• 정보처리학회 논문지
• /
• 제13권2호
• /
• pp.13-17
• /
• 2024

본 논문에서는 규칙의 수를 줄여 간결한 지식 기반을 보장할 수 있는 합 기반의 전건부를 가지는 뉴로-퍼지 제어기를 제안하였다. 제안된 뉴로-퍼지 제어기는 모든 입력 변수의 AND 조합을 전건부로 하는 구조의 퍼지 규칙보다 더 큰 입력 영역을 커버하기 위해 전건부에 입력 퍼지 집합의 합집합 연산을 허용하였다. 이러한 뉴로-퍼지 제어기를 구성하기 위해 본 논문에서는 OR 및 AND 퍼지 뉴런으로 구성된 multiple-term unified logic processor (MULP)를 고려하였다. 이러한 OR 및 AND 퍼지 뉴런은 조정 가능한 연결 강도 집합을 가지므로 학습을 통하여 최적의 연결 강도 집합을 찾을 수 있다. 초기 최적화 단계에서 유전 알고리즘은 제안된 뉴로 퍼지 제어기의 최적화된 이진 구조를 구성하고, 이후 확률에 기반한 강화 학습은 성능 지수를 더욱 향상시켜서 유전 알고리즘에 의해 최적화된 제어기의 이진 연결을 개선하였다. 역진자 시스템을 제어하기 위한 모의실험 및 실험을 통해 제안된 방법의 유효성을 검증하였다.

• 전기학회논문지
• /
• 제67권1호
• /
• pp.114-123
• /
• 2018

This paper concerns a design and learning method of softmax function neural networks based on K-means clustering. The partial discharge data Information is preliminarily processed through simulation using an Epoxy Mica Coupling sensor and an internal Phase Resolved Partial Discharge Analysis algorithm. The obtained information is processed according to the characteristics of the pattern using a Motor Insulation Monitoring System program. At this time, the processed data are total 4 types that void discharge, corona discharge, surface discharge and slot discharge. The partial discharge data with high dimensional input variables are secondarily processed by principal component analysis method and reduced with keeping the characteristics of pattern as low dimensional input variables. And therefore, the pattern classifier processing speed exhibits improved effects. In addition, in the process of extracting the partial discharge data through the MIMS program, the magnitude of amplitude is divided into the maximum value and the average value, and two pattern characteristics are set and compared and analyzed. In the first half of the proposed partial discharge pattern classifier, the input and hidden layers are classified by using the K-means clustering method and the output of the hidden layer is obtained. In the latter part, the cross entropy error function is used for parameter learning between the hidden layer and the output layer. The final output layer is output as a normalized probability value between 0 and 1 using the softmax function. The advantage of using the softmax function is that it allows access and application of multiple class problems and stochastic interpretation. First of all, there is an advantage that one output value affects the remaining output value and its accompanying learning is accelerated. Also, to solve the overfitting problem, L2-normalization is applied. To prove the superiority of the proposed pattern classifier, we compare and analyze the classification rate with conventional radial basis function neural networks.

• 한국컴퓨터그래픽스학회논문지
• /
• 제16권1호
• /
• pp.9-20
• /
• 2010

3차원 공간에 존재하는 반투명 물질을 물리 기반으로 렌더링하기 위해서 빛의 진행 경로를 작은 구간으로 나눈 후, 각 구간에 대하여 빛의 직접적인 영향, 산란으로 인한 영향, 반투명 물질안에서의 소멸 및 물질의 발광으로 인한 영향 등을 고려한 빛의 에너지를 계산하여 누적하는 방식을 사용한다. 이중 빛의 산란은 연속 공간에서 매우 복잡한 방식으로 작용하기 때문에 이의 시뮬레이션을 위해서 상당한 노력이 필요하다. 빛의 산란을 효과적으로 계산하기 위해 여러근사 방법들이 고안되었는데, 그중 볼륨 포톤매핑 기법은 빛이 간섭매체 내부에서 산란되는 효과를 단순화된 시뮬레이션으로 미리 계산하여두고 이를 검색해 효율적으로 렌더링 하는 방법을 사용한다. 이 방법은 주변에서 검색한 시뮬레이션 정보를 이용하기 위해서 밀도추정방법을 적용하는데, 시뮬레이션자료의분포에 따라서 검색에 따른 편차가 있을 수 있게된다. 또한 시뮬레이션된 자료만을 이용하여 산란효과를 반영하기 때문에 고밀도이지만 시뮬레이션이 충분하지 못한 위치에 대해서 방향성 있는 위상함수에 대한 특징을 잘 표현하지 못한다는 문제가있다. 이러한 문제를해결하고자 하는 노력의 일환으로, 본 논문에서는 입자형태로 시뮬레이션된 볼륨데이터에 대해 밀도추정방법의 하나인 커널스무딩을 이용하여 표현한 산란효과를 반투명물질 자료구조에 저장하고 이를 복원하는 방법을 제안하고, 실험결과 분석을 통하여 장단점을 분석한다.

