• 문화기술의 융합
• /
• 제10권6호
• /
• pp.533-544
• /
• 2024

본 연구는 러시아의 재귀통제와 중국의 삼전(三戰) 전략을 바탕으로 북한의 대남 인지전 수행 능력을 분석하고 그에 따른 시사점을 도출하는 것을 목적으로 한다. 인지전은 적의 인지 과정에 영향을 미쳐 의사결정을 왜곡시키는 새로운 형태의 전쟁으로, 최근 국제 분쟁에서 그 중요성이 부각되고 있다. 연구 결과, 북한은 러시아와 중국의 인지전 전략을 모방하여 사이버 공격, 심리전, 허위정보 유포 등 다양한 수단을 통해 대남 인지전을 수행할 능력과 의도가 있는 것으로 분석되었다. 이에 대한 대응방안으로 국가 차원의 전담조직 신설, 정보 수집 및 분석 강화, 국민 대상 교육 확대, 적극적 대응 전략 수립, 국제 협력 강화 등이 제시되었다. 본 연구는 북한의 인지전 위협에 대한 인식을 제고하고, 이에 대한 체계적인 대비의 필요성을 강조했다는 점에서 의의가 있다. 향후 더욱 구체적인 대응 방안 연구와 관련 정책 수립이 요구된다.

• 정보처리학회논문지A
• /
• 제9A권2호
• /
• pp.249-258
• /
• 2002

처리기를 여러 개 장착한 다중처리기 시스템의 근본 목적은 적은 비용으로 많은 성능 향상을 얻자는 데에 있다. 그러나 다중처리기 시스템을 충분히 활용하기 위해서는 병렬처리를 지원하는 특별한 언어를 사용하거나 병렬성을 탐색하는 도구의 도움을 얻어야 하는 경우가 대부분이다. 일반적으로 알고리즘에서 병렬화에 적합한 대표적인 영역으로 루프와 재귀호출 등이 알려져 있다. 이 중 재귀호출은 특별한 도구나 언어의 지원 없이 개념적인 측면에서 비교적 쉽게 병렬화 시킬 수 있다. 그러나 재귀호출이 깊어지면 통제되지 않은 병렬성이 과도하게 높아져 오히려 수행불능 상태가 되고 만다. 본 논문은 POSIX스레드를 이용하여 재귀호출로 구성된 알고리즘을 병렬화시키는 과정에서 병렬성을 제어하는 방안을 제시한다. 이를 위하여 유닉스 시스템에서 프로세스와 스레드의 개념을 정립하고, 제안된 병렬성 제어 방안을 퀵 정렬에 적용한 결과를 실증적으로 분석하여 그 효용성을 검증한다.

• 한국ITS학회 논문지
• /
• 제20권6호
• /
• pp.228-241
• /
• 2021

본 연구는 자율협력주행차량의 협력 인프라 중 하나인 도로표지판을 대상으로 LiDAR의 검지성능 변화를 알아보았다. 이를 위해서 색깔과 재질이 다른 도로표지판을 제작하여 실제도로 환경에서 강우량을 통제한 테스트를 수행하였다. 성능지표는 NPC와 Intensity로 선정하였고, 집단간의 비교는 T-Test를 활용하였다. 연구결과, 모든 재질에서 강수량이 증가할수록 LiDAR의 성능지표가 감소되는 결과가 관측되었다. 재귀반사지는 강수량 증가에 따른 성능지표 감소가 페인트 도색에 비해선 작았지만, 이 역시 40mm이상의 강수량에서는 데이터의 관측이 되지 않을 정도로 성능이 저하되었다. 검은색 페인트는 맑은 날에도 다른 색들에 비하여 성능지표가 낮았으며 특히, 백색의 재귀반사지는 성능지표가 강수량 증가에 가장 민감하게 저하되었다. 이러한 성능검증 결과는 향후 센서의 시인성을 제고하는 도로시설물 제작에 활용될 것으로 기대된다.

• 한국전자통신학회논문지
• /
• 제15권4호
• /
• pp.725-732
• /
• 2020

본 논문은 소외계층 아동의 운동학습프로그램에서 체력 활동 중 나를 잘 따른다(0-9), 마음의 결정을 내리는데 많은 시간이 걸린다(0-9), 맥빠진(0-9) 등을 변수로 사용하여 '성별', '체육교실', 나이의 '상중하'를 분류하고 스포츠 재활치료를 통한 자아 탄력(ego-resiliency)과 자아 통제(self-control)의 변화를 관찰하여 정신 건강 변화를 알아본다. 이를 위해 취득한 데이터를 병합하고 Label encoder와 One-hot encoding을 사용하여 숫자의 크고 작음의 특성을 제거한 후 MLP, SVM, Dicesion tree, RNN, LSTM의 각각의 알고리즘을 적용하여 성능을 평가하기 위해 Train, Test 데이터를 75%, 25% 스플릿 한 뒤 Train 데이터로 알고리즘을 학습하고 Test 데이터로 알고리즘의 정확성을 측정한다. 측정 결과 성별에서는 LSTM, 체육 교실은 MLP와 LSTM, 나이는 SVM이 가장 우수한 결과를 보임을 확인하였다.

