• 전자공학회논문지
• /
• 제53권10호
• /
• pp.15-23
• /
• 2016

V2X(Vehicle-to-Everything) 통신은 다양한 텔레매틱스(telematics)와 인포테인먼트(infotainment) 서비스를 제공하기 위해 신뢰성이 있으며 견고한 네트워크가 요구된다. 이를 위해, 현재 3GPP(3rd Generation Partnership Project)에서는 V2X 통신에 대한 표준화를 진행하고 있다. 신뢰성 있는 통신을 위해서는, 정확한 채널 추정이 우선적으로 이루어져야 한다. 그러나 차량은 속도가 매우 빠르기 때문에 시간에 따라 무선 채널이 빠르게 변하므로 채널을 정확히 추정하기 힘들다. 본 논문에서는 V2V(Vehicle-to-Vehicle) 환경에서 LTE(Long Term Evolution) 기반 사이드링크 시스템의 새로운 LMMSE(Linear Minimum Mean Square Error) 채널 보간 기법을 제안한다. 제안한 기법인 RDE(Reduced Decision Error)는 파일럿 심볼에서 LMMSE를 이용하여 채널 추정을 하고, 데이터 심볼에서 Smoothing 후 LMMSE 채널 보간 기법을 적용한다. 이후 시간영역과 주파수영역에서 평균을 취하여 전체 채널 주파수 응답을 얻어낼 수 있다. 이때, 수신단의 등화기로 LMMSE를 이용하여 결정 오차에 의한 오차 전파를 줄일 수 있다. 그러므로, 신뢰성 있는 데이터 검출이 가능하다. 모의실험 결과, 제안한 기법이 NMSE(Normalized Mean Square Error)와 BER(Bit Error Rate) 측면에서 기존 기법보다 전체적으로 성능이 향상된 것을 볼 수 있다.

• 지능정보연구
• /
• 제29권2호
• /
• pp.241-265
• /
• 2023

기업의 부실 예측 모델은 기업의 재무 상태를 객관적으로 모니터링하는 데 필수적인 도구 역할을 한다. 적시에 경고하고 대응 조치를 용이하게 하며 파산 위험을 완화하고 성과를 개선하기 위한 효과적인 관리 전략을 수립할 수 있도록 지원한다. 투자자와 금융 기관은 금융 손실을 최소화하기 위해 부실 예측 모델을 이용한다. 기업 부실 예측을 위한 인공지능(AI) 기술 활용에 대한 관심이 높아지면서 이 분야에 대한 광범위한 연구가 진행되고 있다. 해석 가능성과 신뢰성이 강조되며 기업 부실 예측에서 설명 가능한 AI 모델에 대한 수요가 증가하고 있다. 널리 채택된 SHAP(SHapley Additive exPlanations) 기법은 유망한 성능을 보여주었으나 변수 수에 따른 계산 비용, 처리 시간, 확장성 문제 등의 한계가 있다. 이 연구는 전체 데이터 세트를 사용하는 대신 부트스트랩 된 데이터 하위 집합에서 SHAP 값을 평균화하여 변수 수를 줄이는 새로운 변수 선택 접근법을 소개한다. 이 기술은 뛰어난 예측 성능을 유지하면서 계산 효율을 향상시키는 것을 목표로 한다. 해석 가능성이 높은 선택된 변수를 사용하여 랜덤 포레스트, XGBoost 및 C5.0 모델을 훈련하여 분류 결과를 얻고자 한다. 분류 결과는 고성능 모델 설계를 목표로 soft voting을 통해 생성된 앙상블 모델의 분류 정확성과 비교한다. 이 연구는 1,698개 한국 경공업 기업의 데이터를 활용하고 부트스트래핑을 사용하여 고유한 데이터 그룹을 생성한다. 로지스틱 회귀 분석은 각 데이터 그룹의 SHAP 값을 계산하는 데 사용되며, SHAP 값 평균은 최종 SHAP 값을 도출하기 위해 계산된다. 제안된 모델은 해석 가능성을 향상시키고 우수한 예측 성능을 달성하는 것을 목표로 한다.

• 전자공학회논문지
• /
• 제54권3호
• /
• pp.3-9
• /
• 2017

최근 3GPP에서는 급증하는 차량 사고에 대처하고, 교통 효율, 텔레매틱스와 인포테인먼트를 제공하기 위해 LTE(Long Term Evolution) 기반 차량 통신에 대한 연구가 활발히 진행되고 있다. 차량 통신은 안전과 밀접한 관련이 있기 때문에, 신뢰성 있는 통신을 필요로 한다. 하지만 차량의 속도는 매우 빠르기 때문에 기존 사용자의 이동성과는 달리 무선 채널이 시간에 따라 빠르게 변하게 되어 전송 품질 저하 등 많은 문제가 발생하게 된다. 본 논문에서는 LTE 기반 V2V(Vehicle-to-Vehicle) 환경에서 채널 추정 기법을 제안한다. 기존 기법인 LS(Least Square) 채널 추정은 송 수신단이 알고 있는 파일럿 심볼을 이용해 얻어지며, DDCE(Decision Directed Channel Estimation)는 데이터 심볼을 이용해 채널 추정을 하고, CDP(Constructed Data Pilot) 기법은 인접한 두 데이터 심볼 사이에서 상관이 큰 특성을 이용하며, 그리고 STA(Spectral Temporal Averaging) 기법은 주파수와 시간 영역에서 채널을 평균을 취한다. 또한 Smoothing 기법은 데이터 결정 오류에 의한 최대치를 줄여준다. 제안기법인 HRCE(Hybrid Reliable Channel Estimation)는 기존의 Smoothing 기법에 LMMSE(Linear Minimum Mean Square Error)를 적용함으로써 더 정확한 채널 추정이 이루어져 신뢰성 있는 데이터 검출을 가능하게 한다. 모의실험 결과, 제안한 기법이 NMSE(Normalized Mean Square Error)와 BER(Bit Error Rate) 측면에서 전체적으로 성능이 향상 된 것을 볼 수 있다.