• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 자원환경지질
• /
• 제43권3호
• /
• pp.259-267
• /
• 2010

국내에서 노멀전기검층은 지반조사, 지하수 환경조사, 지열조사, 지질조사, 광물자원 평가 등의 다양한 분야에서 널리 이용되고 있다. 노멀전기검층은 지표 전기비저항탐사법과는 달리 완전공간에 대한 자료를 취득하기 때문에 지표부근에 수위가 위치하는 시추공에서 자료를 취득하는 경우, 수위 및 지표에 대한 영향을 고려해야 한다. 이 연구는 노멀전기검층 존데, 전류리턴전극, 기준점전위전극, 시추공내 지하수위 등을 포함하는 실제 물리검층 환경과 동일한 조건에서 노멀전기검층을 시물레이션하여 지표 및 지하수 수위가 노멀전기검층에 미치는 영향을 분석하였다. 수치 모델링은 2차원 목표지향 자기적응 고차 hp 유한요소법(2D goal-oriented high-order self-adaptive hp finite element method)을 이용하였다(여기서 h는 요소의 크기, p는 노드에서의 근사 차수). 이 알고리듬을 이용하여 측정한 겉보기비저항의 오차가 1%보다 작도록 계산할 수 있는 최적 hp 격자를 구성함으로써 매우 정밀한 결과를 얻었다. 수치실험결과, 지표부근에서 취득한 노멀전기검층 자료는 기준점전위전극이 시추공에 가까울수록 자료의 왜곡이 증가하며 장노멀전기검층에서의 왜곡이 단노멀전기검층에서 보다 심함을 알 수 있었다.

• 정보과학회 논문지
• /
• 제42권12호
• /
• pp.1503-1521
• /
• 2015

에이전트 기반 모델링 및 시뮬레이션(Agent-Based Modeling and Simulation)은 기존 시스템 수준에서의 시뮬레이션이 구현할 수 없는 에이전트의 세밀한 행동과 상호작용을 활용하여 시장이나 사회 현상의 모델링에 사용되는 기술이다. 그러나 에이전트 기반 모델링 및 시뮬레이션은 에이전트 기반 시스템의 지식 수준에서의 합리성의 원칙에 기반하여 구현되기 때문에 스스로의 목표 달성을 저해하는 에이전트를 표현할 수 없다[1]. 에이전트 기반 소프트웨어 공학 분야에서는 이러한 한계를 극복하기 위해 사회적 수준에서의 행동 법칙을 통해 해결하였으나[2], 구체적인 개발 방법론은 제시가 되어 있지 않다. 따라서 본 연구에서는 에이전트 기반 소프트웨어 공학 방법론인 트로포스와 사회적 행동 법칙을 결합하여 사회적 행동 법칙을 반영한 새로운 에이전트 기반 모델링 및 시뮬레이션 방법을 제안한다. 이를 위해 각 개발 단계별로 구체적인 과업을 명시하고 과업 별로 생성되는 산출물 분석을 통해 모델링 및 시뮬레이션의 과정을 설명한다. 또한 자가 적응적 스마트 그리드와 군 도메인 시스템에서의 구체적인 적용 사례와 실험을 통해 제안 방법을 검증한다.

• 대한방사선치료학회지
• /
• 제30권1_2호
• /
• pp.139-151
• /
• 2018

목 적 : "Yaw방향의 보정이 가능한 Tomotherapy couch device"를 자체 제작하였고, 그 유용성을 평가하였다. 대상 및 방법 : 휨 강도가 $200kg/cm^2$의 경질 섬유판 재질로 Yaw방향의 회전 가능한 Tomotherapy couch device를 제작하고, 제작된 device의 물리적 정확성을 판단하기 위해 Varian사의 Novalis Tx의 CBCT Image와 MED-TEC사의 Iso-Align Phantom을 사용하여 device의 Yaw방향의 보정각도의 정확성을 측정하였고, Tomotherapy HDA에서의 치료를 위해 치료계획은 Accuray PrecisionTM를 이용하여 In House Head and Phantom 위에 치료계획을 설계하였고 제작한 device의 보정각도마다 치료 전 후의 MVCT의 adaptive plan을 Accuray PrecisionARTTM and PrecisionTM을 사용하여 선량을 평가하였다. 결 과 : Yaw방향의 보정이 가능한 Tomotherapy couch device를 자체 제작하였으며, 물리적 정확성의 측면에서 모든 각도별 vertical, lateral, longitudinal의 보정값은 약 1 mm 내외였고, 최대 보정값이 1.5 mm를 넘지 않았으며 Yaw방향의 보정은 최대 0.12도 오차 이내의 범위 안에 들어왔다. 치료후의 MVCT촬영 영상을 이용한 adaptive plan을 이용한 선량 평가에서도 모든 각도실험에서 target은 D95=Prescription dose를 만족하고, target내 선량이 95 %~107 % 이내에 들어왔으며, OAR 또한 본원에서 평가한 SMC Head and Neck tolerance dose 영역 내에 모두 들어왔다. 결 론 : 자체 제작한 "Yaw방향의 보정이 가능한 Tomotherapy couch device는 Tomotherapy의 치료에서 Yaw방향의 set-up 오차를 정확히 보정해준다. 비용적인 측면에서도 효과대비 저비용으로 장치를 만들 수 있을 뿐만 아니라 재촬영에 대한 환자가 받는 MVCT image dose를 방지하고 시간적으로도 환자의 회전율을 상승시킬 수 있으며, Yaw방향의 set up 오차를 보정하므로 더 정확한 방사선치료를 시행할 수 있다고 판단된다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.61-73
• /
• 2021

