• 대한토목학회논문집
• /
• 제30권3A호
• /
• pp.193-200
• /
• 2010

구조물을 설계함에 있어서 작용하중, 재료특성 및 제작오차 등의 불확실성을 고려하여 안전성을 확보함과 동시에 경제적 효율성을 고려해야 한다. 이에 대한 가장 합리적인 해결방안으로서, 불확실성과 경제성을 동시에 고려하는 시스템 신뢰도 기반 최적설계 분야에 대한 관심이 증대되었으며 이를 구조물 설계에 적용하기 위한 많은 시도가 이루어졌다. 기존의 확정론적 최적설계와는 다르게 시스템 신뢰도 기반 최적설계는 요소 확률구속조건 및 시스템 확률구속조건에 대한 평가를 수행해야 한다. 하지만, 요소 신뢰도 지수 및 시스템 신뢰도 지수를 매 확률구속조건을 평가할 때마다 산정해야 하므로 대형구조해석이 필요한 경우에는 과도한 계산시간이 요구된다. 따라서, 대형구조해석을 필요로 하는 경우에 대하여 보다 효율적인 SRBDO 알고리즘 개발이 필요하다고 할 수 있다. 이 연구에서는 성능치 접근법을 이용하여 보다 더 안정적이고 효율적인 시스템 신뢰도 기반 최적설계 알고리즘을 제안하였다. 신뢰도 기반 최적설계에 효과적으로 적용된 성능치 접근법은 직접적으로 신뢰도 지수 및 파괴확률을 산정할 수 없어 시스템 신뢰도 기반 최적설계에는 적용할 수 없는 단점이 있다. 이러한 단점을 극복하기 위해서 시스템 신뢰도 기반 최적설계 알고리즘을 요소 신뢰도 해석만을 수행하는 신뢰도 기반 최적설계 부분과 시스템 신뢰도 해석만을 수행하는 신뢰도 기반 최적설계 부분으로 나누어, 요소 신뢰도 해석만을 수행하는 신뢰도 기반 최적설계에 성능치 접근법을 적용하였다. 시스템 신뢰도 지수가 목표 시스템 신뢰도 지수를 만족할 때까지 각 요소 한계상태에 대한 목표 신뢰도 지수를 변경하면서 신뢰도 기반 최적설계를 수행하였다. 수학적 문제 및 트러스 문제에 대하여 제안된 방법을 적용한 결과, 수렴성 및 효율성 측면에서 우수한 성능을 보여줌을 확인하였다.

• 전산구조공학
• /
• 제11권4호
• /
• pp.187-196
• /
• 1998

불연속 갤러킨 정식화에 기초를 둔 시간적분법에 대하여 시간을 변수로 한 유한요소적 접근법을 시도하였다. 단일 형상함수와 두 형상함수 정식화에 대해 각각 선형, 이차 형상함수를 적용하여 모두 네 종류의 시간적분법을 유도하였으며, 각 방법에 대하여 시간시텝의 증가에 따른 변위와 속도의 관계를 나타내는 증폭행렬을 계산하였다. 유도된 방법들의 성능을 평가하기 위하여 부하가 갑자기 변화는 진동 문제를 해석하고 변위의 오차를 비교하였다. 네 가지의 방법에 대하여 국부 오차 추정치를 개발하였으며, 오차 추정치의 정확도를 수치예를 이용하여 평가하였다. 단일 형상함수 정식화에서 이차 형상함수를 이용한 오차 추정치가 실제 국부오차를 잘 나타내었으며 유도된 오차 추정치는 시간간격제어 기법에서 시간간격의 크기를 결정하는 척도로 이용 가능하다.

• 문화기술의 융합
• /
• 제8권1호
• /
• pp.531-536
• /
• 2022

본 논문은 꼬리가 두꺼운 분포의 꼬리부분에 대한 분포를 추정할 경우 모수적 방법과 비모수적 방법의 성능에 대해 비교하였다. 모수적 방법으로는 일반화 극단값 분포와 일반화 파레토 분포를 이용하였고, 비모수적 방법은 커널형 확률밀도함수 추정방법을 적용하였다. 두 접근법의 비교를 위해 2014년부터 2018년까지 서울시 관측소별 일일 미세먼지 공공데이터를 이용하여 블록 최댓값 모형과 분계점 초과치 모형을 적용하여 함수 추정한 결과를 함께 보이고 2년, 5년, 10년의 재현수준을 통해 고농도의 미세먼지가 일어날 지역을 예측하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.576-579
• /
• 2024

