• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.458-461
• /
• 2021

유동인구 예측은 상권의 특성에 따른 점포의 입지 선정 및 고객 맞춤형 마케팅 등 민간 분야에서부터 교통망 등 사회 간접 자본 설계를 위한 공공 분야에 이르기까지 다양한 목적으로 연구되어 왔으며, 최근에는 Covid-19 의 확산에 따라 그 중요도가 더욱 높아지고 있다. 보다 정교한 예측을 위해서는 전체적인 유동 인구 뿐만 아니라 특성 별로 세분화된 하위 그룹에 대해서도 정확한 예측이 요구되나, 기존의 예측 모델들은 이러한 데이터의 계층 구조를 고려하지 않았다. 본 연구에서는 세분화된 하위 그룹 별 유동인구의 예측 정확도를 높이기 위해 전체 유동인구의 패턴을 동시에 활용하는 Global-Local 구조 기반의 Deep Learning 유동인구 분석 모델을 제안한다. 실험 결과 단일 시계열 데이터만을 사용하는 경우 대비 5.4%~52.6%의 예측 오류 감소 효과가 있음을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권9호
• /
• pp.369-374
• /
• 2014

무인 자율주행 차량에서의 경로 생성 기법은 차량이 자동적으로 안전하고 효율적인 경로를 생성하고 주행할 수 있도록 해 준다. 경로에는 크게 전역경로와 지역경로가 있다. 전역경로는 차량이 출발점으로부터 도착점까지 가기 위해 주행해야 하는 구간을, 지역경로는 전역경로에서 얻은 구간을 주행하기 위해서 차량이 실제로 주행해야 할 경로를 의미한다. 본 논문에서는 지역경로 생성을 위하여 효율성 높은 곡선 함수를 사용하는 기존연구에서 더 나아가 학습을 통해 경로를 생성하는 방법을 제안한다. 먼저 강화학습을 통해서 후보경로에 대한 예측 보상 값을 얻고 보상 값이 최고가 되는 경로를 찾는 작업을 한다. 또한 인공 신경망을 통해서는 생성된 경로에 최적화된 조향 명령을 주기 위해 조향 각을 학습하는 작업을 한다. 더 나아가 주행하는 경로에 장애물이 발견되더라도 이를 효율적으로 회피하는 최적의 경로를 학습 기법을 통해 만들어낸다. 본 논문에서 제안된 알고리즘의 우수성은 실제 주행 환경으로 모델링한 시뮬레이션 실험을 통해 검증되었다.

• 한국지역지리학회지
• /
• 제16권5호
• /
• pp.572-589
• /
• 2010

본 연구는 평생학습사회의 도래와 함께 국내의 많은 도시들이 평생학습도시를 표방하고 있는 시점에서 지역지리 지식을 중심으로 지역학습 프로그램을 구안하고 그것을 현장에 적용하는 과정을 밝히려한 것이다. 연구의 주요 결과는 다음과 같다; 첫째, 평생학습사회의 지역학습 프로그램의 구성은 학습자, 교수자, 지역의 특징적인 맥락을 중심으로 상황학습론적 접근이 가장 바람직하다. 또한 학습동아리 구성과 같은 지역인적자원의 적극적인 양성과 이들의 참여를 통한 지역사회봉사학습(SERVICE-LEARNING)이 교수법으로 효과적이다. 둘째, 연구자가 직접 구성하고 참여한 지역학습 프로그램인 '지리 탐방대'를 통한 현장중심 체험학습의 결과, 대부분 참가자들이 지역과 지역정체성에 대한 인식 전환이 일어났다. 셋째, 평생학습사회에서 지리교육의 대중화를 위해 지리교사를 비롯하여 지역전문가들의 보다 적극적인 참여가 요구되었다. 현실적으로 지역을 종합적으로 가르칠 수 있는 인적 자원이 부족한 상황에서 지역전문가들의 역할이 긴요하였다. 이후 지역 특성에 맞는 지역학습 프로그램의 개발과 실생활에 적용이 이어진다면 지리교육은 평생학습사회에서 안정적인 토대가 될 것이다.

