• 한국컴퓨터정보학회논문지
• /
• 제15권11호
• /
• pp.143-156
• /
• 2010

근거리통신망과 인터넷으로부터 유입되는 정보보호 위협이 증가하는 상황에 대처하기 위하여, 많은 기업들이 정보보호 시스템 구축을 고려하고 있다. 기업 내 의사결정자의 정보보호 도구 선택을 지원하기 위하여, 본 논문은 선형퍼지회귀분석 및 physical programming을 이용하는 세 가지 단계로 구성된 통합 프레임워크를 제안하였다. 첫째, 정보보호도구 선정 기준 및 평가 기준에 대한 전문가들의 상대평가 의견을 바탕으로, 각 정보보호 기준들 간의 관계를 정량화시키기 위하여 analytic hierarchy process 및 quality function deployment 방법을 적용하였다. 그리고, 선형퍼지회귀분석법을 활용하여 각 기준별 평가값을 산출하였다. 마지막으로, 정보보호 시스템의 품질, 정보보호 수준, 비용 등의 다수 목적함수를 효과적으로 고려하기 위하여, physical programming weights 알고리즘을 통하여 도출된 가중치에 기반한 목표계획법을 활용하여 가장 적절한 정보보호 도구를 선정하였다. 이와 같은 과정은 구체적인 예제를 통해 단계별로 설명하고 그 장점을 가시적으로 제시하였다. 본 연구에서 제안한 방법은 전문가 제공 정보에서 발생 가능한 노이즈를 효과적으로 제거함으로써, 전문가의 경험을 통한 표준 정보보호 기준의 확보와 수학적 최적화 방법을 통한 정확성 확보의 장점을 의사결정자에게 제공할 것으로 기대된다.

• 청정기술
• /
• 제25권4호
• /
• pp.324-330
• /
• 2019

선택적 촉매환원법은 산업 설비에서 분사되는 배기가스의 탈질 과정에 유용한 방법이다. 촉매 층 입구에서의 암모니아-질소산화물의 혼합비 분포는 탈질 과정에서 중요하다. 본 연구에서는 전산해석 기법을 이용하여 탈질설비의 입구 배기가스 내 질소산화물의 유동 분포에 따른 암모니아 분사 노즐의 유량을 조절하여 NH₃/NO 몰 비의 균일도를 개선하였다. 출구 X/H = 3 지점에서의 몰 비에 의한 평균제곱근오차 값을 최적화 변수로 선정하였고 실험계획법을 기반 한 최적화 알고리즘을 도입하였다. 균일, 포물선, 상향 솔림, 임의 등 4가지 입구 유동 형태에 대해 8개의 분사 노즐의 암모니아 분사 유량을 도출하였다. 정상상태의 비압축성 점성 이차원 유동장 해석을 위해 상용 소프트웨어인 ANSYS-FLUENT에 k-𝜖 난류모델을 적용하였다. 본 해석의 결과, 입구 배기가스의 유동 형태 별로 9.58%에서 80.0% 의 몰 비 개선 효과를 나타내었다.

