사람의 체내 장기는 복잡한 구조로 되어있으며 특히, 소장은 길이가 약 7m 길이를 가지고 있어 내시경 검사가 쉽지 않고 내시경 검사 시 위험도가 높다. 현재는 캡슐 내시경으로 검사를 수행하고 있으며, 검사 시간이 매우 긴 편이다. 의사는 제거된 저장장치를 컴퓨터에 연결해 환자의 캡슐 내시경 영상을 저장 후 프로그램을 사용하여 판독하지만, 캡슐 내시경 검사 결과 영상 길이가 길어 판독 시간이 많이 소요된다. 또한 소장의 경우 융모에 의해 많은 굴곡이 존재해 검사 과정에서 영상의 폐색 영역이나 명암이 뚜렷이 나타나게 되어 검사 시 병변 및 이상징후에 관해 놓치는 경우가 발생할 수 있다. 본 논문에서는 의사의 영상 판독 시간 단축과 진단 신뢰도 향상을 위해 인공신경망을 이용한 소장 캡슐 내시경 병변 검사 보조 방법을 제공한다.

딥러닝을 활용한 객체 인식으로 이미지를 사용하는 많은 시스템에서 기존에 제공하던 방식을 넘어서 다양한 솔루션이 제공되고 있다. 많은 연구를 통하여 그 활용성을 입증하고 있으며, 실제 관제 시스템에서는 이를 사용하여 사람의 업무를 더욱 편리하게 하는 등 가능성을 보여주고 있다. 하지만, 하드웨어에 집중된 성능에 따라 모델의 개발도 일부 한계를 맞이하고 있으며 새롭게 업데이트되지 못한 많은 모델의 사용과 추가적 활용에 따른 용이성이 떨어지고 있다. 본 논문에서는 기존의 정형화된 객체 인식의 결괏값 이후에 인식된 국소 이미지 데이터의 HSV 색상 히스토그램을 통한 학습과 가중치를 활용하여 색상의 감성적 영역 및 객체의 추가적 정보를 제공하여 활용도와 정확성을 높일 방법을 제안한다.

Applying Reinforcement Learning in everyday applications and varied environments has proved the potential of the of the field and revealed pitfalls along the way. In robotics, a learning agent takes over gradually the control of a robot by abstracting the navigation model of the robot with its inputs and outputs, thus reducing the human intervention. The challenge for the agent is how to implement a feedback function that facilitates the learning process of an MDP problem in an environment while reducing the time of convergence for the method. In this paper we will implement a reward shaping system avoiding sparse rewards which gives fewer data for the learning agent in a ROS environment. Reward shaping prioritizes behaviours that brings the robot closer to the goal by giving intermediate rewards and helps the algorithm converge quickly. We will use a pseudocode implementation as an illustration of the method.

본 논문에서는 최근 스마트농업의 중요한 이슈로 떠오르고 있는 스마트 축산분야의 가축 유행병 서비스 표준 모델을 제시한다. 네트워크를 이용하여 전 세계적으로 유행하는 가축 전염병 질병 리스크를 파악해서 서비스 유저들에게 관련 모델을 제공하여 실질적으로 가축 소유자들에게 경제적인 이득을 제공하고 궁극적으로 국가 농축산업 경제에도 도움 될 수 있을 것으로 판단된다. ICT와 접목하여 제시되는 가축전염병 서비스 표준모델과 가축 전염병 위기완화 표준모델 공유 방법은 향후 국내 및 국제 농축산업 분야에 표준에 적용하려고 지속적 연구가 진행될 예정이다.

볼 베어링 선택조립 시스템에서 잉여부품을 최소화하기 위해서는 각 부품의 치수 분포를 파악하여 선택 확률을 최적화하여야 하지만, 복잡한 시스템은 생산 공정에 지연이 일으킨다. 본 논문에서는 볼 베어링 선택조립 시스템에서 빠르고 간단하게 선택 우선순위를 결정할 수 있는 군집 우선 선택 알고리즘을 제안한다. 그리고 실제 볼 베어링 선택조립 공정에서 수집한 데이터로 모의 상황을 가정하고, 군집 우선 선택 알고리즘과 기존 알고리즘을 시뮬레이션하여 잉여부품 발생률과 연산소요시간을 평가한다. 시뮬레이션 결과, 군집 우선 선택 알고리즘이 기존 알고리즘에 비하여 83.8% 적은 잉여부품을 발생하였고, 연산소요시간도 39.7% 단축되었다.

자기 지도 학습을 이용한 이상 탐지는 일반적으로 합성 데이터를 생성해 정상과 이상을 학습하고, 실제 이상 데이터를 테스트 데이터로 사용하여 이상 탐지 성능을 측정한다. 정상 데이터와 유사한 합성 데이터를 생성하기 위해 기존 연구에서는 원본 이미지에서 특정 패치를 자르고 붙이는 식으로 합성 데이터를 생성한다. 이런 방식에서 정상 데이터와 유사한 정도는 패치 개수와 크기에 따라 달라지므로 이상 탐지 성능에 영향을 미칠 수 있다. 본 연구에서는 패치 크기 및 개수를 다르게 하여 합성 데이터를 생성한 뒤 사전 학습된 모델을 사용하여 정상 데이터와의 유사성 측정 및 분석을 진행하였고 모델을 학습시켜 이상 탐지 성능을 측정하여 보았다.

본 논문은 Proteus VSM(virtual system modeling)을 이용한 회로 시뮬레이션에 관한 것으로 모든 전자 및 통신 또는 마이크로프로세서 응용이 가능하다. 하드웨어 구성 전 실제로 실험 도구와 함께 구성 요소의 동작과 시뮬레이션에서 관련 출력을 확인할 수 있어 제품개발 시간 단축 및 비용 절감이라는 측면에서 엄청난 효과를 얻을 수 있을 것이다.

최근 4차 산업의 발전으로 대기오염 등의 환경문제가 심각해지고 있으며, 특히 산업현장에서 대기오염 물질이 많이 발생한다. 대기오염 물질은 다양한 종류가 있으며, 그 중 일산화탄소는 산업현장에서 발생하는 화재의 요소에 필수적으로 존재하기 때문에 실시간으로 모니터링 가능해야 한다. 또한 대기오염 물질 이외의 여러 환경요소들도 실시간으로 계측 가능한 원격 모니터링 시스템이 요구되고 있다. 본 논문에서는 산업현장의 환경을 원격으로 계측하기 위하여 무선통신을 이용한 모니터링 시스템을 제안한다. 제안한 모니터링 시스템은 센서부의 일산화탄소센서, 가연성가스센서, 온습도센서, 불꽃감지센서 등을 이용하여 데이터를 송신부의 아두이노에 수집한 후, 지그비를 이용하여 수신부로 전송한다. 전송한 데이터는 수신부 라즈베리파이의 데이터베이스에 저장하고, 저장한 데이터는 모니터링 시스템을 통하여 실시간 모니터링이 가능하다.

최근 COVID-19의 변종으로 다시금 확진자의 수가 증가하고 있다. 특히 빠르게 증가하는 확산을 막기 위해 격리를 권고하는데, 타인과의 접촉을 최소한으로 하는 등의 환경을 제어하여 안전성을 높일 수 있기 때문이다. 그뿐만 아니라 특정 조건에 따라 면회가 금지되는 등 보호자의 입장에서 환자의 상태를 확인할 수 없을 때가 종종 있다. 이때 병원에서 사용되는 의료용 가스인 산소, 이산화탄소의 농도와 온습도, 알코올의 센서 데이터값을 지그비 무선통신 기술을 활용하여 원격으로 데이터 수집 후 전처리 과정을 거쳐 데이터베이스에 저장하고 모니터링할 수 있는 시스템을 설계하고자 한다. 관리되고 있는 환경에 대한 데이터를 병원 측에서 확인 후 피드백이 가능하게 설계하고 더 나아가 보호자들에게도 신뢰성을 줄 수 있는 시각화 시스템인 환경 모니터링 시스템을 제안한다.

상용화된 게임 엔진은 콘텐츠 개발을 도우며 다양한 플랫폼을 지원하지만 기능에 따른 성능 차이가 존재한다. 본 논문에서는 원소스 멀티유즈에 대응하는 VR 화상 회의 플랫폼을 구현하고 게임 서버 엔진의 종류와 플랫폼 이용자 수에 따른 접속 지연시간을 측정하였다. 측정 결과, Amazon GameLift 엔진을 사용하고 이용자 수가 2명일 때, 지연시간이 22.146 msec로 가장 낮았고, ProudNet 엔진을 사용하고 이용자 수가 10명일 때, 지연시간이 27.007 msec로 가장 높았다.