메타휴리스틱 탐색법은 주어진 정보의 부족 및 시간의 제약을 받는 상황에서 다양한 목적함수를 가진 문제를 해결하기 위해 개발되었다. 본 연구에서는 기존의 최적화 알고리즘인 Vision Correction Algorithm(VCA)의 성능을 강화한 Hybrid Vision Correction Algorithm(HVCA)을 개발하였다. HVCA는 기존의 알고리즘의 성능을 개선하기 위해 두 가지 방법을 적용하였다. 첫 번째 방법으로 사용자가 입력해야 하는 매개변수를 자가적응형 매개변수로 개선하였다. 두 번째 방법으로 Exponential Bandwidth Harmony Search With Centralized Global Search(EBHS-CGS)의 CGS 구조를 HVCA에 추가하였다. CGS 구조의 추가로 인해 HVCA 내부는 CGS와 VCA의 두 가지 구조로 구성되어 있다. 두 가지 구조를 효율적으로 사용하기 위해 반복시산을 진행하면서 최적값이 나오는 구조의 선택확률을 증가시키는 방법을 적용하였다. 제안된 HVCA의 성능을 확인하기 위해 최적화 문제에 적용하고, 그 결과를 Harmony Search(HS), Improved Harmony Search(IHS) 및 VCA와 비교하여 나타내었다. 적용결과 수학문제와 공학문제에서 HVCA는 HS, IHS 및 VCA보다 최적값 및 100번의 반복실행 중 최적값을 찾는 횟수가 많았으며, 최적값에 수렴하는 반복시산횟수도 낮았다. 이를 통해 HVCA가 성능이 개선되었다는 것을 확인할 수 있었다. 제안된 HVCA는 적용한 수학문제 및 공학문제 이외에도 많은 분야에 대해 좋은 결과를 나타낼 것으로 기대된다.

• 한국인터넷방송통신학회논문지
• /
• 제12권4호
• /
• pp.7-13
• /
• 2012

본 논문에서는 디지털 전송시 시분산 통신 채널에서 발생되는 부호간 간섭을 최소화시키기 위한 블라인드 등화 알고리즘인 ISCA (Improved Square Contour Algorithm)과 MSCA (Modified Square Contour Algorithm)의 성능을 비교하였다. 송신 신호는 통신 채널에서 진폭과 위상 전달 특성의 비선형성으로 인하여 대역 제한 및 시분산되어 수신될 것이므로 수신측에서 적응 등화기를 사용하여 찌그러짐을 보상한 후 검출기를 통과시켜 "1"과 "0"을 판정하게 된다. 이때 수신기에서 사용되는 적응 등화기의 알고리즘에서는 Constellation Dependent Constant가 매우 중요한 역할을 하며, 이의 계산을 위하여 ISCA와 MSCA에서는 2차 통계치만 이용하였다. 다른 알고리즘에 비해 비교적 간단한 연산으로 이들 2 가지의 전달 특성을 동시에 보상할 수 있는 알고리즘인 ISCA와 MSCA는 존의 SCA (Square Contour Algorithm) 알고리즘 성능을 더욱 개선시킨 것으로 이들의 성능을 컴퓨터 시뮬레이션을 통해 비교하였다. 이를 위하여 복원 성상도, 잔류 isi양 및 MSE를 사용하였으며, 성능의 비교 결과 모든 비교 지수에서 ISCA 알고리즘이 MSCA 알고리즘보다 우월함을 확인하였다. 그러나 등화 알고리즘이 정상 상태에서는 MSCA의 CME항에 의하여 성능의 미소 변화량이 ISCA 보다 적어져서 높은 안정성을 얻을 수 있었다.

