• 전기학회논문지
• /
• 제60권3호
• /
• pp.639-647
• /
• 2011

In this paper, we introduce a design methodology of data-centroid Radial Basis Function neural networks with extended polynomial function. The two underlying design mechanisms of such networks involve K-means clustering method and Particle Swarm Optimization(PSO). The proposed algorithm is based on K-means clustering method for efficient processing of data and the optimization of model was carried out using PSO. In this paper, as the connection weight of RBF neural networks, we are able to use four types of polynomials such as simplified, linear, quadratic, and modified quadratic. Using K-means clustering, the center values of Gaussian function as activation function are selected. And the PSO-based RBF neural networks results in a structurally optimized structure and comes with a higher level of flexibility than the one encountered in the conventional RBF neural networks. The PSO-based design procedure being applied at each node of RBF neural networks leads to the selection of preferred parameters with specific local characteristics (such as the number of input variables, a specific set of input variables, and the distribution constant value in activation function) available within the RBF neural networks. To evaluate the performance of the proposed data-centroid RBF neural network with extended polynomial function, the model is experimented with using the nonlinear process data(2-Dimensional synthetic data and Mackey-Glass time series process data) and the Machine Learning dataset(NOx emission process data in gas turbine plant, Automobile Miles per Gallon(MPG) data, and Boston housing data). For the characteristic analysis of the given entire dataset with non-linearity as well as the efficient construction and evaluation of the dynamic network model, the partition of the given entire dataset distinguishes between two cases of Division I(training dataset and testing dataset) and Division II(training dataset, validation dataset, and testing dataset). A comparative analysis shows that the proposed RBF neural networks produces model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1770-1780
• /
• 1997

ATM 망에서의 폭주로 인한 셀 손실은 피할 수 없기 때문에 영상 데이터 전송시 화질의개선 여지가 문제점으로 남아있다. ATM망에서 MPEG 비디오 전송시에 무차별적인 셀들의 손실은 서비스 품질의 심각한 저하를 가져올 수 있다. 본 논문에서는 이러한 문제점을 해결하기 위해 두 가지 방법을 제안한다. 첫째, MPEG 부호화기의 데이터 스트림의 트래픽 특성을 분석하여 높은 우선 순위의 데이터 스트림을 생성한다. 그리고 망의 폭주시에 가능한 한 낮은 우선 순위의 셀들을 폐기시키고 높은 우선 순위의 셀들을 전송하게 함으로써 사용자의 QOS를 보장한다. 이 때 부호화기의 데이터 스트림에 대한 우선 순위는 파라미터 ${\beta}$값의 증감에 따라 우선 순위 단계를 조절한다. 둘째, ${\beta}$값이 클수록 우선 순위가 높은 셀들의 수가 증가하게 된다. 이것은 망의 폭주시 우선 순위가 높은 셀의 손실을 초래한다. 이를 예방하기 위하여 본 연구에서는 사용량 감시 제어기를 설치하여 버퍼의 상태에 따라 전송률을 재 조절하는 방법을 취한다. 즉, 부호화기의 대역폭은 부호화기와 네트워크 사이의 재협상을 통하여 얻는다. 본 논문에서는 부호화기의 대역폭 요구사항을 최대 셀 전송률, 버스트 길이, 지속율을 다루는 사용 파라미터 제어(UPC)에 의하여 얻는다. 네트워크 인터페이스 카드(NIC : Network Interface Card)에 있는 적용 부호화기의 비트율 제어 알고리즘은 사용자의 QOS를 유지하기 위해 필요한 UPC 파라미터를 계산한다. 시뮬레이션시에는 동적인 UPC를 지원하는 ATM 네트워크 인터페이스 환경을 통하여 MPEG 부호화기의 비트율을 조절함으로써 측정하였다. 우선 순위가 주어진 데이터 스트림의 대역폭 재협상을 통한 실험의 결과는 대역폭의 이득과 우선 순위가 높은 데이터 스트림의 손실을 방지함으로써 영상의 화질이 개선됨을 보여준다.

