• 한국정보과학회논문지:시스템및이론
• /
• 제31권10호
• /
• pp.575-587
• /
• 2004

본 논문은 여러 분야에서 활용될 수 있는 향상된 고속 Expectation-Maximization(FEM) 알고리즘을 제안한다. 첫째, EM의 초기값 설정의 방법으로 많이 사용되고 있는 클러스터링 기법인 K-means의 문제점을 해결하여 개선된 EM의 초기값 선정에 적용하였다. 이것은 기존 K-means 알고리즘에서 임의로 지정하던 랜덤한 초기값 선정을, 데이타 분포 특성을 이용한 균등 분할법을 사용하여 EM의 초기값 문제를 해결하였다. 둘째, EM 과정의 핵심을 이루는 후행 확률(Posterior)의 의미를 부각하여 최대 가능성 후행 확률(Maximum Likelihood Posterior: MLP)과정을 적용하였다. 최종적으로, 본 논문에서 제안한 고속 EM알고리즘(FEM)은 근본적으로 해결하기 못했던 기존의 EM 초기치 선정과 수렴에 대한 문제점을 개선함으로써, EM 알고리즘의 특성을 극대화하는 방향으로 상대적으로 마른 수렴과 향상된 결과를 가져온다. 제안된 알고리즘의 객관적 타당성을 위해 기존의 방법과 제안된 방법에 의한 시뮬레이션의 결과를 여러 데이타들을 가지고 비교 분석하여 제안한 알고리즘의 우수성을 입증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권4호
• /
• pp.71-77
• /
• 2020

블록체인의 핵심기술인 합의알고리즘을 통하여 연결 노드 간 동일한 데이터를 정확하게 공유한다. 사용자 및 활용 환경을 고려한 적절한 합의 알고리즘 사용은 데이터 무결성 및 정확성 등을 효율적으로 유지하도록 한다. 본 논문에서는 프라이빗 블록체인 플랫폼의 특징을 고려하여 허가된 노드 간 합의 알고리즘 효율적 선정을 위한 성능평가방법을 제시하였으며 권위를 가진 연결노드의 수를 고려하여 해당 항목을 기존 공개된 수식에 변형하여 적용하였다. 이러한 과정을 통하여 노드 간 안정성을 고려한 합의과정의 단순화가 가능하였다. 제안한 연구내용을 통한 적절한 합의 알고리즘 선정을 통하여 합의 과정의 안정성을 높일 수 있다.

• 융합보안논문지
• /
• 제24권2호
• /
• pp.71-78
• /
• 2024

양자 컴퓨팅의 급속한 발전으로 현재의 공개키 암호화 방식이 취약해지자, 미국의 국립표준기술연구소(NIST)는 양자컴퓨터 공격에 대응할 수 있는 새로운 암호화 표준을 개발하기 위한 Post-Quantum Cryptography(PQC) 프로젝트를 시작했다. 이 프로젝트는 전 세계 연구자들이 제안한 다양한 암호 알고리즘들을 검토하고 평가하는 과정을 포함한다. 초기에 선택된 양자 저항성 암호화 알고리즘은 격자와 해시 함수를 기반으로 개발됐다. 현재는 BIKE, Classic McEliece, HQC 등 다양한 기술적 접근 방식을 제공하는 알고리즘들이 네 번째 라운드에 검토 중이다. CRYSTALS-KYBER, CRYSTALS-Dilithium, FALCON, SPHINCS+는 세 번째 라운드에서 표준화 대상으로 선정됐다. 2024년에는 네 번째 라운드에서 선정된 알고리즘들과 현재 평가 중인 알고리즘들에 대한 최종 결정이 내려질 예정이다. 양자 컴퓨팅 시대를 대비해 공개 키 암호 시스템의 보안을 강화하는 중요한 단계로, 미래의 디지털 통신 시스템을 위협으로부터 보호하는 데 큰 영향을 미칠 것으로 예상된다. 본 논문에서는 양자 내성 암호 알고리즘의 보안성과 효율성을 분석하여 그 동향을 제시한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.114-114
• /
• 2022

