• 한국지능시스템학회논문지
• /
• 제23권4호
• /
• pp.354-359
• /
• 2013

본 논문을 통해서 우리는 최적화 알고리즘인 binary harmony search (BHS) 알고리즘을 이용하여 unsupervised nonlinear classifier를 구현하는 방안을 제시하였다. 패턴인식을 위한 기계학습이나 뇌파 신호의 분석 과정과 같이 벡터로 표현되는 특징들을 분류하는데 있어 다양한 알고리즘들이 제시되었다. 교사 학습기반의 분류 방식으로는 support vector machine과 같은 기법이 사용되어왔고, 비교사 학습 방법을 통한 분류 기법으로는 fuzzy c-mean (FCM)과 같은 알고리즘들이 사용되어 왔다. 그러나 기존에 사용해 왔던 분류 방법들은 비선형 데이터 분류에 적용하기 힘들거나 교사 학습을 적용하기 위해서 사전정보를 필요로 하는 문제점이 있다. 본 논문에서는 경험적 접근을 통해 공간상에 분포된 벡터 사이의 기하학적 거리를 최소로 만드는 벡터 집합을 선택하고 이를 하나의 클래스로 간주하는 방법을 적용한 분류법을 제시하였다. 비교 대상으로 FCM과 artificial neural network (ANN) 기반의 self-organizing map (SOM)을 제시하였다. 시뮬레이션에는 KEEL machine learing dataset을 사용하였고 그 결과, 제안된 방식이 기존 알고리즘에 비해 더 나은 우수성을 지니고 있음을 확인하였다.

• 정보처리학회논문지B
• /
• 제11B권3호
• /
• pp.327-336
• /
• 2004

일반적인 공장환경에서 적용할 수 있는 비젼 검사시스템의 개발을 위해서는 안정적이면서도 고속 패턴정합을 수행하는 알고리즘의 개발이 필요하다. 본 논문에서는 전탐색 회피기법을 이용하는 자동화용 패턴검사를 위한 에지 기반의 점상관 고속 알고리즘을 제안한다. 이 알고리즘은 탐색할 영상의 에지특성을 분석함에 의해 전탐색을 회피함으로써 탐색복잡도를 크게 개선한다. 농담정규화정합(NGC)법을 사용하는 통상적인 검사 알고리즘은 공장환경에 적용할 매 몇가지 문제점을 극복해야 한다. 첫 번째는 과도한 계산량으로 고속동작을 가능하게 하기 위해 특별한 알고리즘의 설계가 필요하며 고속 하드웨어의 사용을 요구한다 두 번째는 불안정한 조명조건 하에서도 신뢰성 있는 검사결과를 주어야 한다는 것이다. 전통적인 NGC 알고리즘은 조명의 불안정에 따라 검사결과가 크게 변동하는 특성을 가지고 있다. 본 논문에서는 이러한 단점을 극복하기 위해 에지 기반의 점상관 알고리즘을 제안한다. 계산량을 개선하기 위해 전탐색 회피 알고리즘을 개발하여 적용하고, 에지 피라미드 구조를 탐색에 T입하여 실시간에 근접하는 시간 복잡도를 달성한다. 제안된 방법들은 실제 영상에 적용하여 신뢰성을 검증한다

• 한국컴퓨터정보학회논문지
• /
• 제15권1호
• /
• pp.185-192
• /
• 2010

본 논문에서는 서로 다른 두 개의 문서에 등장하는 패턴 매칭을 이용하여 유사도를 평가하는 시스템을 제안한다. 기존의 문서들의 유사도를 평가하는 방법에는 지문법과 같은 통계적 방법을 주로 이용하였다. 하지만 이 방법은 관련이 없는 두 문서에서 우연히 유사한 단어가 많이 등장 할 때 유사성이 높게 나오는 정확성의 문제점이 있다. 이러한 문제점은 단순히 두 문서의 통계적인 수치를 비교하기 때문에 발생한다. 하지만 본 논문에서 제시하는 패턴을 이용한 방법은 일치하는 패턴을 검색하여 유사성을 판별하기 때문에 이러한 문제를 해결하였다. 하지만 패턴을 검색하는 시간이 오래 걸리는 단점이 있는데 이를 개선하는 알고리즘 또한 본문에서 소개한다.

