유전 알고리즘 기반 귀납적 학습 환경에서 분류기의 통합

김영준,Kim, Yeong-Joon 한국정보통신학회 2006 한국정보통신학회논문지 Vol.10 No.3

PROSPECTOR에서 사용한 규칙 형태의 분류 규칙을 습득하기 위한 유전 알고리즘 기반 귀납적 학습 환경에서 다중 분류기 학습법을 구현하였다. 다중 분류기 학습법은 주어진 사례 집합에 대해 다수의 분류기를 습득한 후 이를 이용하여 분류 시스템을 구축함으로써 시스템의 성능을 향상시키는 기법이다. 다중 분류기 학습법의 구현을 위해서는 분류기의 분류 결과를 취합하여 최종 결론을 도출해 내기 위한 기법이 필요하다. 본 논문에서는 각각의 클래스에 대해 분류기가 제공하는 사후 가능성을 취합하여 결론을 도출해 내는 기법과 순위에 기반을 둔 보우팅 기법을 소개하고 다중 분류기 학습법이 유전 알고리즘 기반 귀납적 학습 환경에 미치는 영향을 다수의 사례 집합을 이용하여 평가하였다. We have implemented a multiclassifier learning approach in a GA-based inductive learning environment that learns classification rules that are similar to rules used in PROSPECTOR. In the multiclassifier learning approach, a classification system is constructed with several classifiers that are obtained by running a GA-based learning system several times to improve the overall performance of a classification system. To implement the multiclassifier learning approach, we need a decision-making scheme that can draw a decision using multiple classifiers. In this paper, we introduce two decision-making schemes: one is based on combining posterior odds given by classifiers to each class and the other one is a voting scheme based on ranking assigned to each class by classifiers. We also present empirical results that evaluate the effect of the multiclassifier learning approach on the GA-based inductive teaming environment.

유전 알고리즘 기반 귀납적 학습 환경에서 다중 분류기 시스템의 구축을 위한 메타 학습법

김영준,홍철의,Kim, Yeong-Joon,Hong, Chul-Eui 한국정보통신학회 2015 한국정보통신학회논문지 Vol.19 No.1

본 논문은 유전 알고리즘 기반 귀납적 학습 환경 하에서 메타 학습법을 이용한 다중 분류기 시스템의 구축에 관한 것이다. 메타 학습법을 이용한 다중 분류기 시스템의 구축에서 분류기는 일반 분류기와 메타 분류기로 구성된다. 메타 분류기는 사례에 대한 일반 분류기의 분류 결과에 학습 알고리즘을 적용하여 얻어진다. 분류시스템의 의사 결정과정에서 메타 분류기의 역할은 일반 분류기의 분류 결과를 평가하여 최종 의사 결정 과정에의 참여 여부를 결정하는 것이다. 분류 시스템은 분류기의 분류 결과가 옳은 것으로 평가된 결과들만 취합하여 이를 바탕으로 최종 분류 결과를 도출해 낸다. 메타 학습법이 다중 분류기 시스템의 성능에 미치는 영향을 다수의 사례 집합을 이용하여 평가하였다. The paper proposes a meta-learning approach for building multi-classifier systems in a GA-based inductive learning environment. In our meta-learning approach, a classifier consists of a general classifier and a meta-classifier. We obtain a meta-classifier from classification results of its general classifier by applying a learning algorithm to them. The role of the meta-classifier is to evaluate the classification result of its general classifier and decide whether to participate into a final decision-making process or not. The classification system draws a decision by combining classification results that are evaluated as correct ones by meta-classifiers. We present empirical results that evaluate the effect of our meta-learning approach on the performance of multi-classifier systems.

