• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권7_8호
• /
• pp.649-658
• /
• 2003

본 연구에서는 ART2 신경회로망의 성능을 개선하기 위한 계층적 구조를 제안하고, 구성된 클러스터에 대하여 적합도(fitness) 선택을 통한 빠르고 효과적인 패턴 분류 모델(HART2)을 제안한다. 본 논문에서 제안하는 신경회로망은 비지도 학습을 통하여 대략적으로 1차 클러스터를 형성하고, 이 각각의 1차 클러스터로 분류된 패턴에 대해 지도학습을 통한 2군 클러스터를 생성하여 패턴을 분류하는 계층적 신경회로망이다. 이 신경회로망을 이용한 패턴분류 과정은 먼저 입력패턴을 1차 클러스터와 비교하여 유사한 몇 개의 1차 클러스터를 적합도에 따라 선택한다. 이때, 입력패턴과 클러스터들간의 상대 측정 거리비에 기반한 적합도 함수를 도입하여 1차 클러스터에 연결된 클러스터들을 Pruning 함으로써 계층적인 네트워크에서의 속도 향상과 정확성을 추구하였다. 마지막으로 입력패턴과 선택된 1차 클러스터에 연결된 2차 클러스터와의 비교를 통해 최종적으로 패턴을 분류하게 된다. 본 논문의 효율성을 검증하기 위하여 22종의 한글 및 영어 글꼴에 대한 숫자 데이타를 다양한 형태로 변형시켜 확장된 테스트 패턴에 대하여 실험해 본 결과 제안된 신경회로망의 패턴 분류 능력의 우수함을 증명하였다

• 한국정보과학회논문지:시스템및이론
• /
• 제27권3호
• /
• pp.324-336
• /
• 2000

본 논문에서는 디스크 입출력 시스템의 성능을 향상시키기 위한 효율적인 버퍼 관리 기법을 제시한다. 본 기법은 사용자 수준의 정보 없이 블록의 속성과 미래 참조 거리간의 관계를 기반으로 각 응용의 블록 참조 패턴을 자동으로 발견하고, 발견된 참조 패턴에 적합한 최적 블록 교체 기법을 적용한다. 또한, 응용이 참조하는 블록이 버퍼 캐쉬에 없어 새로운 버퍼 블록이 요구될 때, 응용별로 블록 참조 패턴에 따라 버퍼 예상 적중률을 분석하여 이를 기반으로 전체 버퍼 캐쉬의 적중률이 극대화되도록 해 주는 버퍼 할당 기법을 제안한다. 이러한 모든 과정은 시스템 수준에서 자동으로 그리고 온라인으로 수행된다. 제시한 기법의 성능을 평가하기 위해 블록 참조 트레이스를 이용해 모의 실험을 수행하였다. 실험 결과 제시한 기법은 적은 오버헤드로 기존의 블록 교체 기법들보다 캐쉬 블록의 적중률을 크게 향상시켜 주었다.

• 정보처리학회논문지D
• /
• 제11D권5호
• /
• pp.1177-1188
• /
• 2004

멀티 에이전트 시스템은 분산 환경에서 독립된 소프트웨어 개체들의 지능형 협력 작업을 지원하기 위해 개발되었으며 많은 응용 환경에서 사용되어지고 있다. 멀티 에이전트 시스템의 협력을 위해서는 에이전트간에 미리 협의된 형태의 프로토콜인 대화 정책(Conversation Policy; Interaction Protocol)이 사용된다. 현재의 동적인 인터넷 전자시장 환경에서는 거래의 형태가 변화함에 따라 대화 정책이 자주 바뀔 수 있으며 따라서 Ad Hoc한 형태의 대화 정책의 중요성이 커지고 있다. 기존의 에이전트 플랫폼은 몇 개의 표준 혹은 미리 정해진 대화 정책만을 허용함으로써 Ad Hoc한 대화 정책에 대해서는 에이전트 시스템을 일부 새로 구현해주어야 하는 번거로움과 비효율성이 존재한다. 본 연구에서는 그러한 Ad Hoc한 대화 정책을 지원하는 에이전트 플랫폼을 설계하며 그 프로토타입 시스템을 제시한다. 제시된 시스템은 교환 및 해석을 위한 대화 정책 모델, 새로운 대화 정책을 처리하기 위한 메타 대화 처리 부분, 그리고 대화 정책을 런타임시에 교환하고 해석하여 실제 에이전트들이 적응성 있는 상거래 및 협력을 할 수 있도록 하는 메커니즘을 포함한다.

