• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.287-296
• /
• 2003

추천 시스템에 있어서 협력적 필터링 기술은 많은 연구가 되고 있다. 그러나 협력적 필터링 기술을 이용한 추천 시스템은 초기 평가 문제와 희박성 문제가 발생한다. 이를 해결하기 위해서 본 논문에서는 선호도 재 계산을 위한 연관 사용자 군집과 베이지안 추정치를 이용한 사용자 선호도 예측 방법을 제안한다. 제안한 방법에서는 협력적 필터링 시스템에서 아이템의 속성을 고려하지 않는 단점을 보완하기 위해서 선호도에 가장 크게 영향을 미치는 대표 장르를 추출하여 유사한 이웃을 찾아 낼 때 예측에 이용하는 Representative Attribute-Neighborhood 방법을 사용한다. 협력적 필터링의 알고리즘에 군집 아이템 백터 내의 특정 아이템의 선호도를 재계산 하기 위한 연관 사용자 군집 분석을 적용하여 성능 향상을 하였다. 또 초기 평가 문제와 희박성 문제를 해결하기 위하여 Association Rule Hypergraph Partitioning 알고리즘을 사용하여 사용자를 장르별로 군집한다. 새로운 사용자는 Naive Bayes 분류자에 의해 이들 장르 중 하나로 분류된다. 또한, 분류된 장르 내에 속한 사용자들과 새로운 사용자의 유사도를 구하기 위해 Naive Bayes 학습을 통해 사용자가 평가한 아이템에 추정치를 달리 부여한다. 추정치가 부여된 선호도를 피어슨 상관 관계에 적용할 경우 결측치(Missing Value)로 인한 예측의 오류를 적게하여 예측의 정확도를 높일 수 있다. 제안된 방법은 기존의 방법보다 높은 성능을 나타냄을 보인다.

• 한국환경복원기술학회지
• /
• 제24권5호
• /
• pp.1-14
• /
• 2021

Excessive development and urbanization have destroyed animal, plant, habitats and reduced biodiversity. In order to preserve species diversity, habitat prediction studies are have been conducted at home and overseas using various modeling techniques. This study was conducted to suggest optimal habitat modeling research by comparing HSI and MaxEnt, which are widely used among habitat modeling techniques. The study was targeted on the endangered species of Prionailurus bengalensis in nearby areas (5460.35km2) including Cheonan City, and the same data were used for analysis to compare those models. According to the HSI analysis, Prionailurus bengalensis's habitat probability was 74.65% for less than 0.5 and 25.34% for more than 0.5 and the top 30% were forest (99.07%). MaxEnt's analysis showed that 56.22% of those below 0.5 and 43.79% of those above 0.5 were found to have a high explanatory power of 78.3% of AUC. The Paired Wilcoxn test, which evaluated the significance of thoes models, confirmed that the mean difference between the two models was statistically significant (p<0.05). Analysis of the differences in the results of those models using the matrix table shows that score 24.43% HSI and MaxEnt was accordance,12.44% of the 0.0 to 0.2 section, 7.22% of the 0.2 to 0.4 section, 2.73% of the 0.4 to 0.6 section, 1.96% of the 0.6 to 0.8, and 0.08% of the 0.9 to 1.0. To verify where the score difference appears, the result values of those models were reset to values from 1 to 5 and overlaid. Overlapping analysis resulted in 30.26% of the Strongly agree values, 56.77% of the agree values, and 11.92% of the Disagree values. The places where the difference in scores occurs were analyzed in the order of forest (45.23%), agricultural land (34.57%), and urbanization area (7.65%). This confirmed that the analysis of the same target species within the same target site also has differences in forecasts depending on the modelling method. Therefore, a novel analysis method combining the advantages of each modeling in habitat prediction studies should be developed, and future study may be used to select Prionailurus bengalensis and species-protected areas and species protection areas in the future. Further research is judged to require higher accuracy studies through the use of various modeling techniques and on-site verification.