• 대한교통학회지
• /
• 제23권3호
• /
• pp.35-47
• /
• 2005

버스 대중교통은 정해진 노선, 운행시간표에 의해 정류장을 경유하여 운행하므로 버스 노선망 설계 문제(BTRNDP: Bus Transit Route Network Design Problem)는 승용차위주의 가로망 설계 문제와 다른 접근방법이 요구된다. 버스 노선망 설계 문제의 적용모형은 설계방법의 역사적발전과정에 따라 매뉴얼 및 지침, 시장분석기법, 시스템해석모형, 휴리스틱모형, 하이브리드모형, 경험기반모형, 시뮬레이션모형, 수리최적화모형 등 크게 8가지 분류할 수 있다. BTRNDP는 이용자비용과 운영자비용의 조합인 총비용을 최소화하는 목적함수를 획득하기 위한 일련의 현실적 제약조건하에서 버스노선집합과 배차횟수를 결정하는 문제이다. BTRNDP는 조합최적화문제로 일반적 수리최적화문제로 가능해 공간을 정의하는 것이 어렵기 때문에 모든 가능해로 구성된 큰 탐색공간으로부터 최적해를 탐색해야하는 NP-Hard라는 특성을 가진다. BTRNDP의 목적함수는 이용자와 운영자관점을 모두 고려한 다목적함수(Multi-Objective Function)를 이용하며 수요는 고정수요를 이용하였으나 최근에는 가변수요를 고려한 방법론이 연구되고 있다. 해알고리즘으로 최적 버스 노선망을 구성하게 될 모든 가능한 후보노선집합(Candidate Route Set)을 생성하고 노선집합의 최적조합을 찾는 메타휴리스틱(Meta-heuristic) 알고리즘을 이용하여 전역최적 노선집합을 찾는 방법이 적용되고 있다. 최적 버스 노선망의 배차횟수를 결정하기 위해서 대중교통 통행배분모형이 필요한데 BTRNDP에 적용되는 통행배분모형은 다중경로 통행배분모형이 주로 활용되었다. 국내외 BTRNDP를 고찰한 결과 주요 시사점으로는 BTRNDP에서 가장 중요한 고려사항은 세분화된 버스정류장 기반 기종점통행량 구축, 버스 노선망 평가 모형 및 대중교통 통행 배분모형의 개발, 탐색 해알고리즘의 개발 등의 향후 연구내용이 포함될 수 있다.

• 대한전자공학회논문지TC
• /
• 제46권5호
• /
• pp.26-35
• /
• 2009

OFDM (Orthogonal Frequency Division Multiplexing) 시스템은 주파수 선택적 페이딩 (frequency selective fading)과 협대역 간섭 (narrowband interference)에 강한 전송 방식으로 대용량 데이터 통신에 적합하다. 하지만 독립적으로 변조된 다수의 부반송파들이 동위상으로 중첩되면서 신호의 진폭이 증가하여 PAPR (Peak-to-Average Power Ratio)이 증가하는 문제가 발생한다. PAPR 문제를 해결하기 위해 제안된 위상회전 기법은 OFDM 신호에 위상 가중치를 곱하여 신호의 비선형 왜곡 없이 PAPR을 감소시킬 수 있지만, 위상 가중치를 탐색하는 과정에서 계산의 복잡도가 부블록 수에 따라 지수적으로 증가하는 단점이 있다. 따라서 위상회전 기법의 위상 탐색 과정에 계산의 복잡도를 감소시키면서 효율적으로 위상 가중치를 구할 수 있는 기술의 연구가 필요하다. 본 논문에서는 최적해를 구하기 위하여 사용되는 Metaheuristic 알고리즘을 위상탐색 과정에 적용하기 위한 모델링 과정을 제시하고 PTS 기법에 최적화함으로써 PAPR을 감소시키는 구조를 제안한다. 이 구조는 PTS 기법의 위상 탐색 과정에서 계산 복잡도가 지수적으로 증가하는 문제를 해결하고 PAPR 감소 성능도 보장할 수 있다. 제안하는 알고리즘을 통신 시스템에 적용하였을 때 PAPR 감소 효율을 시뮬레이션을 통해 분석했다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.

