• 지능정보연구
• /
• 제29권1호
• /
• pp.107-119
• /
• 2023

군인의 동작 및 운동 상태를 인식하는 기술은 웨어러블 테크놀로지와 인공지능의 결합으로 최근 대두되어 병력 관리의 패러다임을 바꿀 기술로 주목받고 있다. 이때 훈련 상황에서의 평가 및 솔루션 제공, 전투 상황에서의 효율적 모니터링 기능을 의도한대로 제공하기 위해서는 상태 판별의 정확도가 매우 높은 수준으로 유지되어야만 한다. 하지만 입력 데이터가 시계열 또는 시퀀스로 주어지는 경우, 기존의 피드포워드 신경망으로는 분류 성능을 극대화하는데 한계가 발생한다. 전장에서의 군사 동작 인식을 위해 다뤄지는 인간의 행동양식 데이터(3축 가속도 및 3축 각속도)는 시의존적 특성의 분석이 요구되기 때문에, 본 논문은 순환 신경망인 LSTM(Long-short Term Memory) 네트워크를 활용하여 취득 데이터의 이동 양상 및 순서 의존성을 파악하고 여덟 가지의 대표적 군사 동작(Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, High Crawl)을 분류하는 고성능 인공지능 모델을 제안한다. 이때, 학습 조건 및 모델 변수는 그 정확도에 결정적인 영향을 끼치지만 인간의 수동적 조정이 필요해 비용 비효율적이고 최적의 값을 보장하지 못한다. 본 논문은 기계 스스로 일반화 성능이 극대화된 조건들을 취득할 수 있도록 베이지안 최적화를 활용해 하이퍼파라미터를 최적화한다. 그 결과, 최종 아키텍쳐는 학습 가능한 파라미터의 개수가 유사한 기존의 인공 신경망과 비교해서 오차율이 62.56% 감소할 수 있었으며, 최종적으로 98.39%의 정확도로 군사 동작 인식 기능을 구현할 수 있었다.

• 지질공학
• /
• 제26권4호
• /
• pp.485-495
• /
• 2016

본 연구에서는 방파제 하부지반을 저치환율 재료로 보강 및 개량하기 위한 치환율과 재하중 방치기간을 확률론적 최적화 기법을 이용하여 분석하였다. 해석에 필요한 확률변수의 불확실성을 최소화하기 위하여 사전자료를 활용한 베이지안 갱신결과 최대 39.8% 포인트까지 불확실성이 감소하였고, 특히 사전함수의 표본수가 더 많은 구간의 감소폭이 컸다. 치환율 결정을 위하여 저치환율 단면 중 15~40% 범위에서 일계신뢰도법 및 몬테카를로 시뮬레이션 방법에 의해 해석한 결과 목표파괴확률을 만족하는 치환율은 심층고결처리 및 쇄석다짐말뚝 구간에서 각각 20% 및 25% 이상으로 나타났다. 치환율에 대한 최적화를 위하여 생애주기비용 분석을 실시한 결과 목표파괴확률을 만족하는 범위 내에서 최적 치환율이 산정되었으며, 두 구간에서 각각 20% 및 30%가 가장 경제적인 것으로 결정되었다. 재하중의 방치기간에 대한 확률론적 해석결과 3개월 이상인 경우 모두 목표파괴확률을 만족하는 것으로 나타났다.

