• 한국시뮬레이션학회논문지
• /
• 제25권4호
• /
• pp.21-30
• /
• 2016

최근 자동 생산 시스템은 PLC (Programmable Logic Controller) 제어 프로그램을 일반적으로 사용하고 있다. 생산제품의 수명 주기가 길지 않기 때문에 공법과 라인 및 설비 변경이 자주 일어난다. 대부분, 기존 공정을 바탕으로 이루어지고 설비의 위치 및 제어정보를 수정한다. PLC 제어 프로그램 또한 기존 공정을 바탕으로 수정이 이루어진다. 새로운 제어 프로그램을 검증하기 위해서는 실제 생산 시스템을 구축하기 전에 가상의 공간에서 실제 공정과 같이 구성하여 순차적으로 공정이 진행되는 지 확인할 수 있는 방법이 필요하다. 본 연구는 순차제어(sequential control)와 병목현상 처리에 유용한 Timed-FSA를 기반으로 하는 논리적인 모델링 방법을 사용한다. 기존에 연구되었던 I-O 모델링과 I-O 모델링에서 요구되었던 하나의 설비에 다양한 상태의 정의를 통해 사용자의 시간과 공수를 절감하기 위한 기존 모델링에 페트리네트의 토큰(Petri Nets Coloured Token) 개념을 추가한 확장된 I-O 모델링 방법을 제안한다. 예제 설비를 통하여 사용자의 모델링 시간을 절감하는 실험과 사용자 평가를 통해 제안하는 확장된 I-O 모델링의 편의성을 검증한다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.21-33
• /
• 2022

최근 추천 시스템은 영화, 음악, 온라인 쇼핑 및 SNS 등 다양한 분야들에서 광범위하게 활용되고 있으며, 추천 시스템 분야에서 1세대 모델이라고 할수 있는 Apriori 모델을 통한 연관분석부터 최근 많은 주목을 받는 딥러닝 기반 모델들까지 많은 모델들이 제안되어왔다. 추천 시스템에서 기본 모델들은 협업 필터링(Collaborative filtering) 방법, 콘텐츠 기반 필터링(Content-based filtering) 방법, 그리고 이 두 방법을 통합적으로 사용하는 하이브리드 필터링(Hybrid filtering) 방법으로 분류될 수 있다. 하지만 이러한 모델들은 최근 점점 빠르게 변화하는 사용자-아이템 간의 상호관계와 빅데이터의 발전과 같은 내외 변화 요인들에 적응하지 못하면서 점점 분야 내 방법론으로써의 지위를 잃어가고 있다. 반면, 추천 시스템 내에서 딥러닝 기반 모델들은 비선형 변환, 표현학습, 순차적 모델링, 그리고 유연성과 같은 장점들 때문에 그 비중이 높아지고 있는 추세이다. 본 논문에서는 딥러닝 기반 추천 모델들 중에서도 사용자-아이템 간의 상호작용에 대해 보다 정확하고, 유연성 있게 분석이 가능한 순차적 모델링에 적합한 순환 신경망, 합성곱 신경망, 그리고 생성적 적대 신경망 중심 기반 모델로 분류하여 비교 및 분석한다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2010년도 제34회 춘계학술대회논문집
• /
• pp.181-189
• /
• 2010

개방형 액체로켓엔진 시스템에 대한 동특성 예측 프로그램을 작성하였다. 이 프로그램을 통해 얻은 펌프 시동 시 시간에 따른 압력 및 유량 변화 결과를 수류실험장치를 구축하여 실험적으로 검증하였다. 수류실험장치는 실제 액체로켓엔진 추진제 공급 계통에서 구성품의 형태와 배치위치, 가스발생기와 주연소실로 분기되는 유량비를 기준으로 모사되었다. 측정 시 관로가 채워진 상태에서 펌프를 시동하였으며 펌프는 전동기로 구동된다. 동특성 예측 프로그램의 작성을 위해 구성품별 동특성 모델링을 수행하고 엔진 시스템을 기준으로 각 모델링을 순차적으로 통합하였다. 구성품의 동특성 파라미터를 측정 반영하였고 압력 밸런싱을 통해 수렴 조건이 결정된다. 수렴된 밀도와 유량을 가지고 다음 시간에서의 초기 입력 값으로 대체하여 계산을 수행하였다. 천이 작동 상태에서 엔진 시스템 내의 물리량 변화를 전산 예측과 더불어 실험적으로 측정하고 비교하였다.