• 한국정보과학회논문지:정보통신
• /
• 제30권5호
• /
• pp.656-667
• /
• 2003

혼잡 제어는 에러 제어와 함께 신뢰적 멀티캐스트의 핵심적인 기능이다. MTCP나 TRAMCC와 같은 기존의 트리 기반의 혼잡 제어 기법은 일대다 신뢰적 멀티캐스트를 위하여 설계되어 다대다 신뢰적 멀티캐스트에 적용할 경우 몇몇 문제점들이 나타난다. 본 논문에서는 트리 기반의 다대다 신뢰적 멀티캐스트 프로토콜을 위한 효율적인 혼잡 제어 기법을 제안한다. 제안하는 기법은 혼잡 윈도우 기법을 기반으로 하며 전송률 제어기를 추가적으로 사용한다. 수신자들의 처리 부담을 최소화하기 위하여 추가적인 피드백 없이 에러 복구를 위한 피드백을 혼잡 제어를 위하여 이용하며, 동적으로 네트워크의 상태의 변화를 반영하는 ACK 타이머와 NACK 타이머 및 빠른 전송률 복구 기법 등을 통하여, 세션 내의 흐름들 간의 공평성을 제공한다. 네트워크 시뮬레이터를 사용해서 제안하는 기법이 세션 내의 흐름 간 공평성에 있어서 기존의 TRAMCC보다 효과적인 것을 보였으며, TCP-친화성, 응답성, 확장성에 있어서 만족할 만한 성능을 보임을 확인하였다. 그리고, 신뢰적 멀티캐스트 프로토콜인 GAM에 통합 구현하여 실험실 내 시험 네트워크 상에서 실험을 수행하였다.

• 인터넷정보학회논문지
• /
• 제23권3호
• /
• pp.35-45
• /
• 2022

현대에도 일부 소외된 지역에서는 의료 인력의 부족으로 인해 위·중증 환자에 대한 치료가 지연되는 경우가 많다. 의료 데이터에 대한 분석을 자동화하여 의료 서비스의 접근성 문제 및 의료 인력 부족을 해소하고자 하는 연구가 계속되고 있다. 컴퓨터 비전 기반의 진료 자동화는 훈련 목적에 대한 데이터 수집 및 라벨링 작업에서 많은 비용이 요구된다. 이러한 점은 희귀질환이나 시각적으로 뚜렷하게 정의하기 어려운 병리적 특징 및 기전을 구분하는 작업에서 두드러진다. 이상 탐지는 비지도 학습 전략을 채택함으로써 데이터 수집 비용을 크게 절감할 수 있는 방법으로 주목된다. 본 논문에서는 기존의 이상 탐지 기법들을 기반으로, 흉부 X-RAY 영상에 대해 이상 탐지를 수행하는 방법을 다음과 같이 제안한다. (1) 최적 해상도로 샘플링된 의료 영상의 색상 범위를 정규화한다. (2) 무병변 영상으로부터 패치 단위로 구분된 중간 수준 특징 집합을 추출하여 그 중 높은 표현력을 가진 일부 특징 벡터들을 선정한다. (3) 최근접 이웃 탐색 알고리즘을 기반으로 미리 선정된 무병변(정상) 특징 벡터들과의 차이를 측정한다. 본 논문에서는 PA 방식으로 촬영된 흉부 X-RAY 영상들에 대한 제안 시스템의 이상 탐지 성능을 세부 조건에 따라 상세히 측정하여 제시한다. PadChest 데이터세트로부터 추출한 서브세트에 대해 0.705 분류 AUROC를 보임으로써 의료 영상에 대한 이상 탐지 적용의 효과를 입증하였다. 제안 시스템은 의료 기관의 임상 진단 워크플로우를 개선하는 데에 유용하게 사용될 수 있으며, 의료 서비스 접근성이 낮은 지역에서의 조기 진단을 효율적으로 지원할 수 있다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1195-1204
• /
• 2021

