• 한국컴퓨터산업학회논문지
• /
• 제2권2호
• /
• pp.195-202
• /
• 2001

본 논문에서는 한국어 음소가 좌, 우 음소에 따라 발음 방식이 달라질 때 매 음소를 모델링 하는 방법에 관한 연구를 수행한다. 이를 위해 유니트 감소 알고리즘과 결정 트리(Decision Tree)를 사용하는 방법을 사용하여 비교 연구한다. 유니트 감소 알고리즘은 통계적 특성만을 이용한 알고리즘이며 결정 트리 모델링 방식은 한국어 음운정보와 통계적 정보를 이용하여 문맥종속 음소를 분류하는 방식이다. 특히 본 논문에서는 결정 트리를 사용하여 문맥종속 음소를 분류하는 것에 대하여 상세히 기술한다. 마지막으로 결정 트리를 사용하여 분류된 문맥종속 음소의 성능을 실험하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권7호
• /
• pp.3284-3306
• /
• 2018

This study proposes a method to develop an authoring system(GeoMaTree) for diverse trees that constitute a virtual landscape. The GeoMaTree system enables the simple, intuitive production of an efficient structure, and supports real-time processing. The core of the proposed system is a procedural modeling based on a mathematical model and an application that supports digital content creation on diverse platforms. The procedural modeling allows users to control the complex pattern of branch propagation through an intuitive process. The application is a multi-resolution 3D model that supports appropriate optimization for a tree structure. The application and a compatible function, with commercial tools for supporting the creation of realistic synthetic images and virtual landscapes, are implemented, and the proposed system is applied to a variety of 3D image content.

• 한국컴퓨터그래픽스학회논문지
• /
• 제23권5호
• /
• pp.29-38
• /
• 2017

본 논문은 나뭇가지 패턴을 의자의 골격에 임의로 합성하는(Tree-Inspired Chair) 모델링 기법을 제안한다. 여러 개의 입력모델을 합성하는 기존 기법과 다르게, 제안 기법은 하나의 메쉬만 사용하여, 사용자가 원하는 부분의 contour mesh로부터 나무 성장 시뮬레이션으로 생성된 패턴을 갖는 의자 모델링이 가능하다. 우리는 나뭇가지 패턴을 생성시킬 영역 contour mesh를 효율적으로 추출하기 위하여 새로운 기법을 제안한다. 우선, 입력된 모델의 face 면적에 기반한 contour mesh를 생성하고, 그 메쉬의 앞뒷면 정보를 이용하여 연결정보가 복원된 skeleton mesh를 생성한다. 또한, 입력 모델의 형상과 유사하게 나뭇가지 패턴을 생성하기 위해 형상 표면의 tangent vector를 고려하는 3-way 나무성장 시뮬레이션 기법을 제안한다. 제안기법은 기존의 가구 모델을 이용하여 간단한 파라미터의 조작만으로 나뭇가지 형상과 가구 모델의 골격을 결합하는 새로운 형태의 가구 모델링을 보여준다. 우리는 실험을 통하여 제안 기법의 성능과 유효성을 보여주었다.

• Nuclear Engineering and Technology
• /
• 제48권2호
• /
• pp.386-403
• /
• 2016

The safety of nuclear power plants is analyzed by a probabilistic risk assessment, and the fault tree analysis is the most widely used method for a risk assessment with the event tree analysis. One of the well-known disadvantages of the fault tree is that drawing a fault tree for a complex system is a very cumbersome task. Thus, several graphical modeling methods have been proposed for the convenient and intuitive modeling of complex systems. In this paper, the reliability graph with general gates (RGGG) method, one of the intuitive graphical modeling methods based on Bayesian networks, is improved for the reliability analyses of dynamic systems that have various operation modes with time. A reliability matrix is proposed and it is explained how to utilize the reliability matrix in the RGGG for various cases of operation mode changes. The proposed RGGG with a reliability matrix provides a convenient and intuitive modeling of various operation modes of complex systems, and can also be utilized with dynamic nodes that analyze the failure sequences of subcomponents. The combinatorial use of a reliability matrix with dynamic nodes is illustrated through an application to a shutdown cooling system in a nuclear power plant.

• 한국멀티미디어학회논문지
• /
• 제16권5호
• /
• pp.637-646
• /
• 2013

본 연구는 다수의 나무로 구성된 실외 지형에 적합하고 다양하고 자연스러운 나무를 모델링하기 위하여 새로운 성장 규칙(약수 함수의 합성 곱 기반)의 모델링 방법을 제안한다. 기본적으로 나무를 구성하는 가지와 잎의 효율적 관리와 자연스러운 가지 증식을 위하여 기존의 성장 볼륨기반 알고리즘을 활용한다. 이 논문의 주요 특징은 각 성장 단계에서 가지와 잎의 성장과 운명을 자연스럽게 표현하는 약수 함수 합성 곱 이론을 도입하는 것이다. 이를 기반으로 일반화된 생성 함수를 갖는 여러 약수 함수와 성장 규칙의 변형을 통해 사용자의 제어를 최소화하여 다양한 나무를 모델링하는 방법을 제안한다. 이 모델링 방법은 가지와 잎을 동시에 고려하는 특징이 있으며, 다수의 나무들로 구성된 실외 지형 구축에 보다 효과적이라는 이점이 있다. 제안한 방법을 통해 자연스럽고 다양한 나무 모델 생성과 이를 활용하여 넓은 자연 지형 구축 가능성과 다수의 나무를 구성하는 과정에서의 효율성을 실험을 통해 증명한다.