• 한국지능시스템학회논문지
• /
• 제14권2호
• /
• pp.130-135
• /
• 2004

본 논문에서는 데이터 마이닝을 이용한 단기 전력 부하 예측 시스템의 새로운 설계 기법을 제안한다. 제안된 단기 부하 예측시스템은 Takagj-Sugeno (T-S) 퍼지 모델 기반 예측기와 분류기로 구성된다. 또한, 제안된 T-S 퍼지 모델 기반 분류기는 전반부 가우시안 집합과 후반부 선형화된 베이지안 분류기로 구성된다 분류기의 파라미터들은 주어진 훈련 집합의 통계적 수치로 쉽게 얻어진다. 제안된 T-S 퍼지 모델 기반 예측기는 한 가지 입력에 대한 선형 시계열 예측기의 볼록 조합 형태를 가진다. 후반부 파라미터 추정 문제는 실제 전력 부하와 예측 전력 부하의 놈(norm)을 최소화하는 볼록 최적화 문제로 간주한다. 그 문제는 선형 행렬 부등식으로 설정됨으로써 후반부 파라미터는 추정된다. 전반부 파라미터 추정문제는 선형 시계열 예측기들이 모여진 전체 T-S 퍼지 시스템의 출력과 실제 전력 부하 사이의 에러를 최소화하는 문제이다. 이 문제는 경사치 하향 기법이 적용하여 해결되었다 제안된 기법의 유용성을 검증하기 위해 본 논문은 하루 후 24시간 전력 부하 예측과 하루 후 최고 전력부하를 예측 실험을 제공한다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1119-1131
• /
• 2016

Neyman-Scott 구형펄스모형 (Neyman-Scott rectangular pulses model; NSRPM)은 강우의 발생, 강우세포의 강우강도 그리고 지속시간으로 표현되는 점과정에 기초한 강우생성 모형으로, 기존의 구형펄스모형 (rectangular pulse model)과 비교해서 강우사상의 군집특성을 잘 반영하기 때문에 여러 연구에서 많이 사용되는 모형이다. 하지만 NSRPM의 매개변수를 추정하는데 있어서 모멘트를 이용한 여러가지 최적화 기법들은 그 계산이 복잡하고 또한 목적함수의 구성에 따라 추정값의 변동도 크게 나타난다. 이를 보완하기 위해서, 최근 누적강수량에 대한 근사적인 우도함수 (approximated likelihood function)와 이를 통해 NSRPM의 매개변수를 추정하는 방법이 소개되었다. 본 논문에선 이 근사적 우도함수를 바탕으로 계층적 베이지안 모형을 이용하여 NSRPM에 공간구조를 표현하고 이를 통해 강우생성 모형의 공간적 특성을 알아보고자 한다.

• 한국산학기술학회논문지
• /
• 제18권4호
• /
• pp.260-266
• /
• 2017

우리나라 뿐만 아니라 세계경제는 산업화시대, 정보화시대를 거쳐 4차 산업혁명을 바라보는 현재까지 다양한 시장 친화적인 정책들을 지속적으로 수행하며 새로운 경제질서를 모색하고 있다. 그 결과 경제시장의 규모가 지속적으로 커짐과 동시에 시장 변화에 영향을 미치는 요인도 다양해졌다. 이에 따라, 많은 기업의 의사결정자들에게는 급격하게 동적으로 변화하는 경제시장에서 정확하고 효과적인 의사결정을 위해 경제시장을 정확하게 분석, 예측하는 문제가 의사결정자의 역량으로서 중요한 이슈가 되었다. 본 연구에서는 복잡 다양한 경제시장 환경의 정확한 분석 및 예측을 위한 최적화된 모델링의 결정을 위해 기존의 제한된 정보기준에서 확장된 정보기준을 적용하여 예측 모형의 정확도와 유성성을 향상시키고자 한다. 실험을 통해, 본 연구에서 적용된 확장된 정보기준의 유용성을 검증하기 위해 KOSPI 자료를 대상으로 실험한 본 연구와 기존의 연구를 비교한다. 실험 결과, 확장된 정보기준을 적용하는 것이 기존의 정보기준을 사용하는 것보다 향상된 예측정확도를 보여 유용성을 확인하였다.