• 한국지반공학회논문집
• /
• 제37권6호
• /
• pp.5-20
• /
• 2021

본 연구에서는 풍화암에 근입된 강관 매입말뚝의 지지력 공식 제안을 위하여 정재하시험 20본과 확인지반조사를 수행하였다. 기존 공식의 표준관입저항치를 50으로 제한하는 문제를 극복하기 위해 지반 현장 상태를 고려할 수 있도록 확장된 표준관입저항치를 기반으로 새로운 지지력 공식을 제안하였다. 재하시험 데이터는 통계적 처리를 수행하였다. 이때, 통계적 처리를 수행하여 얻어진 지지력과 기존공식을 이용한 지지력을 비교한 결과 기존공식이 지지력을 보수적으로 평가하고 있는 것으로 나타났다. 제안된 공식은 기존공식에 비해 지지력은 선단 15%, 주면 20% 더 높게 (q_t=230P_driven(kN/m²), f_max=3.0N_s^E(kN/m²)) 평가되는 것으로 확인되었다. 제안식은 여타 현장에 대해 재하시험 결과와 검증을 수행하였으며, 검증 과정에서 제안된 공식이 기존 공식보다 정확히 평가하는 것으로 나타났다.

• Journal of Platform Technology
• /
• 제10권4호
• /
• pp.47-55
• /
• 2022

사물인터넷 환경에서는 다양한 무선 통신 기술을 사용하는 기기들이 점점 증가하고 있다. 특히, 다양한 무선 신호 변조 유형을 정확하게 식별하기 위해 효율적인 특성 추출 기법을 설계하고 무선 신호의 종류를 분류하는 것이 필수적이다. 하지만, 실제 환경에서 레이블이 지정된 무선 신호 데이터를 수집하는 것은 쉬운 문제가 아니다. 최근 무선 신호 분류를 위해 딥러닝 기반의 다양한 학습 기법들이 제안되어졌다. 딥러닝의 경우 훈련 데이터셋이 적을 경우 과대적합에 빠질 가능성이 높으며, 이는 딥러닝 모델을 활용한 무선 신호 분류 기법의 성능 저하를 유발한다. 본 연구에서는 다양한 무선 신호들이 존재할 때 분류 성능을 높이기 위해 생성적 적대 신경망 기반 데이터 증대 기법을 제안한다. 분류해야 하는 무선 신호의 종류가 다양할 때 특정 무선 신호를 나타내는 데이터의 양이 적거나 균형이 맞지 않는 경우 제안한 기법을 활용하여 필요한 무선 신호와 관련된 데이터의 양을 증가시킨다. 제안한 데이터 증강 알고리즘의 유효성을 검증하기 위해 무선 신호의 데이터양을 증가시키고 균형을 맞춘 결과를 바탕으로 CNN 및 LSTM 기반 무선 신호 분류기를 구현하여 실험해본 결과 데이터 균형을 맞추지 않았을 때보다 분류 정확도가 높아지는 것을 확인하였다.

• 스마트미디어저널
• /
• 제12권1호
• /
• pp.9-16
• /
• 2023

최근 농가의 사과 품질 선별 작업에서 인적자원의 한계를 극복하기 위해 합성곱 신경망(CNN) 기반 시스템이 개발되고 있다. 그러나 합성곱 신경망은 동일한 크기의 이미지만을 입력받기 때문에 샘플링 등의 전처리 과정이 요구될 수 있으며, 과도 샘플링의 경우 화질 저하, 블러링 등 원본 이미지의 정보손실 문제가 발생한다. 본 논문에서는 위 문제를 최소화하기 위하여, 원본 이미지의 패치 기반 그래프를 생성하고 그래프 트랜스포머 모델의 랜덤워크 기반 위치 인코딩 방법을 제안한다. 위 방법은 랜덤워크 알고리즘 기반 위치정보가 없는 패치들의 위치 임베딩 정보를 지속적으로 학습하고, 기존 그래프 트랜스포머의 자가 주의집중 기법을 통해 유익한 노드정보들을 집계함으로써 최적의 그래프 구조를 찾는다. 따라서 무작위 노드 순서의 새로운 그래프 구조와 이미지의 객체 위치에 따른 임의의 그래프 구조에서도 강건한 성질을 가지며, 좋은 성능을 보여준다. 5가지 사과 품질 데이터셋으로 실험하였을 때, 다른 GNN 모델보다 최소 1.3%에서 최대 4.7%의 학습 정확도가 높았으며, ResNet18 모델의 23.52M보다 약 15% 적은 3.59M의 파라미터 수를 보유하여 연산량 절감에 따른 빠른 추론 속도를 보이며 그 효과를 증명한다.