• 한국정보통신학회논문지
• /
• 제18권9호
• /
• pp.2209-2215
• /
• 2014

본 논문은 DOI방법을 개선한 디인터레이싱 방법을 제안한다. DOI방법은 강력한 인트라필드 기반의 디인터레이싱 기술이지만 긴 연산시간과 주기적인 패턴에서 방향을 잘못 찾는 문제를 가지고 있다. 이 문제를 해결하기 위해 기존의 전역검색 대신하여 2단계 검색을 하여 연산속도를 향상시키고 두 가지 과정을 추가하여 영상의 화질을 개선하는 방법을 제안한다. 첫 번째 단계로 잘못된 방향으로 찾은 공간벡터를 삭제하며 두 번째 단계로 찾지 못한 방향에 대한 공간 방향벡터를 삽입함으로써 제안된 방법에서 잘못 찾은 공간 방향벡터를 정확한 결과인지 재확인하여 픽셀의 보간에 사용할지 검사한다. ISO 실험 이미지를 이용하여 제안된 방법과 line evarage, edge-based line averaging, DOI, selective deinterlacing algorithm 등의 기존의 방법을 비교한 결과 제안된 방법이 객관적으로나 주관적으로 우 수하다는 것을 보였다.

• 대한지리학회지
• /
• 제42권4호
• /
• pp.469-487
• /
• 2007

입도경향 분석법은 파이척도로 표현된 평균입도, 분급, 왜도 등 퇴적물 입도조직변수가 퇴적물의 이동경로를 따라 특정한 경향을 보이는 성질을 이용한 퇴적물 이동경로 식별 방법론이다. 적용이 간편하고 저렴하여 지형학 연구에 널리 응용될 수 있는 가능성을 지니고 있으나 방법론상의 한계도 몇 가지 측면에서 지적되고 있어 주의가 필요하다. 이 연구는 McLaren과 Bowles의 1차원 경로분석법, Gao와 Collins, Le Roux의 2차원 이동벡터법 등 현재까지 정립된 입도경향 분석의 대표적인 세 가지 기법을 비교 평가하여 적절한 활용법을 도출하고, 입도경향 분석의 추후 연구과제를 제안한 것이다. McLaren-Bowles의 1차원 경로분석법은 연구자의 현장경험을 분석에 효과적으로 결합시킬 수 있고 X-분포를 통해 퇴적환경에 대한 해석을 제공해주며 장기적인 퇴적물 순이동 패턴을 파악하는데 효과적이나 연구자의 주관적 해석에 의존해야 한다는 점, 식별할 수 있는 시간 해상도가 낮다는 점등이 단점이다. Gao-Collins의 2차원 이동벡터법은 명확한 절차, 2차원적인 시각화, 세밀한 시간 해상도 등이 장점이지만, 임계거리 선정, 잡벡터 제거과정 등이 문제를 유발할 수 있으므로 분석 시 주의를 요한다. 셋째, Le Roux의 2차원 이동벡터법은 확장된 경험규칙과 조직변수 간의 구배를 고려하고 시간해상도도 세밀하지만, 분석개념이 모호하고 복잡하다. 입도경향 분석은 현장에 대한 연구자의 이해도, 조사하고자 하는 퇴적물 순이동 패턴의 시간적 스케일, 초점을 맞추고자 하는 정보 등에 따라 적절한 기법을 선택하고, 거기에 부합되는 시료채취방안을 기획하는 것이 중요하다. 또한 입도경향 분석이 지형학 연구에 기여하기 위해서는 시료채취 깊이, 교란층의 두께 등 시료채취 과정의 요소들과 퇴적물 순이동 패턴이 지시하는 시간스케일 간의 관계가 체계적으로 규명되어야 한다고 판단된다.

