• 한국융합학회논문지
• /
• 제12권2호
• /
• pp.7-13
• /
• 2021

본 논문은 학습 데이터에 손실값을 포함하고 있는 불완전한 데이터를 위하여 확률을 나타낼 수 있는 형식으로 변환한 후 손실값을 보상하는 알고리즘을 소개한다. 기존에 이러한 데이터 변환을 사용한 방법에서는 손실 변수가 가질 수 있는 균등한 확률로 손실값을 할당하여 불완전한 데이터를 처리하는 것이었다. 이 방법으로 많은 문제에 적용하여 좋은 결과를 얻었으나, 손실 변수에 남아있는 모든 정보를 무시하고 새로운 값을 할당한다는 점에서 정보의 손실이 있다는 지적이 있었다. 이에 반해 새로운 제안 방법은 손실값을 포함하지 않는 완전한 정보만을 잘 알려진 분류 알고리즘(C4.5)에 입력하고 학습하는 중에 결정트리가 구축된다. 그리고 이 결정트리로 부터 손실값에 대한 확률을 구하여 이를 손실 변수의 추정값으로 할당한다. 즉, 불완전한 학습 데이터에서 손실되지 않은 많은 정보들을 사용하여 손실된 일부 정보를 복구하는 것이다.

• 한국융합학회논문지
• /
• 제12권8호
• /
• pp.39-45
• /
• 2021

본 논문은 손실값을 포함하는 불완전한 데이터를 처리하는 방법에 대해 논한다. 손실값을 최적으로 처리한다는 것은 학습 데이터가 가지고 있는 정보들에서 본래값과 가장 근사한 추정치를 구하고, 이 값으로 손실값을 대치하는 것이다. 이것을 실현하기 위한 방안으로 분류기가 정보를 분류하는 과정에서 완성되어가는 결정트리를 이용한다. 다시말해 이 결정트리는 전체 학습 데이터 중에서 손실값을 포함하지 않는 완전한 정보만을 C4.5 분류기에 입력하여 학습하는 과정에서 얻어진다. 이 결정트리의 노드들은 분류 변수의 정보를 가지는데, 루트에 가까운 상위 노드일수록 많은 정보를 포함하게 되고 말단 노드에서는 루트로부터의 경로를 통해 분류 영역을 형성하게 된다. 또한 각 영역에는 분류된 데이터 사건들의 평균이 기록된다. 손실값을 포함하는 사건들은 이러한 결정트리에 입력되어 각 노드의 정보에 따라 순회과정을 통해 사건과 가장 근접한 영역을 찾아가게 된다. 이 영역에 기록된 평균값을 손실값의 추정치로 간주하고, 보상 과정은 완성된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.72-74
• /
• 2021

다양한 분야에서 현재 활용되고 있는 딥러닝 과정은 데이터 준비, 데이터 전처리, 모델 생성, 모델 학습, 모델 평가로 구성 된다. 이중 모델 학습 과정에서 손실함수는 모델이 학습하면서 출력한 값을 실제 값과 비교하여 그 차이를 출력하게 되고, 출력된 손실값을 기반으로 모델은 역전파 알고리즘을 통해 손실값이 감소하는 방향으로 가중치를 수정해가며 학습을 진행한다. 본 논문에서는 바이오마커 추출을 위한 딥러닝 모델에서 사용될 신경망 출력 값의 손실도를 측정하여 출력해주는 다양한 손실함수를 분석하고 실험을 통해 최적의 손실함수를 찾아내고자 한다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2004년도 추계학술대회 및 정기총회
• /
• pp.353-356
• /
• 2004

본 논문에서는 광대역 위성 네트워크에서 각 단말에서의 패킷 손실량 기대값을 분석하고, 패킷 손실량 기대값의 총합을 최소화하는 타임슬롯 스케줄링 방법을 제시한다. 이를 위해 각 단말에서의 패킷 손실량 기대값을 구하는 방법을 제시하고, 타임슬롯 스케줄링을 위한 최적화 모형을 정형화하고, 정형화된 모형을 해결하기 위한 방법을 제시한다. 실험을 통해 제시한 방법이 기존 방법에 비해 패킷 손실량 기대값의 총합을 의미 있게 감소시킴을 보인다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.103-105
• /
• 2020