유전 알고리즘 기반 귀납적 학습 환경을 위한 건설적 귀납법

김영준,Kim, Yeong-Joon 한국정보통신학회 2007 한국정보통신학회논문지 Vol.11 No.3

건설적 귀납법은 사례들이 갖고 있는 속성들에 적합한 연산자를 적용하여 이들 사례들을 좀 더 효율적으로 분류할 수 있는 새로운 속성들을 도출해 내는 기법이다. 본 논문에서는 주어진 사례의 집합으로부터 PROSPECTOR에서 사용한 규칙 형태의 분류 규칙을 습득하는 유전 알고리즘 기반 귀납적 학습 환경을 위한 건설적 귀납법을 제시한다. 속성 결합 연산자와 유도된 속성의 유용성을 평가하기 위한 방법을 중심으로 건설적 귀납법에 대해 자세히 설명하고 다양한 사례 집합을 이용하여 건설적 귀납법이 유전 알고리즘 기반 학습 환경에 미치는 영향을 평가하였다. Constructive induction is a technique to draw useful attributes from given primitive attributes to classify given examples more efficiently. Useful attributes are obtained from given primitive attributes by applying appropriate operators to them. The paper proposes a constructive induction approach for a GA-based inductive learning environment that learns classification rules that ate similar to rules used in PROSPECTOR from given examples. The paper explains our constructive induction approach in details, centering on operators to combine primitive attributes and methods to evaluate the usefulness of derived attributes, and presents the results of various experiments performed to evaluate the effect of our constructive induction approach on the GA-based learning environment.

ATM망에서 Network Performance를 고려한 Real-Time Multimedia Service에 관한 연구

김영준(Yeong Joon Kim),이병호(Byung Ho Rhee) 대한전자공학회 1998 대한전자공학회 학술대회 Vol.1998 No.11

17C 조선의 포수 훈련방식과 군율

김영준(Kim, Yeong-joon) 국방부 군사편찬연구소 2014 군사 Vol.- No.92

This study is analysis on the training methods and military discipline of musketeer responsible for a key figure in Chousun army around the 17th century. Since it was founded, Chousun dynasty faced the most complicated crisis around the 17th century when it had been invaded by Japan in 1592(임진왜란 壬辰倭亂) and Chung Dynasty in 1636(병자호란 丙子胡亂). The military system of Chousun at that time was almost collapsed by the Japanese army’s early offensive and it was very necessary for it to design a new one for substituting the old system. According to its need, Chouson dynasty published the Training Book(훈련도감 訓鍊都監) in which Musketeer appeared as its key change. Actually, the weapon called Musket was not at all new to Chousun because it had already used gunpowder. However, Chousun’s army hadn’t yet developed proper military tactics to utilize Musket systematically and organizationally. On the contrary, the Japanese army had developed strong and effective heating tactics on the basis of the Musket imported in Europe, which affected one of causes that Chousun army was beaten in early stage of war. However, we should notice that the Musket used in East-Asia then was different from that was used in Europe. And these differences were not only distinct from kinds of just a weapon, but had an strong impact on military tactics and the way of war execution adapted by both countries. Thus, this study, by noticing these differences, analyzed the reason why Chouson dynasty had chose the Musket of other kind from the West as its major individual weapon system. As a result, it found out that cultural concept affecting those who conducted the war had a great influence on the difference between military tactics. For the reason, this study sought to find a cultural notion made up of such a military environment as well as the military history is not limited just to Military weapon systems, a combat or the military institution.

베이지안 분류 규칙의 학습을 위한 구축적 귀납법

김영준 ( Yeong Joon Kim ) 상명대학교 소프트웨어·미디어연구소 2003 소프트웨어 미디어연구 Vol.2003 No.1

구축적 귀납법은 주어진 사례의 집합으로부터 그 사례들이 갖고 있는 속성들에 적절한 연산자를 적용하여 이들 사례들을 좀 더 효과적으로 분류할 수 있는 새로운 속성들을 도출해 내는 기법이다. 본 논문에서는 베이지안 분류 규칙의 학습을 위한 유전 알고리즘 기반 귀납적 학습 환경에 적합한 구축적 귀납법을 제시하고 다양한 사례 집합을 이용하여 구축적 귀납법이 유전 알고리즘 기반 학습 환경에 미치는 영향을 평가하였다.