• 디지털융복합연구
• /
• 제13권1호
• /
• pp.243-248
• /
• 2015

인식 모델을 구성할 때 정의되지 않은 모델, 인식 모델 구성 후에 추가되어진 모델, 모델이 부족하여 하나의 모델 클러스터링으로 모델링하여 생성된 인식 모델들은 인식률 저하의 원인이 된다. 이러한 원인을 개선하기 위하여 Bayesian 기법의 모수 추정을 이용한 결정트리 상태 공유 모델링 방법을 제안하였다. 제안 방법은 Bayesian 기법의 파라미터 추정을 통하여 탐색된 결과로부터 결정트리 기반 상태 공유 모델링의 최대 확률 기법에 따라 인식모델을 결정한다. 본 논문에서 제안하여 시뮬레이션 데이터를 이용한 실험 결과에서 제안한 군집화 방식을 비교하여 1.29%의 음성인식 오류감소율을 보였으며, 기존 군집화 방식에 비해 개선된 성능을 보였다.

• 대한인간공학회지
• /
• 제25권2호
• /
• pp.161-172
• /
• 2006

This study aims to compare and contrast the Kansei modeling methods for building a luxuriousness model that people feel about appearance of mobile phones. For the evaluation based on Kansei engineering approaches, 15 participants were employed to evaluate 18 mobile phones using a questionnaire. The results of evaluation were analyzed to build luxuriousness models through quantification I method, neural network, and decision tree method, respectively. The performance of Kansei modeling methods was compared and contrasted in terms of accuracy and predictability. The result of comparison of modeling methods indicated that model accuracy and predictability was closely related to the number of variables and data size. It was also revealed that quantification I method was the best in terms of model accuracy while decision tree method was the best modeling method with small variance in terms of predictability. However, it was empirically found that quantification I method showed extremely unstable predictability with small number of data. Consequently, it is expected that the research findings of this study might be utilized as a guideline for selecting proper Kansei modeling method.

• Nuclear Engineering and Technology
• /
• 제55권1호
• /
• pp.119-130
• /
• 2023

Among the various elements of probabilistic safety assessment (PSA), human failure events (HFEs) and their dependencies are major contributors to the quantification of risk of a nuclear power plant. Currently, the dependency among HFEs is reflected using a post-processing method in PSA, wherein several drawbacks, such as limited propagation of minimal cutsets through the fault tree and improper truncation of minimal cutsets exist. In this paper, we propose a method to model the HFE dependency directly in a fault tree using the if-then-else logic. The proposed method proved to be equivalent to the conventional post-processing method while addressing the drawbacks of the latter. We also developed a software tool to facilitate the implementation of the proposed method considering the need for modeling the dependency between multiple HFEs. We applied the proposed method to a specific case to demonstrate the drawbacks of the conventional post-processing method and the advantages of the proposed method. When applied appropriately under specific conditions, the direct fault-tree modeling of HFE dependency enhances the accuracy of the risk quantification and facilitates the analysis of minimal cutsets.

• Communications for Statistical Applications and Methods
• /
• 제24권6호
• /
• pp.543-559
• /
• 2017

Tree-based regression and classification ensembles form a standard part of the data-science toolkit. Many commonly used methods take an algorithmic view, proposing greedy methods for constructing decision trees; examples include the classification and regression trees algorithm, boosted decision trees, and random forests. Recent history has seen a surge of interest in Bayesian techniques for constructing decision tree ensembles, with these methods frequently outperforming their algorithmic counterparts. The goal of this article is to survey the landscape surrounding Bayesian decision tree methods, and to discuss recent modeling and computational developments. We provide connections between Bayesian tree-based methods and existing machine learning techniques, and outline several recent theoretical developments establishing frequentist consistency and rates of convergence for the posterior distribution. The methodology we present is applicable for a wide variety of statistical tasks including regression, classification, modeling of count data, and many others. We illustrate the methodology on both simulated and real datasets.

• Environmental Engineering Research
• /
• 제14권2호
• /
• pp.102-110
• /
• 2009

Application of artificial intelligence (AI) approaches in eco-environmental modeling has gradually increased for the last decade. Comprehensive understanding and evaluation on the applicability of this approach to eco-environmental modeling are needed. In this study, we reviewed the previous studies that used AI-techniques in eco-environmental modeling. Decision Tree (DT) and Artificial Neural Network (ANN) were found to be major AI algorithms preferred by researchers in ecological and environmental modeling areas. When the effect of the size of training data on model prediction accuracy was explored using the data from the previous studies, the prediction accuracy and the size of training data showed nonlinear correlation, which was best-described by hyperbolic saturation function among the tested nonlinear functions including power and logarithmic functions. The hyperbolic saturation equations were proposed to be used as a guideline for optimizing the size of training data set, which is critically important in designing the field experiments required for training AI-based eco-environmental modeling.