기존 텍스트 감성 분석 모델에서는 일반적으로 전체 텍스트를 직접 모델링하고, 텍스트 내용 간의 계층적 관계를 덜 고려한다. 그러나 감정분석의 구현에서는 많은 텍스트가 여러 감정으로 뒤섞여 있다. 전체의 의미론적 모델링을 직접 수행하면 감성분석 모델의 판단 난도가 높아져 혼합 감정 문장의 분류에 적용하기 어려울 수 있다. 따라서 본 논문에서는 텍스트 계층을 고려한 감성 분석 모델 BHGCN을 제안한다. 이 모델에서는 BERT의 각 레이어의 숨겨진 상태의 출력이 노드로 사용되며, 상위 레이어와 하위 레이어 사이에 직접 연결이 이루어져 의미 계층이 있는 그래프 네트워크를 구축한다. BHGCN 모델은 계층별 의미론에 주의를 기울일 뿐만 아니라 계층적 관계에도 주의를 기울이기 때문에 혼합 감성 분류 작업을 처리하는 데 적합하다. 본 논문에서는 비교 실험을 통해 제안하는 BHGCN 모델이 명백한 경쟁 우위를 보인다는 것을 입증하였다.

코로나19가 전 세계를 강타하면서 2021년 무관중 도쿄올림픽을 개최했다. 일부 방송사는 TV로 현장의 생생함을 전하고자 영상처리 기반 비접촉식 측정을 활용하여 실시간으로 선수들의 심박수를 보여주었다. 그러나 비접촉식 모델은 혈액순환에 따른 선수들의 얼굴 피부색 변화를 파라미터로 이용하기 때문에 자연광이나 안경 등과 같은 방해 요소로 인해 부정확할 가능성이 있다. 따라서 본 논문에서는 비접촉식 심박수 측정 모델과 접촉식 심박수 측정 모델을 방해 요소 유무에 따른 환경에서 실험하고 그에 따른 정확도를 분석한다.

센서 및 네트워크 기술 발전에 따라 지휘통제 정보가 폭증하고 있다. 지휘통제(C2) 분야에서는 정보의 적시 처리가 매우 중요하다. 한정된 자원으로 모든 정보를 적시 처리하는 것이 제한된다면, 우선순위가 높은 정보를 먼저 처리하여야 한다. 이를 위해 추천 시스템 기술이 가용하다. 추천 시스템은 수많은 아이템 중 사용자에게 적합한 아이템을 골라내어 우선순위가 높은 순으로 제시할 수 있기 때문이다. 이 연구는 군 통신망 구현에서 널리 쓰이는 트리플-메트릭 우선순위 기준을 쿼드러플-메트릭 우선순위 기준으로 확장하고, 그에 따른 지휘통제 정보 추천 시스템을 제안하고, 실험을 통해 그에 대한 타당성을 보인다.

수용가에서 사용되는 수돗물의 패턴과 양을 정확하게 예측하여 필요한 만큼의 수돗물을 펌프를 이용하여 배수지로 전달하여 저장하고, 필요한 유량이 최소의 전기에너지를 이용하여 적기에 공급되어야 정수장의 최적화 운영을 할 수 있다. 본 논문에서는 수돗물 생산·공급의 안정성을 확보하기 위하여 AI 기반 복합센서를 실증지인 정수장에 적용하기 전에 사전검증할 수 있는 시스템을 구축하여 복합센서별 사전검증 모델을 통해 보완 사항을 도출하고, 제작 과정에 피드백하여 복합 센서 데이터의 품질 및 동작 안정성을 향상시키고자 하였다.

IPS는 건물 내부에서 벽과 지붕으로 인해 정확도가 떨어지는 GPS를 대신하기 위한 실내 측위 시스템이다. 위성 신호를 대신하여 Wi-Fi와 같은 전파 신호들을 사용하고, 정확도를 높이기 위한 다양한 측위 기법들이 연구되고 있다. 본 논문에서는 정확도 높은 핑거프린트 기법에 고준위 신호를 적용하여 기존보다 효율적인 측위 방법을 제시한다. 과거에 비해 많아진 와이파이 AP를 활용하여 수집된 고준위 신호로 라디오 맵을 구성한다. 구성된 라디오 맵이 위치마다 나타내는 패턴을 분석하여 사용 적합성을 확인한다.

YOLOv5에서 객체 탐지를 위해 이미지를 학습 시 기존의 이미지에 위치 정보를 어노테이션 하는 과정이 필요한다. 가장 대표적인 방법이 이미지에 바운딩 박스를 그려 위치 정보를 메타정보로 저장하게 하는 것이다. 하지만 객체의 경계가 모호한 경우 바운딩 박스를 하는 것에 어려움을 겪게 된다. 그 대표적인 예시가 화재인 부분과 화재가 아닌 부분을 분류하는 것이다. 따라서 본 논문에서는 화재가 났다고 판단되는 샘플 100개의 이미지를 바운딩 박싱 개수를 달리하여 학습시켜 보았다. 그 결과 바운딩 박스를 어노테이션 시 가장자리를 가능한 크게 잡아 하나의 박스로 어노테이션하는 것보다 조금 더 세분화 하여 박스 3개로 어노테이션하여 학습시킨 모델에서 더 뛰어난 화재 탐지 성능을 보여주었다.

대한민국은 산불의 위험으로부터 취약한 환경을 가지고 있으며, 이로 인해 매년 큰 피해가 발생하고 있다. 이를 예방하기 위해 많은 인력을 활용하고 있으나 효과가 미흡한 실정이다. 만약 인공지능 기술을 통해 산불을 조기 발견해 진화된다면 재산 및 인명피해를 막을 수 있다. 본 논문에서는 산불의 피해를 최소화하기 위한 오브젝트 디텍션 모델을 제작하는 과정에서 발생하는 데이터 수집과 가공 과정을 최소화하는 목표로 한 객체 이중 탐지 방법을 연구했다. YOLOv5에서 한정된 이미지를 학습한 단일 모델을 통해 일차적으로 원본 이미지를 탐지하고, 원본 이미지에서 탐지된 객체를 Crop을 통해 잘라낸다. 이렇게 잘린 이미지를 재탐지하는 객체 이중 탐지 방법을 통해 오 탐지 객체 탐지율의 개선 가능성을 확인했다.

무선 AP를 이용한 실내 측위 시스템 기법 중 핑거프린트 기법은 측위를 수행하기 전 AP의 Mac 정보와 수신세기를 수집하여 Radio Map을 구축하고 이후 측위 과정에서 수집되는 AP의 정보와 비교하여 위치를 판단하는 기법이다. 단, 기존 Radio Map 구축방법은 실내를 일정한 크기의 Grid Map으로 나누어 측정했을 때 실내 환경에 따라 수많은 AP들의 충돌로 인한 상호간의 신호 간섭이 발생, 신호 패턴에 영향을 주어 신호 세기 탐색 결과가 항상 일정하게 나오지 않는 문제점이 있다. 이에 본 논문에서는 기존의 고정형 Radio Map 구축 방법과 측정 구역 자체를 신호 세기에 따라 능동적으로 분석하여 구성하는 가변적 Radio Map 구축기법에 대하여 비교 설명한다.

당뇨병은 전 세계적으로도 발병률 및 유병률이 매년 증가하는 사회적 중대한 문제이다. 혈중 포도당의 농도가 높아지는 고혈당을 특징으로 한 당뇨병은 여러 증상 및 징후를 일으키고 있다. 그로 인해 환자들이 일상생활에서의 자가관리 강화를 인지하고 실천해야 한다. 하지만 환자들이 자가관리에 있어서 실패하는 가장 큰 요인을 식이요법 실패로 꼽고 있다. 이에 본 논문에서는 사진 촬영 또는 이미지 업로드를 통해 식단을 입력하고 섭취지표와 혈당 통계를 통해 사용자들의 식단을 분석해주는 애플리케이션을 설계 및 구현하였다.

물류 창고와 공장에서 다량의 화물을 운반하는 작업에 지게차가 빈번하게 쓰인다. 최근 산업 현장의 사고사망자 중 지게차로 인한 사고사망자가 가장 많았다. 지게차에 부딪히거나 끼이는 사고가 대다수를 차지한다. 지게차 사고를 방지하기 위해 다양한 안전장치가 적용되고 있다. 본 논문은 지게차의 운행에서 일어날 수 있는 산업 재해를 예방하기 위해 스마트 제어방식을 도입했을 때의 효율성을 분석한다. 스마트 제어방식은 초기 도입에 금액이 발생하지만, 정부 지원 사업으로 지원금을 확보한다면, 사업장의 부담을 덜게 된다. 스마트 제어방식을 도입했을 때 작업자와 지게차의 충돌 및 끼임 지게차 사고를 예방할 수 있다.

오늘날 AI의 발전으로 인하여 AI 시장은 매우 커지고 있다. 그중 가장 많이 발전된 AI는 이미지 탐지이다. 그리하여 YOLOv5을 이용하는 많은 객체 탐지 모델이 존재한다. 하지만 AI의 대부분의 객체 탐지는 정형화된 객체 탐지에 중점이 잡혀 있으며 비정형 객체에 대한 연구는 상대적으로 적은 편이다. 따라서 본 논문에서는 YOLOv5을 이용한 화재 감시 시스템을 설계하여 비정형 화재 데이터를 탐지 및 분석하여 화재 탐지시스템을 설계하고 구현하였다.