딥러닝의 학습 및 예측성능을 개선하기 위해서는 딥러닝 기법 내 연산과정의 개선과 함께 학습 및 예측에 사용되는 데이터의 전처리 과정이 중요하다. 본 연구에서는 딥러닝의 성능을 개량하기 위해 제안된 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형과 데이터 전처리 기법을 통해 댐의 수위를 예측하였다. 수위예측을 위해 Multi-Layer Perceptron(MLP), 메타휴리스틱 최적화 알고리즘인 Harmony Search(HS)와 딥러닝을 결합한 MLP using a HS(MLPHS) 및 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)와 딥러닝을 결합한MLP using a EBHS-CGS(MLPEBHS)를 통해 댐의 수위를 예측하였다. 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형의 학습 및 예측성능을 개선하기 위해 학습 및 예측을 위한 자료를 기반으로 데이터 전처리기법을 적용하였다. 적용된 데이터 전처리 기법은 정규화, 수위구간별 사상(Event)분리 및 수위 변동에 대한 자료의 구분이다. 수위예측을 위한 대상유역은 금강유역에 위치한 대청댐으로 선정하였다. 대청댐의 수위예측을 위해 대청댐 상류에 위치하는 수위관측소 3개소를 선정하여 수위자료를 취득하였다. 각 수위관측소에서 취득한 수위자료를 입력자료로 설정하였으며, 대청댐의 수위자료를 출력자료로 설정하여 메타휴리스틱 최적화 알고리즘-딥러닝 모형의 학습을 진행하였다. 각 수위관측소 및 대청댐에서 취득한 수위자료는 2010년부터 2020년까지 총 11년의 일 단위 수위자료이며, 2010년부터 2019년까지의 자료를 학습자료로 사용하였으며, 2020년의 자료를 예측 및 검증자료로 사용하였다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2007년도 동계학술대회
• /
• pp.181-187
• /
• 2007

미래의 지식기반사회를 준비하기 위한 컴퓨터 교육이 나아가야할 방향은 컴퓨터 과학교육의 강조이며 또한 컴퓨터 과학교육은 프로그래밍과 알고리즘 등의 내용을 학습하고 이를 통해 컴퓨터의 기본 원리와 논리적인 사고력을 배양해야 한다는 많은 연구가 있었다. 이에 본 논문에서는 컴퓨터 과학교육의 중요한 한 부분인 알고리즘을 초등 컴퓨터 교육에 적용하여 학습자가 컴퓨터 알고리즘과 알고리즘의 과정을 이해하고 더 나아가 자신만의 알고리즘을 개발하는 과정을 통해 알고리즘적 사고능력을 기를 수 있도록 학습내용을 선정, 조직하여 적용하였다. 인지발달이 구체적 조작기에 머물고 있는 학습자들의 인지수준을 고려하여 문제해결학습모형을 기반으로 하여 구체적 조작활동이 포함된 교수-학습 모형을 구안해 적용해보았다.

• 컴퓨터교육학회논문지
• /
• 제9권5호
• /
• pp.41-51
• /
• 2006

본 연구에서는 중학교에서 학습해야 할 알고리즘 분야의 학년별 학습 요소 선정의 타당성을 확보하고, 인접 교과와의 연계성을 분석하여 관련된 증거와 정보를 수집하여 연계 요소를 조정함으로써 알고리즘 분야의 내적 위계를 정립하고, 교과 간에 발생한 수 있는 중복성 문제의 대안을 제시하고자 하였다. 학습 요소 선정의 타당성을 검토하기 위하여 4가지 준거를 구안하였으며, 이를 현재 학교 현장 적합성 검토를 위해 교육인적자원부 웹사이트에 탑재되어 있는 "중학교 컴퓨터 교육과정 개정 시안(초안)에 적용하였다. 또한 인접 교과와의 중복성 검토에서는 중학교 정보 교과의 '문제 해결방법과 절차' 영역과 초등학교 수학과의 '규칙성과 문제 해결' 영역의 내용 중복성이 심각한 것으로 나타났으며, '문제 해결 방법과 절차' 영역의 내용체계는 인접 교과와의 차별화 전략이 필요한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1142-1146
• /
• 2008

토양수분은 지표수의 유출과정을 설명하는 과정에서 중요인자이며, 생태수문학의 핵심변수이자 기상모형의 결정적인 입력변수이다. 또한 토양수분의 공간적 시간적 특징들은 강우 및 지하수와 토양수분간의 순환 구조를 규명하는데 매우 중요하다. 본 연구에서는 산지사면의 토양수분을 체계적으로 측정하는데 필요한 시스템의 구축을 위한 기초조사 및 사전분석에 대한 연구를 수행하였다. 우수한 토양 수분 측정 장비인 TDR 장비 매설에 앞서 대상유역 선정에 대한 여러 가지 고려사항을 검토하고 수치지형 분석 등을 통한 사전분석을 실시하였다. 대상유역을 선정하기 위해서는 대상유역의 자료획득의 용이함, 지정학적, 시스템 운영적 측면에서의 가용성, 그리고 정밀측량 및 부수적요인 등 여러 요소의 고려가 요구된다. 본 연구에서는 경기도 파주시 적성면 설마리의 설마천 유역내 감악산 범륜사 우측 산지 사면을 측정대상 사면으로, 지정학적 위치, 식생분포, 지질구조 및 심도 등의 토양특성의 고려를 통해서 선정하였다. 또한 대상 사면에 흐름 발생 및 분포를 계산하기 위해서 대상사면의 지표 및 기반암 표고를 정밀 측량하였으며, 기반암 또는 풍화대까지의 깊이를 실측하여 지표면 및 지하면의 수치지형 모형을 구축하였다. 이를 대상사면 및 지하면에 대하여 표고수치지형모형(Digital Elevation Model:DEM)으로 도식한 후 흐름 발생 공간 분포를 계산하였다. 흐름발생공간분포예측은 단방향 알고리즘, 다방향 알고리즘, 흐름 분배 알고리즘 그리고 다중무한방향 알고리즘을 사용하여 지형인자인 기여사면적과 지형습윤지수를 계산하였다. 각 분배알고리즘의 의해 도출된 지형인자들로 인한 흐름발생 공간적 분포특성을 비교하였다. 이는 합리적인 토양수분 측정시스템을 구축하는데 중요한 의사결정 수단으로 판단된다.

