• 한국전자통신학회논문지
• /
• 제13권3호
• /
• pp.587-592
• /
• 2018

위상 배열 안테나를 이용한 적응형 빔 형성 시스템은 간섭신호가 있는 통신환경에 적응형으로 빔을 형성하여 통신 품질을 향상시킨다. 적응형 빔 형성을 위해서는 위상 배열 안테나의 각 방사소자에 급전되는 신호의 위상을 우수한 조합을 산출해야 한다. 본 논문에서는 우수한 위상 천이 조합 산출 확률을 증가시키기 위해, 개치 밀도에 따른 재확산 절차가 추가된 개선된 개체 군집 최적화 알고리즘을 제안하였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권8호
• /
• pp.393-398
• /
• 2016

군집 적응형 시스템(Collective Adaptive System, CAS)은 다수의 에이전트를 포함하는 적응형 시스템으로, 에이전트들 간의 헙업을 통해 목표를 수행한다. 협업을 기반으로 시스템의 목표를 수행하는 CAS는 복수의 에이전트들 간의 상호작용에 대한 테스트가 필수적이다. 본 연구에서는 CAS를 테스트하기 위한 하나의 방법으로 태스크 기반의 테스트 모델을 적용하여 모델 기반 테스팅을 하는 것에 대한 타당성을 분석한다. 분석을 위해 CAS의 한 사례로 스마트 홈 시스템을 적용하였고, 그 결과 태스크 모델을 수정 및 확장하면 CAS의 목표 달성 여부를 판별할 수 있는 체계적인 테스트 케이스 생성이 가능한 것을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.39-42
• /
• 2009

사용자 적응형 추천 시스템의 목적은 사용자의 선호도와 행동 정보 등을 분석, 분류하여 그를 바탕으로 각 사용자가 필요로 하거나 선호 할 만한 서비스를 사용자에게 추천하여 사용자 편리성을 높이는 것이다. 그러나 기존의 추천 시스템은 새로운 사용자의 등장이나 새로운 서비스의 등장 시 분석에 많은 시간을 필요로 하거나, 과특성화와 희귀성이라는 특성으로 인한 추천 서비스 단순화 등의 문제점을 안고 있다. 본 논문에서는 새로운 사용자 등장 시 결정 트리를 이용한 분류로 분석시간을 줄이고, 새로운 아이템의 등장 시 분석시간의 감소와 다양한 사용자 중심적인 추천을 위해 대리자를 이용한 사용자 군집화와 추천을 수행하는 새로운 모델을 제시한다. 또한 제안된 모델을 분석하여 위의 문제점들이 어떻게 해결되는지 설명한다.

• 한국지능시스템학회논문지
• /
• 제19권4호
• /
• pp.504-510
• /
• 2009

근래 들어 개인 적응형 서비스에 대한 관심이 높아지고 있으나 아직 음악에 관련된 서비스는 보편화되어 있지 않다. 그 이유는 음악의 관련 정보를 분석하는 것이 텍스트 기반의 자료에 비해 어렵기 때문이다. 이에 본 논문은 사용자가 선택했던 음악을 분석해서 사용자의 성향을 파악하고 그와 유사한 음악을 추천해주는 시스템을 제안한다. 음악의 속성을 추출하는 방법으로 음파 분석 기법을 사용한다. 음파에서 세 가지의 수치화된 속성을 추출하여 이를 특성 공간에 나타낸다. 이 때 사용자가 선택한 음악이 많이 모여 있는 군집을 분석한다면, 사용자의 취향을 파악할 수 있다. 하지만 몇 개의 군집이 형성될 것인지를 예측하기란 쉽지 않다. 이를 해결하기 위하여 군집의 수를 상황에 따라 유동적으로 변경할 수 있는 가변형 K-means 기법을 제시한다. 이 기법은 군집의 직경 크기를 제한하여, 일정치 이상일 때 군집의 수를 늘리는 방법으로 데이터의 범위를 알고 있을 때 매우 효율적으로 적용할 수 있다. 이 방법을 이용하여 군집의 중심을 찾고 이와 가까운 음악을 추천한다. 또한 사용자의 성향은 꾸준하게 변화하므로 본 논문은 사용자가 근래에 선택한 음악의 반영 비율을 높이고자 무게의 개념을 이용한 시간 가중치 기법을 적용하였다. 그리고 음악의 발매 시기도 고려하여 음악을 추천하는 시스템을 제안한다. 제안 방법의 검증을 위하여 100개의 음악 조각을 통한 실험적 검증을 하였으며 그 결과 제안 방법이 효과적인 것을 보인다.

