• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.200-209
• /
• 2019

미래 값을 예측할 때, 학습 오차(training error)를 최소화하여 추정된 모형은 보통 많은 테스트 오차(test error)를 야기할 수 있다. 이것은 추정 모델이 주어진 데이터 집합에만 집중하여 발생하는 모델 복잡성에 따른 과적합(overfitting) 문제이다. 일부 정규화 및 리샘플링 방법은 이 문제를 완화하여 테스트 오차를 줄이기 위해 도입되었지만, 이 방법들 또한 주어진 데이터 집합에서만 국한 되도록 설계되었다. 본 논문에서는 테스트 오차 최소화 문제를 학습 오차 최소화 문제로 변환하여 테스트 오차를 줄이기 위한 새로운 최적화 방법을 제안한다. 이 변환을 수행하기 위해 주어진 데이터 집합에 대해 의사(pseudo) 데이터라고 하는 새로운 데이터를 추가하였다. 그리고 적절한 의사 데이터를 만들기 위해 결측 데이터 보정법의 세 가지 유형을 사용하였다. 예측 모델로서 선형회귀모형, 자기회귀모형, ridge 회귀모형을 사용하고 이 모형들에 의사 데이터 방법을 적용하였다. 또한, 의사 데이터로 조정된 최적화 방법을 활용하여 환경 데이터 및 금융 데이터에 적용한 사례를 제시하였다. 결과적으로 이 논문에서 제시된 방법은 원래의 예측 모형보다 테스트 오차를 감소시키는 것으로 나타났다.

• 한국게임학회 논문지
• /
• 제10권6호
• /
• pp.115-124
• /
• 2010

뇌파는 초기에 원숭이가 모터로 팔을 조작하기 위한 방법에 관한 연구로 시작되었다. 최근에는, 측정한 뇌파를 치매 환자의 치매 진행 정도를 늦추거나 집중력결핍 과잉행동장애 아이들의 집중력을 높이기 위한 연구들이 진행되고 있다. 그리고 저가의 뇌파 측정 장치가 출시되면서 게임 인터페이스로도 사용된다. 뇌파로 게임을 제어할 때의 문제점은 사람마다 평균 진폭, 평균 파장 그리고 평균 진동 횟수가 다르다는 것이다. 뇌파 차이는 뇌파로 게임을 제어할 때 형평성 문제를 발생시키기 때문에 뇌파를 정규화해서 사용하는 방법이 필요하다. 이 논문에서는 정규분포를 사용해서 측정한 뇌파를 정규화하고 제어로 사용할 파형을 계산하는 방법을 제안한다. 이를 위해서 뇌파 변환 과정을 7단계로 나누어 처리하는 프레임워크를 제안하고 각 단계에 필요한 계산과정을 기술한다. 실험에서는 BCI 영어단어 학습 프로그램에 제안한 방법을 적용하여 두 피험자 파형을 비교했다. 실험에서는 두 피험자의 파형 유사 정도를 상관계수로 측정했다. 명상 값은 제안한 방법을 적용할 때 약 13%가 증가되었고 집중 값은 약 8%정도 증가되었다. 제안한 정규화 방법은 뇌파에 반영된 개인의 특성을 줄여서 제어에 적합한 파형으로 변환하기 때문에 게임과 같은 응용프로그램에 적합하다.