• Journal of Yeungnam Medical Science
• /
• 제5권1호
• /
• pp.111-125
• /
• 1988

1988년 1월부터 동년 2월까지 영남대학교 신업생중 본 조사에 응한 3792명(남학생 ; 2586명, 여학생 ; 1206명)을 대상으로 Derogatis의 강박척도와 MMPI의 허구성척도를 사용하여 다음과 같은 결론을 얻었다. 1) 강박척도의 평균총점은 남학생 ; $10.26{\pm}5.21$, 여학생 ; $10.54{\pm}5.01$로 통계적으로 유의한 차이는 없었다. 2) 항목별 성적은 남녀신입생 공히 반복확인, 우유부단, 주의집중장애, 강박사고, 정확성등의 증상에서 높았다. 3) 강박성적이 25점 이상의 고득점자는 남학생 37명(1.4%) 여학생 9명(0.7%)으로서 전체적으로 46명(1.2%)이였다. 또 20점 이상의 강박적경향을 띄고 있는 신입생은 남학생 129명(5.8%) 여학생 50명(4.2%)으로 총 179명(4.7%)이었다. 4) 사회정신의학적 요인들중 남녀신입생의 강박성적에 공통적으로 유의한 영향을 미친것은 가정환경이나 소속대학, 소속 학과에 대한 불만족의 경우, 부모에 대한 친숙도가 불만일 경우, 과거 현재 미래의 자아상에 대해서 비판적인 경우(각각 p<0.001)등이었고 남학생에서는 미술대학에 다니는 경우(p<0.05) 읍에서 자란 경우(p<0.05), 학비를 형제에 의존하는 경우(p<0.01), 월잡비가 1만원 이하인 경우(p<0.01), 여학생에서는 면에서 자란 경우(p<0.05)와 자취하는 경우(p<0.05) 등에서 높은 강박성적을 보였다. 5) 허구성척도의 평균총점은 남학생 ; $4.73{\pm}2.49$ 여학생 ; $4.70{\pm}2.16$으로 양군 간에 유의한 차이는 없었다. 6) 허구성척도의 고득점 항목은 상위로부터 남녀 공히 (14) 선거때 가끔 나는 잘 알지 못하는 사람에게 투표한다 (8) 집에서의 식사예법은 밖에서 남과같이 먹을때 보다 못하다 (11) 나는 유력한 사람들을 사귀고 싶다. 왜냐하면 그럼으로써 나자신 유력하게 느껴지니까 (9) 극장에 표없이 들어가도 들킬 염려만 없다면 아마 나도 그렇게 할 것이다 (1) 차마 입밖에 낼 수 없을 정도로 나쁜 일을 생각할때가 가끔 있다등이었다. 7) 허구성 척도의 10개이상 문항에 부정적으로 반응을 보인 고득점자는 남학생 ; 98명(3.7%) 여학생 ; 27명(2.2%)이었다. 8) 사회정신의학적 요인들중 남녀신입생의 허구성적에 공통적으로 유의한 영향을 미친것은 가정환경이나 소속대학, 소속 학과에 대하여 만족하는 경우, 부모에 대한 친숙도에서 만족할 경우, 과거 현재 미래의 자아상에 대해서 낙관적인 경우(각각 p<0.001), 약학대학, 미술대학, 야간강좌에 다니는 경우에 유의하게 높았다(p<0.05).