최근 이상기후로 인한 국지성호우가 잦아져 하천변 사회기반시설을 포함한 인적·물적 피해가 급증하고 있다. 본 연구에서는 해당 시설들의 침수 피해를 예측·방지하고자 기계학습 중 시계열자료에 특화된 LSTM(Long Short- term Memory)기법을 활용하여 수위 예측 알고리즘을 개발하였다. 연구대상지는 잠수교로 연구기간은 총 6년(2015년~2020년)의 6, 7, 8월로 3시간 후의 잠수교 수위를 예측하였다. 입력자료(Input data)는 잠수교 수위(EL.m), 팔당댐 방류량(m³/s), 강화대교 조위(cm), 서울시 트윗의 개수로 기존 연구에 주로 사용된 정형자료뿐만 아니라 워드클라우드를 통해 구축된 비정형자료도 함께 사용하여 상호 보완형 자료를 구축하고, 비정형자료 활용 유무의 비교·분석을 통해 비정형자료의 역할도 제시하였다. 잠수교의 수위 예측 시 상호 보완형의 자료가 정형자료만을 사용한 경우에 비해 예측 정확도가 향상하였는 데, 이는 인명 피해를 감소시킬 수 있는 보수적인 예/경보가 가능함을 알 수 있었다. 본 연구에서는 하천변 사회기반시설의 이용자 안전 및 편의 제공에 상호 보완형 자료의 사용이 보다 효과적이라 판단하였다. 향후에는 비정형자료의 종류를 추가하거나 입력자료의 세밀한 전처리를 통하여 더욱 정확한 수위 예측을 기대해본다.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2022년도 추계학술대회
• /
• pp.169-169
• /
• 2022

Over the past 100 years, the global average temperature has risen by 0.75 ℃. The Korean Peninsula has risen by 1.8 ℃, more than twice the global average. According to the RCP 8.5 scenario, the CO₂ concentration in 2100 will be 940 ppm, about twice as high as current. The National Institute of Crop Science(NICS) is using the SPAR (Soil-Plant Atmosphere Research) facility that can precisely control the environment, such as temperature, humidity, and CO₂. A Python-based colony photosynthesis algorithm has been developed, and the carbon and nitrogen absorption rate of rice is evaluated by setting climate change conditions. In this experiment, Oryza Sativa cv. Shindongjin were planted at the SPAR facility on June 10 and cultivated according to the standard cultivation method. The temperature and CO₂ settings are high temperature and high CO₂ (current temperature+4.7℃ temperature+4.7℃·CO₂ 800ppm), high temperature single condition (current temperature+4.7℃·CO₂ 400ppm) according to the RCP8.5 scenario, Current climate is set as (current temperature·CO₂400ppm). For colony photosynthesis measurement, a LI-820 CO₂ sensor was installed in each chamber for setting the CO₂ concentration and for measuring photosynthesis, respectively. The colony photosynthetic rate in the booting stage was greatest in a high temperature and CO₂ environment, and the higher the nitrogen fertilization level, the higher the colony photosynthetic rate tends to be. The amount of photosynthesis tended to decrease under high temperature. In the high temperature and high CO₂ environment, seed yields, the number of an ear, and 1000 seed weights tended to decrease compared to the current climate. The number of an ear also decreased under the high temperature. But yield tended to increase a little bit under the high temperature and high CO₂ condition than under the high temperature. In addition, In addition to this study, it seems necessary to comprehensively consider the relationship between colony photosynthetic ability, metabolite reaction, and rice yield according to climate change.

