• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.495-503
• /
• 2014

최근 보안 분야에서는 네트워크 패킷이나 로그와 같은 네트워크 정보를 수집하고 분석함으로써 네트워크 위협에 대응할 수 있는 침입탐지 시스템에 대한 연구를 활발히 진행되고 있다. 특히, 베이지안 네트워크는 주어진 몇 몇 자료만으로도 정확도 높은 침입에 대한 추론이 가능한 이점으로 이를 이용한 침입탐지 시스템의 모델링 기법들이 이전에도 진행되어 왔다. 그러나 이전 연구들에서는 네트워크 패킷간의 복잡성 문제와 이용되는 패킷 데이터의 연속성 문제를 반영하지 못하고 있기 때문에 높은 탐지정확도 산출에 한계가 있다. 따라서 본 논문에서는 이전 모델들이 갖는 문제들의 개선을 통하여 탐지율을 향상시키기 위해 K-means 클러스터링 기반의 두 가지 방법론을 제안한다. 첫 번째로는 K-means 클러스터링 기반의 정교한 노드구간 범위를 설정방법을 제안하여 연속성 데이터 처리 문제를 개선할 수 있다. 또한, 두 번째로는 K-means 클러스터링 기반으로 산출된 가중치를 학습에 적용하여 보다 견고한 CPT를 산출하여 탐지성능을 향상 시킬 수 있다. 제안하는 방법론들의 성능을 입증하기 위하여 방법론 모두를 적용한 K_WTAN_EM에 대한 탐지율을 이전 모델들과 비교 실험을 수행하였다. 실험 결과 제안하는 모델의 탐지율이 이전의 순수베이지안 네트워크기반(NBN) 모델 보다는 약 7.78%의 향상도를 보였고 트리확장 순수베이지안 네트워크(TAN) 모델 보다는 약 5.24%의 향상도를 산출하여 제안하는 방법의 우수성을 입증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.325-327
• /
• 2001

본 논문은 온라인 문자 인식을 연속 밀도 HMM의 구조의 최적화 문제를 다룬다. 최적이란 최소한의 모델 파라미터를 사용하여 최소한의 오류를 허용하는 것이라고 정의할 수 있다. 본 연구에서는 HMM 구조의 최적화를 위해 Bayesian 모델 선택 방법론을 사용한다. 먼저 잘 알려진 BIC(Bayesian Information Criterion)을 적용해보고, 그것을 HMM의 복잡한 구조에 적합하도록 본 논문에서 제안한 HBIC(HMM-Oriented BIC)와 비교해본다. BIC는 모델의 사전 확률 분포를 추정하지 않고 다변량 정규분포라고 가정하는데 비해 HBIC는 모델의 각 파라미터로부터 사전 확률을 추정한 후 그것들을 사용함으로써 더 좋은 결과를 얻도록 한다. 실험 결과 BIC와 HBIC 둘 다 기존 방법보다 모델의 파라미터 수를 현저히 감소시킴을 확인했고, HBIC가 BIC에 비해 더 적은 수의 파라미터를 사용해도 비슷한 인식률을 얻을 수 있었다.

• 한국음향학회지
• /
• 제38권5호
• /
• pp.607-613
• /
• 2019

본 논문은 external knowledge를 사용한 lattice 없는 상호 정보 최대화(Lattice Free Maximum Mutual Information, LF-MMI) 기반 음향 모델링 방법을 제안한다. External knowledge란 음향 모델에서 사용하는 학습 데이터 이외의 문자열 데이터를 말한다. LF-MMI란 심층 신경망(Deep Neural Network, DNN) 학습의 최적화를 위한 목적 함수의 일종으로, 구별 학습에서 높은 성능을 보인다. LF-MMI에는 DNN의 사후 확률을 계산하기 위해 음소의 열을 사전 확률로 갖는다. 본 논문에서는 LF-MMI의 목적식의 사전 확률을 담당하는 음소 모델링에 external knowlege를 사용함으로써 과적합의 가능성을 낮추고, 음향 모델의 성능을 높이는 방법을 제안한다. External memory를 사용하여 사전 확률을 생성한 LF-MMI 모델을 사용했을 때 기존 LF-MMI와 비교하여 14 %의 상대적 성능 개선을 보였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권11호
• /
• pp.1112-1123
• /
• 2003