정보 이득에 기반을 둔 구축적 귀납법

김영준 ( Yeong Joon Kim ) 상명대학교 소프트웨어·미디어연구소 2004 소프트웨어 미디어연구 Vol.2004 No.1

구축적 귀납법은 주어진 사례의 집합으로부터 사례들이 갖고 있는 속성들에 적절한 연산자를 적용하여 이들 사례들을 좀 더 효율적으로 분류할 수 있는 새로운 속성들을 도출해 내는 기법이다. 본 논문에서는 정보 이득의 개념에 기반을 둔 구축적 귀납법을 제시하고 본 논문에서 제시한 구축적 귀납법이 유전 알고리즘 기반 학습 환경에 미치는 영향을 다양한 사례 집합을 이용하여 평가하였다.

유전학 기반 학습 환경하에서 분류 시스템의 성능 향상을 위한 엔-버전 학습법

김영준(Kim Yeong Joon),홍철의(Hong Chul Eui) 한국정보처리학회 1999 정보처리학회논문지 Vol.6 No.7

DELVAUX is a genetics-based inductive learning system that learns a rule-set, which consists of Bayesian classification rules, from sets of examples for classification tasks. One problem that DELVAUX faces in the rule-set learning process is that, occasionally, the learning process ends with a local optimum without finding the best rule-set. Another problem is that, occasionally, the learning process ends with a rule-set that performs well for the training examples but not for the unknown testing examples. This paper describes efforts to alleviate these two problems centering on the N-version learning approach, in which multiple rule-sets are learned and a classification system is constructed with those learned rule-sets to improve the overall performance of a classification system. For the implementation of the N-version learning approach, we propose a decision-making scheme that can draw a decision using multiple rule-sets and a genetic algorithm approach to find a good combination of rule-sets from a set of learned rule-sets. We also present empirical results that evaluate the effect of the N-version learning approach in the DELVAUX learning environment.

증거 취합 기반 엔-버전 학습법을 위한 적합도 함수

김영준 ( Yeong Joon Kim ) 상명대학교 소프트웨어·미디어연구소 2003 소프트웨어 미디어연구 Vol.2003 No.1

엔-버전 학습법은 주어진 사례 집합에 대해 다수의 분류기를 습득한 후 이를 이용하여 분류 시스템을 구축함으로써 분류 시스템의 전체적인 성능을 향상시키는 기법이다. 엔-버전 학습법의 구현을 위해서는 분류기의 분류 결과를 취합하여 최종 분류 결과를 도출해 내기 위한 기법이 필요하다. 증거 취합기반 엔-버전 학습법에서는 분류기는 각각의 클래스에 대해 주어진 사례가 속할 가능성을 제시하고 분류 시스템은 이들 가능성을 취합하여 최종 결론을 도출해 낸다. 본 논문에서는 베이지안 분류 규칙을 습득하기 위한 유전 알고리즘 기반 학습 환경 하에서 증거 취합 기반 엔-버전 학습법의 구현을 위한 적합도 함수를 제시하고 이 적합도 함수가 증거 취합 기반 엔-버전 학습법의 성능에 미치는 영향을 다양한 사례 집합을 통해 평가하였다.

엔-버전 학습법에서 분류기의 다양성 관리

김영준 ( Yeong Joon Kim ) 상명대학교 소프트웨어·미디어연구소 2004 소프트웨어 미디어연구 Vol.2004 No.1

엔-버전 학습법은 주어진 사례의 집합으로부터 다수의 분류기를 습득한 후 이를 이용하여 분류 시스템을 구축함으로써 분류 시스템의 전체적인 성능을 향상시키는 기법이다. 엔-버전 학습법의 구현을 위해서는 분류기가 다양성을 유지하도록 하는 것이 중요하다. 본 논문 에서는 주어진 사례의 집합으로부터 분류 규칙을 습득하는 유전 알고리즘 기반 학습 환경 하에서 분류 규칙 집합의 유사성을 평가하기 위한 기법을 제시하고 이를 이용하여 분류기의 다양성을 유지함으로써 엔-버전 학습법의 성능을 향상시키는 기법을 제시한다. 분류기의 다양성이 엔-버전 학습법의 성능에 미치는 영향을 다양한 사례 집합을 이용하여 평가하였다.