국가과학기술지식정보서비스(이하 NTIS)에서는 국가R&D과제정보를 제공하고 있다. 과제정보는 '과제명', '과제수행기관', '연구책임자명' 등의 메타정보와 '연구목표', '연구내용', '기대효과'와 같은 과제를 설명하는 텍스트들로 구성되어있다. 과제정보 100만건을 대상으로 검색한 결과목록에서 '연구목표' 나 '연구내용' 등을 모두 확인하여 원하는 과제정보를 찾기 위해서는 많은 시간이 필요하다는 문제가 있다. 이러한 문제점을 해소하기 위해, 본 논문에서는 국가R&D 과제정보 내에서 장문의 텍스트로 구성된 부분을 요약하는 과제정보 요약 시스템을 제안하고자 한다. 한국어의 언어학적 특징을 분석하여 전처리기를 구축하고 전처리된 텍스트 정보를 처리하기 위한 자연어 처리 기술 기반 과제정보 요약 모델을 개발하였다. 이를 통해 장문으로 구성된 과제정보를 압축 및 요약된 형태로 제공하여, 이용자들이 요약정보만으로도 전반적인 내용을 쉽고 빠르게 유추하는 데 도움이 될 것이다.

WPS는 무선 AP의 정보를 통해 현재 이동 객체의 위치를 찾는 시스템이다. 실외 및 실내의 AP 신호 세기 특징을 활용하여 현재 위치를 판단하며 이를 위해 AP 정보를 저장하기 위한 Radio Map구축이 선행되어야 한다. 최초 서비스를 위하여 map을 구성하더라도 실외의 경우 AP신호의 가변성에 의해 구축된 DB의 map 정보를 완전히 신뢰할 수 없다. 따라서 WPS의 정확도를 올리기 위한 다양한 알고리즘이 필요하다. 본 논문은 이동객체의 현재 위치를 판단하기 위해 다양한 방법을 적용하여 측위 정확도를 높이기 위한 시스템에 대하여 제안한다.

형태가 가변적인 영상을 감지하기 위해서는 많은 양의 관련 영상이 필요하다. 따라서 본 논문에서는 형태가 가변적인 영상 중 화재 영상을 GAN 알고리즘을 통해 증식시키고 이 영상을 이용해 AI 학습을 수행할 때의 검출률을 비교하여 GAN 알고리즘을 사용하여 증식된 이미지가 학습 데이터에 적합한지 분석하였다.

연구 동향을 파악하는 것은 연구 수행 시 필수적인 요소이다. 대부분의 연구자들은 관심분야의 학술대회 및 저널을 대표하는 기술 핵심구나 관심 분야를 검색함으로써 연구 동향을 파악한다. 하지만, 최근 인공지능과 같은 특정 분야의 경우 한 개의 학술대회에 한 해당 수백~수천 개의 논문이 출간되기 때문에 전체 분야의 경향성을 파악하는 데 어려움이 존재한다. 본 논문에서는 학술대회 또는 저널 제목을 활용하여 기술 핵심구를 자동으로 추출함으로써 연도별 학술대회 및 저널의 연구 동향 파악을 지원하고자 한다. 핵심구 추출은 문장 또는 문서를 대표하는 주요 구문을 추출하는 작업으로서 검색, 요약, 내용 파악 등을 위해 근간이 되는 기술이다. 기존 사전학습 언어모델 기반의 핵심구 추출 모델은 문서 단위의 긴 텍스트를 기준으로 모델링 하였기 때문에 제목 단위의 짧은 텍스트에서는 성능이 낮아진다는 단점이 존재한다. 본 논문에서는 짧은 텍스트에 강인하면서 단어 자체의 중요도를 고려한 학술대회 및 저널의 기술 핵심구 추출 모델을 제안하고자 한다.

인공지능 대화 기술이 발달하며 다양한 분야에서 사용자의 의도에 따른 적절한 대응이 가능한 챗봇이 적용되고 있다. 특히 사용자 문의 및 상담이 많은 교육 도메인에서의 챗봇 도입 중요성은 증가하고 있다. 하지만 현재까지의 챗봇은 단순 대응이나 사용자가 자주 사용하는 기능 위주로 대응이 이루어지고 있다. 또한 교육콘텐츠가 다양화되고 증가함에 따라 인공지능을 통해 맞춤형 추천이 가능한 추천 시스템 연구가 활발해지고 있다. 이러한 대화 시스템과 추천 시스템에 대한 각 연구 분야는 같은 도메인에서 핵심적인 요소임에도 불구하고 별도로 진행되고 있는 한계점을 가지고 있다. 따라서 본 연구에서는 사용자 맞춤형 강의 콘텐츠를 추천할 수 있는 추천 시스템과 부가 기능에 대한 대응이 가능한 대화 시스템이 결합된 사용자 맞춤형 강의 추천 대화 시스템을 제안한다. 이를 통해 다양화 및 개인화 되어가는 교육도메인에서의 챗봇 적용으로 업무 효율성 및 사용자 만족도가 향상되기를 기대한다.

최근 코로나로 인해 집에 있는 시간이 많아진 소비자들이 증가함에 따라 비대면으로 쉽게 사용 할 수 있는 SNS와 OTT등 디지털 소비를 하는 시간이 자연스럽게 늘어났다. 코로나가 발생한 2019년 이후 디지털 소비는 44%에서 82%로 두 배가량 증가하였고 트렌드가 빠르게 변화하는 디지털 특성상 소비자들의 감성을 분석하여 트렌드를 신속, 정확하게 파악하여 적용하는 것은 중요하다. 그러나 대기업 수준의 시스템이 아닌 소규모 시스템에서 감성분석을 활용한 서비스를 실제로 구현하기에는 제약 사항이 있으며 실제 서비스 되는 경우도 많지 않다. 하지만 소규모 시스템이라도 간편하게 소비자들 트렌드 분석을 할 수 있다면 빠르게 변화하는 현대사회에 도움이 될 것이다. 본 논문에서는 BERT Model의 Transfer Learning(Fine Tuning)을 통해 학습 네트워크를 구축하고, 실시간 데이터 수집을 위한 Crawler를 연동하는 경량 트렌드 분석 시스템을 제안한다.

본 논문에서는 국내에 다양한 분야에 도입되어 있는 키오스크의 접근성 향상을 위한 인터페이스 개선 설계를 제안한다. 키오스크는 터치식 스크린을 활용한 무인 시스템으로 특히 외식분야에 특화 되어 있다. 하지만 키오스크의 직관성이 부족함에 따라서 키오스크의 사용을 포기하는 사람이 늘어나고 있다. 이를 해결하기 위해서 인터페이스 단계에서 직관성 및 사용학습성을 높여 기존의 키오스크의 사용을 기피하는 사람들의 편의성을 증대시키며, 이를 통하여 키오스크의 접근성을 높이는 것을 목적으로 한다.

DTW는 길이가 서로 다른 시퀀스 사이의 간격을 제거하고 패턴의 유사성을 알아낼 수 있지만, 시공간 복잡성 때문에 대규모 데이터셋에서 많은 계산 비용이 필요로 한다. 본 논문에서는 계산 비용을 줄일 뿐만 아니라 결괏값의 오차도 없는 DDTW 알고리즘을 제안한다. 그리고 시퀀스의 길이에 따른 연산 시간을 측정하여 DTW와 DDTW의 알고리즘 복잡도를 비교한다. 시뮬레이션 결과 DTW에 비해 DDTW에서 연산 시간이 눈에 띄게 줄어듦을 확인하였다.

대장암의 조기 발견과 치료를 위해서는 정확한 폴립의 분할이 중요하나 다음과 같은 제약이 따른다. 개별 폴립의 위치, 크기 및 모양이 서로 상이하며, 모션 흐림 및 빛 반사와 같은 특정 상황에서 폴립과 주변 환경 간에 상당한 정도의 유사성이 존재한다. 인코더와 디코더 역할을 하는 Convolutional Neural Networks로 구성된 U-net은 이러한 한계를 극복하기 위해 다양하게 사용된다. 본 연구는 보다 정확한 폴립 분할을 위한 비전트랜스포머가 포함된 U-net 아키텍처를 제안하였고, 그 결과 제안된 방식은 표준 U-net 아키텍처보다 더 나은 성능을 보였음을 확인할 수 있었다.

타원곡선 암호 (elliptic curve cryptography; ECC)는 효율적인 하드웨어 구현이 가능하면서 높은 보안 강도를 가져 오늘날 IoT 기기나 V2X 통신의 공개키 보안 하드웨어 구현에 폭넓게 사용되고 있다. 그러나 ECC 기반의 공개키 보안 시스템은 부채널 공격 (side channel attacks; SCA)에 대한 일부 보안 취약점을 갖는 것으로 알려지고 있어 ECC 프로세서 설계 시 보안공격에 대한 대응 방법의 적용이 필요하다. 본 논문에서는 부채널 공격 유형과 ECC 프로세서 설계에 적용할 수 있는 부채널 공격 대응 방안에 대해 알아본다.