본 논문은 한국어 정보처리에서 발생하는 어휘 중의성 문제 중 한국어에서 그 심각성이 큰 동형이의어 중의성을 해결하기 위하여, 사전 뜻풀이 말뭉치에서 구축한 의미정보(Semantic Information)와 이를 이용한 기존의 통계기반 동형이의어 분별 모델에 대한 실험 결과를 분석하여, 정확률 향상을 위한 새로운 동형이의어 NPH(New Prior Probability of Homonym sense) 가중치 및 인접 어절에 대한 거리 가중치 적용 모델을 제안한다. 사전 뜻풀이 말뭉치의 상위 고빈도 동형이의어 200개 중 중의성이 높은 46개(명사 30개, 동사 16개)를 선별하고, 21세기 세종 계획에서 제공하는 350만 어절 품사 부착 말뭉치에서 이들 동형이의어를 포함하는 47,977개의 문장을 추출하여 실험을 하였다. 기존의 통계기반 동형이의어 분별 모델에서는 72.08%(명사78.12%, 동사 62.45%)의 정확률을 나타냈으나, NPH 가중치를 부여한 실험 결과 정확률이 평균 1.70% 향상되었으며, NPH와 거리 가중치를 함께 이용한 결과 평균 2.01% 정확률이 향상되었다.

• 한국사회복지학
• /
• 제39권
• /
• pp.5-40
• /
• 1999

이 연구의 목적은 실업자의 실업기간과 재취업 형태에 영향을 미치는 주된 요인이 무엇인지를 파악하고, 그에 기초하여 보다 바람직한 고용관련정책 마련에 필요한 기초자료를 제공하는 데 있다. 이를 위해 이 연구는 보건사회연구원과 노동연구원이 공동으로 실시한 '1998년도 전국 실업실태 및 복지욕구조사' 자료를 Weibull 모델과 Logistic모델을 이용하여 분석하였다. 분석한 결과, 전체 실업자를 대상으로 할 경우, 연령, 가구 월 평균소득, 가구주 여부, 결혼 여부, 이전 직장의 규모, 실직사유 등의 변수가 실업자의 실업기간에 영향을 미치는 주요 요인으로 파악되었고, 연령, 이전 직장의 직종과 근무형태, 고용보험가입 여부 등의 변수가 실업자의 재취업형태에 영향을 미치는 주요 요인으로 파악되었다. 이러한 실증적 분석의 결과를 바탕으로 이 연구는 불안정한고용상태와 실업, 그리고 실업과 불안정한 재취업의 순환을 반복할 수 있는 취약계층 근로자를 위한 보다 체계적인 실업대책의 필요성을 논하면서 정책적인 제언을 하고자 한다.

• 한국과학교육학회지
• /
• 제36권2호
• /
• pp.279-293
• /
• 2016

본 연구의 목적은 초등학교 6학년 1학기 3단원 렌즈의 이용단원에서 인포그래픽 수업을 이용하여 학생들이 과학적 모델 사용이 활성화 되는지 알아보는 것이다. 연구 대상은 경상남도 G시의 G초등학교 6학년 53명을 대상으로 실시하였다. 이 연구를 위해, 수업 계획은 학생들의 렌즈에 대한 선개념 조사, 과학적 모델 구성 활동, 인포그래픽 구성 활동으로 3단계로 구성하였다. 그리고 과학적 개념, 과학적 모델, 인포그래픽 3개의 관점으로 연구 결과를 분석하였다. 수업이 이루어지기 전, 학생들은 렌즈에 관해 렌즈의 외형적 형태와 구성물질에 주로 선개념을 가지고 있었다. 그러나 과학적 모델 구성 활동과 인포그래픽 구성 활동을 한 후에는 렌즈의 특징, 안경의 특징, 빛의 나아감, 렌즈의 이용 범주에서 개념적으로 향상된 것을 확인하였다. 과학적 모델 분석 관점에서는 과학적 모델 구성 활동보다 인포그래픽 구성 활동에서 다양한 종류의 과학적 모델이 사용되고 사용 빈도도 높게 나타났다. 또한 인포그래픽 분석 관점에서는 인포그래픽 구성 활동에서 인포그래픽이 아닌 그림보다 기능기반 인포그래픽과 관계기반 인포그래픽이 증가하였다. 그리고 게슈탈트의 시지각 특성의 빈도가 과학적 모델 구성 활동보다 인포그래픽 구성 활동에서 더 높게 나타났다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2006년도 제26회 춘계학술대회논문집
• /
• pp.253-256
• /
• 2006