경제 위기 대비를 위해 인공지능을 활용한 주식시장 변동성 이상을 탐지하는 목적을 가지고 있다. 글로벌 이슈와 경제 위기 대비를 위해 주식시장 변동성 예측의 중요성이 부각되고 있으며, 기존의 주식시장 변동성 지수인 VIX 의 한계로 인해 더 복잡한 모델 및 인공지능을 활용한 연구에 관심이 집중되고 있다. 기존의 주식시장 변동성 예측에 관한 연구들은 통계적인 방법을 사용했으며 인공지능을 이용한 연구 또한 대부분 이상치 구간을 표시하여 예측을 목표로 하고 있으나 이러한 접근법은 라벨이 있는 데이터 수집 어려움, 클래스 불균형 문제가 있다. 본 연구는 인공지능을 활용한 주식시장 변동성 탐지에 기여하고 지도 학습 방식 대신 비지도 학습 기반의 이상탐지모델을 사용하여 주식시장 변동성을 예측하는 새로운 방법론을 제안한다. 본 연구에서 개발한 인공지능 모델은 IsolationForest 모델을 활용하며, 시계열 데이터를 전처리한 후 정상성을 확보하는 등의 과정을 거친다. 실험 결과로 인공지능 모델이 주요 경제이슈를 이상치로 검출하는 성능을 확인하였으며 재현율 약 93.6%, 정밀도 100%로 높은 성능을 달성했다.

• 한국지능시스템학회논문지
• /
• 제25권4호
• /
• pp.349-354
• /
• 2015

본 논문은 비선형 시스템을 위한 T-S 퍼지 샘플치 필터의 안정도 조건을 제시한다. 퍼지 시스템과 퍼지 필터 사이의 에러 시스템을 제시하며, 리아푸노프 안정도 해석 기법을 이용해 에러 시스템의 안정도 조건을 선형행렬부등식의 형태로 표현한다. 제안된 안정도 조건은 기존과는 다른 접근법을 이용하며, 더 나은 성능을 보인다. 모의실험을 통해 제안한 기법의 효용성을 검증한다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.173-190
• /
• 2015

부도는 막대한 사회적, 경제적 손실을 야기할 수 있으므로, 미리 부도여부를 정확하게 예측하여 선제 대응하는 것은 경영분야에서 대단히 중요한 의사결정문제 중 하나이다. 이에 지능정보시스템 분야에서도 그간 기업의 재무 데이터에 기반해 부도예측을 개선하기 위한 노력을 기울여왔는데, 안타깝게도 기존의 연구들은 대부분 분류모형의 성능 개선을 통해 예측 정확도를 개선하는 것에만 주로 초점을 맞추어 다른 요소들을 충분히 고려하지 못했다는 한계가 있다. 이러한 배경에서 본 연구는 부도예측 모형의 정확도를 개선하기 위한 방편으로 새로운 데이터 전처리 방법, 그 중에서도 효과적인 표본추출 방법을 제안하고자 한다. 일반적으로 부도예측을 위해 사용되는 데이터들은 극심한 데이터 불균형 문제에 노출되어 있는데, 본 연구에서는 k-reverse nearest neighbor(k-RNN)와 one-class support vector machine(OCSVM) 방법을 결합한 하이브리드 언더샘플링(hybrid under-sampling) 접근법을 통해 이같은 데이터 불균형 문제를 해결하고자 하였다. 본 연구에서 제안한 접근법에서 k-RNN은 이상치를 효과적으로 제거할 수 있으며, OCSVM은 다수를 구성하는 등급의 데이터로부터 정보량이 풍부한 표본만 효과적으로 선택할 수 있는 수단으로 활용될 수 있다. 제안된 기법의 성능을 검증하기 위해, 본 연구에서는 국내 한 은행의 비외감기업 부도예측모형 구축에 제안 기법을 적용해 본 뒤, 일반적으로 많이 사용되는 랜덤샘플링(random sampling)과 제안 기법의 성능을 비교해 보았다. 그 결과, 로지스틱 회귀분석, 판별분석, 의사결정나무, SVM 등 대다수의 분류모형에 있어 분류 정확도가 개선됨을 확인할 수 있었으며, 모든 분류모형에 있어 부정 오류, 즉 부실기업을 정상으로 예측하는 오류율이 크게 감소함을 확인할 수 있었다.

