• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.227-227
• /
• 2012

본 연구는 수자원계획 문제에서 다기준 의사결정기법을 적용할 때 발생할 수 있는 두 가지 문제에 대해 분석하였다. 첫 번째는 다기준 의사결정기법 선택의 차이가 결과에 어느 정도 영향을 미칠 수 있는지를 제시하였고 두 번째는 평가기준에 대한 가중치와 대안들의 평가치에 대한 불확실성을 최소화하기 위해 민감도 분석을 수행하는 절차를 제시하였다. 첫 번째 문제를 위해 가중합계법, Compromise Programming, 계층화분석과정, 수정된 계층화 분석과정, 가중곱방법, TOPSIS, ELECTRE-2, Regime 방법을 사용하였다. 또한 최근 사용빈도가 높은 삼각형 Fuzzy 숫자와 다기준 의사결정기법을 결합한 기법에 대해서도 분석하였는데 Fuzzy WSM, Fuzzy 계층화분석과정, Fuzzy 수정 계층화분석과정, Fuzzy TOPSIS, Fuzzy Compromise Programming을 검토하였다. 분석결과 평가기준에 대한 가중치 조건과 표준화 방법이 동일한 상황에도 불구하고 조금씩 다른 순위를 제시하는 것으로 나타났다. 또한 다양한 MCDM 기법들을 적용해도 동일한 순위로 나타나는 대안들이 있었다. 따라서 다기준 의사결정기법을 사용한 수자원 관리계획을 수립할 때에는 다양한 분석기법을 활용해서 기법의 선택으로 인한 불확실성을 최소화해야 한다. 두 번째 문제는 평가기준에 대한 가중치와 대안의 효과 정량화 자료의 불확실성을 극복하기 위해 각각에 대한 민감도 분석을 수행하였다. 본 연구는 유량확보와 수질개선을 위한 수자원 계획 수립을 위해 가중합계법을 이용한 문제에 두 경우의 민감도 분석을 모두 수행하였다. 이 과정에서 결정계수와 민감도 계수를 산정하여 이용하였다. 본 연구는 향후 수자원 관리 및 계획 분야에서 다기준 의사결정기법을 적용할 때 사용될 수 있는 기초 가이드라인이 될 것이다.

• 화약ㆍ발파
• /
• 제18권2호
• /
• pp.7-13
• /
• 2000

본 연구지역은 안산암지역으로 지반의 구조특성을 잘 나타내는 균열계수로서 암반특성을 표현하였고 발파진동식을 추정하는데 있어서 결정계수를 높여 오차를 최소화하였다. 측정자료 를 누적분석하였을 때 결정계수가 0.002~0.531로서 신뢰하기 어려웠으며 동일 장약량을 가진 동일거리군 군별 평균진동속도로서 회귀분석한 경우 결정계수는0.493~0.531으로 그다지 높지 않은 결과가 나왔고 절사평균을 이용한 결정계수는 0.307~0.487로서 역시 신뢰하기 어려운 결과를 도출했다 또한 샘플수를 가중치로 적용하는 방법의 결정계수는 0.644~0.752로서 본 연구의 적용 통계적 방법중 가장 높은 결과를 도출하였으며, 진동속도 표준편차의 영향을 가중치로 적용하는 방법의 결정계수는 0.516~0.668이었고 진동속도 분산의 영향을 가중치로 적용하는 방법의 결정계수는 0.516~0.685이었다. 그러므로 발파진동추정식을 산출할 때 동일장약량을 가지는 15m이내의 동일거리군에서의 진동평균속도에 가중치를 적용하여 얻은 회귀분석 결과가 가장 신뢰성이 높았다. 이 때 자승근일 때의 발파진동상수 $K_{95}$는 317.4, n은 -1.66이었고, 삼승근일 때의 발파진동상수 $K_{95}$는 209.9,n은 -1.60이었고 자승근과 삼승근의 교차점분석시 허용진동속도 4cm/sec에서 교차점은 31m이므로 발파지점으로부터의 거리가 31m이내는 삼승근 적용이 신뢰성이 높고, 31m이상일 때는 자승근 적용이 신뢰성이 높은 것으로 판단되었다.

