• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 춘계학술발표논문집 (상)
• /
• pp.725-728
• /
• 2002

얼굴은 주변의 조명이나 카메라의 위치, 사람의 자세에 따라 가변적이기 때문에 인식에 많은 어려움이 따른다. 이러한 어려움을 극복하기 위한 방법에는 신경망을 이용하여 얼굴의 영역 정보를 가지고 데이터베이스를 구축하여 얼굴영역을 탐색하는 방법과 얼굴의 대칭성을 이용한 대칭 영역 탐색이 있다. 신경망을 이용하는 방법은 사전 정보를 가져야만 하며, 대칭성을 이용한 방법은 계산 시간이 오래 걸린다는 단점을 가지고 있다. 따라서 본 논문에서는 대칭성의 계산 속도 개선 및 데이터베이스 구축없이 얼굴 영역을 추출할 수 있도록 축소 영상에서 대칭 영역 탐색을 이용해 대칭성을 파악한 후 이러한 대칭성을 이용하여 원영상에 적용 한 후 정확한 얼굴 영역을 추출하기 위해 축소영상에서의 추출된 영역에서 대칭 영역 탐색을 하여 얼굴영역을 찾아내는 방법이다. 정면, 안경이 있는 영상에 실험해본 결과 얼굴 인식에 적합한 얼굴영역을 추출 할 수 있었다.

• 대한교통학회지
• /
• 제23권8호
• /
• pp.113-128
• /
• 2005

일반적으로 현실(특히 도시) 교통망에서 교차로를 반복해서 방문하는 통행은 존재하지만, 가로를 반복해서 주행하는 현상은 존재하지 않는다. 교통망에서의 루프형 통행은 링크의 반복이 허용되지 않는 링크 비루프(Link Loopless Path) 통행으로 축소된다. 본 연구에서는 K개의 경로탐색에서 기존의 방식과 달리 Heap Ordered Tree를 이용하여 월등한 수행속도(최악의 경우) O(m+ n log n+ K log K)로서 수행되는 Eppstein 알고리즘과 Jimenez et al의 LVEA을 고찰하여, 이들 알고리즘의 문제점인 링크루프의 발생을 제어하는 방안을 제어하도록 한다. 사례연구를 통하여 제안된 알고리즘을 검증 평가한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.611-614
• /
• 2011

본 논문에서 우리는 이종사업자망이 연동된 통합망 환경에서 네트워크 성능 저하 구간을 탐색하기 위해 RTCP(Real-time Transport Control Protocol)의 타임스탬프 정보를 이용한 네트워크 구간별 지연 시간을 측정할 수 있는 트래픽 모니터링 방안을 제안한다. 실시간 멀티미디어 서비스(IPTV, VoIP)의 이용이 증가함에 따라 이종망간 연동 환경에서 실시간 서비스에 대한 QoS 관리 방안이 반드시 필요하다. 영상회의, VoIP(Voice over IP) 및 IPTV 서비스와 같은 멀티미디어 서비스는 네트워크 성능(지연, 지연변이 및 패킷 손실)에 매우 민감하기 때문에 연동망 환경에서 서비스 품질이 저하될 경우 어느 네트워크 구간에서 성능 저하가 발생하였는지 탐색하는 것은 매우 중요한 문제이다. 이에 우리는 RTCP 패킷을 이용한 구간별 지연시간 측정 방안을 제안하며 이 방안을 통해 네트워크 성능 저하가 발생한 구간을 탐색하고 정의할 수 있다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2005년도 춘계공동학술대회 발표논문
• /
• pp.746-752
• /
• 2005

본 논문에서는 다층 퍼셉트론 신경망 학습을 위한 새로운 두 단계 학습방법을 제안하고 이를 옵션 가격결정 모형에 응용하였다. 제안된 신경망 학습 알고리즘의 첫번째 단계는 Levenberg-Marquardt 알고리즘을 이용하여 빠르게 국소최적해를 찾는 것이고 두 번째 단계는 첫 번째 단계에서 찾은 국소최적해가 원하는 수준에 미치지 못할 경우 선형탐색 터널링을 이용해서 더 나은 해를 찾는 것이다. 이 두 단계를 반복적으로 수행함으로써 연결가중치 공간에서 구하고자 하는 해를 빠르고 안정적으로 찾을 수 있다. 현재 옵션가격결정 모형으로 많이 이용되고 있는 Black-Scholes 모형의 문제점을 극복하기 위해서 제안된 신경망 모형을 옵션가격결정 문제에 사용하였다. 이 모형을 KOSPI200 옵션 데이터로 실험한 결과 Black-Scholes 모형에 비해 검증오차를 60% 가량 줄일 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제4권2호
• /
• pp.189-196
• /
• 2001