• 스마트미디어저널
• /
• 제11권9호
• /
• pp.9-20
• /
• 2022

심층강화학습은 자율주행 도메인에서 널리 사용되는 end-to-end 데이터 기반 제어 방법이다. 그러나 기존의 강화학습 접근 방식은 자율주행 과제에 적용하기에는 비효율성, 불안정성, 불확실성 등의 문제로 어려움이 존재한다. 이러한 문제들은 자율주행 도메인에서 중요하게 작용한다. 최근의 연구들은 이런 문제를 해결하고자 많은 시도가 이루어지고 있지만 계산 비용이 많고 특별한 가정에 의존한다. 본 논문에서는 자율주행 도메인에 불확실성 순차 모델링이라는 방법을 도입하여 비효율성, 불안정성, 불확실성을 모두 고려한 새로운 알고리즘 MCDT를 제안한다. 강화학습을 높은 보상을 얻기 위한 의사 결정 생성 문제로 바라보는 순차 모델링 방식은 기존 연구의 단점을 회피하고 효율성과 안정성을 보장하며, 여기에 불확실성 추정 기법을 융합해 안전성까지 고려한다. 제안 방법은 OpenAI Gym CarRacing 환경을 통해 실험하였고 실험 결과는 MCDT 알고리즘이 기존의 강화학습 방법에 비해 효율적이고 안정적이며 안전한 성능을 내는 것을 보인다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권1_2호
• /
• pp.1-18
• /
• 2003

객체 지향 모델링의 결과를 소스 코드로 매핑 할 때 구현 플랫폼에 맞는 정확하고 체계적인 매핑 기법이 요구된다. 또한, 모델링 자체는 구현 언어나 특정 플랫폼에 종속적이지 않기 때문에 특정 플랫폼이나 언어에 맞게 구현할 수 있는 효율적이며 순차적인 접근법이 필요하다. 모델링한 결과는 구현상의 소스 코드로 정확하게 나타나야 하며 정확한 매핑을 위해서 본 논문에서는 EJB(Enterprise Java Beans) 2.0을 기준으로 하여 구현하고자 할 때, 모델링 단계에서 도출된 각 클래스가 가지는 비즈니스 오퍼레이션들이 EJB 2.0에서 지원하는 여러 가지 구현 가능한 장치들을 통해서 어떻게 나타날 수 있는지에 대한 절차적이며 구체적인 방법 및 디자인 패턴을 제시한다. 따라서 개발자로 하여금 이러한 기법들을 이용하여 비즈니스 오퍼레이션을 좀 더 체계적이며 정확하게 EJB 2.0 플랫폼에 맞도록 구현하여 설계 내용이 구현 소스 코드 상에 정확히 대응되어 나타날 수 있도록 지침을 제시한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2014년도 제49차 동계학술대회논문집 22권1호
• /
• pp.149-151
• /
• 2014

주의(attention)를 어떻게 할당하는가는 정신물리학뿐만 아니라, 컴퓨터 시각과정을 모델링하는데 중요한 주제 중 하나이다. 기존 연구는 saliency와 같은 활성화 값에 의해서 주의탐사 순위가 결정된다. 본 논문에서는 주의탐사과정을 병렬처리를 통한 활성화 값 추출과정과 순차적 처리를 통한 공간적 전략과정으로 구분하였다. 단서패러다임에 기초한 계산모형을 이용하여, 실제 인간의 수행결과를 AUC와 Levenshtein 척도를 이용하여 비교하였다. Fixation point 비교에서는 인간과 활성화를 기반으로 한 계산모형의 수행은 높은 상관성을 가지고 있었다. 주의궤적 혹은 scanpath 분석에서는 활성화기반 전략보다는 공간적 전략 모형이 더 높은 유사성을 보였다. 이는 주의탐사과정이 병렬처리과정을 통해 얻어진 saliency에 의해서만 결정되는 것이 아니라, 목표물간의 근접성 등의 공간적 전략을 통해 순차적 (sequential) 경로가 생성됨을 의미한다.

• The Journal of the Acoustical Society of Korea
• /
• 제11권1E호
• /
• pp.73-78
• /
• 1992

시벼형 신호인 음성 신호의 분석에 칼만필터를 이용하였다. 일반적인 음성 분석은 프레임단위의 처리방법인 선형 예측 부호화 기법을 주로 이용하지만 음성의 시변 특성을 파악하는데에는 적절하지 못 하다. 따라서 순차적인 추정기법으로 많이 이용되는 칼만 필터를 음성 분석에 적용하였다. 또한 음성과 같은 시변신호에서는 과거 신호의 잡음의 분산값에 적당한 가중치를 부가하므로써 과거의 신호에 의해 서 현재의 추정값에 미치는 영향을 줄였으며 이를 음성의 천이 구간에서의 파라메타 추정에 사용하였 다. 그리고 음성신호 모델에서 생기는 모델링 오차는 일반적으로 백색 가우시안 잡음으로 가정하고 있 으나 이는 자음과 같은 무성음에서 특징 파라메타 푸정에는 오차가 적지만 모음등의 유성음에서는 음성 발생시의 여기신호인 펄스열에 의해서 많은 모델링 오차를 생기게 한다. 따라서 모델링 오차신호는 Non-Gaussian 확률분포로 가정한 후 로버스트 칼만 필터를 사용하여 합성으멩 대해 특징 파라메터를 추출하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.430-430
• /
• 2017