• 응용통계연구
• /
• 제24권5호
• /
• pp.963-977
• /
• 2011

다변량 자료를 분석함에 있어 자료의 차원을 축소하는데 활용되는 중요한 툴 중 하나인 PCA 분석(주성분 분석, Principal Component Analysis)을 실시간으로 처리해야 하는 적용 분야가 최근 늘고 있다. PCA 분석에서는 표본 공분산 행렬의 고유값과 고유벡터를 도출하는 것이 관건인데, 자료의 양이 방대하며 고차원인 경우 이를 실시간으로 수행하기에는 어려움이 따른다. 이러한 문제점을 해결하기 위해서 Erdogmus 등 (2004)는 일차 섭동 이론(first order perturbation theory)을 활용하여 공분산 행렬의 고유값과 고유벡터를 추정하는 Recursive PCA 방법을 제안했다. 이 방법은 추가된 자료의 양이 많지 않은 경우는 상당히 정확하지만, 추가된 자료의 양이 많아짐에 따라 오차도 커진다는 한계를 가지고 있다. 본 논문은 공분산 행렬의 고유값과 고유벡터가 가지고 있는 수학적 관계를 이용하여 Erdogmus 등 (2004)가 제안한 Recursive PCA 방법을 수정한 Modi ed Recursive PCA 방법을 제안하다. 또한, 모의 실험을 통해 Recursive PCA 방법과 Modi ed Recursive PCA 방법에서의 고유값과 고유벡터 추정값의 정확도를 비교해 보았으며 그 결과 기존 Recursive PCA 방법 보다 정확한 추정이 가능함을 확인할 수 있었다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2001년도 The Seoul International Simulation Conference
• /
• pp.321-324
• /
• 2001

The robot soccer simulation game is a dynamic multi-agent environment. In this paper we suggest a new reinforcement learning approach to each agent's dynamic positioning in such dynamic environment. Reinforcement Beaming is the machine learning in which an agent learns from indirect, delayed reward an optimal policy to choose sequences of actions that produce the greatest cumulative reward. Therefore the reinforcement loaming is different from supervised teaming in the sense that there is no presentation of input-output pairs as training examples. Furthermore, model-free reinforcement loaming algorithms like Q-learning do not require defining or loaming any models of the surrounding environment. Nevertheless it can learn the optimal policy if the agent can visit every state-action pair infinitely. However, the biggest problem of monolithic reinforcement learning is that its straightforward applications do not successfully scale up to more complex environments due to the intractable large space of states. In order to address this problem, we suggest Adaptive Mediation-based Modular Q-Learning(AMMQL) as an improvement of the existing Modular Q-Learning(MQL). While simple modular Q-learning combines the results from each learning module in a fixed way, AMMQL combines them in a more flexible way by assigning different weight to each module according to its contribution to rewards. Therefore in addition to resolving the problem of large state space effectively, AMMQL can show higher adaptability to environmental changes than pure MQL. This paper introduces the concept of AMMQL and presents details of its application into dynamic positioning of robot soccer agents.

• 전자공학회논문지
• /
• 제51권5호
• /
• pp.51-57
• /
• 2014

본 논문에서는 M-ary 홀로그래픽 데이터 저장장치에 적용 가능한 진화 연산 알고리즘 기반 적응적 문턱치 검출 기법을 제안한다. 전통적으로 유전 알고리즘은 생명체의 유전자 진화과정에 근간하여 최적 혹은 준최적 문제와 데이터 추정을 위해 사용되는 매우 유용한 기법이다. 본 연구에서는 픽셀 어긋남이 심화되는 2차원 홀로그래픽 채널 환경에서 데이터의 검출 성능을 향상시키기 위해서, 각 데이터 검출 영역의 문턱 값(threshold value)을 유전 알고리즘의 인구 집합(population set)의 해로 간주하여 비트 검출 영역을 적응적으로 선택하는 방법을 제안한다. 제안하는 기법의 성능을 평가하기 위해 픽셀 어긋남 현상이 심화된 4-ary 멀티레벨 입력의 홀로그래픽 채널 환경을 고려하고 모의실험을 수행하여 진화 연산의 세대수에 따른 비트오율 성능을 측정한다. 성능평가를 통해 기존의 비트 검출 기법과 비교함으로써 제안 기법의 우수성을 확인하였다.

• 전자공학회논문지
• /
• 제54권8호
• /
• pp.3-11
• /
• 2017

저전력 블루투스(BLE) 기술을 IoT(Internet of Things) 응용에 적용하는 연구 개발이 이루어지고 있다. 이러한 응용 환경의 특징은 동일 공간에 많은 피코넷이 동작할 수 있다는 것이다. 따라서 동종 네트워크 간 간섭이 발생할 가능성이 크다. BLE 데이터 채널에서는 37 개의 주파수 채널 중에서 적응 주파수도약(AFH) 방식을 적용하여 주파수를 변경하면서 마스터와 슬레이브가 통신을 한다. 같은 공간에 다수의 BLE 피코넷이 동작하면 주파수 충돌이 발생할 위험이 있으며, 이로 인해 패킷오류가 발생한다. 본 논문에서는 동기가 맞추어지지 않은 다수의 BLE 피코넷 환경에서 데이터 채널에 대해 동일 주파수채널 간섭으로 인한 패킷충돌 확률을 분석하였다. Connection 주기 대 connection 이벤트 길이의 비율을 주요 파라미터로 하여 동시에 작동하는 BLE 피코넷의 수에 따른 패킷충돌 확률을 분석하였다. 분석 결과는 주어진 공간에서 BLE 기기를 소지한 사용자 수에 따라 원하는 패킷충돌 확률을 위한 connection 이벤트 관련 파라미터의 설정에 활용할 수 있다.