• 대한공간정보학회지
• /
• 제21권2호
• /
• pp.99-105
• /
• 2013

도시의 발전 및 성장으로 인해 건물은 고층화, 대형화, 복잡화 되고 있으며, 효율적인 공간정보의 활용 및 공유를 위해 실내외 GIS의 중요성은 증가되고 있다. 하지만 도면 생성기술은 지형 및 도시의 2차원 및 3차원 도면 생성에 대해서 주로 선행되었으며, 건물 실내공간의 도면 구축 기술에 대한 연구는 미비한 실정이다. 본 연구에서는 지상라이다로부터 취득된 실내 점군데이터를 이용한 2차원 및 3차원 실내 도면 반자동 구축 기법을 제안하였다. 제안한 기법은 전처리, 2차원 도면생성, 3차원 도면생성 단계로 이루어진다. 전처리 단계는 실내 공간의 높이를 측정하고 점군데이터의 노이즈를 식별한다. 2차원 도면 생성 단계에서는 외곽선 추출격자와 정제과정을 이용하여 평면도를 생성한다. 3차원 도면 생성 단계에서는 전처리 과정에서 측정된 높이와 평면도를 이용하여 3차원 와이어프레임 모델을 생성한다. 전처리 과정에서 식별된 노이즈 데이터는 3차원 와이어 프레임 모델과 함께 3차원 실내 도면의 세부 모델링에 이용된다. 제안한 기법은 실내 복도를 측량한 점군데이터에 적용하여 결과를 확인하였으며, 향후 실내 GIS 구축을 위한 2차원 및 3차원 도면 생성에 활용될 수 있을 것으로 기대된다.

• 한국전산구조공학회논문집
• /
• 제27권1호
• /
• pp.9-16
• /
• 2014

레벨셋 기법과 위상민감도를 이용하여 선형 탄성 구조물에 대하여, 초기 설계형상에 의존성이 없는 위상 및 형상 최적설계 기법을 개발하였다. 레벨셋 기법에서는 복잡한 위상 형상변화를 쉽게 다루기 위해 초기 영역은 고정한 채 레벨셋 함수로 표현되는 암시적 이동경계로 경계를 표현한다. 해밀턴-자코비(H-J) 방정식과 수치적으로 강건한 기법인 'up-wind scheme'은 컴플라이언스 목적함수를 최소화시키고 허용체적 제약조건을 만족시키면서, 초기 암시적 경계를 법선 속도장에 따라 최적의 형상으로 이끌어 낸다. 점근적인 정규화 개념에 근거하여, 구멍의 반지름을 0으로 접근시켜 형상 미분의 극한을 취한 위상민감도를 고려하였다. 최적조건으로부터 유도된 라그란지안의 감소 방향을 이용하여 H-J 방정식을 갱신하기 위한 속도장을 결정하였다. 개발한 방법에서는 위상민감도로부터 얻어지는 지표를 이용하여 구멍을 언제든지 어디에서나 생성가능하기 때문에 초기 구멍이 최적 형상을 얻기 위해 요구되지 않는다는 사실을 확인하였다. 또한 효율적인 최적화 과정을 위해서는 구멍 생성을 위한 조정변수의 적절한 선택이 중요함을 확인하였다.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권5호
• /
• pp.64-74
• /
• 2019

비강체 정합은 임상적 필요성은 높으나 계산 복잡도가 높고, 정합의 정확성 및 강건성을 확보하기 어려운 분야이다. 본 논문은 비지도 학습 환경에서 3차원 뇌 자기공명 영상 데이터에 딥러닝 네트워크를 이용한 비강체 정합 기법을 제안한다. 서로 다른 환자의 두 영상을 입력받아 네트워크를 통하여 두 영상 간의 특징 벡터를 생성하고, 변위 벡터장을 만들어 기준 영상에 맞추어 다른 쪽 영상을 변형시킨다. 네트워크는 U-Net 형태를 기반으로 설계하여 정합 시 두 영상의 전역적, 지역적인 차이를 모두 고려한 특징 벡터를 만들 수 있고, 손실함수에 균일화 항을 추가하여 3차원 선형보간법 적용 후에 실제 뇌의 움직임과 유사한 변형 결과를 얻을 수 있다. 본 방법은 비지도 학습을 통해 임의의 두 영상만을 입력으로 받아 단일 패스 변형으로 비강체 정합을 수행한다. 이는 반복적인 최적화 과정을 거치는 비학습 기반의 정합 방법들보다 빠르게 수행할 수 있다. 실험은 50명의 뇌를 촬영한 3차원 자기공명 영상을 가지고 수행하였고, 정합 전·후의 Dice Similarity Coefficient 측정 결과 평균 0.690으로 정합 전과 비교하여 약 16% 정도의 유사도 향상을 확인하였다. 또한, 비학습 기반 방법과 비교하여 유사한 성능을 보여주면서 약 10,000배 정도의 속도 향상을 보여주었다. 제안 기법은 다양한 종류의 의료 영상 데이터의 비강체 정합에 활용이 가능하다.