• 한국의학물리학회지:의학물리
• /
• 제23권1호
• /
• pp.8-14
• /
• 2012

4차원 방사선치료시 환자의 정확한 호흡 조절을 위한 바이오피드백 시스템의 개발을 위해 IR (Infra-red) 카메라 뿐만아니라 일반 카메라에서 얻는 영상에서 표적의 움직임을 추적하는 최적화된 추적 알고리즘을 찾고자 한다. 본 연구에서는 LabVIEW 2010을 사용해서 시스템을 구성하였다. 모션팬톰(motimo Phantom)의 움직임을 카메라 (IR 카메라와 일반 카메라)를 통하여 영상을 획득하고 영상처리를 거친 후 ROI (Region of interest)를 설정하여, 영상에서 지정한 ROI와 패턴 매치된 점의 상하의 움직임만 좌표로 기록하였다. 영상처리에는 문턱값을 사용하여 이진화된 영상을 만들고 Sobel, Prewitt, Differentiation, Sigma, Gradient, Roberts 등의 여러 윤곽선 강조방법들을 적용한 후에 영상을 합하여 사용했다. 다양한 방법들의 성능을 객관적으로 평가하기 위한 인자로 'score' 값을 정의하여 성능을 비교하였다. 모든 방법들을 최대한 같은 조건에서 비교하기 위해서 5분씩 3번 반복하여 측정하여 ASCII 파일로 저장하여 저장된 'score' 값의 평균값과 표준편차를 구하여 비교하였다. 문턱값만을 적용한 영상의 score는 706이고 표준편차는 84였다. 윤곽선강조를 사용한 알고리즘들의 score와 표준편차는 각각 Sobel 794와 64, Differentiation 770과 101, Gradient는 754과 85, Prewitt 763과 75, Roberts 777와 93, Sigma 822와 62였다. 가장 좋은 효율을 보인 알고리즘은 Sigma방법이였다. 추적 효율이 가장 좋게 나온 Sigma방법을 이용해서 호흡을 조절하여 호흡동조 방사선치료를 시행할 때 카메라(IR 카메라 및 일반 카메라)상의 점 추적에 대한 정확도의 증가로 치료 효율을 높일 수 있을 것이라 기대된다.

• 한국산학기술학회논문지
• /
• 제18권1호
• /
• pp.579-584
• /
• 2017

고속 철도 차량 댐퍼의 오일 씰은 열차 운행동안 외부 환경으로부터 유해한 오염을 막고, 댐퍼 내부에서 오일 누출을 방지하고자 사용되는 니트릴 부타디엔 고무 재질 부품이다. 오일 씰의 주요 고장원인인 누유는 본 댐퍼의 피로 파손을 일으킨다. 뿐만 아니라 본 오일 씰의 누적 손상은 궤도 불규칙과 캔트 등으로 열차 주행동안 반복적인 댐퍼의 상하 운동으로부터 로드와 본 부품 사이에 접촉력으로 인하여 발생한다. 따라서 본 오일 씰의 설계는 취약점에서 최대 주변형률을 최소화하는 것이 필요하다. 본 연구에서는 댐퍼의 내구성을 향상하기 위하여 다중 섬 유전자 알고리즘을 이용하여 오일 씰 단면형상에 대한 최적설계를 수행하였다. 오일 씰의 최적단면은 절차 자동화 / 최적설계 프로그램을 이용하여 본 연구의 최적설계와 비선형 유한요소해석의 통합절차에 따라 얻어진 것이다. 또한, 비선형 유한요소해석의 입력 자료로서, 본 고무의 비선형 물성 값은 말로우식으로 표현하였다. 취약지점인 오일 누유지점에서 최적단면의 오일 씰은 초기 형상과 비교할 때, 이 지점에서 최대 주변형률이 약 24% 감소함을 확인하였다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.241-254
• /
• 2011