• 대한임베디드공학회논문지
• /
• 제7권4호
• /
• pp.163-172
• /
• 2012

A driver assistance system is critical to improve a convenience and stability of vehicle driving. Several systems have been already commercialized such as adaptive cruise control system and forward collision warning system. Efficient vehicle detection is very important to improve such driver assistance systems. Most existing vehicle detection systems are based on a radar system, which measures distance between a host and leading (or oncoming) vehicles under various weather conditions. However, it requires high deployment cost and complexity overload when there are many vehicles. A camera based vehicle detection technique is also good alternative method because of low cost and simple implementation. In general, night time vehicle detection is more complicated than day time vehicle detection, because it is much more difficult to distinguish the vehicle's features such as outline and color under the dim environment. This paper proposes a method to detect vehicles at night time using analysis of a captured color space with reduction of reflection and other light sources in images. Four colors spaces, namely RGB, YCbCr, normalized RGB and Ruta-RGB, are compared each other and evaluated. A suboptimal threshold value is determined by Otsu algorithm and applied to extract candidates of taillights of leading vehicles. Statistical features such as mean, variance, skewness, kurtosis, and entropy are extracted from the candidate regions and used as feature vector for SVM(Support Vector Machine) classifier. According to our simulation results, the proposed statistical feature based SVM provides relatively high performances of leading vehicle detection with various distances in variable nighttime environments.

• 한국컴퓨터정보학회논문지
• /
• 제10권5호
• /
• pp.141-150
• /
• 2005

무선 센서 네트워크는 센서 테크놀로지의 발전으로 인하여 급속히 개발되고 있으며, 여러 분야에서 다양하게 응용될 것으로 예측된다. 무선 센서 네트워크에서 가장 중요한 요소는 네트워크를 에너지 효율적으로 운용하는 것이다. 이러한 목적을 충족시키기 위해 여러 라우팅 프로토콜이 제시되었다. 그러나 기존의 연구들은 모든 센서 노드들이 센싱 데이터를 갖고 있다는 이상적인 상황을 가정하고 있다. 본 논문에서는 일부 센서 노드들만이 데이터를 갖고 있는 센서 네트워크 상에서 클러스터 헤드를 선정하는 센싱 인지 클러스터 선정 알고리즘을 LEACH-C 기반으로 설계 및 구현하였다. 또한 제안된 알고리즘을 여러 네트워크 상황에서 시뮬레이션하여 센싱 인지 기법이 가장 효율적인 네트워크 상황을 분석하였다. 시뮬레이션 결과에서 데이터를 센싱한 노드군(群)을 중심으로 클러스터 헤드를 선정하는 것이 가장 효율적임을 알 수 있었으며, 일부 센서들만이 데이터를 갖고 있는 경우에는 센싱 인지 개념을 클러스터 헤드 선정에 적용하는 것이 중요하다는 점을 보여주었다.

• 한국정보통신학회논문지
• /
• 제16권8호
• /
• pp.1675-1685
• /
• 2012

분산 비디오 부호화 기법(DVC)은 매우 낮은 복잡도를 갖는 비디오 부호화기를 제공하는데 중요한 역할을 담당하고 있다. 그러나 우수한 비트율-왜곡 성능을 얻기 위해 기존의 대부분의 DVC 기법은 피드백 채널을 통해 패리티 비트 제어를 수행하고 있으며, 이것은 비디오 복호화에 있어 많은 시간을 초래하여 실시간 구현을 위해 꼭 극복해야 할 문제점으로 남아 있다. 이러한 문제점을 해결하고 상업화를 촉진하기 위해, 본 논문에서는 LDPCA 프레임 크기가 복호화 지연 및 전체적인 부호화 성능에 미치는 영향을 분석한다. 먼저 화소 영역 위너-지브 부호화 기법에서 각 비디오 프레임을 일정한 크기의 LDPCA 프레임으로 분할하고, 분할된 LDPCA 프레임별로 시간적 상관성을 이용한 예측 방식과 공간적 상관성을 갖는 예측 방식에 따른 성능을 비교 분석한다. 모의실험을 통하여, 현재 가장 많이 연구되고 있는 QCIF크기의 영상에 대해서는 LDPCA 프레임 크기가 3168크기일 때, 가장 우수한 부호화 성능 및 고속화에 유리함을 보인다.