퍼지 논리의 추론과정에서 일부의 정보가 무시되어 적절하지 못한 추론 결과를 초래 할 수 있다. 한편 신경망은 패턴 처리에는 적합하지만 인간의 지식을 모델링하기 위해서 필요한 논리적인 추론에는 부적합하다. 그러나 신경망의 변형인 신경 논리망을 이용하면 논리적인 추론이 가능하다. 따라서 본 논문에서는 기존의 신경 논리망을 기반으로 하는 추론네트워크를 확장하여 퍼지 추론 네트워크를 구성한다. 그리고 기존의 추론 네트워크에서 사용되는 전파규칙을 보완하여 적용한다. 퍼지 추론 네트워크상에서 퍼지 규칙의 실행부에 해당하는 명제의 믿음 값을 결정하기 위해서는 추론하고자 하는 명제에 연결된 노드들을 탐색해야 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.142-144
• /
• 2003

유전자 알고리즘을 사용하여 신경망의 가중치를 학습하는 방법은 역전파 알고리즘이 가지는 여러 가지 문제점을 해결하기 위해 제안되었으나, 유전자 알고리즘 역시 전역 탐색이 아니기 때문에 실세계의 데이터에 적용하기 어려운 가장 큰 장애 요소인 지역 최소점 문제를 완벽하게 해결할 수는 없다. 이러한 지역 최소점 문제를 완화하기 위해 본 논문에서는 기생체-숙주 공진화 현상을 기반으로 한 유전자 알고리즘을 사용한 경쟁 공진화 신경망 학습 방법을 제시하고 있다. 경쟁 공진화는 서로 다를 개체간의 경쟁적인 진화를 통해 궁극적으로 보다 적합도가 높은 개체가 생성되는 이론을 기반으로 하고 있다. 이러한 경쟁 공진화를 통한 신경망 가중치의 학습이 일반적인 유전자 알고리즘을 사용하여 신경망을 학습시키는 것보다 더욱 우수한 가중치 집단을 탐색할 수 있음을 두 종류의 기계 학습 데이터를 통해 입증하였다.

• 정보과학회 논문지
• /
• 제44권10호
• /
• pp.1071-1080
• /
• 2017

오늘날 복잡한 네트워크 망을 가지게 됨에 따라 네트워크 기기들의 자산식별은 관리 및 보안관점에서 중요한 사항으로 대두되고 있다. 이러한 자산들은 네트워크 망에 연결되어 있기 때문에 네트워크망 구조를 알아내고, 각 자산의 위치 및 연결 상태를 확인하는 것 또한 중요하다. 이는 네트워크 구조상의 취약점들을 밝혀내는데 사용되어지고, 이를 통하여 취약점을 보완할 수 있다. 하지만 적은 리소스를 가지는 사물인터넷의 네트워크 망에서는 네트워크 구조를 알아내기 위하여 모니터들이 보내는 Traceroute 패킷이 사물인터넷 기기들에게 과부하를 줄 수 있다. 이를 위하여 본 논문에서는 기존에 사용 되던 더블 트리 알고리즘을 효과적으로 발전시킴으로써 사물인터넷이 이루는 네트워크 망의 부하를 줄인다. 이러한 부하 균형을 이루기 위하여 이 논문에서는 새로운 목적지 매칭 알고리즘을 제시하고, 통계학적으로 현재 탐색하고 있는 경로와 가장 겹치지 않은 경로로 탐색을 시도한다. 이를 통해서 네트워크의 부하 균형을 이루고, 부가적으로 모니터의 리소스 사용을 균등하게 한다.

• 한국ITS학회 논문지
• /
• 제11권5호
• /
• pp.38-45
• /
• 2012

시간 종속적 가로망에 대한 최단경로 탐색은 ITS분야의 경로 일정계획과 실시간 내비게이션 시스템에서 중요한 부분을 차지한다. 본 연구에서는 매시간간격 변동적인 링크 통행속도를 고려하는 one-to-one 시간 종속적 최단시간 경로 알고리즘을 제시한다. 이를 위해, 먼저 기존의 일반적인 최단거리 경로 알고리즘 중에서 실제 도로망에서 비교적 빠르고 효율적인 알고리즘으로 알려져 있는 3가지의 알고리즘들, 즉, two queues 구조를 가진 Graph growth 알고리즘, approximate buckets 구조를 가진 Dijkstra 알고리즘, double buckets 구조를 가진 Dijkstra 알고리즘이 선택되었다. 이 알고리즘들은 모두 네트워크 내 하나의 노드에서 모든 노드(one-to-all)로의 최단거리 경로를 빠르게 탐색하기위해 개발되었다. 선택된 알고리즘들은 시간 종속적 도로망에 대해 하나의 출발노드에서 하나의 목적노드(one-to-one)로의 최단시간 경로 탐색이 가능하도록 확장된다. 또한, 제안된 3가지의 시간 종속적 최단시간 경로탐색 알고리즘들은 미국의 Anaheim, Baltimore, Chicago, Philadelphia 4개 도시의 실제 가로망에 적용하여 검증 평가된다. 결과적으로, 도시부 가로망을 대상으로 한 시간 종속적 최단시간 경로탐색 알고리즘으로 double buckets 구조를 가진 확장된 Dijkstra 알고리즘이 추천된다.