• Nuclear Engineering and Technology
• /
• 제19권4호
• /
• pp.233-241
• /
• 1987

본 연구는 제한된 수의 핵연료의 경험적 파손자료로부터 핵연료 파손 확률을 현실적으로 예측하기 위해 결정론적 모델로부터의 파손화률 예측치와 실제 경험적 자료로부터의 파손 확률 예측치를 접합하는 방법을 시도하였다. 이 접합 방법에 의한 파손 화률 예측치는 결정론적 모델 또는 경험적 파손 자료로부터의 독립적인 예측치보다 신뢰도가 높다. 본 연구에서는 핵연료 성능 예측코드인 SPEAR의 방법론을 응용한 핵연료 파손 패턴의 체계적 발견법 (hierarchical pattern discovery)이 접합 모델에서의 결정론적 모델로부터의 예측치에 대한 가중치와 패턴 경계를 체계적으로 찾기 위해 고안되었다. 이 연구에서 개발된 접합 방법을 PROFIT모델과 경험적 파손자료를 이용하여 CANDU형 핵연료 재장전중 출력 상승에 의해 수반되는 핵연료파손 예측에 적응시켜 보았다.

• 디지털콘텐츠학회 논문지
• /
• 제12권2호
• /
• pp.217-223
• /
• 2011

인공지능(AI : Artificial Intelligence)은 지능을 만들 수 있는 방법론이나 실현 가능성 등을 연구하는 컴퓨터 공학 및 정보기술과학 분야이다. 오델로(Othello) 게임은 다른 게임에 비해 규칙이 간단하며 $8{\times}8$인 제한적인 공간에서 이루어지기 때문에 AI로 제작되는 사례가 많다. 기존의 알고리즘은 추후에 발생하는 모든 경우의 수를 탐색하거나 룰을 이용하여 처리하기 때문에 처리시간이 오래 걸리며 새로운 상황에 대처하는데 효율적이지 않다. 본 연구에서는 이런 단점을 보안하고자 오델로 게임에 AI의 한 분야인 사례기반추론(CBR : Case-based Reasoning)알고리즘을 도입한다. CBR알고리즘 이란 주어진 문제를 해결하기 위해 과거에 있었던 유사한 문제를 검색하여 상황에 맞는 해결방법을 제시하는 방식을 의미한다. 지금까지 오델로 게임에 여러가지 AI기술을 이용하였으나 CBR알고리즘을 적용한 사례가 없었다. 본 연구에서는 CBR알고리즘을 오델로 게임에 적용하여 보다 빠른 연산속도로 다음 작업을 처리할 수 있으며 기존의 사례가 충분할 때는 새로운 상황에 효율적으로 대처할 수 있을 뿐 아니라 사용자로 하여금 보다 어려운 오델로 게임을 만들 수 있는 시스템을 제안한다.