• 전자공학회논문지B
• /
• 제31B권11호
• /
• pp.151-162
• /
• 1994

다차원 시스템(multidimensional system)에 대한 정확한 모델링을 위해 “자율 분산 신경망(Self-organized Distirbuted Networks, SODN)”을 제안하였다. 제안한 신경망은 자율 신경망(Self-organized Networks)과 다수의 소규모 다층 신경망(Multilayer Neural Networks)이 조합되어 지역적 병렬 학습을 수행하는 부분 학습망으로서 학습 속도가 빠르고 학습의 정밀도를 높일 수 있으며 타 부분망 학습에서 문제가 되는 과다한 학습 메모리 소요와 학습되니 않은 영역에 대한 낮은 일반화능력 등의 문제가 보완된 새로운 신경망이다. 학습 실험 결과, 제안한 신경망은 기존의 다층 신경망과 RBF(Radial Basis Function) 신경망에 비해서 우수한 성능을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권9호
• /
• pp.4429-4447
• /
• 2018

Local binary descriptors are well-suited for many real-time and/or large-scale computer vision applications, while their low computational complexity is usually accompanied by the limitation of performance. In this paper, we propose a new optimization framework, RLDB (Robust-LDB), to improve a typical region-based binary descriptor LDB (local difference binary) and maintain its computational simplicity. RLDB extends the multi-feature strategy of LDB and applies a more complete region-comparing configuration. A cascade bit selection method is utilized to select the more representative patterns from massive comparison pairs and an online learning strategy further optimizes descriptor for each specific patch separately. They both incorporate LDP (linear discriminant projections) principle to jointly guarantee the robustness and distinctiveness of the features from various scales. Experimental results demonstrate that this integrated learning framework significantly enhances LDB. The improved descriptor achieves a performance comparable to floating-point descriptors on many benchmarks and retains a high computing speed similar to most binary descriptors, which better satisfies the demands of applications.

• 한국정밀공학회지
• /
• 제12권6호
• /
• pp.120-127
• /
• 1995

A nonlinear empirical state-space model of the Artificial Neural Network(ANN) has been developed. The nonlinear model structure incorporates characteristic, so as to enable identification of the transient response, as well as the steady-state response of a dynamic system. A hybrid feedfoward/feedback neural network, namely a Local Time Delayed Recurrent Multi-layer Perception(RMLP), is the model structure developed in this paper. RMLP is used to identify nonlinear dynamic system in an input/output sense. The feedfoward protion of the network architecture provides with the well-known curve fitting factor, while local recurrent and cross-talk connections provides the dynamics of the system. A dynamic learning algorithm is used to train the proposed network in a supervised manner. The derived dynamic learning algorithm exhibit a computationally desirable characteristic; both network sweep involved in the algorithm are performed forward, enhancing its parallel implementation. RMLP state-space and its associate learning algorithm is demonstrated through a simple examples. The simulation results are very encouraging.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권9호
• /
• pp.669-680
• /
• 2001

유전자 알고리즘(GA:Genetic Algorithm)은 최적화 문제를 풀기 위해 생물학적 진화(evolution) 과정을 모방한 최적화 알고리즘이다. 유전자 알고리즘은 복잡한 상태 공간에서 최적 해를 찾기 위해 전통적인 최적화 기법과는 달리 유향적 임의 탐색을 행한다. 학습에 해당하는 국부 탐색(local search)을 유전적 알고리즘은 exploration 탐색과 exploitation 탐색의 균형을 유지시켜 줄 수 있는 한 방법이다. 모집단 내의 각 개체가 진화 과정 중에 학습한 유전적 특질들은 그 다음 세대에서 되물림 되며 이러한 학습(learning) 과정을 유전자 알고리즘과 결합시킴으로써 탐색 속도의 향상을 기대할 수 있다. 이 논문에서는 함수 최적화를 위해 속도를 개선한 셀룰러 학습을 기반으로 하는 유전자 알고리즘을 제안한다. 제안하는 셀룰러 학습 전략은 셀룰러 오토마타의 주기성과 수렴성을 기반으로 하며, 유기체가 그 개체의 생명 주기의 한 세대에서 얻게되는 지식과 경험들을 자손에게 전달한다는 이론을 바탕으로 한다. 제안한 셀룰러 학습 전략의 효율을 기존의 복합 유전자 알고리즘에서의 라마키안 진화 및 볼드윈 효과와 비교하였다. 다양한 테스트 베드 함수에 대한 실험을 통하여 셀룰러 학습에 의한 개체의 국부적 향상이 전체적인 성능 향상에 기여함을 알 수 있었고 제안한 학습 전략이 기존의 방법보다 더 빨리 전역 최적 해를 찾을 수 있음을 증명하였다.