• 한국생산제조학회지
• /
• 제19권5호
• /
• pp.637-644
• /
• 2010

This paper presents a reliability-based shape optimization (RBSO) using the growth-strain method. An actual design involves uncertain conditions such as material property, operational load, Poisson's ratio and dimensional variation. The purpose of the RBSO is to consider the variations of probabilistic constraint and performances caused by uncertainties. In this study, the growth-strain method was applied to shape optimization of reliability analysis. Even though many papers for reliability-based shape optimization in mathematical programming method and ESO (Evolutionary Structural Optimization) were published, the paper for the reliability-based shape optimization using the growth-strain method has not been applied yet. Growth-strain method is applied to performance measure approach (PMA), which has probabilistic constraints that are formulated in terms of the reliability index, is adopted to evaluate the probabilistic constraints in the change of average mises stress. Numerical examples are presented to compare the DO with the RBSO. The results of design example show that the RBSO model is more reliable than deterministic optimization. It was verified that the reliability-based shape optimization using growth-strain method are very effective for general structure. The purpose of this study is to improve structure's safety considering probabilistic variable.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.288-288
• /
• 2021

수문 모델링을 이용하여 미계측 유역의 유출을 예측하고 나아가 수문 현상을 이해하기 위해서는 기존과는 다른 새로운 모형 보정 전략과 평가 방법이 필요하다. 위성 관측자료의 가용성 증가는 미계측 유역에서 수문 모형의 예측 성능을 확보할 기회를 제공한다. 유역 내 증발산 과정은 물 순환 과정을 설명하는 주요한 부분 중 하나이다. 또한 식생에 대한 정보는 증발산 과정과 밀접한 연관을 가지기 때문에 간접적으로 유역의 증발산 과정을 이해할 수 있는 중요한 정보이다. 본 연구는 미계측 유역의 하천유량을 예측하기 위해 위성 관측 기반의 식생 정보만을 이용하여 보정된 생태 수문 모형의 잠재력을 조사한다. 이러한 보정 방법은 관측된 하천유량 자료가 있어야 하지 않기에 미계측 유역의 하천유량 예측에 특히 유용할 것이다. 모델링 실험은 관측 하천유량 자료가 존재하는 5개의 댐 유역(남강댐, 안동댐, 합천댐, 임하댐)에 대해 수행되었다. 본 연구에서는 식생동역학이 결합 된 집체형 수문 모델을 이용하였으며, MODIS 잎면적지수(Leaf Area Index, LAI) 자료를 이용하여 모형을 보정하였다. 보정된 모형으로부터 생산된 일 유량 결과는 관측 유량 자료와 비교된다. 또한, 전통적인 관측 유량 기반의 모형 보정 방법과 비교된다. 그 결과 LAI 시계열을 이용한 모형의 보정으로 획득한 유량의 적합도는 남강댐, 안동댐, 합천댐 유역에서 KGE가 임계치 이상으로 나타나 만족스러운 결과를 보여주지만, 임하댐 유역은 KGE가 임계치 이하로 계산되었다. 그러나 해당 유역에 대해 관측 유량을 기반으로 모형 보정 결과 또한 좋지 않은 적합도를 보여주기에 이는 LAI 자료 기반 접근법의 문제가 아닌 입력정보 또는 모형 자체에 포함된 오차로 인해 해당 유역의 특성을 반영하기에 어려운 것으로 판단된다. 이러한 결과는 증발산 과정에 주요한 식생 정보의 제약만으로도 비교적 만족스럽게 유역의 수문 순환을 재현할 수 있다는 가능성을 보여준다.

• 한국생산제조학회지
• /
• 제20권4호
• /
• pp.412-418
• /
• 2011

Reliability-based Topology optimization(RBTO) is to get an optimal design satisfying uncertainties of design variables. Although RBTO based on homogenization and density distribution method has been done, RBTO based on BESO has not been reported yet. This study presents a reliability-based topology optimization(RBTO) using bi-directional evolutionary structural optimization(BESO). Topology optimization is formulated as volume minimization problem with probabilistic displacement constraint. Young's modulus, external load and thickness are considered as uncertain variables. In order to compute reliability index, four methods, i.e., RIA, PMA, SLSV and ADL(adaptive-loop), are used. Reliability-based topology optimization design process is conducted to obtain optimal topology satisfying allowable displacement and target reliability index with the above four methods, and then each result is compared with respect to numerical stability and computing time. The results of this study show that the RBTO based on BESO using the four methods can effectively be applied for topology optimization. And it was confirmed that DLSV and ADL had better numerical efficiency than SLSV. ADL and SLSV had better time cost than DLSV. Consequently, ADL method showed the best time efficiency and good numerical stability.