• 융합신호처리학회논문지
• /
• 제19권2호
• /
• pp.77-88
• /
• 2018

본 논문은 입력 포화를 가지는 불확실한 전기 구동 로봇 시스템에 대해 입자 군집 최적화(PSO)를 이용한 방사형 기저 함수 신경망(RBFNN) 기반 분산 적응 추종 제어 기법을 제안한다. 실제적으로 로봇 시스템에서는 구동기의 포화로 인해 입력 전압과 전류 신호 크기가 제한된다. 제안된 제어기는 이러한 입력 포화를 극복하며, 어떠한 로봇 링크 및 구동기의 모델 파라미터들을 요구하지 않는다. 제시된 PSO 기법에서 쓰인 적합도 함수는 추종 오차만이 아니라 전압과 전류의 크기를 포함하는 다중 목적 함수로 표현된다. PSO 기법을 이용하여 제어 이득과 방사형 기저 함수의 개수가 자동으로 조정되어 제어 시스템의 성능이 개선된다. 리아푸노프 안정도 해석에 의해 전체 제어 시스템의 안정도가 보장된다. 제안된 제어 기법의 타당성과 강인성이 시뮬레이션 결과를 통해 검증된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권3호
• /
• pp.185-193
• /
• 2010

최근 유비쿼터스 시대의 도래와 함께 개인화된 서비스를 제공하기 위한 다양한 서비스 모델들이 제안되어 왔으며, 특히, 사용자에게 개인화된 서비스를 선응적으로 제공하기 위한 다양한 추천 서비스 기법들이 고안되었다. 그러나, 기존의 기법들은 수 많은 데이터를 여과 과정 없이 분석함으로써 추천의 효율성이 떨어지며, 한정된 상황 인지 정보만용 추천 요소로 고려하기 때문에 사용자에게 개인화된 서비스를 제공하기에 적합하지 않다. 본 논문에서는 유비쿼터스 환경에서 사용자의 현재 상황에 가장 적합한 서비스를 제공하는 적응형 추천 서비스 기법을 제안한다. 본 기법은 사용자의 선호도 예측을 위해 누적된 사용자와 장치 간의 상호작용 상황 정보들을 이용하며, 군집 및 협업 필터링 기법을 이용하여 사용자에게 현재 상황에 적응적인 서비스를 추천한다. 군집 기법을 통해 사용자의 현재 위치에 근접한 데이터만을 분석함으로써, 추천의 효율성을 높이며, 협업 필터링을 이용하여 누적된 정보들이 충분하지 않은 상황에서도 정확한 추천을 보장한다. 끝으로, 시뮬레이션을 통해 본 기법의 성능 및 신뢰성을 평가한다.

• 한국정보과학회논문지:시스템및이론
• /
• 제32권8호
• /
• pp.399-410
• /
• 2005

본 논문에서는 개미 군 집단 알고리즘을 융합한 새로운 적응형 유전 알고리즘을 제안하고, 제안된 알고리즘이 확률적으로 최적 해에 수렴함을 증명한다. 실험을 통해서, 제안된 알고리즘은 최적 해로의 수렴이 어려운 여러 가지 대표적인 함수들에 대하여 elitist 전략을 사용한 유전 알고리즘보다 더 빠른 속도로 최적 해에 수렴하고 한 군집 내의 모든 해들이 최적 해로 수렴하며 파라미터 값에 따라 새로운 탐색이나 현 상태로의 귀착의 정도를 조절할 수 있는 유연성 있는 알고리즘인 것을 보인다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 춘계학술대회 및 임시총회
• /
• pp.23-27
• /
• 2002

본 논문에서는 정보보호에서 지능형 침입탐지시스템(Intrusion Detection System :IDS) 의한 모델을 제안한다. 이 모델은 데이터 마이닝 분야와 정보보호 분야의 결합된 방법을 이용한다. 즉, 계산환경을 격상하거나 새로운 공격 방법들 때문에 내장된 IDS를 보완 할 필요가 종종 있다. 현재 사용하고 있는 많은 IDS들은 전문적인 지식을 손으로 작성했기 때문에 IDS들의 변환은 가격이 매우 비싸며, 속도가 느리다는 단점이 있다. 이에 본 모델은 침입탐지 모델을 적응 적으로 구축하는데 데이터 마이닝 구조를 활용한다. 데이터 마이닝(Data Mining : DM)의 기술인 연관 규칙, 순차 패턴, 분류, 군집화, 유전자 알고리즘 기법(GA)인 Selection, Crossover, Mutation, Evaluation, Fitness Function의 기능을 접목하여 단점을 보안하고 처리 성능을 최대로 하는 즉, 보다 안전한 지능형 침입 탐지 시스템(IDS) 모델을 제안한다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.73-92
• /
• 2014