• 한국지진공학회논문집
• /
• 제1권2호
• /
• pp.1-15
• /
• 1997

본 논문에서는 대형구조물에서 구조물의 안전성 평가와 관련하여 구조물이 국부손상도를 추정하기 위한 효율적인 부분구조추정(Substructural Identification) 기법에 대하여 연구하였다. 먼저, 부분구조 추정법을 위한 모형식을 설정하기 위하여 운동방정식으로부터 부분구조에 대한 계측오차를 처리하기 위한 모형을 포함한 추계론적 자동회귀-이동평균(ARAMX) 모형식을 유도하였다. 추정된 모형식의 계수는 유도된 관계식을 이용하면, 구조손상 평가에 이용될 수 있는 강성행렬로 환산될 수 있다. 본 논문에서 유도된 부분구조 추정법의 가장 큰 장점은 매우 안정되고 정확도가 우수한 구조추정법인 ARMAX 모형식에 기반한 순차적 예측오차 방법을 사용함으로써 다른 방법에 비해 추정의 안정성 및 정확도가 뛰어나다는 것이다. 다음으로는 개발된 부분구조 추정법을 이용하여 구조 손상도 추정이 수행되었다. 손상도 추정을 위하여 앞서 순차적 예측오차 방법을 이용하여 추정된 구조계 현상태의 강성행렬을 바탕으로, 최소지승법을 이용하여 구하는 간접법이 제시되었다. 제시된 방법들의 검증을 위하여 예제해석이 수행되었다. 트러스 및 연속교 모형 그리고 실험적 예제에 적용하여 구조의 강성행렬 및 감쇠행렬을 추정하였다. 이를 바탕으로 손상도 추정방법이 검증되었다. 해석결과로부터, 개발된 방법이 효율적이고 정확도 및 안정성의 측면에서 우수한 성질이 있음을 확인할 수 있다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1996년도 춘계학술대회
• /
• pp.1-3
• /
• 1996