• 한국ITS학회 논문지
• /
• 제23권5호
• /
• pp.186-198
• /
• 2024

LiDAR는 자율주행차에서 활용되는 핵심적인 센서로서, 3D 정보를 생성할 수 있고 다양한 환경요인에 비교적 강건하다는 점에서 활용 범위가 늘어나고 있다. 다만 LiDAR는 원리 상 강우 시 빗방울에 의한 신호감쇠 및 산란현상으로 인해 성능이 일정 부분 저하되는 것으로 알려져 있으며, 이에 LiDAR를 활용한 도로환경 검지 및 활용에 있어 강우에 따른 영향요인 분석이 필요하다. 본 연구에서는 강우 시 LiDAR의 성능 저하 요인이라 알려진 신호감쇠 및 산란의 영향에 대한 해석을 실측 데이터를 기반하여 진행한다. 강우량 통제가 가능한 실내 실험시설에서 고휘도 재귀반사시트지를 활용한 시설물을 활용하여 데이터를 취득하고, 이를 신호감쇠 및 산란의 관점에서 해석하여 강우 시 LiDAR 성능 저하를 정량적으로 확인한다. 점군분포도와 성능지표 분석결과, 비로 인한 신호감쇠와 산란의 영향으로 LiDAR의 성능은 저하된다. 세부적으로 정량 성능지표 분석결과는 LiDAR는 비로 인한 신호감쇠 효과로 주로 Intensity가 감소하며, 신호산란 효과로 NPC와 Intensity가 감소하고, 측정거리 오차가 커졌다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.77-97
• /
• 2010

매매시점결정은 금융시장에서 초과수익을 얻기 위해 사용되는 투자전략이다. 일반적으로, 매매시점 결정은 거래를 통한 초과수익을 얻기 위해 언제 매매할 것인지를 결정하는 것을 의미한다. 몇몇 연구자들은 러프집합분석이 매매시점결정에 적합한 도구라고 주장하였는데, 그 이유는 이 분석방법이 통제함수를 이용하여 시장의 패턴이 불확실할 때에는 거래를 위한 신호를 생성하지 않는다는 점 때문이었다. 러프집합은 분석을 위해 범주형 데이터만을 이용하므로, 분석에 사용되는 데이터는 연속형의 수치값을 이산화하여야 한다. 이산화란 연속형 수치값의 범주화 구간을 결정하기 위한 적절한 "경계값"을 찾는 것이다. 각각의 구간 내에서의 모든 값은 같은 값으로 변환된다. 일반적으로, 러프집합 분석에서의 데이터 이산화 방법은 등분위 이산화, 전문가 지식에 의한 이산화, 최소 엔트로피 기준 이산화, Na$\ddot{i}$ve and Boolean reasoning 이산화 등의 네 가지로 구분된다. 등분위 이산화는 구간의 수를 고정하고 각 변수의 히스토그램을 확인한 후, 각각의 구간에 같은 숫자의 표본이 배정되도록 경계값을 결정한다. 전문가 지식에 의한 이산화는 전문가와의 인터뷰 또는 선행연구 조사를 통해 얻어진 해당 분야 전문가의 지식에 따라 경계값을 정한다. 최소 엔트로피 기준 이산화는 각 범주의 엔트로피 측정값이 최적화 되도록 각 변수의 값을 재귀분할 하는 방식으로 알고리즘을 진행한다. Na$\ddot{i}$ve and Boolean reasoning 이산화는 Na$\ddot{i}$ve scaling 후에 그로 인해 분할된 범주값을 Boolean reasoning 방법으로 종속변수 값에 대해 최적화된 이산화 경계값을 구하는 방법이다. 비록 러프집합분석이 매매시점결정에 유망할 것으로 판단되지만, 러프집합분석을 이용한 거래를 통한 성과에 미치는 여러 이산화 방법의 효과에 대한 연구는 거의 이루어지지 않았다. 본 연구에서는 러프집합분석을 이용한 주식시장 매매시점결정 모형을 구성함에 있어서 다양한 이산화 방법론을 비교할 것이다. 연구에 사용된 데이터는 1996년 5월부터 1998년 10월까지의 KOSPI 200데이터이다. KOSPI 200은 한국 주식시장에서 최초의 파생상품인 KOSPI 200 선물의 기저 지수이다. KOSPI 200은 제조업, 건설업, 통신업, 전기와 가스업, 유통과 서비스업, 금융업 등에서 유동성과 해당 산업 내의 위상 등을 기준으로 선택된 200개 주식으로 구성된 시장가치 가중지수이다. 표본의 총 개수는 660거래일이다. 또한, 본 연구에서는 유명한 기술적 지표를 독립변수로 사용한다. 실험 결과, 학습용 표본에서는 Na$\ddot{i}$ve and Boolean reasoning 이산화 방법이 가장 수익성이 높았으나, 검증용 표본에서는 전문가 지식에 의한 이산화가 가장 수익성이 높은 방법이었다. 또한, 전문가 지식에 의한 이산화가 학습용과 검증용 데이터 모두에서 안정적인 성과를 나타내었다. 본 연구에서는 러프집합분석과 의사결정 나무분석의 비교도 수행하였으며, 의사결정나무분석은 C4.5를 이용하였다. 실험결과, 전문가 지식에 의한 이산화를 이용한 러프집합분석이 C4.5보다 수익성이 높은 매매규칙을 생성하는 것으로 나타났다.