• 한국지리정보학회지
• /
• 제18권4호
• /
• pp.100-118
• /
• 2015

본 연구는 위성영상을 이용하여 객체기반 토지피복 분류도를 구축하고 공간통계기법을 통하여 토지피복의 분류항목별 분포패턴을 파악하였다. 객체기반 분류는 분광정보, 질감정보, 분광정보와 질감정보의 조합에 의하여 각각의 토지피복 분류도를 구축하였으며, 정확도 평가를 통하여 최적의 토지피복 분류도를 선정하였다. 또한, 토지피복의 분류항목별 공간적 분포패턴을 파악하기 위하여 핫스팟 분석을 실시하여 정량화하였다. 객체기반 분류를 위한 최적의 가중치는 Scale 52, Shape 0.4, Color 0.6, Compactness 0.5, Smoothness 0.5로 선정하였다. 토지피복 분류도는 분광정보와 질감정보의 조합을 사용하였을 때, 전체 분류정확도가 가장 높았으며, 특히 밭과 시설재배지, 나지의 경우 분광정보만을 사용하였을 때 보다 정확도가 약 12% 이상 증가하였다. DMZ일원의 분류항목별 면적비율은 산림 > 논 > 교통시설 > 초지 > 밭 > 나지 > 건물 > 수역 > 시설재배지 순으로 높았으며, 특히, 양구군의 밭과 교통시설은 민간인통제선 이북지역, 철원군의 밭, 인제군의 산림과 교통시설은 민간인통제선 이남지역에서 주로 분포하는 것으로 나타났다. 분류항목별 분포 패턴의 경우, 농업과 관련된 논, 밭, 시설재배지의 핫스팟(hot spot)은 철원군의 평야 지역과 양구군의 분지 지역에 집중 분포하였다. 나지, 수역, 건물, 도로의 핫스팟 지역은 농업과 관련된 핫스팟 지역과 분포 패턴이 유사한 반면, 산림과 초지의 핫스팟 지역과는 분포 패턴이 상이하였다.

• 한국농림기상학회지
• /
• 제20권3호
• /
• pp.262-276
• /
• 2018

2016년부터 2017년까지 제주 감귤과수원 11개 지점에서 관측한 기상 및 이슬 자료를 이용하여 이슬지속시간 예측 모델을 평가하였다. 이슬지속시간 모델의 민감도와 예측 정확도 평가에는 4 가지 모델(Number of Hours of Relative Humidity, Classification And Regression Tree/Stepwise Linear Discriminant, Penman-Monteith, Deep-learning Neural Network)이 사용되었다. 모델의 민감도는 강우와 계절 변화에 따라 평가하였다. 전체 자료에서 강우일 자료를 제외하면 이슬지속시간 모델들은 평균 오차(평균제곱근오차 약 1.5 hours)가 적게 나타났다. 기계학습 모델은 겨울을 제외한 계절별 오차가 비슷한 크기(평균제곱근오차 약 3 hours)로 나타났다. 나머지 모델들은 여름에 오차(평균제곱근오차 약 9.6 hours)가 가장 크고 겨울에 가장 작은 것(평균제곱근오차 약 3.3 hours)으로 나타났다. 모델 예측 정확도 평가 방법은 통계적 오차 분석 방법과 평균 제곱 편차 회귀 분석 방법을 사용하였다. 통계오차를 통한 모델 성능은 DNN 모델이 가장 우수한 반면에 CART/SLD 모델은 예측 정확도가 가장 낮게 나타났다. 평균제곱 편차(MSD)는 모델의 선형성을 세 가지(제곱 바이어스(SB), 비균일성 기울기(NU), 상관관계 부족(LC)) 구성요소로 구분하여 분석하는 방법이다. 모델 성능이 우수할수록 SB와 LC는 감소하였고 NU는 증가하는 경향이 나타났다. MSD 분석 결과 DNN 모델이 가장 우수하였으며 다음으로 PM, NHRH, CART/SLD 순으로 나타났다. 본 연구에서 활용된 기계학습 모델은 기상 정보를 이용한 다른 농업정보 생산의 정확도 개선에 크게 기여할 것으로 판단된다.