1인 가구는 매년 꾸준히 증가하고 있으며, 다가구와는 다르게 정신적으로 고립돼 있기 때문에 우울증 발병률이 더 높다. 우울증 발병 원인은 여러 가지가 있는데 신체 활동, 가족 수, 그리고 스트레스 등이 있다. 신체 활동이 적을수록, 스트레스가 많을수록 우울증의 발생률이 높아진다. 1인 가구가 증가하고, 2019년 발생한 코로나로 인해 팬데믹 사태가 겹침으로 인해 신체 활동에 제약이 생기면서 스트레스 지수가 증가하여 많은 우울증 환자가 발생했다. 우울증이 발병했더라도 진료받지 않는 환자가 많기 때문에 우울증 진료의 접근성을 높이기 위해 우울증 관리 체계 시스템을 제안한다.

본 논문은 차량 내부 네트워크에서 메시지 인증을 사용하여 사이버 공격을 탐지할 수 있는 보안 시스템을 제안한다. 자동차 내부 네트워크는 브로드캐스트 방식으로 메시지를 전송하고 노드의 식별자를 사용하지 않으므로 송신자를 식별할 수 없다. 송신 노드는 제어 데이터를 암호화 해시함수를 사용하여 메시지인증코드를 생성하여 제어 데이터와 같이 전송한다. 메시지인증코드 생성 시, 결과의 임의성을 증가시키기 위해서 다차원 카오틱 맵을 적용하였다. 수신 노드는 수신한 메시지의 제어 데이터에 대해 생성된 메시지인증코드를 수신 메시지에 존재하는 메시지인증코드 값과 비교하여 전송된 메시지의 위조 여부를 탐지한다. CANoe와 CAPL(Communication Access Programming Language)을 사용하여 차량 내부 네트워크 환경을 구성하고 사이버 공격을 수행하여 성능을 평가하였으며 탐지율 100%의 성능을 보였다.

신호를 제어하는 방식은기존의 전통적인 수학적 방식을 이용한 최적화를 넘어 이제 인공지능이 본격적으로 활용되기 시작하는 단계까지 발전하였다. 이에 따라 인공지능을 적용하는 방안에 대해 다양한 연구들이 진행되고 있는데, 현행 연구에서는 주로 좋은 교통 상황에 대한 마땅한 고려 없이 간단히 지체도만을 고려하여 보상함수를 설정하는 방식을 주로 채택하고 있다. 그러나 이 경우 현실성이 떨어지는 신호 제어 방식을 인공지능이 학습할 가능성이 존재한다는 문제점을 지닐 뿐더러, 보상 함수에서 좋다고 평가하는 것이 실질적인 서비스 수준의 정의에 부합하지 않음을 확인할 수 있다. 따라서 본 연구에서는 기존의 보상함수 설정 사례를 분석하고, 개선 방향을 제시하고자 한다.

피드백 전계 효과 트랜지스터(feedback field-effect transistor; FBFET)로 구성된 모놀리식 3차원 정적 랜덤 액세스 메모리(monolithic 3-dimensional static random access memory; M3D-SRAM)에 대해 TCAD(technology computer-aided design) 프로그램을 사용하여 전기적 특성을 조사하였다. FBFET로 구성된 M3D-SRAM(M3D-SRAM-FBFET)는 FDSOI(fully depleted silicon on insulator) 구조의 N형 FBFET와 N형 MOSFET(metal oxide semiconductor field effect transistor)로 이루어져 있으며 각각 하부와 상부에 위치한다. M3D-SRAM-FBFET의 메모리 동작 시, 공급 전압이 1.9 V에서 감소함에 따라 읽기 전류가 낮아졌으며, 공급 전압이 1.6 V 일 때 읽기 전류가 약 10배 감소하였다.

본 논문은 M3D(Monolithic 3-Dimension) Inverter의 소자 구조에서 메탈 게이트의 WFV(Work-function Variation)의 영향에 따른 임계전압의 변화에 대하여 조사했다. 또한 PMOS 위에 NMOS가 적층된 인버터의 전기적 상호작용에 따른 임계전압의 변화를 조사하기 위해 PMOS에 0과 1 V의 전압을 인가하여 전기적 상호작용을 조사하였다. 사용된 메탈 게이트의 평균 일함수에 대한 임계전압의 변화량은 0.1684 V로 측정되었고, 표준편차는 0.00079 V가 조사 되었다.

본 논문은 Nanosheet FET(NSFET)와 FinFET의 구조를 갖는 소자 성능을 조사하기 위해서 3차원 소자 시뮬레이터를 이용하여 시뮬레이션한 결과를 소개한다. NSFET와 FinFET의 채널 도핑 농도에 따른 전류-전압 특성을 시뮬레이션하였고, 그 전류-전압 특성으로부터 추출한 문턱전압, 문턱전압이하 기울기 등의 성능을 비교하였다. NSFET이 FinFET보다 채널 도핑 농도에 따른 전류-전압 특성에서 드레인 전류가 더 많이 흐르며 더 높은 문턱전압을 갖는다. 문턱전압이하 기울기는 NSFET가 FinFET보다 더 가파른 기울기를 갖는다.

본 논문에서는 Yolo-pose를 이용하여 장단기 메모리(Long short-term Memory)에 적용하는 시스템을 소개한다. 영상데이터로부터 Yolo-pose를 이용하여 일상생활과 낙상으로 구분된 데이터를 추출하여 LSTM에 적용하여 학습시킨다. 학습은 오버피팅을 방지하기 위하여 8대2의 Validation을 진행하며 Confusion matrix로 나타낸다. Yolo-pose의 결과값은 sensitivity와 specificity 모두 100%를 기록하여 일상생활과 낙상을 잘 구분하는 것을 확인 하였다.

본 논문은 생성자 손실함수를 이용한 가창 음성합성 모델링에 대한 연구로서 기존 이미지 생성에 최적화된 딥러닝 알고리즘 중 BEGAN모델을 오디오 생성모델(SVS모델)에 적용시킬 때 발생할 수 있는 여러 요인에 대해 분석하고 최적의 품질을 도출하기 위한 실험을 수행하였다. 특히 BEGAN 기반 모델에서 제안된 L1 loss가 어느 시점에서 감마(𝛾)파라미터의 역할을 상실하게 한다는 점을 개선하고자 알파(𝛼)파라미터를 추가한 후 각 파라미터 값들의 구간별 실험을 통해 최적의 값을 찾아냄으로써 가창합성 생성물의 품질향상에 기여할 수 있음을 확인하였다.

삼차원 라이더 데이터를 기반으로 침입에 대한 분류 및 시나리오를 생성한다. 다양한 실제 침입 사례들을 분석하고 다양화하여 오브젝트를 인식하고 침입에 대한 데이터를 식별, 경계할 수 있는 시스템을 구축하기 위한 연구를 진행하였다. 자동차, 사람, 동물, 자연물 등에 대한 기본 시나리오를 생성하고 이를 반복적으로 테스트하여 시뮬레이션함으로써 침입에 대한 시스템을 구축하고 평가하는데 필요한 분류 체계를 만든다. 최종적으로 구성된 시나리오를 기반으로 차량 및 주변 물체에 대해서 변수를 추가하여 시나리오를 다양화하고, 향후 침입에 대해 정확하고 자동화된 경계 시스템을 구축할 수 있는 기반을 마련한다.

IoT 및 AI기술과 매체의 발전에 따라 다양한 디지털 장비가 사용되고 있으며, 무인화와 자동화가 급속도로 진행되고 있다. 특히 스마트 팩토리와 자율주행기술 및 지능형 CCTV와 같은 분야에서는 높은 수준의 영상처리 기술이 요구되고 있다. 하지만 영상에 존재하는 잡음은 에지 검출이나 객체 인식과 같은 과정에 영향을 미치고 있으며, 시스템의 정확성과 신뢰도 저하를 야기한다. 본 논문에서는 복합잡음에 훼손된 영상을 복원하기 위해 퍼지 가중치를 사용한 필터링 알고리즘 제안한다. 제안한 알고리즘은 잡음 판단을 사용하여 기준값을 구했으며, 퍼지가중치를 적용하여 최종출력을 계산한다. 제안한 알고리즘의 성능을 검증하기 위해 시뮬레이션을 진행하였으며, 기존 필터 알고리즘과 결과영상을 비교하여 평가하였다.

에지 검출은 영상에 대하여 물체의 모양, 위치, 크기 및 재질 등과 같은 정보를 포함하고 있으며, 영상의 특징을 분석할 때 매우 중요한 요소이다. 기존의 에지 검출 방법에는 1차 미분을 이용한 소벨 필터(Sobel edge detection filter), 로버츠 필터(Roberts edge detection filter), 프리윗 필터(Prewitt edge detect ion filter) 등이 있으며, 2차 미분을 이용한 LoG(Laplacian of Gaussian) 등이 있다. 하지만 이러한 방법들은 전체 영상 영역에 대해 고정된 가중치 마스크를 적용하기 때문에 에지 검출 결과가 다소 미흡하다는 단점이 있다. 따라서 본 논문에서는 마스크 내의 중심 화소를 고려하여 에지 검출 특성을 높이는 에지 검출 알고리즘을 제안한다. 또한 제안한 에지 검출 성능을 확인하기 위하여 시뮬레이션 결과 영상을 통해 비교하였다.

