http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
안정된 추론을 위한 베이지안 네트워크 앙상블의 종분화 진화
유지오(Ji-Oh Yoo),김경중(Kyung-Joong Kim),조성배(Sung-Bae Cho) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.2Ⅰ
베이지안 네트워크는 불확실한 상황을 모델링하기 위한 확률 기반의 모델이다. 베이지안 네트워크의 구조를 자동 학습하기 위한 연구가 많이 있었고, 최근에는 진화 알고리즘을 이용한 연구가 많이 진행되고 있다. 그러나 대부분은 마지막 세대의 가장 좋은 개체만을 이용하고 있다. 시스템이 요구하는 다양한 요구 조건을 하나의 적합도 평가 수식으로 나타내기 어렵기 때문에, 마지막 세대의 가장 좋은 개체는 종종 편향되거나 변화하는 환경에 덜 적응적일 수 있다. 본 논문에서는 적합도 공유 방법으로 다양한 베이지안 네트워크를 생성하고, 이를 베이즈 규칙을 통해 결합하여 변화하는 환경에 적응적인 추론 모델을 구축할 수 잇는 방법을 제안한다. 성능 평가를 위해 ALARM 네트워크에서 인공적으로 생성한 데이터를 이용한 구조 학습 및 추론 실험을 수행하였다. 다양한 조건에서 학습된 네트워크를 실험한 결과, 제안한 방법이 변화하는 환경에서 더욱 강건하고 적응적인 모델을 생성할 수 있음을 확인할 수 있었다.
다양한 형태의 상황 정보 합성을 위한 퍼지 베이지안 네트워크
유지오(Ji-Oh Yoo),조성배(Sung-Bae Cho) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.1
다양한 형태의 상황 정보를 결합하여 추론하기 위해 베이지안 네트워크를 많이 사용한다. 그러나 일반 베이지안 네트워크는 각 노드의 상태가 이산적이기 때문에, 연속적이거나 여러 상태가 동시에 존재할 수 있는 현실의 상황 정보를 처리하기 어렵다. 본 논문에서는 이와 같은 베이지안 네트워크의 단점을 보완하기 위해 다양한 형태의 상황 정보를 퍼지를 통해 전처리하여 베이지안 네트워크를 통해 추론하는 퍼지 베이지안 네트워크를 제안한다. 유용성을 보이기 위해 음악 추천 에이전트를 설계하여 일반 베이지안 네트워크와 비교 실험한 결과, 제안한 방법으로 다양한 상황 정보에 대해 유연한 처리가 가능함을 확인하였다.
유지오(Ji-Oh Yoo),황금성(Keum-Sung Hwang),한승일(Seung-Il Han),조성배(Sung-Bae Cho) 한국정보과학회 2002 한국정보과학회 학술발표논문집 Vol.29 No.2Ⅱ
디지털 영상을 처리하는 기술 중 영상에 첨가된 노이즈를 제거하는데 필터가 널리 사용되는데, 노이즈의 특성에 의존적인 경우가 많다. 그래서 여러 종류의 노이즈가 복합적으로 섞인 영상을 처리할 때는 필터의 종류, 적용순서, 파라미터 등의 조건을 최적화해야 하는데, 이러한 조건을 결정하기 위해 유전자 알고리즘(GA)을 이용해 보려는 시도가 있었고, 긍정적인 결과를 얻을 수 있었다. 본 논문에서는 이 연구를 발전시켜 다양한 해를 동시에 찾아내어 종분화 유전자 알고리즘을 적용함으로써 더 좋은 성능을 얻을 수 있음을 보인다. 기존에 사용된 Steady-state GA와의 비교 실험 결과 종분화 알고리즘이 안정적으로 더 좋은 해를 잘 찾아냄을 알 수 있었다.