• 지능정보연구
• /
• 제23권3호
• /
• pp.139-153
• /
• 2017

기업의 부도는 이해관계자들뿐 아니라 사회에도 경제적으로 큰 손실을 야기한다. 따라서 기업부도예측은 경영학 연구에 있어 중요한 연구주제 중 하나로 다뤄져 왔다. 기존의 연구에서는 부도 예측을 위해 다변량판별분석, 로짓분석, 신경망분석 등 다양한 방법론을 이용하여 모형의 부도 예측력을 높이고 과적합의 문제를 해결하고자 시도하였다. 하지만 기존의 연구들이 시간적 요소를 고려하지 않아 발생할 수 있는 문제점들을 갖고 있음에도 불구하고 부도 예측에 있어서 동적 모형을 이용한 연구는 활발히 진행되고 있지 않으며 따라서 동적 모형을 이용하여 부도예측모형이 더욱 개선될 여지가 있다는 점을 확인할 수 있었다. 이에 본 연구에서는 RNN(Recurrent Neural Network)을 이용하여 시계열 재무 데이터의 동적 변화를 반영한 모형을 만들었으며 기존의 부도예측모형들과의 비교분석을 통해 부도 예측력의 향상에 도움이 된다는 것을 확인할 수 있었다. 모형의 유용성을 검증하기 위해 KIS Value의 재무 데이터를 이용하여 실험을 수행하였고 비교모형으로는 다변량판별분석, 로짓분석, SVM, 인공신경망을 선정하였다. 실험 결과 제안된 모형이 비교 모형에 비해 우수한 예측력을 보이는 것으로 나타났다. 따라서 본 연구는 변수들의 변화를 포착하는 동적 모형을 부도예측에 새롭게 제안하여 부도예측 연구의 발전에 기여할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.89-106
• /
• 2022

최근 영상 데이터의 급증으로 이를 효과적으로 처리하기 위해 객체 탐지 및 추적, 행동 인식, 표정 인식, 재식별(Re-ID)과 같은 다양한 컴퓨터비전 기술에 대한 수요도 급증했다. 그러나 객체 탐지 및 추적 기술은 객체의 영상 촬영 장소 이탈과 재등장, 오클루전(Occlusion) 등과 같이 성능을 저하시키는 많은 어려움을 안고 있다. 이에 따라 객체 탐지 및 추적 모델을 근간으로 하는 행동 및 표정 인식 모델 또한 객체별 데이터 추출에 난항을 겪는다. 또한 다양한 모델을 활용한 딥러닝 아키텍처는 병목과 최적화 부족으로 성능 저하를 겪는다. 본 연구에서는 YOLOv5기반 DeepSORT 객체추적 모델, SlowFast 기반 행동 인식 모델, Torchreid 기반 재식별 모델, 그리고 AWS Rekognition의 표정 인식 모델을 활용한 영상 분석 시스템에 단일 연결 계층적 군집화(Single-linkage Hierarchical Clustering)를 활용한 재식별(Re-ID) 기법과 GPU의 메모리 스루풋(Throughput)을 극대화하는 처리 기법을 적용한 행동 및 표정 검출용 영상 분석 시스템을 제안한다. 본 연구에서 제안한 시스템은 간단한 메트릭을 사용하는 재식별 모델의 성능보다 높은 정확도와 실시간에 가까운 처리 성능을 가지며, 객체의 영상 촬영 장소 이탈과 재등장, 오클루전 등에 의한 추적 실패를 방지하고 영상 내 객체별 행동 및 표정 인식 결과를 동일 객체에 지속적으로 연동하여 영상을 효율적으로 분석할 수 있다.