디지털 영상 매체 및 지능형 시스템에 대한 관심이 급격히 증가함에 따라 보안, 인공지능 등 다양한 분야에서 영상 정보를 이용한 기술들을 접목해 사용하고 있다. 디지털 영상 처리 중 발생하는 임펄스 잡음은 영상의 화질을 저하시켜 정보의 신뢰성을 떨어뜨리기 때문에 필터를 통한 제거가 필요하다. 이미 잘 알려진 선행된 방식으로 SMF, AWMF, MDBUTMF가 있지만 이들 모두 알고리즘 자체의 문제로 유효한 화소의 정보의 손실이 크고 오염도가 큰 환경에서 원활하지 못한 필터링을 이루는 한계를 가진다. 따라서 본 논문은 마스크 내에 존재하는 가장 근접한 유효 화소를 탐색함으로써 정보의 신뢰도를 반영한 가중치를 적용하는 메디안 필터 알고리즘을 설계한다. 성능 평가를 위해 PSNR과 확대영상을 사용하여 본 알고리즘과 선행된 알고리즘을 비교, 분석하였다.

전 세계적인 인터넷의 보급으로 인터넷과 연결된 기기들이 점차 늘어나고 있다. 이에 더불어 DNS, NTP, CLDAP 와 같이 응용 프로토콜의 취약점을 이용하여, 공격자가 피해자인 것처럼 아이피를 속여, 다량의 응답을 악의적으로 요청하는 공격인 분산 반사 서비스 거부 공격(DRDoS)이 급격하게 늘어나는 추세이다. ISP 들이 IP Spoofing에 대한 적절한 대비책을 수립하지 않으면 분산 반사 서비스 공격의 보안 위협은 사라지기 어려울 것으로 사료된다. 따라서 본 논문에서는 IP Spoofing에 기반한 분산 반사 서비스 공격의 보안 위협과 대응 실태에 관해 기술한다.

인터넷이 발전함에 따라 많은 사람들이 이메일로 문서를 주고 받거나 온라인 서비스에 가입하는 등 전자우편 사용이 증가하고 있다. 상용 이메일 서비스를 통해 제공되는 도메인을 사용하지 않고, 개인이나 교육기관의 자체 도메인을 사용하는 사례도 함께 증가하고 있다. 하지만 사용하던 전자우편의 도메인이 만료될 경우 다른 개인이나 기관이 해당 도메인을 사용 할 수 있고, 새로운 도메인 소유자는 도메인으로 전송되는 모든 전자우편을 수발신 할 수 있어 개인정보 유출 우려가 크다. 기존 이메일 주소로 전송되는 모든 전자우편을 확인할 수 있기에 비밀번호 재설정 안내, 신용카드 명세서, 전자상거래 주문 내역 등 민감한 개인정보를 포함한 전자우편 역시 열람할 수 있는 것이다. 본 논문에서는 외부 사이트 등 의존성이 유지된 채 전자우편로 사용되던 도메인이 만료될 때 야기되는 개인정보 피해를 기술하고 해결책을 제안하고자 한다.

본 연구의 목적은 LTC(Liquid Time-constant Network)를 기반으로 감각 뉴런의 동작과 시냅스 가소성을 고려한 모델을 제안하는 것이다. 이를 위해 뉴런 연결 구조를 뉴런의 수가 증가하는 형태, 감소하는 형태, 증가 후 감소하는 형태, 감소 후 증가하는 형태의 4가지로 설정하여 실험을 진행하였다. 변경한 모델의 성능이 LTC에 비해 개선되었는지 알아보기 위한 데이터는 시계열 예측 데이터셋을 사용하였다. 실험 결과, 감각 뉴런의 모델링을 적용하는 것은 항상 성능 향상을 불러오는 것은 아니지만 데이터셋의 종류에 따라 적절히 학습 규칙을 선택하는 것을 통해 성능이 향상됨을 관찰하였다. 또한, 뉴런의 연결 구조는 4개 층 이하일 때 향상된 성능을 보였다.

최근 로봇과 드론을 이용하여 이미지 데이터를 수집하는 경우가 많아졌다. 로봇이나 드론이 주행할 때 외부 영향으로 흔들리게 된다. 이렇게 수집된 이미지를 사용하기 위해서는 이미지를 정합하는 전처리 기술이 필요하다. 따라서 본 논문에서는 자율주행 로봇 데이터셋과 직접 촬영한 드론 데이터셋을 사용하여 Deblur 딥러닝 모델을 통해 흔들린 이미지 데이터의 품질을 높인다. 실험 결과를 통해 흔들린 이미지가 선명하게 정합되는 것을 확인하였으며 모델의 성능을 평가하였다.

최근 데이터 기반의 스마트시티를 이룩하고자 하는 다양한 시도가 발생하고 있다. 데이터 기반의 스마트시티를 위해서는 국내 108개 지자체에 보급된 스마트시티 통합플랫폼 활용을 통한 시너지를 발휘하는 것이 필수적이다. 본 논문에서는 도시 플랫폼 간 상호운용성을 향상하기 위해 도시 데이터 플랫폼으로 연구 중인 스마트시티 데이터허브와 스마트시티 통합플랫폼 간의 연동 구현 사례로써, 스마트시티 통합플랫폼의 도시 상황 이벤트를 스마트시티 데이터허브로 연계하고, 스마트시티 데이터허브에서의 데이터 융·복합 분석 결과로써 도시 예측 이벤트를 스마트시티 통합플랫폼으로 연계한 구현 사례를 기술한다.

최근 교통사고를 저감하기 위한 정책이 시행되고 있음에도 불구하고 전국 이면 도로에서의 보행자 안전사고가 지속적으로 발생하고 있다. 본 논문에서는 거리 측정 및 무선 통신이 가능한 장치를 이용하여 보행자에게 차량의 진입 상황을 신속히 통보해 주는 안전사각지대의 사고 안전장치 설계안을 제안한다. 넓은 센싱 범위를 가지는 초음파, 레이더, PIR 센서를 이용하여 차량 및 보행자 거리 측정 정밀도를 실험하고, 타겟 보드 간 거리별 무선통신 연결성 테스트를 통하여 긴급 상황에서 보행자및 운전자에게 상황정보를 제공할 수 있는 사고 대응 가능성을 시뮬레이션 하였다.

표 기계독해에서는 도메인에 따라 언어모형에 필요한 지식이나 표의 구조적인 형태가 변화하면서 텍스트 데이터에 비해서 더 큰 성능 하락을 보인다. 본 논문에서는 표 기계독해에서 이러한 도메인의 변화에 강건한 사전학습 표 언어 모형 구축을 위한 의미있는 표 데이터 선별을 통한 사전학습 데이터 구축 방법과 적대적인 학습 방법을 제안한다. 추출한 표 데이터에서 구조적인 정보가 없이 웹 문서의 장식을 위해 사용되는 표 데이터 검출을 위해 Heuristic을 통한 규칙을 정의하여 HEAD 데이터를 식별하고 표 데이터를 선별하는 방법을 적용했으며, 구조적인 정보를 가지는 일반적인 표 데이터와 엔티티에 대한 지식 정보를 가지는 인포박스 데이터간의 적대적 학습 방법을 적용했다. 기존의 정제되지 않는 데이터로 학습했을 때와 비교하여 데이터를 정제하였을 때, KorQuAD 표 데이터에서 F1 3.45, EM 4.14가 증가하였으며, Spec 표 질의응답 데이터에서 정제하지 않았을 때와 비교하여 F1 19.38, EM 4.22가 증가한 성능을 보였다.

전기차 시장이 급격하게 성장함에 따라 배터리 시장의 크기도 그에 따라 기하급수적으로 커지고 있다. 전기차에 탑재되는 배터리에 대한 품질 제어 기술의 발전 속도와 배터리 양산화 속도의 괴리로 인해 배터리에 대한 많은 내구성 문제가 발생하고 있다. 대다수 사고는 전기적 요인에 발생하나 이를 신속하게 검사할 수 있는 기술이 존재하지 않는다. 본 논문에서는 GAN 모델을 이용해 배터리 셀의 불량을 신속하게 분석하는 방법에 대해 제안하려 한다.

최근 인공지능의 활용 범위가 넓어짐에 따라 여러 방면으로 활용되고 있다. 종래에 학생들은 학교와 수 많은 과외를 통해 자기 주도 학습이 아닌 주입식 교육 방법으로 공부를 해 왔다. 주입식 교육의 문제점을 완화 시키기 위해 인공지능 영단어 어플을 통해 학생들의 수준을 고려하여 자기 주도 학습 능력 향상을 기대 할 수 있다. 본 논문에서는 효율적인 학습을 위한 인공지능 활용 방안에 대하여 제안하려 한다.