• 한국수자원학회논문집
• /
• 제54권8호
• /
• pp.617-628
• /
• 2021

가뭄은 심각한 사회적 경제적 손실을 초래하는 주요 자연재해이다. 지역 가뭄 예측은 가뭄 대비에 중요한 정보를 제공할 수 있다. 본 연구에서는 한반도 동남부 부산-울산-경남 지역에서 1981년부터 2020년까지 10개 관측소의 과거 가뭄지수 및 기상 관측자료를 사용하여 가뭄을 예측하는 새로운 기계학습모델을 제안한다. 베이지안 최적화기법을 이용하여 하이퍼 파라미터가 튜닝된 Random Forest, XGBoost, Light GBM 모델을 구축하여 1개월 뒤의 6개월 시간 척도의 증발 수요 가뭄지수를 예측하였다. 단일 지점별 모델과 지역 모델을 각각 구성하여 모델 성능을 비교하였다. 또한 지역 모델을 기반으로 개별 지점의 자료에 대해 미세조정된 모델을 구성하여 모델 성능을 높일 가능성을 살펴보았다.

• 한국컴퓨터정보학회논문지
• /
• 제20권2호
• /
• pp.21-28
• /
• 2015

본 논문에서는 최근접 이웃 규칙을 이용한 프로토타입 선택 기반 분류 학습을 제안하였다. 각 훈련 데이터가 대표하는 클래스 영역을 구(sphere)로 분할하는데 최근접 이웃 규칙을 적용시키며, 구의 내부는 동일 클래스 데이터들만 포함하도록 한다. 프로토타입은 구의 중심점이며 프로토타입의 반지름은 가장 인접한 다른 클래스 데이터와 가장 먼 동일 클래스 데이터의 중간 거리 값으로 결정한다. 그리고 전체 훈련 데이터를 대표하는 최소의 프로토타입 집합을 선택하기 위해 집합 덮개 최적화를 이용하여 프로토타입 선택 문제를 변형시켰다. 제안하는 프로토타입 선택 방법은 클래스 별 적용이 가능한 그리디 알고리즘으로 설계되었다. 제안하는 방법은 계산 복잡도가 높지 않으며, 대규모 훈련 데이터에 대한 병렬처리의 가능성이 높다. 프로토타입 기반 분류 학습은 선택된 프로토타입 집합을 새로운 훈련 데이터 집합으로 사용하고 최근접 이웃 규칙을 적용하여 테스트 데이터의 클래스를 예측한다. 실험에서 제안하는 프로토타입 기반 분류기는 최근접 이웃 학습, 베이지안 분류 학습과 다른 프로토타입 분류기에 비해 일반화 성능이 우수하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권10호
• /
• pp.447-454
• /
• 2015

본 논문에서는 트위터 기반 이벤트 탐지에서의 기계학습을 통한 지명 노이즈제거 방식을 제안한다. 최근 스마트폰 이용자의 증가로 소셜 네트워크 서비스(SNS) 이용자가 증가하고 있는 추세이다. 그중 트위터는 140자 이내의 단문서비스와 팔로우 기능으로 정보의 빠른 전달력과 확산성을 가지고 있다. 이러한 특성과 모바일에 최적화된 트위터의 특성상 정보 전달 속도가 매우 빠르기 때문에 재난 상황이나 이벤트 전달의 매개체 역할을 하고 있다. 이와 관련된 연구로는 트위터 사용자 개개인을 이벤트 탐지의 센서로 사용하여 현실에서 발생하는 이벤트를 탐지하였는데 이벤트가 특정 장소에서 발생한다는 특성을 이용해서 지명 키워드를 사용하였다. 그러나 지명과 동형이의어 관계에 관한 노이즈제거에 대한 부분이 누락되어있어서 이벤트 탐지의 정확도를 낮추는 요인이 된다. 이에 본 논문에서는 제거와 예측 두 가지 방식으로 노이즈제거 기법을 적용하였다. 먼저 노이즈 관련 데이터베이스 구축을 이용하여 제거 필터링을 진행한 후에 나이브 베이지안 분류를 이용해서 지명 유무를 결정하였다. 실험 데이터를 이용해서 기계학습을 위한 확률값을 구했으며, 지명마다 본 논문에서 제시하는 예측기법을 검증했을 때 89.6%의 신뢰도로 노이즈제거 기법의 필요성을 보였다.