• 정보처리학회논문지B
• /
• 제11B권6호
• /
• pp.717-722
• /
• 2004

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NNWFM)을 이용하여 Wisconsin breast cancer의 예측을 수행하는 퍼지규칙을 추출하고 있다. NNWFM는 자기적응적(self adaptive)가중 퍼지소속함수를 가지고 주어진 입력 데이터로부터 학습하여 퍼지규칙을 생성하고 이론 기반으로 예측을 수행한다. 신경망 구조의 중간 부분인 하이퍼박스(hyperbox)들은 n개의 대, 중, 소의 가중 퍼지소속함수 집합으로 구성되며, 학습 후 각 집합은 퍼지집합의 bounded sum을 사용하여 다시 하나의 가중 퍼지소속함수로 합성된다. n개의 특징입력(feature input)은 학습된 모든 하이퍼박스에 연결되어 예측 작업을 수행한다. NNWFM으로 추출된 2개의 퍼지규칙은 99.41%의 예측 인식율을 가지며 이는 퍼지규칙의 수와 인식율에 있어 현재 발표된 논문의 결과보다 우수함을 보여준다.

• 한국융합학회논문지
• /
• 제8권8호
• /
• pp.185-190
• /
• 2017

자연현상에서 발견되는 프랙털 (fractal) 구조는 자기 유사성 (self-similarity)의 반복된 형태로, 생명체의 발생과 기관 형성에서도 자주 관찰된다. 특히, 수많은 종류의 암모나이트에서 관찰되는 봉합선 (suture)의 복잡, 다양한 형태는 프랙털 생성에 대한 생물학적인 이해를 위한 좋은 연구소재이다. 본 연구에서는 희귀하게 초기 발생단계의 봉합선 구조가 매우 잘 보전된 Eogaudryceras sp.를 대상으로 봉합선 형성의 과정을 분석하고자 하였으며, 일반적으로 구하기 힘든 부위인 나선 (spiral) 중심부 1mm 이내의 현미경적인 관찰을 실시하였다. 아직 봉합선의 프랙털 구조 생성에 대한 생물학적인 기전은 아직 불분명한 상태이나, 본 연구를 통하여 암모나이트 발생초기에 프랙털 구조의 복잡성이 단계별로 분명한 차이가 있음을 발견하였다. 이러한 결과는 하나의 생명체 내에서 "Evo-Devo"의 여러 발생단계의 변화를 동시에 보여줄 수 있는 좋은 예시로서, 향후 프랙털 구조의 생물학적인 기전 연구 및 관련되는 다양한 융합학문에서의 접목과 활용이 기대된다.

• 한국콘텐츠학회논문지
• /
• 제15권8호
• /
• pp.625-641
• /
• 2015

감성이 기억 및 학습과 밀접하게 관련되어 있다는 최근의 연구결과와 학습의 정의적 측면에 관한 교육계의 높은 관심에도 불구하고 학습자의 감성에 기반한 교수방법이나 학습환경에 대한 체계적인 연구가 부족하다. 면대면 강의와 온라인 학습에서 감성의 역할을 이해하고 긍정적 감성을 촉진하기 위한 노력이 점차 증가하고 있으나, 학습자의 감성을 타당하고 신뢰롭게 측정하는 것은 여전히 도전적인 과제로 남아있다. 감성을 고려한 교육을 실천하기 위해서는 학습자의 기억에 의존한 자기보고식 감성측정도구의 제한점을 보완하는 것이 필요하다. 본 연구는 최근 교육학과 인접학문 영역에서 사용되고 있는 감성측정도구를 자기보고, 생리적 신호, 행동적 반응의 측면에서 조사하고 그 도구들이 교수학습 상황에서 어떻게 활용될 수 있는지를 논의하였다. 특히, 실시간으로 학습자의 감성을 편리하게 수집하여 분석할 수 있는 첨단 테크놀로지의 교육적 활용방안을 조사하였다. 이 연구는 향후 실제적인 교수학습 상황에서 감성의 역할을 규명하고 학습자의 감성 변화를 고려한 적응적 학습환경을 설계하는 데 크게 기여할 것이다.

• 전자공학회논문지SC
• /
• 제44권2호
• /
• pp.24-31
• /
• 2007

본 논문은 신경회로망을 이용한 IPMSM 드라이브의 자기동조 PI 제어기를 제시한다. 일반적으로 수치제어장치 처리는 고정된 이득값을 가진 PI 제어기를 이용한다. 고정된 이득값을 가진 PI 제어기는 어떠한 환경에서는 양호하게 동작할 수 도 있다. 고정된 이득값을 가진 PI 제어기의 강인성을 증가시키기 위하여 신경회로망을 기반으로한 새로운 방법인 STPI 제어기를 제시하였다. STPI 제어기는 속도, 부하토크, 관성과 같은 파라비터가 갑자기 변화하였을 때 오버슈트, 상승시간, 안정화시간을 최소화한다. 또한 본 논문에서는 신경회로망을 이용하여 속도를 제어하고 ANN 제어기를 이용하여 속도를 추정한다. 신경회로망의 역전파 알고리즘 기법은 전동기 속도의 실시간 추정을 제시한다. IPMSM의 속도제어의 결과는 이득값 동조의 효용성을 보여준다. 그리고 STPI 제어기는 고정된 이득값을 가진 PI 제어기에 비하여 강인성 광범위한 운전영역 부하 왜란등에 대하여 우수한 성능을 나타낸다.