국내에서 물류를 처리하는 회사에서는 다양한 형태의 제품을 입출고 처리하고 있다. 다양한 형태의 제품을 처리하기 위해서 수작업으로 분류 업부를 수행하고 있다. 본 논문에서는 적은 인력으로 고효율을 내기 위해 비전 센서를 사용하는 실시간 QR코드 탐지 방법을 제안한다. 제한하는 시스템은 비전 센서를 사용하여 물류의 QR코드 인식을 실시간으로 처리가 가능하다. 제안하는 시스템은 물류의 단인 QR 코드 인식이 아닌 다중 인식을 통해서 다량의 QR 코드를 빠르게 파악할 수 있다. 연구에서는 시스템을 실제 구현하여 검증을 진행하여 비전 센터를 통해서 이미지에서 다중 QR 인식을 확인하였다.

본 논문은 시각장애인이 원하는 목적지까지 버스를 이용하여 이동하는 것을 보조하는 시스템 안에 사용될 수 있는 심층신경망에 따라 성능을 비교하였다. 이 시스템은 GPS, 경로 안내 API를 이용하여 현재 위치에서 목적지까지 이르는 경로를 찾고 안내하는 스마트폰 어플리케이션과 임베디드 보드, 심층신경망, 버스정보 API를 이용해 원하는 버스의 탑승 대기시간을 구하고 도착을 감지하는 정거장 설치형 모듈로 이루어져 있다. 정거장 설치형 모듈에 탑승할 버스 번호를 인식하기 위해서 faster-RCNN, YOLOv4, YOLOv5s 세 가지 심층신경망을 적용했고 최상 정확도와 속도면에서 YOLOv5s 심층신경망이 가장 좋은 성능을 보였다.

본 논문은 Java 기반의 Firebase용 ML Kit로부터 구한 요가 강사의 요가 자세의 랜드마크를 기반으로 사용자가 요가 자세 훈련할 수 있는 애플리케이션 구현을 소개한다. ML Kit를 이용해 사용자의 자세를 분류하고 각 관절에 해당하는 랜드마크를 구한다. 구해진 랜드마크의 관절들이 이루는 각도를 통해 요가 자세에 대한 정확도 측정 기준값을 설정한다. 전문 요가 강사의 요가 자세에 대한 기준 랜드마크와 ML Kit를 통한 사용자의 포즈에 대한 랜드마크 사이의 정확도를 비교한다. 정확도 기준값에 따라서 오동작과 정동작 정보를 TTS(Text-to-Speech)를 통해 사용자에게 제공해준다. Firebase로 효과적인 사용자관리를 하고, 사용자 요가 자세가 정확도 기준값에 부합하는 운동을 했을 경우에 카운터와 타이머를 통해 운동량을 디스플레이하는 시스템을 설명한다.

초·중등학교 교육에서 인공지능(AI)이 강조됨에 따라, 교과 활동에 AI를 접목한 수업에 관한 관심이 높아지고 있다. 학교에서의 AI 수업은 관련 교과뿐만 아니라 다양한 교과를 통해 이루어지므로, 교수자는 융합교육에 대한 이해를 바탕으로 교수·학습 및 평가를 설계할 필요가 있다. 이에 따라, 본 논문에서는 먼저 융합교육의 의미와 효과적인 수업 활동을 위해 검토할 사항을 살펴보았다. 다음으로 초·중등학교에서의 AI 수업 설계를 위해 고려할 사항에 대해 학교에서의 AI 교육의 특징, 교육과정 총론에 제시된 학교급별 교육목표, 수업 내용 구성을 위해 참고할 자료, AI가 적용된 소프트웨어에 대한 관점, 예상 수업 절차의 측면에서 제시하였다. 제언으로서 첫째, 초·중등학교 교육의 특징에 기반하여 AI 교육을 통해 함양할 수 있는 역량 도출의 필요성과 둘째, 학교에서의 AI 교육의 기존 사례 탐구를 바탕으로 교과 특성을 반영한 AI 수업의 교수·학습 설계 요소 및 절차 규명의 필요성을 제시하였다.

오늘날 4차 산업혁명 시대에서 교육 패러다임의 급격한 변화로 인공지능(이하 AI) 교육이 점점 더 강조되고 있다. 2022 개정 교육과정은 미래사회에서 필요한 기초소양과 역량을 함양할 수 있는 AI 교육을 제시하고 있다. 본 연구에서는 초·중등학교 AI 교육에서 컴퓨팅 사고력 및 수학적 사고력 향상을 위해 다음과 같이 제언하고자 한다. 첫째, 컴퓨팅 사고력 교육 측면에서 학생들이 AI 개념과 원리를 잘 이해하고 실생활의 문제해결을 위한 능력을 키울 수 있는 교수 원리 연구가 필요하다. 둘째, AI를 이해하기 위한 수학적 사고력 측면의 요소로서 학생들이 수식을 이용한 알고리즘과 컴퓨터가 인간처럼 사고하는 과정에서 이루어지는 학습원리를 습득할 수 있는 교육 프로그램이 요구된다. 향후 연구 과제로 교수자와 학습자의 관계에서 나올 수 있는 역량있는 학습 효과성 분석을 통한 기대치에 관한 연구에 대하여 제시하였다.

본 논문에서는 하이브리드 러닝의 목적 및 교수-학습 원리를 기반으로 AI 교육 시스템의 구성안에 대해 제안하였다. 이를 위해 하이브리드 러닝의 4가지 구성요소를 바탕으로 AI 교육을 효과적으로 운영하기 위한 온·오프라인 학습환경(메타버스 기반, 앱 기반, 면대면 기반) 등의 시스템 개념 구성도와 시스템에 필요한 DB 구성도를 설계하였다. 본 연구에서 제안한 AI 교육 시스템 모형은 학습자의 수준 및 요구에 따라 AI 교육의 효과성을 극대화하고 AI 교육을 통한 컴퓨팅 사고력 함양에 있어 더 효과적인 학습자 중심의 학습 환경을 구축하는 데 도움이 될 것으로 기대한다.

인공지능, 빅데이터 등 디지털 기술의 촉발로 인한 4차 산업혁명의 도래는 사회, 문화, 산업 등에 많은 변화를 일으켰다. 하지만, 각 지역의 전통시장은 새로운 유통환경과 소비자 변화에 신속하게 대응하지 못하고 있다. 특히, 제주지역 전통시장의 경우 제주 방문 관광객 대상의 마케팅 전략 등 지역적 특성을 살리지 못하고 있다. 이에 본 연구에서는 제주 지역적 특성을 고려한 빅데이터 및 인공지능 기반의 스마트 전통시장 구축에 대해 제언하고자 한다. 연구 내용으로는 방문자 빅데이터 분석을 통한 고객 프로파일링, 트래픽 분석을 통한 관광객 동선 결과제공, 실시간 인기 제품 차트 제공, 영상기반 화재 및 범죄 예방 기능 개발 등이 있다.

레이더 안테나에서 송신된 전파가 표적에 맞으면 표적의 전기적 특성, 외형 등에 따라 특정한 형태의 전계가 형성되는데, 이를 RCS 패턴이라 한다. 표적의 RCS를 계산하여 RCS 패턴을 플로팅 하는 다양한 상용 프로그램이 있으며, 군함이나 선박과 같은 큰 표적의 해석을 위해서는 저주파 해석기법 보다는 계산 속도가 빠른 고주파 해석기법이 적용된 프로그램이 적합하다. 고주파 해석 프로그램인 XGTD는 표적의 360도 전 방위에 대한 2차원 RCS 패턴을 빠른 시간에 플로팅 가능하나, 3차원 RCS 패턴은 구할 수 없다. 본 논문에서는 XGTD를 이용하여 다양한 각도에서 표적의 2차원 RCS 패턴을 플로팅하고, 이를 이용하여 3차원 RCS 패턴을 생성한 후 3차원 안테나 패턴 파일로 변환하여 활용하는 방안을 제안하였다.

본 논문에서는 다양한 서비스가 존재하는 스마트시티에 IoT 표준기술을 적용하여, 다양한 센서 및 데이터를 통합 관리할 수 있는 플랫폼 개발에 대해 설명하고자 한다. 플랫폼 개발을 통해 여러 데이터를 통합하여 관리하고, 수집된 데이터를 서비스에 맞춰 가공할 수 있도록 구조를 설계하였다. LwM2M 표준 기술을 기반으로 플랫폼을 설계하여, 다양한 기기를 수용할 수 있는 기능을 제공할 수 있다.

최근 5년간 당뇨병으로 진료받은 환자가 322만 명으로 27.7% 증가하였으며 여전히 손가락 채혈을 통해 혈당을 확인하므로 연속적인 혈당 측정과 혈당 피크 확인이 어렵고 고통스러워한다. 이를 해결하기 위해 14일 간 측정한 혈당 데이터를 기반으로 인공지능 기술을 사용하여 3개월간의 혈당 예측 데이터를 당뇨 환자들에게 제공해준다.