• 대한교통학회지
• /
• 제20권4호
• /
• pp.83-93
• /
• 2002

조사비용이 비교적 소요되더라도 추정해의 정확도를 높이기 위해 링크교통량과 target OD 외에 추가정보를 확보하여 OD추정을 하는 연구들이 시도되고 있다. 그러나 추가정보를 이용한 기존 OD추정기법은 대부분 추가정보의 특성 또는 장점을 유지하는 목적함수 구성 및 분석을 수행하지 못하여, 확보된 정보를 효율적으로 이용하지 못하는 문제를 가지고 있다. 본 연구의 목적은 관측교통량과 target OD외에 비용효율적인 추가정보를 이용하여 가능해의 범위를 좁힘으로써 추정OD의 정확도를 증진하는 것으로, 이를 위해 표본링크이용비(sample link use proportion)를 추가정보로 이용하였다. 즉 OD통행량과 링크교통량과의 관계를 target OD의 통행배분에서 구하지 않고, 도로변 면접조사에서 확보가능하며 신뢰성 높은 정보인 표본링크이용비를 이용하여 구하였다. 이에 따라 본 연구에서는 경로기반 비균형 통행배분개념 하에서 링크교통량 보존법칙을 고려할 필요가 없는 OD추정 해도출 알고리즘을 제시하였다. 시험네트워크에 대한 사례분석결과, 표본링크이용비는 추가정보의 정확도가 낮은 경우에도 효율적으로 OD 추정력을 향상시킬 수 있었다. 그리고 표본링크이용비를 이용한 OD 추정기법은 target OD 오차나 관측교통량 오차에 크게 영향을 받지 않아, 링크교통량이나 OD 행렬이 변화된 곳에서도 비교적 안정적인 OD 추정이 가능하였다. 또한 표본링크이용비를 추가정보로 이용할 경우에 이용정보간의 정밀도문제가 발생하기 때문에 다른 이용정보의 정밀도 수준을 고려하여 추가정보의 조사수준을 설정하여야 하며, 관측교통량을 기본정보로 하는 추정기법은 링크교통량을 일정수준까지는 관측하여야 추가정보의 자료활용성을 높일 수 있다는 점을 제시하였다. 마지막으로 링크상의 추가정보는 최적조사위치문제를 고려하여야 하며, 특히 정보의 정밀도 측면에서 볼 때 링크교통량의 최적관측위치문제보다 표본링크이용비의 최적조사위치문제가 추정력 향상에 더 중요한 영향을 미칠 수 있는 것으로 파악되었다.

• 한국의학물리학회지:의학물리
• /
• 제9권3호
• /
• pp.163-173
• /
• 1998

핵의학 단층촬영기를 이용하여 몸 안에서 일어나는 신진대사, 혈류량 공급, 생화학적 변화, 또는 뇌에서의 도파민 운반체, 수용체 등의 영상을 획득한 후 정량화할 수 있다면 환자의 조기진단뿐만 아니라 치료계획을 세우고 치료경과 등을 객관적으로 측정하는데 매우 유용할 것이다. 그러나 물리적 요소들인 감쇠, 산란, 부분용적 효과, 노이즈, 그리고 재구성 알고리즘 등은 SPECT 의 디자인에 관계없이 영상의 정성적 또는 정량적 결과에 영향을 미친다. 본 논문에서는 뇌 촬영용 단일 결정 SPECT와 뇌 모형 팬텀을 이용하여 물리적 요소들 중 특히 감쇠와 산란의 영향을 정량화하고 보정 방법에 따른 결과를 정량 분석하였다. 산란 보정은 주 에너지 창 140keV$\pm$10% (126～154 keV)와 산란에너지 창 119keV$\pm$6% (112～126keV)를 이용하여 데이터를 획득한 후 산란 에너지 창의 100%를 빼주는 방법을 적용하였다. 영상 재구성은 차단주파수 0.95cycles/cm와 차수 10을 적용한 저역통과 Butterworth 여과기로 여과하여 여과후 역투사 방법으로 재구성하였다. 감쇠 상수는 산란 보정을 하지 않은 경우와 한 경우에 따라 각각 0.12cycles/cm 와 0.15cycles/cm 를 적용하여 뇌 내에서의 균일한 감쇠계수로 가정하고 Chang 방법에 의하여 감쇠에 대한 보정을 하였다. 정량분석을 위해 기저핵이 뚜렷이 보이는 3개의 단층면을 선택하여 기저핵과 그 외 뇌 영역에 관심영역을 구하였다. 산란보정을 하지 않았을 때 감쇠보정을 한 후의 ROI 값은 감쇠 보정전 ROI 값에 비해 기저핵 2.20배 배후 방사능 2.10배였다. 반면에 감쇠보정 후와 감쇠보정 전의 기저핵과 배후방사능의 비율은 매우 비슷했다. 산란보정을 한 후 감쇠보정을 한 ROI 값은 감쇠보정 전 ROI 값과 비교할 때 기저핵 2.69 배 배후 방사능 2.64 배로 뇌 영상의 절대적 정량적 분석을 위해서는 반드시 감쇠 보정이 필요한 것을 보여준다. 기저핵과 배후 방사능의 참값 비율이 6.58, 4.68, 1.86 일 때 산란 보정과 감쇠보정을 한 경우는 참값의 76%, 80%, 82%로 측정하였고 감쇠보정을 하지 않은 경우는 75%, 81%, 81%로 측정하였다. 참값의 비율이 낮을수록 참값에 가깝게 측정하였으나 산란과 감쇠보정을 한 경우에도 참값에 비해 약 20% 의 과소평가를 볼 수 있었다. 이는 본 논문에서 자세히 다루지 않은 부분용적 효과와 재구성 알고리즘 그리고 위에서 적용한 대략적인 감쇠와 산란보정 방법의 원인으로 사료되며 앞으로 더욱 연구되어야 할 분야이다.