유지오(Yoo Ji-Oh),서정윤(Seo Jeong-Yun) 한국태양에너지학회 1993 한국태양에너지학회 논문집 Vol.13 No.2·3
유동층을 열교환기에 응용하기 위한 시도로 알루미나 입자를 유동입자로 하는 수직 이중관식 유동층형 열교환기에서 내관으로 평활관과 핀관(종형핀)을 사용하는 경우에 각각의 열전달효과를 비교, 검토하였다. 본 실험에서는 평균직경이 0.41 ~ 0.77mm범위의 4종의 알루미나 입자를 사용하였으며, 초기충진높이는 50mm(H_o/H=0.083)에서 250mm(H_o/H=0.417)의 범위로 하였다.입자의 크기와 초기 충진높이 및 유동화속도가 열전달계수에 미치는 영향을 검토하고, 단상강 제대류형 열교환기와 열전달효과를 비교한 결과, 평활관을 사용하는 경우에는 7.8배, 핀관을 사용하는 경우에는 12.9배의 전열증진효과가 있었다. 또 유동층에서는 유동화속도가 증가함에 따라 열전달계수은 최대값을 보인후 다시 감소하는데, 이때의 Nu수 및 Re수와 Ar수의 무차원 관계식을 구하였다. The purpose of this study was to investigate the enhancement of heat transfer coefficient in double pipe fluidized bed heat exchangers. The inner tube used a smooth tube and a finned tube equipped with longitudinal fins. The heat transfer coefficients between the heated tube and fluidized bed of alumina beads were calculated as a function of fluidized velocity in various particle sizes (d_p = 0.41, 0.54, 0.65, 0.77mm) and static bed heights (H_0 = 50, 100, 150, 200, 250mm). The coefficient for finned tube is higher than for smooth tube. And the maximum increasing rate is 7.8 times in smooth tube and 12.9 times in finned tube.
종 분화 진화 알고리즘을 이용한 안정된 베이지안 네트워크 앙상블 구축
유지오(Ji-Oh Yoo),김경중(Kyung-Joong Kim),조성배(Sung-Bae Cho) 한국정보과학회 2004 정보과학회논문지 : 소프트웨어 및 응용 Vol.31 No.12
베이지안 네트워크는 불확실한 상황을 모델링하기 위한 확률 기반의 모델로서 확실한 수학적 토대를 가지고 있다. 베이지안 네트워크의 구조를 자동 학습하기 위한 연구가 많이 있었고, 최근에는 진화알고리즘을 이용한 연구가 많이 진행되고 있다. 그러나 대부분은 마지막 세대의 가장 좋은 개체만을 이용하고 있다. 시스템이 요구하는 다양한 요구 조건을 하나의 적합도 평가 수식으로 나타내기 어렵기 때문에, 마지막 세대의 가장 좋은 개체는 종종 편향되거나 변화하는 환경에 덜 적응적일 수 있다. 본 논문에서는 적합도 공유 방법으로 다양한 베이지안 네트워크를 생성하고, 이를 베이즈 규칙을 통해 결합하여 변화하는 환경에 적응적인 추론 모델을 구축할 수 있는 방법을 제안한다. 성능 평가를 위해 ASIA와 ALARM 네트워크에서 인공적으로 생성한 데이타를 이용한 구조 학습 및 추론 실험을 수행하였다. 다양한 조건에서 학습된 네트워크를 실험한 결과, 제안한 방법이 변화하는 환경에서 더욱 강건하고 적응적인 모델을 생성할 수 있음을 알 수 있었다. One commonly used approach to deal with uncertainty is Bayesian network which represents joint probability distributions of domain. There are some attempts to learn the structure of Bayesian networks automatically and recently many researchers design structures of Bayesian network using evolutionary algorithm. However, most of them use the only one fittest solution in the last generation. Because it is difficult to combine all the important factors into a single evaluation function, the best solution is often biased and less adaptive. In this paper, we present a method of generating diverse Bayesian network structures through fitness sharing and combining them by Bayesian method for adaptive inference. In order to evaluate performance, we conduct experiments on learning Bayesian networks with artificially generated data from ASIA and ALARM networks. According to the experiments with diverse conditions, the proposed method provides with better robustness and adaptation for handling uncertainty.