기존 협업 필터링 기법은 사용자들의 아이템에 대한 선호도를 기반으로 유사 아이템 집합 또는 유사 사용자 집합을 구성하고, 이를 이용해 예측된 사용자의 특정 아이템에 대한 선호도를 기반으로 추천을 수행한다. 이로 인해, 사용자 선호도 정보가 부족하게 되면, 유사 아이템 사용자 집합의 신뢰도가 낮아지고, 추천 서비스의 신뢰도 또한 따라서 낮아진다. 또한, 서비스의 규모가 커질수록, 유사 아이템, 사용자 집합의 생성에 걸리는 시간은 기하급수적으로 증가하고 추천서비스의 응답시간 또한 그에 따라 증가하게 된다. 위와 같은 문제점을 해결하기 위해 본 논문에서는 적응형 군집화 기법을 제안하고 이를 적용한 협업 필터링 기법을 제안하고 있다. 이 기법은 크게 네 가지 방법으로 이루어진다. 첫째, 사용자와 아이템의 특성 벡터를 기반으로 사용자와 아이템 각각을 군집화 하여, 기존 협업 필터링 기법에서 유사 아이템, 사용자 집합을 생성하는데 소요되는 시간을 절약하며, 사용자 선호도 정보만을 이용한 부분 집합 생성보다 추천의 신뢰도를 높이고, 초기 평가 문제와 초기 이용자 문제를 일부 해소한다. 둘째, 미리 구성된 사용자와 아이템의 군집을 기반으로 군집간의 선호도를 이용해 추천을 수행한다. 사용자가 속한 군집의 선호도가 높은 순서대로 아이템 군집을 조회하여 사용자에게 제공할 아이템 목록을 구성하여, 추천 시스템의 부하 대부분을 모델 생성 단계에서 부담하고 실제 수행 시 부하를 최소화한다. 셋째, 누락된 사용자 선호도 정보를 사용자와 아이템 군집을 이용하여 예측함으로써 협업 필터링 추천 기법의 사용자 선호도 정보 희박성으로 인한 문제를 해소한다. 넷째, 사용자와 아이템의 특성 벡터를 사용자의 피드백에 따라 학습시켜 아이템과 사용자의 정성적 특성 정량화의 어려움을 해결한다. 본 연구의 검증은 기존에 제안되었던 하이브리드 필터링 기법들과의 성능 비교를 통해 이루어졌으며, 평가 방법으로는 평균 절대 오차와 응답 시간을 이용하였다.

• 한국게임학회 논문지
• /
• 제8권1호
• /
• pp.103-113
• /
• 2008

최근 게임의 종류가 다양해지고 접할 기회가 많아지면서 게임을 즐기는 사용자의 성향과 수준도 다양해지고 있다. 기존의 NPC는 행동이 단순하고 획일적이기 때문에 다양한 사용자를 상대하는데 한계가 있다. 따라서 각기 다른 사용자와 비슷한 수준으로 대응할 수 있는 적응형 NPC를 생성하는 기술이 필요하다. 본 논문은 적응형 NPC를 생성하기 위한 행동 정보 관리 기법을 제안한다 행동정보 저장 방법은 적응형 NPC가 사용자의 행동을 관찰하고 (상태-행동)의 관계로 정보를 수집한다. 수집한 행동 정보의 효율 값을 구하고 유사한 상태정보들은 군집화하여 행동 데이터베이스에 저장한다. 게임시스템은 행동 데이터베이스를 갱신하며 다양한 행동을 저장하고 효율 값이 좋은 행동을 선택하여 사용자에게 적응해 가는 NPC를 생성한다. 본 연구에서 제안한 적응기법을 액션 게임에 적용하여 실험하였다 임의의 실험자는 적응형 NPC와 실시간으로 1:1 전투를 한다. 게임 결과 로그파일을 통해 실험자와 NPC의 행동 성향을 분석하여 유사성을 판단한다. 다양한 실험 결과의 통계에서 오차율 6% 이내의 사용자와 비슷한 수준으로 적응해 가는 NPC를 생성할 수 있었다.