• 대한수학회보
• /
• 제50권1호
• /
• pp.37-56
• /
• 2013

This paper deals with the behavior of positive solutions to the following nonlocal polytropic filtration system $$\{u_t=(\mid(u^{m_1})_x{\mid}^{{p_1}^{-1}}(u^{m_1})_x)_x+u^{l_{11}}{{\int_0}^a}v^{l_{12}}({\xi},t)d{\xi},\;(x,t)\;in\;[0,a]{\times}(0,T),\\{v_t=(\mid(v^{m_2})_x{\mid}^{{p_2}^{-1}}(v^{m_2})_x)_x+v^{l_{22}}{{\int_0}^a}u^{l_{21}}({\xi},t)d{\xi},\;(x,t)\;in\;[0,a]{\times}(0,T)}$$ with nonlinear boundary conditions $u_x{\mid}{_{x=0}}=0$, $u_x{\mid}{_{x=a}}=u^{q_{11}}u^{q_{12}}{\mid}{_{x=a}}$, $v_x{\mid}{_{x=0}}=0$, $v_x|{_{x=a}}=u^{q21}v^{q22}|{_{x=a}}$ and the initial data ($u_0$, $v_0$), where $m_1$, $m_2{\geq}1$, $p_1$, $p_2$ > 1, $l_{11}$, $l_{12}$, $l_{21}$, $l_{22}$, $q_{11}$, $q_{12}$, $q_{21}$, $q_{22}$ > 0. Under appropriate hypotheses, the authors establish local theory of the solutions by a regularization method and prove that the solution either exists globally or blows up in finite time by using a comparison principle.

• 한국컴퓨터그래픽스학회논문지
• /
• 제6권1호
• /
• pp.19-27
• /
• 2000

본 논문에서는 볼륨 데이터로부터 관심대상 객체의 3차원 경계면을 추출하고 이에 대한 기하학적 모델을 생성하기 위하여 자체교차방지 기능을 가진 다해상도 변형 모델을 제시한다. 변형 모델은 경계면 추출에 우수한 성능을 가진 것으로 알려져 있지만, 기존 변형 모델은 초기화 의존성, 오목한 경계면 추출의 취약성, 모델 요소간 자체교차 발생의 세가지 문제점을 가지고 있다. 제안하는 변형 모델은 다해상도의 볼륨 데이터를 기반으로하여 모델을 저해상도에서 고해상도로 세분화해가면서 객체의 경계면을 추출함으로서 초기화에의 의존성을 극복할 뿐 아니라 빠른 속도로 경계면에 수렴할 수 있다. 또한, 삼각형 메쉬 크기를 볼륨 데이터의 복셀 크기에 맞추어 항상 균일하게 유지함으로써 모델이 내부 힘의 제약없이 오목한 경계면을 성공적으로 추출할 수 있게 하였고, 모델이 변형될 때마다 자체교차방지 힘을 적용하여 모델내 삼각형 메쉬간의 자체교차를 사전에 방지할 수 있도록 하였다. 제안 모델을 컴퓨터 합성 볼륨 데이터 및 뇌 MR 볼륨 영상 데이터에 적용한 결과 오목한 함몰 부위를 가진 구와 뇌피질의 경계면을 자체교차없이 빠른 속도로 추출할 수 있었다.