• 대한원격탐사학회지
• /
• 제34권6_2호
• /
• pp.1179-1192
• /
• 2018

이 연구는 남빙양(Southern Ocean)에서 나타나는 주된 전선(Front)들 중에 남극 극 전선(Antarctic Polar Front; PF)을 탐지하기 위하여 위성 기반 해수면 온도(sea surface temperature)와 해수면 고도(sea surface height) 자료를 복합적으로 사용하였다. 정확한 PF 탐지를 위하여 일별 SST와 SSH 자료를 각각 기반으로 하여 베이지안 결정 이론(Bayesian decision theory)을 적용하였으며, 이를 근거로 전선/비전선의 신호를 격자 별로 분류하였다. 이후, 시공간적인 합성을 통하여 일차적인 노이즈(noise) 제거 및 지리학적 연결성을 보완하였다. 그러나 이들 과정을 수행하고도 여전히 잔존하는 일부 노이즈를 제거하기 위하여 해빙 및 연안 마스킹(masking)을 수행하였다. 또한 모폴로지 연산(morphology operation)을 통하여 지류 성분을 최대한으로 배제하고 주된 전선 성분만을 추출하였다. 최종적으로 선택된 전선 격자 들에서 PF의 특징을 나타낼 수 있도록 가장 최남단의 전선만을 선택하여 평활 스플라인(smoothing spline) 최적화 방식을 통해 선 형태의 월별 PF를 산출하였다. 산출된 PF는 기존의 연구에서 제시한 PF의 위치와 상당히 유사한 것으로 나타났으며, 특히 바닥 지형에 따라 상당 부분 결정되는 PF의 변화를 잘 모사하는 것으로 보인다. 로스해 주변(${\sim}180^{\circ}W$)과 호주 이남의 해역($120^{\circ}E-140^{\circ}E$)은 PF의 위치에 대한 계절적 변동이 높게 나타나며, 그러한 변동이 기존에 제시된 결과와 상당히 유사한 경향을 지닌다. 그러므로 이 연구에서 산출된 PF의 위치에 대한 탐지 결과가 향후 장기적 관점에서 수행될 연구에 사용될 수 있는 가치를 지닐 것으로 기대한다.

• 경제분석
• /
• 제27권4호
• /
• pp.1-42
• /
• 2021

우리나라 소비자물가상승률에 대한 예측은 한국은행의 물가안정목표제 운용, 채권시장 참가자의 만기 포트폴리오 최적화, 부동산 시장 및 민간의 소비와 투자 등 경제 전반에 지대한 영향을 미친다. 본 연구는 향후 3년간 우리나라 소비자물가상승률 예측결과를 제시한다. 이를 위해 우선 자기회귀시차(Autoregressive Distributed Lag, ADL) 모형, AR 모형, 소규모 벡터자기회귀(VAR) 모형, 대규모 VAR 모형의 표본외 예측력을 기준으로 모형선택을 실시한다. 물가상승률에는 다수의 잠재적인 예측변수가 존재하기 때문에 12개의 거시변수를 대상으로 ADL 모형에 베이지안 변수선택기법을 도입하고, 예측력 향상을 위한 정밀한 튜닝과정을 고안하고 적용하였다. VAR 모형에는 미네소타 사전분포를 설정하여 차원의 저주 문제를 극복하고자 하였다. 최근 5년을 대상으로 한 장단기 표본외 예측결과, ADL 모형이 점예측과 분포예측 모두에서 여타 경쟁모형에 비해 전반적으로 우월하였다. 예측조합을 통한 예측결과, 우리나라 소비자물가상승률이 2022년 하반기까지는 현재 비슷한 2% 내외의 수준을 유지할 것으로 보이며, 2023년 상반기부터는 1% 내외로 하락할 것으로 전망된다. 80% 신용구간은 예측치의 대략 ±1%p이다.