• 한국도서관정보학회지
• /
• 제46권4호
• /
• pp.1-20
• /
• 2015

이 연구는 문화기반시설인 공공도서관의 지역문화발전 기여전략을 제시하는데 목적이 있다, 이를 위하여 먼저 공공도서관이 수행하는 업무와 지역문화발전의 상의적 수수관계를 바탕으로 기여도를 평가하고 한계를 적시하였다. 이어 공공도서관과 밀접한 지역문화를 지식문화, 독서문화, 학습문화, 대중문화, 여가문화로 구분하고 이들의 발전과 진흥을 위한 공공도서관의 기여전략(장서개발과 이용서비스 중심의 핵심역량 제고, 디지털 정보해득력 교육 지원기능 강화, 독서생활화를 위한 독서촉진과 저변확대, 평생학습(문화)프로그램 제공서비스의 최적화, 시설 공간의 개방화 및 친숙성 증대, 지역 유관기관과의 연계 협력사업 확대)을 제안하였다.

• 디지털융복합연구
• /
• 제18권2호
• /
• pp.261-268
• /
• 2020

기계학습은 주어진 디지털 신호 Data로부터 비용함수를 만들고, 그 비용함수를 최소화함으로 학습이 이루어진다. 비용함수는 디지털 신호 Data의 양과 인공신경망의 구조에 따라 비용함수에 부분 최솟값(local minimum)들이 생기게 된다. 비용함수의 부분 최솟값들은 학습을 방해하는 요소가 된다. 이러한 방법을 해결하는 여러 방법 중 우리의 제안 방법은 학습률(Step-size)을 변화시키는 방법이다. 학습률을 고정된 상수로 이용하는 기존의 방법과는 다르게 비용함수를 이용한 다변수함수를 이용함으로써 불필요한 기계학습이 이루어지는 것을 방지할 수 있으며, 최솟값으로 가는 최적의 길을 찾을 수 있다. 수치적 실험을 통하여 기존의 방법보다 우리가 제안하는 방법을 이용하여 약 3%(88.8%→91.5%)의 성능이 향상하는 결과를 얻었다.

• 대한토목학회논문집
• /
• 제38권1호
• /
• pp.141-148
• /
• 2018

최근 개인의 자아실현을 도모하고 삶의 질을 높여 도시 전체의 경쟁력을 향상시키고 도시와 도시 주민이 함께 성장 발전 할 수 있도록, 언제, 어디서나, 누구든 원하는 것을 배우고 즐길 수 있는 학습도시를 만들고자 하는 움직임이 활발해 지고 있다. 세계 많은 선진국들은 학교와 공공시설을 활용하여 학습도시를 만드는 프로젝트를 지원하고 있는데, 이를 통해 지역주민들에게 자기 성장의 기회를 제공하고, 지역사회의 문제를 해결하고자 하고 있다. 우리나라 역시 학교 유휴시설을 활용하여 다양한 프로그램을 제공하고 있지만, 지역 주민들을 대상으로 하는 교육 프로그램이나, 지역 공동체와의 파트너쉽에 의한 학습 프로그램 제공이 부족한 실정이다. 성공적인 학습도시 구현을 위해 공간적 소프트웨어적 전략이 필요한 때이다. 따라서 학습 가능한 시설의 공간 데이터를 체계적으로 정리하고, 현재의 문제점을 분석하여 다양하게 활용할 수 있는 방안을 모색하고자 한다. 또한 주민들이 필요로 하는 프로그램을 분석하여 실질적이고 효율적인 학습도시를 구현하고자 한다.