• 대한전자공학회논문지SP
• /
• 제41권3호
• /
• pp.209-219
• /
• 2004

본 논문에서는 핵심어 검출 시스템을 실시간 적용이 가능한 하드웨어로 구현하기 위해 연산량이 적고 구조가 간단한 단일 끝점 DTW 방법을 제안한다. 제안된 알고리즘은 일반적 DTW가 양쪽 끝점을 요구하는데 비하여 단지 한쪽 끝점만 필요하므로 이용하기에 편리하며, 국부 검색의 연속이 전역 경로를 이루게 되므로 매우 적은 연산량을 가진다. 그리고, 제안한 단일 끝점 DTW가 보다 나은 성능을 지니도록 하기 위해 새로운 경사 가중치와 거리 측정법을 가지도록 하였다. 이외에도, 단일 끝점 DTW는 특징벡터 정규화를 적용하여 특징벡터 각각의 차원에서 데이터들이 같은 표준편차를 가지게 하며 모든 프레임이 같은 에너지를 가지도록 정규화 되었다 또한, 주어진 학습 패턴들에 클러스터링을 적용한 후, 각 클러스터 내에서 평균을 계산하여 구한 패턴을 해당 핵심어를 대표하는 여러 개의 기준패턴으로 삼았다. 이러한 기준패턴들과 입력 음성의 특징벡터가 이미 정해진 문턱값 보다 작은 거리 내에 있을 때 핵심어는 검출된다. 제안된 알고리즘을 고립단어 음성인식과 핵심어 검출 실험에 적용하여 다른 방법을 이용한 결과보다 성능이 뛰어남을 확인하였다.

• 정보처리학회논문지D
• /
• 제13D권4호
• /
• pp.455-462
• /
• 2006

고차원 데이터 공간에서의 효과적인 검색을 위해 최근 VA-file[1], LPC-file[2] 등과 같이 벡터 근사에 기반을 둔 필터링 색인 방법들이 연구되었다. 필터링 색인 방법은 벡터를 근사한 작은 크기의 색인 정보를 사용하여 근사 거리를 계산하고, 이를 사용하여 질의 벡터와 유사하지 않은 대부분의 벡터들을 빠른 시간 안에 검색 대상에서 제외한다. 즉, 실제 벡터 대신 근사 벡터를 읽어 디스크 I/O 시간을 줄여 전체 검색 속도를 향상시키는 것이다. 하지만 VA-file 이나 LPC-file은 근사 거리를 구하는 방법이 순차 검색과 같거나 복잡하기 때문에 검색 속도 향상 효과가 그리 크지 않다는 문제점을 가지고 있다. 본 논문은 이러한 근사 거리 계산 시간을 줄이기 위하여 새로운 비트맵 색인 구조를 제안한다. 근사 거리 계산속도의 향상을 위하여, 각 객체의 값을 특성 벡터 공간상의 위치를 나타내는 비트 패턴으로 저장하고, 객체 사이의 거리를 구하는 연산은 실제 벡터 값의 연산보다 속도가 훨씬 빠른 XOR 비트 연산으로 대체한다. 실험에 의하면 본 논문이 제안하는 방법은 기존 벡터 근사 접근 방법들과 비교하여 데이터 읽기시간은 더 크지만, 계산 시간을 크게 줄임으로써 전체 검색 속도는 순차 검색의 약 4배, 기존의 방법들보다는 최대 2배의 성능이 향상되었다. 결과적으로, 데이터베이스의 속도가 충분히 빠른 경우 기존의 벡터 근사 접근법의 필터링을 위한 계산 시간을 줄임으로써 더욱 검색 성능을 향상 시킬 수 있음을 확인할 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권4호
• /
• pp.440-448
• /
• 2006

자기 조직화 신경망 (SOM: Self-Organizing Map)은 자율 학습 신경망으로 사전 지식이 존재하지 않는 자료에 존재하는 구조적 관계성을 보전하는데 이용된다. 자기 조직화 신경망은 벡터 양자화, 조합 최적화, 패턴 인식과 같은 복잡한 문제 해결을 위한 연구에 많이 이용되어 왔다. 이 논문에서는 좀더 효율적인 유전 알고리즘을 얻기 위한 스키마 변환 도구로서 자기 조직화 신경망을 이용하는 새로운 사용법에 대해서 제안한다. 즉, 각 자식해는 탐색 공간에서 좀더 바람직한 모양을 가지는 동질의 인공 신경망으로 변환된다. 이 변환으로 인해 강한 상위(epistasis)를 가지는 유전자들은 염색체 상에서 서로 인접하게 되는 것이다. 실험 결과는 기존 결과에 비해서 주목할만한 성능 개선이 있음을 보여준다.