본 논문에서는, 영상 분류 문제에서 손실 값 계산 시 정답 부류를 제외한 나머지 부류에서 우세한 결괏값이 나오지 않도록 평활화하는 보조적인 손실함수를 고안한다. 합성곱 신경망 구조를 이용해 학습이 진행되면 손실함수가 작아지는 방향으로 가중치가 갱신되기 때문에, 정답을 제외한 나머지 부류들의 결괏값은 줄어든다. 하지만, 정답을 제외한 나머지 부류들 사이의 상대적인 값이 고려되지 않고 손실함수가 줄어들기 때문에 값들은 균일하지 않게 되고, 정답 부류와 유사한 특징을 가진 부류들의 값이 상대적으로 커지게 된다. 이는 정답 부류와 나머지 부류 중 가장 값이 큰 부류 사이에 공통의 특징을 공유한다고 생각할 수 있다. 정답 부류만이 가지고 있는 고유의 특징을 추출하지 못하고, 다른 부류도 가지고 있는 특징의 흔적이 남아있게 됨으로써 테스트 시 소스 도메인과 전혀 다른 도메인의 영상이 보일 때 그러한 특징이 부각 되어 부정확한 결과를 초래하게 된다. 본 논문에서는 단순한 손실함수의 추가로 도메인이 다른 환경에서 기존의 연구보다 좋은 분류 결과를 보여주는 것을 실험을 통해 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 제37회 하계학술대회 논문집 B
• /
• pp.655-656
• /
• 2006

대부분의 초전도 전력기기의 경우, 초전도 테이프를 솔레노이드나, 팬케�� 형태로 권선해서 사용하게 되고, 이러한 경우에는 권선을 구성하는 테이프들에 흐르는 전류에 의해 발생하는 자계는 권선내의 각각의 테이프에 임의 방향의 외부 인가자계로 작용하여 자화손실을 발생시키므로 초전도 코일에서의 교류손실을 평가하고 예측하기 위해서는 임의방향 자장에 의한 자화손실에 대한 데이터가 필요하다. 수직 자화손실에 대한 측정값으로서 임의방향 자장에 의한 자화손실을 알 수 있다면 코일의 교류손실 평가는 훨씬 쉽게 접근할 수 있을 것이다. 본 논문에서는 측정된 자화손실 값들로부터 각 방향 인가자장에 의한 자화손실과 인가된 자장을 분리하여 수직방향 및 수평방향 성분에 의한 자화손실 측정값의 합과 비교하여 각도별로 두 자화손실의 차이를 살펴보았다.

• 한국융합학회논문지
• /
• 제12권11호
• /
• pp.91-97
• /
• 2021

본 논문은 불완전한 데이터를 처리하기 위해 본래 규칙개선 문제를 위해 고안되었던 데이터 확장 기법을 사용한다. 이 기법은 사건마다 중요도를 의미하는 가중치를 가질 수 있으며 각 변수를 확률값으로 나타낼 수 있는 특징이 있다. 본 논문에서의 핵심 문제가 손실값과 가장 근사한 확률을 구하여 손실값을 확률로 대치하는 것이므로, 3가지 다른 알고리즘으로 손실값에 대한 확률을 구한 후 이 데이터 구조의 형식으로 저장한다. 그리고 각각의 확률 구조에 대한 평가를 위해 SVM 분류 알고리즘으로 각각의 정보 영역을 분류하는 학습을 한 후, 본래의 정보와 비교하여 얼마나 서로 일치하느냐를 측정한다. 손실값의 대치 확률을 위한 3가지 알고리즘들은 같은 데이터 구조를 사용하고 있으나 접근 방법에서는 서로 다른 특징을 가지고 있어 적용 분야에 따라 다양한 용도로 이용될 수 있기를 기대한다.