스마트 팩토리(Smart Factory) 고도화의 핵심으로 평가되는 디지털 트윈(Digital Twin)은 현실 세계의 자산과 동일한 속성 및 기능을 가지는 디지털 복제본을 가상의 세계에 구현하는 기술이다. 디지털 트윈 기술이 적용된 스마트팩토리는 생산공정의 실시간 모니터링, 생산공정 시뮬레이션, 생산설비 예지보전 등의 서비스를 지원할 수 있어 생산비용 절감 및 생산성 향상에 기여할 것으로 기대된다. AAS(Asset Administration Shell)는 디지털 트윈을 구현하기 위한 필수 기술로, 현실의 물리적 자산을 디지털로 표현하는 방법을 제공한다. 본 논문에서는 스마트팩토리 내 생산설비를 자산으로 간주하여, 운용 중인 실시간 CNC(Computer Numerical Control) 모니터링 시스템에서 활용할 제조 데이터 수집을 위한 AAS를 설계하였다.

IoT환경에서 스마트 디바이스로부터 사람의 신체 활동을 인식하여 생활 패턴 데이터를 수집할 수 있게 되었다. 본 논문에서는 제안된 모델은 예측단계와 추천단계로 구성한다. 예측 단계는 생활 패턴 데이터로부터 수집된 데이터셋을 기계학습을 통해 로지스틱 회귀와 k-최근접 이웃 알고리즘을 활용하여 불안과 우울의 척도를 예측한다. 추천 단계는 불안과 우울 증상으로 분류된 경우 이를 호전시킬 수 있는 음식과 가벼운 운동을 추천하기 위해 주성분 분석 알고리즘을 적용한다. 제안한 불안·우울 예측과 음식·운동 추천은 개인의 삶의 품질 개선에 파급효과가 있을 것으로 기대한다.

제조업에서 생산 설비의 상태를 모니터링하기 위해 각종 센서를 부착하고 있으며, 이를 통해 획득된 데이터의 경우 시계열 데이터인 경우가 많다. 생산 설비의 이상 여부를 판단하기 위해서는시계열 데이터로부터 패턴을 추출하는 과정이 선행되어야 하며 다양한 방법이 연구되고 있다. 본 논문에서는 수집된 다변량 시계열 데이터로부터 패턴을 추출하기 위해 매트릭스 프로파일 알고리즘을 적용하였으며, 이를 통해 현재 CNC 머신으로부터 수집 중인 다중 센서 데이터의 패턴을 추출하였다.

최근 이미지를 처리하는 딥러닝 기술이 화재 감지나 자율주행, 불량품 검출 등에서 다양하게 활용되고 있다. 특히, 제품이 오염되었는지 아닌지를 파악하기 위해 기존 센서 데이터에서 넘어온 오염물질을 통해 파악할 수 있지만, 제품의 균열이나 오염물질 자체를 이미지로 인식하는 기술도 다양한 분야에서 활발히 연구되고 있다. 본 논문에서는 오염되지 않은 정상적인 컵과 오염된 컵을 이미지를 통해 분류하는 시스템을 설계하고 이를 구현하였다. 이미지는 오픈 이미지와 촬영한 이미지를 사용하였고, 3D 객체 인식을 위한 Google Objectron을 활용해 컵 이미지의 상단 부분을 추출하여 이미지를 분석하였다. 본 연구를 통해 위생 분야에서 필요한 제품의 오염도를 이미지 기반으로 추출할 수 있는 연구에 다각도로 활용할 것으로 사료된다.

이상 기후로 인한 자연 재해는 지속적으로 증가하고 있으며, 자연재해 중 가장 많은 피해를 입히는 유형은 폭우, 태풍 등으로 인한 수해 피해로 이러한 재해는 홍수를 동반하여 더욱 큰 피해를 입히기도 한다. 따라서, 홍수 피해를 줄이기 위해 본 논문에서는 LSTM과 GRU를 활용하여 실시간으로 홍수의 주요 파라미터인 수위를 실시간으로 예측할 수 있는 시스템을 제안한다. 홍수 예측을 위해 사용된 입력 데이터는 하천의 상류 및 하류 수위, 기온, 습도, 강수량이 사용되며, 사전에 학습된 LSTM-GRU 모델을 통해 실시간 예측을 진행한다. 입력 데이터는 과거 20시간의 데이터를 활용하여 향후 3시간의 수위를 예측한다. 본 논문에서 제안한 시스템을 통해 위험도 판별 기능을 추가하고 홍수에 노출된 사람들에게 대피 명령을 내릴 수 있다면 홍수로 인한 많은 피해를 줄일 수 있을 것으로 사료된다.

최근 여름철에 집중되면서 산악지역에서도 침수 및 범람으로 보행자는 대피 상황에서 인명 피해로 발생한다. 이를 보완하기 위해서는 범람 발생을 파악하여 보행자가 안전한 대피를 할 수 있는 시스템이 필요로 하다. 이에 본 논문에서는 Map API를 활용한 최단 거리 알고리즘 기반 보행자 경로 탐색 연구에 대해 제안한다. 보행자 경로 탐색 시스템은 T Map API를 사용하여 지도를 출력하고, 주변 건물을 대피소로 선정하여 데이터를 저장한다. 보행자의 현재 위치에서 가까운 대피소가 선정되어 최단 경로를 출력하고, 거리 및 시간을 제공한다. 대피 중 현재 진행 중인 경로에 문제가 생겼을 경우 현재 위치에서 다른 대피소의 경로를 제공한다. 이에 본 논문에서 제안하는 보행자 경로 탐색 대피 시스템은 대피 중 사고 예방을 할 것으로 사료한다.

객체 분할 분야의 딥러닝 기반 컴퓨터 비전 응용들은 성능을 향상하기 위하여 STOA 기법들이 사전학습하여 배포한 하이퍼파라미터와 모델을 통해 학습하는 전이학습 방법을 사용한다. 이 과정에서 사용되는 커스텀 데이터 셋들은 Ground Truth 정보를 생성하기 위한 라벨링 작업에서 시간이나 라벨러등의 많은 자원을 필요로 한다. 본 고에서는 딥러닝 신경망에서 사용되는 커스텀 데이터 셋 구축을 위하여 시간이나 라벨러등의 자원을 적게 사용할 수 있도록 객체 분할 기법을 활용한 자동 라벨링 구축 방법을 제시한다.

한국건축정책학회의 건축 설계 대가 산정 방법은 설계 기간 중 투입된 시간을 고려한다. 그래서 설계 시간을 단축하면 설계 비용을 절감할 수 있다. 실제 건축학과 전공 학생들을 대상으로 설문 조사한 결과, 반복되는 도면 작성으로 인한 피로감과 도면 작성 시 고려할 사항이 많다는 점에서 어려움을 느끼고 있었다. 본 논문에서는 건축 설계 과정 중 도면화 단계에서 스케치를 규격화된 평면도로 자동 변환할 수 있는 프로그램과 사용자의 편리를 위한 웹앱을 구현한다. 제안하는 방법에서는 사용자가 스케치 이미지를 웹앱을 통해 등록하게 되면 프로그램은 도형 검출을 통해 도면 내 공간을 분리한다. 스케치에 표기된 치수와 공간 정보를 기반으로 외벽과 내벽을 표시하고 공간에 적절한 인테리어를 배치한다. 제안하는 방법을 통해 건축 설계 단계 중 도면화 과정의 시간을 줄여 설계 비용 절감을 기대할 수 있으며, 실제 건축 전공자 학생들 중 95.2%는 본 프로그램을 사용하고 싶다는 의향을 밝혔다.

최근 우리나라 연근해어업 생산이 줄어들고 있다. 2016년도 연근해어업 생산량이 44년 만에 100만톤 이하로 내려간 이후 회복이 되지 않고 줄어들고 있다. 이와 같은 수산자원 감소에 대응하기 위해 국제적으로 수산자원관리를 위하여 TAC(총허용어획량) 제도를 시행하고 있다. 우리나라는 1999년부터 TAC 제도를 도입하여 자원관리를 수행하고 있다. 본 논문에서는 TAC 제도 시행을 위해서 필수적인 육상 옵서버의 수산자원 조사에 활용이 가능한 인공지능 기반 어류 분류 및 무게 추정 시스템을 제안한다. 이 시스템은 라이다 센서가 탑재된 단말기를 이용하여 어류의 체장, 체고를 자동 측정 및 사진 촬영을 수행하는 앱과 클라우드 서버로 구성된다. 클라우드 서버에는 CNN 기반의 efficientnet 모델을 이용하여 어류 분류를 수행하고 자동 측정된 체장, 체고 정보를 이용하여 어류의 무게를 예측한다. 본 시스템을 이용하면 기존에 육상 옵서버가 위판장에서 줄자와 무게 측정 후 수기로 작성하는 기존 방식을 개선할 수 있다.

본 논문에서는 블록체인 기술과의 연계로 탈중앙화하여 활용되고 있는 웹3.0의 서비스에 인증서 역할을 하는 NFT를 활용한 플랫폼 개발을 목적으로 한다. NFT 플랫폼은 기존의 해외에만 존재하던 플랫폼을 국내에서 원활하게 이용할 수 있는 플랫폼으로 국내 이용자의 접근성을 높이며, ETH의 수수료, 전송속도 등의 문제성을 해결하여 접근성을 높이기 위해서 Klaytn를 활용한 플랫폼을 개발한다. Klaytn를 활용한 NFT 플랫폼을 통하여 국내 이용자는 더욱 쉬운 접근성을 통해서 높은 활용성을 기대할 수 있으며, 메타버스, 게임 등에 활용할 수 있다.