액체로켓의 연소실내 분무연소 현상을 해석하기 위해 비연소 반응의 연료와 산화제 액적의 분무유동을 해석하였다. 분무연소 모델로 DSF 모델과 Euler-Lagrange 방법을 사용하였다. 액적과 가스상 그리고 증발한 기체상의 커플효과는 PSIC 모델을 사용하여 계산하였으며 수치 해석 방법으로 SIMPLER 알고리즘과 QUICK Scheme을 사용하였다. 해석결과 연소실내 속도와 온도 분포를 알 수 있었고, 연료와 산화제의 몰분율 또한 알 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 추계학술대회
• /
• pp.533-535
• /
• 2012

본 연구에서는 플랫폼 비즈니스 모델의 진화방향에 대한 탐색적 사례연구를 수행하고자 한다. 이를 위하여 플랫폼 비즈니스와 비즈니스 모델에 대하여 각각 정의하고, 대표적인 플랫폼 비즈니스 모델을 선택하고 새로운 기술적 변화 요인과 상호작용하는 가운데, 플랫폼 비즈니스가 어떠한 변화방향을 가지고 진화하게 되는지에 대하여 제시하고자 한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2001년도 제13회 한글 및 한국어 정보처리 학술대회
• /
• pp.130-137
• /
• 2001

최대 엔트로피 모델(maximum entropy model)은 여러 가지 자연언어 문제를 학습하는데 성공적으로 적용되어 왔지만, 두 가지의 주요한 문제점을 가지고 있다. 그 첫번째 문제는 해당 언어에 대한 많은 사전 지식(prior knowledge)이 필요하다는 것이고, 두번째 문제는 계산량이 너무 많다는 것이다. 본 논문에서는 텍스트 단위화(text chunking)에 최대 엔트로피 모델을 적용하는 데 나타나는 이 문제점들을 해소하기 위해 새로운 방법을 제시한다. 사전 지식으로, 간단한 언어 모델로부터 쉽게 생성된 결정트리(decision tree)에서 자동적으로 만들어진 규칙을 사용한다. 따라서, 제시된 방법에서의 최대 엔트로피 모델은 결정트리를 보강하는 방법으로 간주될 수 있다. 계산론적 복잡도를 줄이기 위해서, 최대 엔트로피 모델을 학습할 때 일종의 능동 학습(active learning) 방법을 사용한다. 전체 학습 데이터가 아닌 일부분만을 사용함으로써 계산 비용은 크게 줄어 들 수 있다. 실험 결과, 제시된 방법으로 결정트리의 오류의 수가 반으로 줄었다. 대부분의 자연언어 데이터가 매우 불균형을 이루므로, 학습된 모델을 부스팅(boosting)으로 강화할 수 있다. 부스팅을 한 후 제시된 방법은 전문가에 의해 선택된 자질로 학습된 최대 엔트로피 모델보다 졸은 성능을 보이며 지금까지 보고된 기계 학습 알고리즘 중 가장 성능이 좋은 방법과 비슷한 성능을 보인다 텍스트 단위화가 일반적으로 전체 구문분석의 전 단계이고 이 단계에서의 오류가 다음 단계에서 복구될 수 없으므로 이 성능은 텍스트 단위화에서 매우 의미가 길다.

• 한국지능시스템학회논문지
• /
• 제19권3호
• /
• pp.311-316
• /
• 2009

본 논문에서는 파티클 필터(Particle Filter)를 사용한 모바일 감시 로봇을 위한 실시간 움직임 추정 알고리즘을 제안한다. 파티클 필터는 몬테카를로(Monte Carlo) 샘플링 방법을 기반으로 사전분포확률(Prior distribution probability)와 사후분포확률(Posterior distribution probability)을 가지는 베이지안 조건 확률 모델(Bayesian conditional probabilities model)을 사용하는 방법이다. 그러나 대부분의 파티클 필터에서는 초기 확률밀도(Prior probability density)를 임의로 정의하여 사용하지만, 본 논문에서는 Sum of Absolute Difference (SAD)를 이용하여 초기 확률밀도를 구하고, 이를 파티클 필터에 적용하여 모바일 감시 로봇 환경에서 임의로 움직이는 물체를 강인하게 실시간으로 추정하고 추적하는 시스템을 구현하였다.