• 대한교통학회지
• /
• 제16권2호
• /
• pp.157-167
• /
• 1998

건설된 도로를 효율적으로 이용하고, 통행자의 편리성을 향상시키기 위해 첨단 여행자 정보체계(ATIS)를 활용할 수 있다. ATIS 체계하에서 노선정보를 통행자에게 제공하기 위해서는 교차로에서의 회전으로 인한 지체를 정확하게 반영할 수 있는 효율적인 최단경로 알고리즘이 필요하다. 하지만 기존의 최단경로탐색 알고리즘은 좌회전 금지, U-turn, P-turn 등 교차로에서의 회전으로 인한 지체를 정확히 반영 못한다는 단점을 갖고 있다. 그러므로 본 논문에서는 이러한 단점을 극복하기 위해 수정형 덩굴망 알고리즘을 재발하였다. 수정형 덩굴망 알고리즘은 노드표지(node labelling) 방법에 있어서는 기존의 덩굴망 알고리즘의 노드표지 방법과 개념적으로 동일하여 이용상의 편리성을 갖도록 하였으며, 최단경로 탐색기능에 있어서는 링크탐색알고리즘(혹은 링크표지기법)이 갖고 있는 장잠을 다 반영할 수 있는 기법으로 개발하였다. 수정형 덩굴망 알고리즘은 노드표지에 있어 특정 노드로 유입하는 방향에 따라 노드표지를 별도로 기록하였다. 따라서 교차로에서의 좌회전, 우회전 및 직진은 물론 U-turn의 경우에도 추가적인 절차 없이 현실적인 최단 경로를 탐색할 수 있도록 하였다. 또한 본 논문은 최단경로의 역추적 방법을 개선하여 좌회전 금지, U-turn, P-turn 및 기타 회전에 의한 지체등을 각 교차로마다 정확히 반영함으로써 비합리적인 최단경로가 추적되는 것을 근본적으로 차단하도록 하였다. 따라서 본 연구에서 개발한 수정형 덩굴망 최단경로탐색 알고리즘은 교차로에서의 회전지체 및 회전금지를 현실적으로 잘 반영함으로써 정확한 노선정보를 요구하는 ATIS체계를 분석하는데 유용하게 활용될 수 있는 기법이다.장자료를 통해 구하기란 현실적으로 불가능하므로, 본 연구에서는 이러한 제약점을 극복할 수 있는 근사적인 지체시간을 계산하는 방법을 제시한 점에서 의미를 갖을 수 있다.수들은 직업의 선택이나 소득을 예측하기 위한 요소들로 포함될 수 없었다. 따라서 후속연구에서는 이를 보완해야 할 것이며, 최근 들어 우리 나라에서도 재택근무에 대한 관심이 대두되고 있으나 아직 개념정의나 그 중요성과 가치, 그리고 실태 파악과 같은 연구가 활발히 이루어지지 못하고 있으므로 이에 대한 심층적인 연구가 행해져야 할 것이다.d similar flower proceeding dates in all branches. but "Daepung" showed similar flower proceeding dates in all branches.est in HB. Mean period of wetting duration was in the order of DS＞HB＞MB, while the dew point depression was greatest in DS.ANCOVA, Pearson correlation을 이용하여 분석하였으며, 그 결과는 다음과 같다. 캠프 프로그램은 소아 당뇨병 환자의 자기 효능을 증진시키고 환자 역할 행위 이행을 높여주는데 효과적 이었다. 소아 당뇨병 환자의 자기 효능은 환자 역할 행위 이행과 순 상관 관계가 있어, 자기 효능이 증진될수록 환자 역할 행위 이행 정도가 높아졌다. 무조건 사주지 않는다(8.0%), 무조건 사준다(3.1%)로 식품광고에 나오는 식품 요구시 부모의 70.3%가 거절하는 것으로 나타났다. 거절 이유는 건강에 나쁘다는 것이 가장 큰 이유였으며 강남과 강북 어린이간에 유의적인 차이가 있었다

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권12호
• /
• pp.565-572
• /
• 2017

본 연구는 기존의 수요 예측 등의 시계열 연구에서 주로 사용되는 ARIMA 모형의 어려움을 극복하고자 인공신경망(Artificial neural network) 모형을 이용하여 한국 프로 야구 관중 수를 예측하였다. 훈련 자료로는 2015년 3월부터 9월까지의 일별 KBO 관중 수 자료를 대상으로 하였다. 전방향 신경망(Feedforward neural network)의 모형 훈련 과정에서, 그리드 탐색(Grid search)을 적용하여 최적의 초모수(Hyperparameter)를 찾고자 하였다. 그 결과, 그리드 탐색법의 최적 모형을 이용한 평균 절대 백분율 오차(MAPE)는 평균 20.9% 였다. 앙상블 기법을 이용한 모형의 MAPE는 평균 20.0%였다. 이는 다중회귀와 비교해보았을 때, 평균적으로 각각 26.3%, 30.3% 높은 예측력을 보인다.