• 감성과학
• /
• 제13권1호
• /
• pp.47-60
• /
• 2010

기존 웹 페이지 자동분류 연구는 일반적으로 학습 기반인 kNN(k-Nearest Neighbor), SVM(Support Vector Machine)과 통계 기반인 Bayesian classifier, NNA(Neural Network Algorithm)등 여러 종류의 분류작업에서 입증된 분류 기법을 사용하여 웹 페이지를 분류하였다. 하지만 인터넷 상의 방대한 양의 웹 페이지와 각 페이지로부터 나오는 많은 양의 자질들을 처리하기에는 공간적, 시간적 문제에 직면하게 된다. 그리고 분류 대상을 표현하기 위해 흔히 사용하는 단일(uni-gram) 자질 기반에서는 자질들 간의 관계 분석을 통해 자질에 정확한 의미를 부여하기 힘들다. 특히 본 논문의 분류 대상인 한글 웹 페이지의 자질인 한글 단어는 중의적인 의미를 가지는 경우가 많기 때문에 이러한 중의성이 분류 작업에 많은 영향을 미칠 수 있다. 잠재적 의미 분석 LSA(Latent Semantic Analysis) 분류기법은 선형 기법인 특이치 분해 SVD(Singular Value Decomposition)을 통해 행렬의 분해 및 차원 축소(dimension reduction)를 수행하여 대용량 데이터 집합의 분류를 효율적으로 수행하고, 또한 차원 축소를 통해 새로운 의미공간을 생성하여 자질들의 중의적 의미를 분석할 수 있으며 이 새로운 의미공간상에 분류 대상을 표현함으로써 분류 대상의 잠재적 의미를 분석할 수 있다. 하지만 LSA의 차원 축소는 전체 데이터의 표현 정도만을 고려할 뿐 분류하고자 하는 범주를 고려하지 않으며 또한 서로 다른 범주 간의 차별성을 고려하지 않기 때문에 축소된 차원 상에서 분류 시 서로 다른 범주 데이터간의 모호한 경계로 인해 안정된 분류 성능을 나타내지 못한다. 이에 본 논문은 새로운 의미공간(semantic space) 상에서 서로 다른 범주사이의 명확한 구분을 위한 특별한 차원 선택을 수행하여 최적의 차원 선택과 안정된 분류성능을 보이는 최적의 지도적 LSA을 소개한다. 제안한 지도적 LSA 방법은 기본 LSA 및 다른 지도적 LSA 방법들에 비해 저 차원 상에서 안정되고 더 높은 성능을 보였다. 또한 추가로 자질 생성 및 선택 시 불용어의 제거와 자질에 대한 가중치를 통계적인 학습을 통해 얻음으로써 더 높은 학습효과를 유도하였다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.