• 한국음향학회지
• /
• 제22권2호
• /
• pp.145-152
• /
• 2003

본 논문에서는 인식 단위로서의 개개의 은닉 마코프 모델 (HMM: Hidden Markvo Model)에 대응하는 가중치를 도입하여 HMM출력 스코어는 HMM출력 확률과 HMM 가중치의 곱으로 표현된다고 가정하고 기존의 최소 분류 오류 훈련 방법과 유사하게 HMM 가중치를 반복적으로 훈련하는 방법을 제안하였다. 제안된 방법은 오인식 척도에 대해 차분 (delta) 계수를 정의하고 이를 이용하여 HMM 가중치를 반복하여 훈련하는 방법이다. 이러한 방법은 HMM 가중치의 합을 HMM 개수의 총합으로 제한함으로써 기존의 파라미터 추정 방법과 비터비 (Viterbi) 알고리즘에 큰 변화 없이 음성 인식에 효과적으로 적용될 수 있다. 제안된 방법은 기존의 분할 (segmental) 최소 분류 오류훈련 방법과 비교하여 추정하는 파라미터의 개수가 감소되었으며 훈련 모델의 최적 상태열을 이용한 경도 계산 과정이 포함되지 않음으로써 계산량을 효과적으로 단축할 수 있다. HMM가중치를 이용한 HMM기반의 음성 인식기의 성능 평가를 위해서 단독 숫자음 인식 실험을 실시하였다. 실험적 결과들은 HMM 확률 보정을 이용한 음성 인식 시스템이 베이스라인 시스템보다 음성 인식 성능이 더 우수함을 보여준다. 제안된 방법은 기존의 최소 분류 오류 훈련 방법에 비하여 구현하기 간편한 반면에 더욱 우수한 음성 인식 성능 향상을 보여준다.

• 한국통신학회논문지
• /
• 제36권3C호
• /
• pp.157-162
• /
• 2011

동시 등화는 통신 채널을 블라인드 등화 시 수렵 특성 개선에 유용하다. 그러나 동시 등화는 등화기가 정상상태에 수렴한 후에도 동시 적응을 계속함으로써 성능 개선이 제한적이다. 본 논문에서는 동시 등화의 수렴 특성과 함께 정상상태 성능을 개선하기 위해, 가변 수렴상수와 가중치기반의 탭 계수 갱신을 적용하는 새로운 동시 등화 기법을 제안한다. 제안하는 동시 vsCMA+DD 등화는 가변 수렴상수 CMA(variable step-size CMA: vsCMA)와 판정의거 (decision-directed: DD) 알고리즘의 오차 신호를 사용하여 가중치를 산출하고, 이를 이용하여 두 등화기를 각각 가중 갱신한다. 제안 방법은 vsCMA에 의해 CMA의 오차 성능을 개선하고, 가중치기반의 탭 계수 갱신에 의해 수렴 속도와 정상상대 성능을 개선하였다. 모의실험을 통해 제안 방식의 성능 개선을 검증하였다.

• 한국음향학회지
• /
• 제25권8호
• /
• pp.370-374
• /
• 2006

음성인식의 특징벡터로서 멜-주파수 켑스트럴 계수 (MFCC, mel-frequency cepstral coefficients)가 가장 널리 사용되고 있다. FMCC 추출과정은 입력되는 음성신호를 푸리에 변환한 후, 주파수 대역별로 필터를 취하여 에너지 값을 구하고 이산 코사인 변환을 하여 그 계수 값을 구한다. 본 논문에서는 멜-스케일 된 주파수 대역필터를 취할 때 가중함수에 의해서 구해진 각 대역필터별 가중치를 적용하여 필터의 출력 에너지를 계산한다. 여기서 가중치를 구하기 위해 사용된 가중함수는 포만트가 존재하는 대역을 중심으로 인접한 대역들이 가우시안 분포를 가지는 함수이다. 제안한 방법으로 실험한 결과, 잡음이 거의 없는 음성신호에 대해서는 기존의 MFCC를 사용했을 때와 비슷한 인식률을 보이고 잡음성분이 많을수록 가중치가 적용된 방법이 인식률에서 보다 높은 성능 향상을 가져온다.

• 정보관리학회지
• /
• 제21권1호
• /
• pp.93-117
• /
• 2004

본 연구는 OPAC에서 계층 클러스터링을 응용하여 소장자료를 계층구조로 분류하여 열람하는데 사용될 수 있는 최적의 계층 클러스터링 모형을 찾기 위한 목적으로 수행되었다. 문헌정보학 분야 단행본과 학위논문으로 실험집단을 구축하여 다양한 색인기법(서명단어 자동색인과 통제어 통합색인)과 용어가중치 기법(절대빈도와 이진빈도), 유사도 계수(다이스, 자카드, 피어슨, 코싸인, 제곱 유클리드), 클러스터링 기법(집단간 평균연결, 집단내 평균연결, 완전연결)을 변수로 실험하였다. 연구결과 집단간 평균연결법과 제곱 유클리드 유사도를 제외하고 나머지 유사도 계수와 클러스터링 기법은 비교적 우수한 클러스터를 생성하였으나, 통제어 통합색인을 이진빈도로 가중치를 부여하여 완전연결법과 집단간 평균연결법으로 클러스터링 하였을 때 가장 좋은 클러스터가 생성되었다. 그러나 자카드 유사도 계수를 사용한 집단간 평균연결법이 십진구조와 더 유사하였다.