• 응용통계연구
• /
• 제23권2호
• /
• pp.219-234
• /
• 2010

시가총액에 따른 인덱스(INDEX) 투자를 했을 경우에, VaR(Value at Risk)을 종합주가지수(KOSPI)로부터 얻은 수익율의 극단 손실값들로부터 추정한다. 이를 위해, 극단값 이론 중 BM(Block Maxima) 모형을 적용하며, 극단 손실값들의 비독립적 발생을 고려하기 위하여, extremal index 역시 추정한다. 모형의 타당성을 알아보기 위해, 실패율방법을 이용한 사후검정 (back-testing) 을 실시한다. 사후검정을 통해, BM 모형을 적용한 VaR의 추정이 적절함을 알 수 있었다. 또한, 일반적으로 많이 사용되는 GARCH 모형을 이용한 VaR의 추정과 비교한다. 이를 통해, 오차가 t-분포를 따른다고 가정하는 경우, GARCH 모형을 이용한 VaR의 추정이 BM 모형을 이용한 경우와 사후 검정결과에 차이가 없음을 확인하였다. 그러나, GARCH 모형을 통한 VaR 추정은 추정시점근방의 극단 손실값들에 민감하게 반응하지만, BM 모형은 그렇지 않았다. 따라서, 현 시점으로부터 단기간동안의 손실위험은 GARCH 모형을 이용한 VaR의 추정값을 사용하는 것이 적절하며, 장기간동안의 손실위험은 BM 모형으로부터 얻은 VaR의 추정값을 사용하는 것이 적절하다.

• 인터넷정보학회논문지
• /
• 제11권2호
• /
• pp.129-142
• /
• 2010

무선선서네트워크의 주요 응용분야 중 하나가 유비쿼터스 헬스케어 시스템이다. 하지만 무선센서네트워크가 가지고 있는 과제중의 하나는 데이터 중에 나타나는 높은 손실 율이다. 바이오 센서로부터 들어오는 데이터는 기지국에 도착되지 않을 수 있으며, 이 값은 손실 값(missing value)이 된다. 본 논문은 기지국에서 데이터를 수집하고, 손실 값을 처리한 후, 증상 패턴에 따라 건강상태를 분류하여, 비상시에 적절한 행동을 취할 수 있도록 하는 헬스케어 모니터 에이전트(HMA)를 제안한다. 이 에이전트는 유비쿼터스 헬스케어 환경에 적용되며, 건강상태를 인지하기 위한 증상패턴으로 바이오 센서 및 환자의 가족력으로 부터 생성된 데이터를 사용한다. 손실 값이 나타나면 HMA는 분류하기 전에 증상패턴의 손실 값을 채우기 위한 예측 알고리즘을 수행한다. 시뮬레이션 결과 HMA를 사용한 예측알고리즘이 다른 방법들에 비해 더 정확하게 증상패턴을 분류함을 보여주었다.

• 한국항행학회논문지
• /
• 제13권6호
• /
• pp.901-906
• /
• 2009

본 논문에서는 퍼지추론과 신경망 학습을 이용하여 무선망의 핸드오프호 손실율 가능성 분포의 상한계 값을 추정하고, 이를 기반으로 한 호 수락제어를 제안한다. 퍼지규칙의 소속함수는 신경망 오류역전파 알고리즘으로 튜닝하고, 핸드오프호 손실율의 상한계 값은 퍼지집합의 가중치 평균에 기초하여 추정한다. 이 방법은 호 손실율 값을 실제보다 과도하게 큰 값으로 추정하는 것을 방지하고, 추정된 값이 실제값보다 작을 때는 실시간적으로 자기보상을 실시하여 호 수락 제어시 호 손실율을 줄인다. 시뮬레이션을 통하여 제안한 방법에 의한 핸드오프 호 손실율의 상한계 값의 추정성능을 보이고, 이를 이용한 호 수락제어 방법이 핸드오프 호 손실율을 사용자가 원하는 핸드오프 호 손실율 이하로 유지할 수 있음을 보인다.