시뮬레이션 기법을 이용한 시스템의 분석에 있어서 실험의 자동화는 현재 많은 연구와 개발이 진행 중인 분야이다. 컴퓨터와 정보통신 시스템에 대한 시뮬레이션의 예를 들어 보면, 수많은 모델을 대한 시뮬레이션을 수행할 경우 자동화된 실험의 제어가 요구되고 있다. 시뮬레이션 수행회수, 수행길이, 데이터 수집방법 등과 관련하여 시뮬레이션 실험방법이 자동화가 되지 않으면, 시뮬레이션 실험에 필요한 시간과 인적 자원이 상당히 커지게 되며 출력데이터에 대한 분석에 있어서도 어려움이 따르게 된다. 시뮬레이션 실험방법을 자동화하면서 효율적인 시뮬레이션 출력분석을 위해서는 시뮬레이션을 수행하는 경우에 항상 발생하는 초기편의 (initial bias)를 제거하는 문제가 선결되어야 한다. 시뮬레이션 출력분석에 사용되는 데이터들이 초기편의를 반영하지 않는 안정상태에서 수집된 것이어야만 실제 시스템에 대한 올바른 해석이 가능하다. 실제로 시뮬레이션 출력분석과 관련하여 가장 중요하면서도 어려운 문제는 시뮬레이션의 출력데이터가 이루는 추계적 과정 (stochastic process)의 안정상태 평균과 이 평균에 대한 신뢰구간(confidence interval: c. i.)을 구하는 것이다. 한 신뢰구간에 포함되어 있는 정보는 의사결정자에게 얼마나 정확하게 평균을 추정할 구 있는지 알려 준다. 그러나, 신뢰구간을 구성하는 일은 하나의 시뮬레이션으로부터 얻어진 출력데이터가 일반적으로 비정체상태(nonstationary)이고 자동상관(autocorrelated)되어 있기 때문에, 전통적인 통계적인 기법을 직접적으로 이용할 수 없다. 이러한 문제를 해결하기 위해 시뮬레이션 출력데이터 분석기법이 사용된다.본 논문에서는 초기편의를 제거하기 위해서 필요한 출력데이터의 제거시점을 찾는 새로운 기법으로, 유클리드 거리(Euclidean distance: ED)를 이용한 방법과 현재 패턴 분류(pattern classification) 문제에 널리 사용 중인 역전파 신경망(backpropagation neural networks: BNN) 알고리듬을 이용하는 방법을 제시한다. 이 기법들은 대다수의 기존의 기법과는 달리 시험수행(pilot run)이 필요 없으며, 시뮬레이션의 단일수행(single run) 중에 제거시점을 결정할 수 있다. 제거시점과 관련된 기존 연구는 다음과 같다. 콘웨이방법은 현재의 데이터가 이후 데이터의 최대값이나 최소값이 아니면 이 데이터를 제거시점으로 결정하는데, 알고기듬 구조상 온라인으로 제거시점 결정이 불가능하다. 콘웨이방법이 알고리듬의 성격상 온라인이 불가능한 반면, 수정콘웨이방법 (Modified Conway Rule: MCR)은 현재의 데이터가 이전 데이터와 비교했을 때 최대값이나 최소값이 아닌 경우 현재의 데이터를 제거시점으로 결정하기 때문에 온라인이 가능하다. 평균교차방법(Crossings-of-the-Mean Rule: CMR)은 누적평균을 이용하면서 이 평균을 중심으로 관측치가 위에서 아래로, 또는 아래서 위로 교차하는 회수로 결정한다. 이 기법을 사용하려면 교차회수를 결정해야 하는데, 일반적으로 결정된 교차회수가 시스템에 상관없이 일반적으로 적용가능하지 않다는 문제점이 있다. 누적평균방법(Cumulative-Mean Rule: CMR2)은 여러 번의 시험수행을 통해서 얻어진 출력데이터에 대한 총누적평균(grand cumulative mean)을 그래프로 그린 다음, 안정상태인 점을 육안으로 결정한다. 이 방법은 여러 번의 시뮬레이션을 수행에서 얻어진 데이터들의 평균들에 대한 누적평균을 사용하기 매문에 온라인 제거시점 결정이 불가능하며, 작업자가 그래프를 보고 임의로 결정해야 하는 단점이 있다. Welch방법(Welch's Method: WM)은 브라운 브리지(Brownian bridge) 통계량()을 사용하는데, n이 무한에 가까워질 때, 이 브라운 브리지 분포(Brownian bridge distribution)에 수렴하는 성질을 이용한다. 시뮬레이션 출력데이터를 가지고 배치를 구성한 후 하나의 배치를 표본으로 사용한다. 이 기법은 알고리듬이 복잡하고, 값을 추정해야 하는 단점이 있다. Law-Kelton방법(Law-Kelton's Method: LKM)은 회귀 (regression)이론에 기초하는데, 시뮬레이션이 종료된 후 누적평균데이터에 대해서 회귀직선을 적합(fitting)시킨다. 회귀직선의 기울기가 0이라는 귀무가설이 채택되면 그 시점을 제거시점으로 결정한다. 일단 시뮬레이션이 종료된 다음, 데이터가 모아진 순서의 반대 순서로 데이터를 이용하기 때문에 온라인이 불가능하다. Welch절차(Welch's Procedure: WP)는 5회이상의 시뮬레이션수행을 통해 수집한 데이터의 이동평균을 이용해서 시각적으로 제거시점을 결정해야 하며, 반복제거방법을 사용해야 하기 때문에 온라인 제거시점의 결정이 불가능하다. 또한, 한번에 이동할 데이터의 크기(window size)를 결정해야 한다. 지금까지 알아 본 것처럼, 기존의 방법들은 시뮬레이션의 단일 수행 중의 온라인 제거시점 결정의 관점에서는 미약한 면이 있다. 또한, 현재의 시뮬레이션 상용소프트웨어는 작업자로 하여금 제거시점을 임의로 결정하도록 하기 때문에, 실험중인 시스템에 대해서 정확하고도 정량적으로 제거시점을 결정할 수 없게 되어 있다. 사용자가 임의로 제거시점을 결정하게 되면, 초기편의 문제를 효과적으로 해결하기 어려울 뿐만 아니라, 필요 이상으로 너무 많은 양을 제거하거나 초기편의를 해결하지 못할 만큼 너무 적은 양을 제거할 가능성이 커지게 된다. 또한, 기존의 방법들의 대부분은 제거시점을 찾기 위해서 시험수행이 필요하다. 즉, 안정상태 시점만을 찾기 위한 시뮬레이션 수행이 필요하며, 이렇게 사용된 시뮬레이션은 출력분석에 사용되지 않기 때문에 시간적인 손실이 크게 된다.

• 벤처창업연구
• /
• 제6권4호
• /
• pp.137-152
• /
• 2011

슘페터식 혁신은 이제 제조, 서비스산업을 넘어 농산업에서도 나타나고 있다. 농산업은 과거 가족농 중심의 단순생산체제를 탈피하여, 생산과 유통 전반으로 기업화되어 가는 경향이 나타나고 있는데, 이는 농산업부분에서의 낮은 생산성과 부가가치를 제고하기 위한 생산방식과 조직형태의 혁신이라고 볼 수 있다. 본 연구는 우리나라 농산업의 새로운 시도로 도입된 농업법인 그중에서도 농업생산법인의 생산성 수준을 파악하고 정책적 시사점을 도출하기 위하여 자료포락방법의 개선된 형태인 부트트래핑 자료포락방법을 활용하여 분석하였다. 본 연구의 주요 발견점은 다음과 같다. 분석대상 농업생산법인 중 효율성 값이 1인 효율적인 법인 수는 18.06%에 불과하며 효율성 값이 0.5 미만인 비효율적인 농업생산법인 수는 기술효율성에서는 30.92%, 순수기술효율성에서는 18.93%, 규모의 효율성에 있어서는 3.32%로 나타나 상당수의 농업생산법인이 비효율적인 상태에서 운영되고 있다. 이러한 분석결과는 농업생산법인이 농산업의 생산성 향상을 위한 방안으로 도입되기는 했지만 실질적 생산성 정도는 저조하다는 것을 의미하는 것으로, 농업생산법인의 생산성 제고를 위한 정책적, 전략적 차원의 개선책이 모색되어야 함을 보여 시사한다.