• 경영정보학연구
• /
• 제9권1호
• /
• pp.85-103
• /
• 2007

본 연구의 목적은 좀 더 정확한 고객 선호도 예측을 위한 협업 필터링 알고리즘의 예측 성능을 평가하기 위한 것이다. 고객 선호도 예측의 정확도를 비교하기 위하여 이웃 기반의 협업 필터링 알고리즘과 대응평균 알고리즘에 의한 고객 선호도 예측의 MAE를 비교하였다. 예측 알고리즘의 정확성을 분석하기 위하여 MovieLens 1 Million dataset을 이용하여 실험을 하였다. 각 예측 알고리즘에 사용된 유사도 가중치는 일반적으로 이용되는 피어슨 상관계수와 벡터 유사도를 이용하였으며 분석결과 대응평균 알고리즘의 예측 정확도가 이웃 기반의 협업 필터링 알고리즘의 예측 정확도 보다 우수한 것으로 나타났다. 두 알고리즘에 사용된 유사도 가중치인 피어슨 상관계수와 벡터 유사도는 두 고객이 특정 상품에 대하여 공통으로 평가한 선호도 평가치를 이용하여 계산된다. 이때 공통으로 평가한 선호도 평가치의 개수가 적으면 계산된 유사도 가중치가 과대 평가된다. 과대 평가된 유사도 가중치를 보정하여 고객 선호도 예측의 정확도를 높이기 위하여 기존의 연구에서 고려한 공통 평가 영화의 개수 보다 확대된 범위를 적용하였으며 각 예측 방법에 따라 서로 다른 개선 경향을 파악할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제16권8호
• /
• pp.39-47
• /
• 2011

다층퍼셉트론의 계층별 학습 방법의 하나인 Ergezinger 방법은 출력 노드가 1개로 구성되어 있고, 출력층의 가중치를 최소자승법으로 학습하기 때문에 출력층의 가중치에 조기포화 현상이 발생할 수 있다. 이런 조기 포화현상은 학습 시간과 수렴 속도에 장애가 된다. 따라서, 본 논문은 Ergezinger의 학습 방법을 출력층에서 벡터 형태로 학습할 수 있는 알고리즘으로 확대하고 학습 시간과수렴 속도를 개선하기 위해서 학습 상수를 도입한다. 학습상수는 은닉층 가중치 조정 시, 새로이 계산된 가중치와 기존 가중치의 상관 관계를 계산하여 학습 상수에 반영하는 가변적인 방법이다. 실험은 제안된 방법과 기존 방법의 비교를 위해서 iris 문제와 비선형 근사화 문제를 대상으로 실험하였다. 실험에서, 제안 방법은 기존 Ergezinger 방법보다 학습 시간과 수렴 속도에서 우수한 결과를 얻었으며, 상관 관계를 고려한 CPU time 측정에서도 제안한 방법이 기존 방법보다 약 35%의 시간을 절약할 수 있었다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2006년도 추계학술대회
• /
• pp.577-588
• /
• 2006

이 논문에서는 호의 가중치가 음수가 될 수 있는 무향 그래프에서 마디집합들을 선택했을 때, 각 마디집합 사이에 걸쳐 있는 호의 가중치 합을 최대화하는 최대 가중치 합 그래프마디 분리 문제에 대해 연구한다. 우선$P\;{\neq}\;NP$ 라는 가정 하에서, 이 문제는 NP - hard이며 어떠한 근사 계수를 가지는 근사해법도 존재하지 않는다는 것을 밝힌다. 또한 이 문제를 정수 계획으로 풀기 위해, 그래프의 절단면을 나타내는 벡터들이 만드는 다면체의 극대면(facet)을 정의하는 부등식들을 추가 제약식으로 사용하는 branch-and-cut 알고리듬을 제시하고 구현하였다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 춘계 학술발표회 논문집
• /
• pp.19-24
• /
• 2003

신경망은 적용 다양성과 제약조건의 최소성, 강력한 예측성, 범용성, 근사성 등 많은 장점을 지니고 있으나 초기 가중치의 할당에 따라 모델 생성의 Performance와 예측의 결과가 달라지게 되는 단점을 지니고 있다. 이런 신경망의 초기 가중치에 따른 단점을 보안하기 위해 통계적 알고리즘의 접목을 통해 Hybrid된 신경망 보완 알고리즘을 제시하고자 하였다. 논문을 위한 기본 가정으로 신경망의 가장 기본인 SLP 알고리즘을 바탕으로 활성함수에 가장 일반적으로 사용되는 Sigmoid 활성함수를 이용하였을 때, 초기 가중치로 기존의 임의 난수 생성 방식이 아닌 통계적 로지스틱 회귀분석의 계수값(mle)을 제시하여 이를 초기치로 사용한 경우와 그렇지 않은 경우의 예측 정확성과 수렴의 Performance정도를 비교하여 가장 효과적인 초기치 방법을 제시하고자 하였다.