• 인터넷정보학회논문지
• /
• 제14권6호
• /
• pp.1-8
• /
• 2013

거대한 데이터베이스로부터 중요하고 의미 있는 정보를 찾아내기 위해 데이터 마이닝 기법들이 사용되며, 패턴 마이닝은 이러한 데이터 마이닝을 위한 중요한 기법 중에 하나이다. 패턴 마이닝은 거대 데이터베이스로부터 유용한 패턴을 찾아내는 기법이며, 패턴 마이닝 분야 중에 하나인 빈발 패턴 마이닝은 데이터베이스에서 최소 임계치 이상의 빈도수를 가지는 빈발 패턴을 마이닝 한다. 전통적인 빈발 패턴 마이닝은 전체 데이터베이스에 대한 단일 최소 임계치를 기반으로 중요 빈발 패턴을 마이닝 한다. 단일 최소 임계치 모델은 데이터베이스 내 모든 아이템이 동일한 특성을 가진다고 암묵적으로 가정한다. 그러나 실제 응용에서는 각 아이템들이 개별적인 특성을 가지고 있을 수 있으며, 따라서 이를 반영한 패턴 마이닝 기법이 요구된다. 데이터베이스 내 아이템들의 이러한 특성이 반영되지 않은 빈발 패턴 마이닝 모델에서, 중요한 희귀 아이템이 포함된 패턴을 마이닝 하기 위해서는 낮은 최소 임계치를 설정해야 한다. 그러나 너무 낮은 최소 임계치는 의미 없는 아이템들을 포함하는 수많은 패턴을 야기한다. 반대로 높은 최소 임계치는 희귀 아이템이 포함된 패턴을 마이닝 하지 못하는 희귀 아이템 문제라 불리는 딜레마가 발생한다. 이러한 문제의 해결을 위한 초기 연구들은 아이템 빈도수에 따라 데이터를 몇 개의 블록으로 분할하거나 관련 희귀 아이템들을 하나의 그룹으로 만드는 방법을 사용한 근사적 접근법을 제안하였다. 그러나 이러한 기법들은 근사적 방법의 적용에 의해 모든 희귀 패턴을 포함한 빈발 패턴을 마이닝 하지 못한다. 다중 최소 임계치를 고려한 패턴 마이닝 모델은 아이템들의 개별적인 특성을 반영하여 희귀 아이템 문제를 해결하기 위해 제안되었다. 다중 최소 임계치 기반의 빈발 패턴 마이닝 모델에서 각 아이템은 MIS (Minimum Item Support)라고 불리는 개별 최소 임계치를 가지며, 아이템들의 데이터베이스 내 빈도수를 기반으로 계산된다. 다중 최소 임계치 모델은 MIS를 통해 수많은 의미 없는 패턴을 생성하지 않고도 손실 없이 모든 희귀 빈발 패턴을 찾아낸다. 한편, 빈발 패턴을 마이닝 하는 과정에서 후보 패턴들이 생성되며, 단일 최소 임계치 모델에서는 각 후보 패턴의 빈도수가 유일한 최소 임계치와 비교된다. 따라서, 희귀 아이템 문제가 발생할 뿐만 아니라 후보 패턴을 구성하는 아이템들의 특성이 고려되지 않는다. 다중 최소 임계치 모델에서는 이 문제를 다루기 위해 후보 패턴을 구성하는 아이템들의 MIS 값 중에서 가장 작은 MIS 값을 해당 후보 패턴의 최소 임계치로 설정하여 패턴 내 아이템들의 특성을 반영한다. 이를 적용하여 효율적으로 희귀 빈발 패턴을 마이닝 하기 위해 트리 구조 기반의 알고리즘은 빈도수 내림차순으로 트리 내 아이템들을 정렬하는 단일 최소 임계치 모델과는 달리 MIS 내림차순으로 아이템들을 정렬하여 마이닝을 수행한다. 본 논문에서는 다중 최소 임계치 기반의 빈발 패턴 마이닝 알고리즘에 대한 특성을 살펴보고, 일반 단일 임계치 기반 알고리즘과의 성능평가를 수행한다. 성능평가는 실행 속도, 메모리 사용량, 그리고 확장성의 관점에서 수행된다. 성능평가 결과, 다중 최소 임계치 기반의 빈발 패턴 마이닝 알고리즘은 희귀 빈발 패턴을 포함한 모든 빈발 패턴을 단일 임계치 기반의 빈발 패턴 마이닝 알고리즘보다 더 빠른 속도로 마이닝 하였으며, 각 아이템의 최소 임계치 정보를 위한 추가적인 메모리를 필요로 하였다. 또한, 비교 알고리즘들은 좋은 확장성 결과를 보였다.