 보여준다. 특히 기존의 의사결정나무, 랜덤포레스트, 인공신경망, SVM 및 로지스틱 회귀분석에 비해 분류성능이 향상되었다.

• Asian-Australasian Journal of Animal Sciences
• /
• 제30권2호
• /
• pp.167-170
• /
• 2017

Objective: The feed intake (FI) and feed efficiency are economically important traits in ducks. To obtain insight into this economically important trait, we designed an experiment based on the residual feed intake (RFI) and feed conversion ratio (FCR) of a random population Pekin duck. Methods: Two thousand and twenty pedigreed random population Pekin ducks were established from 90 males mated to 450 females in two hatches. Traits analyzed in the study were body weight at the 42th day (BW42), 15 to 42 days average daily gain (ADG), 15 to 42 days FI, 15 to 42 days FCR, and 15 to 42 days RFI to assess their genetic interrelationships. The genetic parameters for feed efficiency traits were estimated using restricted maximum likelihood (REML) methodology applied to a sire-dam model for all traits using the ASREML software. Results: Estimates heritability of BW42, ADG, FI, FCR, and RFI were 0.39, 0.38, 0.33, 0.38, and 0.41, respectively. The genetic correlation was high between RFI and FI (0.77) and moderate between RFI and FCR (0.54). The genetic correlation was high and moderate between FCR and ADG (-0.80), and between FCR and BW42 (-0.64), and between FCR and FI (0.49), respectively. Conclusion: Thus, selection on RFI was expected to improve feed efficiency, and reduce FI. Selection on RFI thus improves the feed efficiency of animals without impairing their FI and increase growth rate.

• 인지과학
• /
• 제19권1호
• /
• pp.57-74
• /
• 2008

본 연구에서는 무선열 생성과제 수행동안 반응 후보 수의 많고 적음에 수반되는 뇌활성화 양상의 차이를 살펴보고자 하였다. 반응후보의 수가 크거나 적고의 관계없이 단순 세기 조건에 비해 항상 활성화 수준이 높았던 영역은 전대상회 (ACC), 하전두회 (IFG), 하두정 소엽 (IPL) 및 상측두회 (STG) 등의 영역이었다. 반응후보의 다수조건과 소수조건을 직접 비교했을 때, 소수조건의 활성화 수준이 높았던 영역은 측-후두엽 네트웍과 전대상회, 중심후회 등을 포함하는 매우 넓은 영역이었음에 비해 다수조건에서 활성화 수준이 높았던 영역은 내전회 (medial frontal gyrus), 상두정 소엽과 상측두회를 포함하는 좀 더 좁은 영역에 국한되었다. 이러한 결과를 토대로 본 연구는 무선열 생성과정을 기존의 작업기억 용량 가설만으로 설명하는 것은 곤란하며, 그보다는 처리 전략 등의 다른 가설의 가능성을 논의하였다.

• Asian-Australasian Journal of Animal Sciences
• /
• 제9권2호
• /
• pp.149-153
• /
• 1996

In the first step, birth weights and weights at 9 and 12 months were analysed and their variability were studied. Birth weight of kids had large within breed variation ranging from 0.50 to 1.60 kg. There were more than 100 kids with birth weights ranging from 1.2 to 1.6 kg. The birth weight of kids increased with the increase of kidding weight of dams. The weights of kids at 9 and 12 months also showed large within variation ranging from 5.0 to 18.0 kg and 16.0 to 19.0 kg respectively. In the second step, these existing large within breed variations were exploited selecting best animals for further mating. The birth weight of selected group($1.13{\pm}0.2kg$) was significantly(p<0.01) higher than the random group($0.93{\pm}0.05kg$). The weights in selected group for 3 and 6 months were $4.94{\pm}0.04$ and $8.40{\pm}0.05kg$ and that of random group was $3.99 {\pm}0.08$ and $7.07{\pm}0.11kg$ respectively and differences wee significant. Significantly higher average daily gains were noticed for selected group ($42.7{\pm}0.43g/day$) as against random group($33.3{\pm}0.81g/day$). From the results it may be concluded that selection and mating of best performing animals have some effect on the improvement of growth performance of kids which may be exploited for future planning and development in the field of goat production.

• 생명과학회지
• /
• 제21권1호
• /
• pp.15-21
• /
• 2011

재배종 토마토(Lycopersicum esculentum)는 중요 작물의 하나이다. 36 재배종에 대해 80개 RAPD (random amplified polymorphic DNA) 마커로 동정과 다형성을 조사하였다. 80개 마커 중 36개(45.0%)는 다형성을 나타내었다. 재배종 토마토에서 다형성의 탐지는 유익한 유전자형의 선택에 의한 분자 지도 발전 가능성을 제공할 수 있다. 분자 마커는 역시 식물 육종 지적 권리(PBRs)의 동정과 보호를 위해 사용될 수 있다. 한 예로써 OPC-13 시발체를 사용한 DNA 다형은 Junk Pink와 Ailsa Craighp 품종은 OPC-13-01 밴드가 결여되어 있다. OPA-12-03와 OPB-15-07는 TK-70 품종에 특이 마커로 다른 품종에는 없다. 본 연구의 재배종 토마토에서 DNA 다형은 일부 예외는 있지만 개화 타입과 관련이 있다. 이런 접근은 바람직한 토마토 품종 육성에 유전적 정보를 높이는데 유익할 것으로 사료된다.