본 연구에서는 유역모델링 시 오염원 산정의 공간적 범위를 합리적으로 고려하기 위해서, 유역모델링을 위한 소유역 구분간의 공간해상도를 유역의 오염부하량 산정을 위한 공간단위 수준으로 설정하여 새만금호 유역수질모델링을 실시하였다. 모형 구축은 HSPF (Hydrological Simulation Program - Fortran)를 이용하였으며, 오염부하량 산정단위인 리 동의 행정경계, 수치표고모델(DEM), 농경지 배수로 등 구조물들을 고려하여 새만금 유역을 대상으로 804개의 소유역을 구분 적용하였다. 소유역 세분화에 따른 계산량을 고려하여 효과적인 모델 구동을 위해 만경유역 7개, 동진유역 7개, 연안유역 3개 (총 17개)의 서브모델로 모의시스템을 구성하여 상류에서 하류로 서브모델을 순차적으로 보 검정 및 모의하도록 구현하였다. 유량 보 검정은 14개소 수문측정자료(2009~2013)와 자동보정기법을 적용하여 수행하였다. 유량보 검정결과 NSE (Nash-Sutcliffe coefficient)가 0.66~0.97, PBIAS가 -31~16.5%, $R^2$는 0.75~0.98의 범위를 보여 모형의 적용성을 확인할 수 있었다. 한편, 수질 보 검정의 경우 29개소 수질측점을 대상으로 온도, DO, BOD, TN, TP의 항목에 대해 유량보정과 같은 기간에 대해 수동보정을 실시하였다. 수질결과는 일부 상류유역에서 갈수기시 모의값이 다소 불안정한 부분이 발견되나 대체로 각 측점의 수질에 대한 시간적 변동 패턴과 평균적 수질은 합리적으로 모의하는 것으로 나타났다. 공간세분화에 따른 모델링결과를 선행연구들과 비교한 결과, 유량부문에서 우수성을 보였으나 수질부문은 비슷한 수준으로 나타났다. 본 연구는 향후 유역 오염원, 수자원 운영 등에 관한 정밀 자료 확보 시 이를 고려하는 고도화된 수문 수질 모델링 개발 및 구축에 적용될 수 있는 시스템으로 활용성이 높을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.755-760
• /
• 2005

본 연구에서는 농업기반공사에서 구성한 AWDS (Agricultural Water Demand & Supply Estimation System: 농촌용수 수요공급량 산정시스템)를 기반으로 대상지역인 안고용수구역에 대한 정보를 추출하였다. 또한 이를 ArcGIS Hydro Data Model을 이용하여 유역의 공간객체와 하천 네트워크의 연관성을 부여하여 위상관계을 가지게 하였으며, 24개의 저수지, 18개의 양수장, 28개의 취입보 등 총 70개의 수리시설물의 네트워크를 모델링하였다. 이로 수리시설물의 공간위치를 가시적으로 표현하여 특정한 시설물 파악이 쉬우며, 하천망과 더불어 표현함으로써 순차적인 물수지의 체계를 이해하기 쉽도록 하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 제36회 하계학술대회 논문집 D
• /
• pp.2879-2881
• /
• 2005

본 논문에서는 뉴로-퍼지 모델의 전제부 소속함수의 새로운 학습방법을 통한 모델링 기법을 제안한다. 모델의 크기와 학습시간을 줄이는 기법으로 클러스터링 기법을 이용한 모델의 초기 파라미터 결정 방법이 있다. 이는 클러스터링 후 이들 파라미터를 다시 모델에 적용하여 모델을 학습하는 순차적 방법으로써 모델의 학습이 끝난 후의 전제부 파라미터가 클러스터링 파라미터와 연관성을 가지지 못하는 경우가 발생하였다. 또한 오차미분 기반 학습에서는 전제부 초기치가 국부적 최적해에서 벋어나지 못하는 문제점을 가지고 있다. 본 논문에서는 자율적으로 클러스터의 수를 추정하며 이들 파라미터를 최적화하며 이를 이용하여 뉴로-퍼지 모델의 학습을 실시하는 학습기법을 제안하였다. 제안된 방법에서는 기존의 오차미분 기반 학습을 클러스터링 기반 학습으로 확장하였으며 이를 이용한 모델의 성능을 기존의 연구결과와 비교하여 우수성을 보인다.