• 지구물리와물리탐사
• /
• 제8권2호
• /
• pp.129-136
• /
• 2005

감쇠최소자승법은 각종 물리탐사 자료에 가장 널리 사용되는 역산법이다. 일반적으로 최소자승법에서 최소화되는 목적함수는 자료오차(data misfit)와 모델제한자의 합으로 주어진다. 따라서 역산에서 자료오차와 모델제한자는 함께 중요한 역할을 담당한다. 하지만 역산에 관한 대부분의 연구는 주로 모델제한자의 설정방법과 적절한 라그랑지 곱수의 선정방법에 치중되어 왔다. 일반적으로 자료획득시 자료가 갖는 표준편차를 자료가중값의 계산에 사용하는 것이 추천되고 있지만, 실제 현장조사에서는 자료의 표준편차는 좀처럼 측정되지 않으며, 대부분의 역산에서 자료가중행렬은 어쩔 수 없이 단위행렬로 간주된다. 본 논문에서는 자료분해능행렬과 그 분산함수를 분석하여 자동적으로 계산된 자료가중행렬을 사용하는 역산법을 개발하였다. EACB법이라 명명한 이 역산법에서는 분해능이 높은 자료에는 높은 가중값을, 작은 자료에는 작은 가중값을 부여한다. 개발된 EACB 역산법을 전기비저항 토모그피법에 적용한 결과, 보다 안정적이고 분해능이 향상된 결과를 얻을 수 있었다.

• 대한공간정보학회지
• /
• 제20권4호
• /
• pp.117-125
• /
• 2012

항공라이다 데이터를 이용한 건물 추출 연구가 많이 진행되어 오고 있으나 대부분의 연구는 건물경계를 직선으로 가정하기 때문에 곡선경계가 포함된 건물의 경계를 올바르게 모델링하지 못하는 한계가 있다. 본 논문은 곡선경계를 포함하는 건물을 항공라이다 데이터로부터 직선과 곡선이 혼합된 경계로 모델링하는 것을 목적으로 한다. 건물점들에 대하여 적응적 컨벡스헐 알고리즘과 큰 반경의 국지적 컨벡스헐 알고리즘을 적용하여 두 세트의 경계점을 추출한다. 경계점들의 평균 점 간격 및 수직이등분선의 교차 비율에 의하여 곡선 세그먼트를 판별한 후, 직선과 곡선 세그먼트에 대하여 각각 다른 정규화 방법을 적용하여 건물경계를 모델링한다. 실험결과, 곡선 세그먼트의 추출 완전성과 정확성이 각각 69%, 100%로서 본 연구의 방법을 통해 대부분의 곡선경계를 올바르게 추출 및 모델링 할 수 있었다. 본 연구의 결과는 수치지도 제작기준을 만족하는 건물경계를 자동으로 생성하는데 효과적으로 활용될 수 있을 것이다.

• Journal of the Korean Data and Information Science Society
• /
• 제12권2호
• /
• pp.1-10
• /
• 2001

신경망은 점차 분류 및 함수추정을 위한 현대 통계적 방법론으로 부각되고 있다. 신경망은 특히 선형 회귀함수를 일반화시키는 유연한(flexible) 방법을 제공하며 일반적 비선형 함수를 모수화하는 방법으로 간주된다. 본 논문에서는 함수추정을 위한 신경망을 생각한다. 신경망이 훈련자료를 과대적합하는 것을 피할 수 있도록 하는 간단한 방법은 정칙화(regularization)이다. 신경망에서는 정칙화를 위해 주로 가중치 감소법(weight decay method)을 사용한다. 함수추정을 위해 가중치감소 신경망을 사용할 때 은닉노드수, 가중치모수, 학습률 및 학습반복회수가 중요한 모수이다. 본 논문에서는 유전자 알고리즘을 사용하여 가중치감소 신경망의 중요한 모수들을 자동으로 최적화하는 방법을 제안하고 결과적으로 가중치감소 신경망을 자동학습하는 방법을 설명한다. 그리고 다른 함수추정방법들과 자동학습된 가중치감소 신경망을 비교분석한다.