• 한국수자원학회논문집
• /
• 제36권2호
• /
• pp.263-271
• /
• 2003

습윤지수는 TOPMODEL, THALES 등의 수문모형에서 유역수문과정을 기술하는 지표로서 사용되며, 습윤지수의 계산방법과 한계성에 대한 많은 연구가 보고되고 있다. 임의유역에 대한 습윤지수 분포함수는 사용되어지는 흐름분배 알고리즘에 의존하게 되므로, 적절한 알고리즘의 선정과 알고리즘간의 비교가 필요하다. 본 연구에서는 엔트로피 개념을 이용하여 수치고도모형내의 정보가 각 흐름분배 알고리즘에 의해 습윤지수 분포함수로 도출되는 과정에서, 각 흐름분배 알고리즘에 따른 정보이동량을 해석하고 실측된 지표토양수분과의 상관성 검토를 통한 기존흐름분배 알고리즘들의 고찰을 시도하였다. Holmgren의 구배멱급수 알고리즘과 SDFAA 알고리즘은 습윤지수의 정보량 최대화를 위해 가장 적절한 알고리즘으로 판명되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권4호
• /
• pp.516-524
• /
• 2004

본 논문에서는 K-means 또는 Fuzzy-c-means 알고리즘에서 클러스터의 중심점을 찾는 과정 중 임의로 선택되는 초기값 선정의 문제를 해결하고, 기존의 단점을 보완하는 새로운 방안으로서 데이터의 분포의 통계적 특성에 따른 초기값 선정 방법을 제안하였다. 기존의 초기값 선정 방법은 초기값에 따라 클러스터링이 매우 민감한 변화를 가져와, 최종적으로 종종 원치 않는 방향으로 가는 문제점을 갖고 있다. 이러한 초기값 선정의 문제가 인지되어 왔지만, 그 문제의 해결방안이 실제적으로 모색된 경우는 없었다. 본 논문에서는 데이타의 통계적 특성을 이용한 초기값 선정 방법을 적용하여, 클러스터링이 형성되는 시간의 단축 및 원치 않는 결과가 생성되는 경우를 약화시켜 시스템의 향상을 가져왔고, 이러한 제안된 알고리즘의 우수성을 기존의 알고리즘과 비교를 통하여 나타내었다.

• 한국정보처리학회논문지
• /
• 제3권3호
• /
• pp.439-448
• /
• 1996

형태 인식에서 유익한 특징정보의 선정 및 추출이 대단히 중요한 역할을 한다. 본 논문은 유익한 특징정보의 선정과 신경망의 학습을 동시에 수행할 수 있는 알고리 즘을 기술한다. 알고리즘은 근본적으로 반복적으로 수행되는 세 단계로 구성되어 있는데, 이들은 학습, 연결자 제거, 그리고 입력 신경세포 제거이다. 초기 학습을 실행한후, 먼저 적은 절대값을 갖는 연결자들이 제거 된다. 그런 후, 내부 계층 신경 세포들과 은 숫자의 결자들을 갖는 입력 신경세포들이 제거된다. 이 과정은 제거된 입력 신경세포들에 상응하는 특징정보들을 제외시키는 것과 동일하다. 만약, 에러값이 증가 하면, 연결자 제거 및 입력 신경세포 제거 과정의 반복으로 구성된 신경망의 재학습을 실행한다. 그 결과, 알고리즘은 다른 공간계로의 변환없이 특징정보 추출 공간내에서 중요한 특징들을 선정하게 된다. 또한, 즉징정보 선정인 형태 분류 관점에서의 성능과 긴밀하게 연결되어 수행되므로, 선정 된 특징정보들은 형태 분류에 가장 좋은 정보를 제공한다. 이 알고리즘은 불필요 또는 그다지 중요하지 않은 정보의 추출로 인한 경제 적 손실을 피할수 있게 한다. 더구나, 마지막에 얻어진 신경망은 인식 성능에 저해 요인이 될 수있는 불필요한 파라미터들, 즉 가중 연결자 및 바이어스를 포함하지 않는다. 응용결과,, 본 알고리즘은 가장 좋은 정보를 갖는 특징들만을 남기며, 성능 저하를 일으 키지 않으면서도 특징 벡터의 차원을 현저하게 줄였다.