Support vector machines(SVM)은 비교적 최근에 등장한 데이터마이닝 기법이지만, 재무, CRM 등의 경영학 분야에서 많이 연구되고 있다. SVM은 인공신경망과 필적할 만큼의 예측 정확도를 보이는 사례가 많았지만, 암상자로 불리는 인공신경망 모형에 비해 구축된 예측모형의 구조를 이해하기 쉽고, 인공신경망에 비해 과도적합의 가능성이 적어서 적은 수의 데이터에서도 적용 가능하다는 장점을 가지고 있다. 하지만, 일반적인 SVM을 이용하려면, 인공신경망과 마찬가지로 여러 가지 설계요소들을 설계자가 선택하여야 하기 때문에 임의성이 높고, 국부 최적해에 수렴할 가능성도 크다. 또한, 많은 수의 데이터가 존재하는 경우에는 데이터를 분석하고 이용하는데 시간이 소요되고, 종종 잡음이 심한 데이터가 포함된 경우에는 기대하는 수준의 예측성과를 얻지 못할 가능성이 있다. 본 연구에서는 일반적인 SVM의 장점을 그대로 유지하면서, 전술한 두 가지 단점을 보완한 새로운 SVM 모형을 제안한다. 본 연구에서 제안하는 모형은 사례선택기법을 일반적인 SVM에 융합한 것으로 대용량의 데이터에서 예측에 불필요한 데이터를 선별적으로 제거하여 예측의 정확도와 속도를 제고할 수 있는 방법이다. 본 연구에서는 잡음이 많고 예측이 어려운 것으로 알려진 재무 데이터를 활용하여 제안 모형의 유용성을 확인하였다.

• 지능정보연구
• /
• 제22권2호
• /
• pp.127-142
• /
• 2016

딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 딥러닝에서의 주요 모형은 합성곱신경망(convolutional neural network), 순환신경망(recurrent neural network), 그리고 심층신뢰신경망(deep belief network)의 세가지라고 할 수 있다. 그 중에서 현재 흥미로운 연구가 많이 발표되어서 관심이 집중되고 있는 모형은 지도학습(supervised learning)모형인 처음 두 개의 모형이다. 따라서 본 논문에서는 지도학습모형의 가중치를 최적화하는 기본적인 방법인 오류역전파 알고리즘을 살펴본 뒤에 합성곱신경망과 순환신경망의 구조와 응용사례 등을 살펴보고자 한다. 본문에서 다루지 않은 모형인 심층신뢰신경망은 아직까지는 합성곱신경망 이나 순환신경망보다는 상대적으로 주목을 덜 받고 있다. 그러나 심층신뢰신경망은 CNN이나 RNN과는 달리 비지도학습(unsupervised learning)모형이며, 사람이나 동물은 관찰을 통해서 스스로 학습한다는 점에서 궁극적으로는 비지도학습모형이 더 많이 연구되어야 할 주제가 될 것이다.

• 한국지능시스템학회논문지
• /
• 제10권5호
• /
• pp.487-496
• /
• 2000

본 논문에서는, HCM 클러스러팅 방법과 유전자 알고리즘을 이용하여 다중 FNN 모델을 동정하고 최적화 한다. 제안된 다중 FNN은 Yamakawa의 FNN을 기본으로 하며, 퍼지 추론 방법으로 간략 추론을, 학습으로는 오류 역전파 알고리즘을 사용한다. 다중 FNN 모델의 구조와 파라미터를 동정하기 위해 HCM 클러스터링과 유전자 알고리즘을 사용한다. 여기서, 시스템 모델링을 위해 데이터 전처리 기능을 수행하는 HCM클러스터링 방법은 I/O 프로세서 공정 데이터를 이용하여 입출력 공간분할에 의한 다중 FNN 구조를 결정하기 위해 사용된다. 또한 유전자 알고리즘을 사용하여 멤버쉽함수의 정점, 학습율, 모멘텀 계수와 같은 다중 FNN 모델의 파라미터들을 동조한다. 모델의 근사화와 일반화 능력 사이에 합히적 균형을 얻기 위해 하중계수를 가진 합성 성능지수를 사용한다. 이 합성 성능지수는 근사화 및 예측 능력사이의 상호 균형과 의존성을 고려한 하중계수를 가진 합성 목적함수를 의미한다. 데이터 개수, 비선형성의 정도에 의존하는 이 합성 목적함수의 하중계수의 선택, 조절을 통하여 최적의 다중 FNN 모델을 설계하는 것이 유용하고 효과적임을 보인다. 제안된 모델의 성능 평가를 위하여 가스로 공정의 시계열 데이터와 비선형 함수의 수치 데이터를 사용한다.