5편의 한국어 분석 — 최신순으로 정렬했어요
의료 머신러닝에서 데이터셋은 종종 중복되거나 관련 없는 특징을 포함하므로, 특징 선택은 필수적인 전처리 단계입니다. 래퍼 기반 특징 선택에 메타휴리스틱 알고리즘이 유망한 결과를 보였지만, 조기 수렴 및 탐색 불안정성으로 인해 효과가 제한될 수 있습니다. 본 연구는 개체군 전이 전략을 기반으로 하는 의료 특징 선택을 위한 순차적 하이브리드 프레임워크를 제안합니다. 제안된 프레임워크는 세 가지 탐색 지향 메타휴리스틱(PSO, HHO, BSO)과 이진 Al-Biruni Earth Radius(bABER) 알고리즘을 통합합니다. 최적화 …
기존 고래 최적화 알고리즘(WOA)이 3D 무인항공기(UAV) 경로 계획에서 수렴 성능이 저조하고 지역 최적해에 빠지기 쉬운 문제를 해결하고자, 본 연구는 RRT* 알고리즘을 통합한 개선된 고래 최적화 알고리즘(R*WOA)을 제안한다. R*WOA는 RRT*를 활용하여 고품질 초기 모집단을 생성함으로써 모집단 다양성과 전역 탐색 능력을 향상시킨다. 또한, 선형 수렴 인자를 구분별 비선형 코사인 수렴 인자로 대체하여 반복 과정 전반에 걸쳐 탐색과 활용의 균형을 맞춘다. 마지막으로, 아크탄젠트 비선형 관성 가중치를 도입하여 위치 업데이트…
정밀 농업, 자산 관리 및 자율 운송 관리를 위해 농업 기계의 자동 시각 식별 시스템은 필수적입니다. 그러나 실제 농업 환경 이미지는 높은 클래스 내 다양성, 클래스 간 유사성, 그리고 가림, 눈부심, 모션 블러와 같은 통제 불가능한 환경 요인으로 인해 심각한 문제를 야기합니다. 본 연구는 이러한 문제를 해결하기 위해 새로운 딥러닝 아키텍처인 MoEffNet을 제안합니다. MoEffNet은 EfficientNet 백본에 Mixture of Experts 레이어를 통합하고, 새로운 메타휴리스틱 알고리즘인 Refined Addax O…
다수의 결정 변수와 제약 조건을 포함하는 복잡한 실제 문제들은 최적화가 필수적입니다. 이러한 문제 해결을 위해 메타휴리스틱 알고리즘이 도입되었으며, 이는 합리적인 시간 내에 최적의 해를 탐색합니다. 본 연구는 이러한 알고리즘의 중요성을 바탕으로 회색 랑구르 최적화(GLO)라는 새로운 메타휴리스틱 최적화 알고리즘을 제안합니다. GLO는 자연에서 관찰되는 회색 랑구르의 집단 행동에 착안했습니다. 회색 랑구르는 단일 수컷, 다중 수컷, 전체 수컷 집단으로 나뉘며, GLO는 이 세 집단의 행동과 사회적 계층을 수학적으로 모델링합니다. 또…
복잡한 공학 및 실제 최적화 문제 해결을 위해 효율적이고 적응성이 뛰어난 메타휴리스틱 알고리즘 개발이 필수적입니다. 본 연구에서는 나무 위 뱀의 활공 및 뱀형 이동 패턴에서 영감을 받은 새로운 자연 모사 알고리즘인 활공 뱀 최적화(GSO)를 제안합니다. 이는 해 탐색 및 수렴 제어 능력을 향상시킵니다. GSO 알고리즘은 다중 세그먼트 이동 메커니즘, 유연한 활공 경로 생성기, 엘리트 안내 모델을 통합하여 탐색과 활용 간의 효과적인 균형을 보장합니다. 이를 통해 전역 최적화 문제에서 강력한 성능을 발휘합니다. 23개의 고전 벤치마…