현 도로교통법상 도로 이용의 효율성과 교통안전 확보의 목적으로 차로 별 통행 가능 차종을 지정한 제도로써, 2020년 개정안이 현재 시행되고 있다. 독일과 국내의 자동차 1만 대당 교통사고 사망자 수를 비교하였을 때, 독일의 교통사고 사망자는 국내보다 현저히 낮은 수치를 기록하고 있다. 대표적으로 속도의 제한을 두지 않은 독일 아우토반의 사례는 한국의 속도위반법만이 사고율의 경감에 정답이 되지 않는다는 점을 시사한다. 아우토반 고속도로의 킵 라이트 원칙(keep right principle)에 따라 준수되는 지정차로제는 교통사고 감소에 큰 역할을 한다. 이러한 사실을 기반으로 지정차로제 위반 차량의 단속과 준수율 향상을 위한 교통 단속 시스템을 제안한다. 딥러닝 객체 인식 모델인 Yolo5를 이용하여 차종을 인식하고 OpenCV를 이용하여 차량 번호판과 차선을 인식 및 추출된 데이터를 서버에 저장하여 법규의 위반 여부를 판별하는 지정차로제 단속시스템을 개발한다. 이에 따라 운전자의 제도 인식 및 준수율의 향상을 통한 교통사고율의 감소 효과가 있을 것으로 기대된다.

현재 대한민국에서는 교통 혼잡을 해결하기 위해 다인승 전용차로 (HOV, High Occupancy Vehicle Lanes)와 지정차로제를 시행하고 있다. 현행의 교통단속 시스템은 단속 지역 구역에 인원이 필수로 배정되며 무인 단속에 어려움이 있다. 또한, 고정식 교통단속시스템은 속도 위반 단속은 가능하나 운전자가 네이게이션을 통해 단속을 회피할 수 있다. 이러한 문제점을 해결하기 위해 딥러닝 객체 인식 모델인 YOLO를 통한 교통 통합 단속 시스템이 필요하다. 본 연구에서는 멀티스레딩 기술 기반의 병렬처리 차량번호 인식 기술을 적용하여 불시 단속이 가능한 이동식 교통 통합 관리시스템을 제안한다. Yolo5를 이용한 차선 인식, 차량탑승인원 판별, 차량 번호 인식 등의 알고리즘을 통합 모델을 설계하고 이를 적용한 통합시스템을 제시하였다.

최근 인구의 고령화와 함께 1인 가구가 늘어나고 있으며 독거노인의 증가는 인구의 고령화에 따라 빠르게 증가하고 있다. 따라서 독거노인의 고독사는 사회적으로 많은 이슈가 되고 있다. 고독사는 사망 이후 며칠이 지난 이후 시신이 발견되는 경우가 많다. 특히 독거노인의 고독사는 장례와 유품 정리 및 처리할 사람조차 없으므로 죽어서까지도 외로운 죽음이라는 문제 인식이 사회적으로 더욱 심각하게 받아들여지고 있다. 시신이 발견되는 경우는 보통 며칠이 지난 이후이기 때문에 시신의 부패가 심한 경우가 많다. 따라서 본 논문은 독거노인의 고독사 예방 및 대응을 위해 온습도 센서와 인체감지 센서를 이용해서 실내 모니터링 시스템을 제안하였다.

엑스선 후방산란 영상획득기술은 물체에서 산란되는 엑스선을 활용하여 피조사체 내부 영상을 획득할 수 있는 기술로 영상획득을 위해서는 시스템은 엑스선 발생장치와 산란 엑스선을 측정하기 위한 검출시스템을 포함하여야 한다. 엑스선 후방산란 영상획득장치는 고속으로 회전하는 회전 콜리메이터를 통해 생성되는 엑스선을 샘플링 간격으로 실시간 신호를 획득하여야 하며 이를 위해서는 고속 신호획득장치가 요구된다. 우리는 후방산란 영상획득장치를 위해 대면적 플라스틱 섬광체(500×600×50mm3)와 광증배관으로 구성된 후방산란 엑스선 획득용 센서부에서 생성되는 신호의 변환 및 전달하기 위한 고속 다채널 신호획득장치를 개발하였다. 개발한 후방산란 영상획득용 검출시스템은 최소 15u초 간격으로 신호의 획득이 가능하며 최대 6채널의 신호의 변환 및 전달이 가능한 시스템으로 고속 후방산란 엑스선 영상획득이 가능하다. 개발된 검출시스템은 개별 센서의 보정을 위한 전압, 신호이득, 저레벨 제거 등의 원격 조절 기능을 포함한다. 현재 우리는 다양한 조건에서 엑스선 후방산란 영상획득을 적용 시험을 수행하고 있다.

본 논문에서는 RGB-D 카메라를 이용하여 획득한 다중 사용자의 정보를 기반으로 대상을 구분 및 추적하는 기법을 제안한다. RGB-D 카메라를 통해 획득한 3차원 정보와 색상 정보를 획득하여 각 사용자에 대한 정보를 저장한다. 전체 영상에서 획득한 각 사용자의 위치와 외형에 대한 정보를 통해 현재 프레임과 이전 프레임에서의 사용자간 유사도를 계산하여 전체 영상에서의 사용자 구분 및 위치 추적 알고리즘을 제안한다.

최근 IoT 기술과 AI의 발전에 따라 다양한 분야에서 무인화와 자동화가 진행되고 있으며, 물체감지 및 인식, 추적 등의 알고리즘을 사용하는 시스템에서 다양한 응용기술들이 연구되고 있다. 영상을 기반으로 동작하는 시스템의 경우, 전처리 과정으로 잡음제거를 진행하고 있으며, 시스템의 환경에 따라 정밀한 잡음제거가 요구되는 경우가 있다. 본 논문에서는 필터링 과정에서 발생하기 쉬운 블러링 현상을 최소화하며 결과 영상의 디테일을 강조하기 위해 국부영역의 화소분할을 사용한 변형된 중심 가중치 필터 알고리즘을 제안한다. 제안한 알고리즘은 국부 영역의 화소를 두 영역으로 분할하였을 때, 분할된 영역 중 우세한 영역의 중심을 가중치 필터 알고리즘의 기준으로 정하였다. 결과영상은 필터링 마스크 내부의 화소값에 변형된 중심 가중치를 컨벌루션하여 계산한다.

4차 산업혁명과 각종 통신매체의 발전에 힘입어 다양한 분야에서 인공지능과 자동화와 같은 기술이 산업현장에 접목되고 있으며, 이에 따라 데이터처리의 중요성이 높아지고 있다. 영상의 잡음제거는 영상처리의 전처리 과정으로서, 주로 높은 수준의 영상처리 기술이 요구되는 분야에서 사용된다. 잡음제거를 위해 다양한 연구가 진행되었지만, 잡음제거 과정에서 영상의 디테일 보존, 질감 복원과 특수한 영역의 잡음 제거와 같이 다양한 문제가 발생한다. 본 논문에서는 임펄스 잡음제거 과정에서 영상의 세부적인 정보를 보존하기 위해 잡음의 세기에 기반한 스위칭 마스크 필터를 제안한다. 제안한 필터 알고리즘은 필터링 마스크로 지정된 영역의 잡음판단을 실시하였을 때, 기준치보다 높은 밀도로 판단된 경우 확장된 마스크로 스위칭을 하여 최종출력을 구한다. 제안한 알고리즘의 성능을 평가하기 위해 시뮬레이션을 진행하였으며, 기존 방법과 비교하여 성능을 분석하였다.

본 논문에서는 단일 모바일 디바이스의 움직임을 통해 3차원 특징점을 추출하는 방법에 대해 소개한다. 단안 카메라를 이용해 카메라 움직임에 따라 2D 영상을 획득하고 Baseline을 추정한다. 특징점 기반의 스테레오 매칭을 진행한다. 특징점과 디스크립터를 획득하고 특징점을 매칭한다. 매칭된 특징점을 이용해 디스패리티를 계산하고 깊이값을 생성한다. 3차원 특징점은 카메라 움직임에 따라 업데이트 된다. 마지막으로 장면 전환 검출을 이용하여 장면 전환시 특징점을 리셋한다. 위 과정을 통해 특징점 데이터베이스에 평균 73.5%의 저장공간 추가 확보를 할 수 있다. TUM Dataset의 Depth Ground truth 값과 RGB 영상으로 제안한 알고리즘을 적용하여 3차원 특징점 결과와 비교하여 평균 26.88mm의 거리 차이가 나는것을 확인하였다.

비전공자에게는 처음 접하는 SW 개발환경과 이해, 전공과의 관련성, 융합 능력 등의 어려움을 겪게 된다. 비전공자를 위해 비교적 쉽게 접근할 수 있는 소프트웨어 교육을 활용하였고 SW 교육 초보자에게 적용할 수 있는 시연 중심모델(DMM)을 적용하여 실생활에서 사용되는 애플리케이션과 전공과 관련된 아이디어의 구성요소와 논리적 흐름 파악할 수 있도록 교수자의 시연과 학습자의 모방을 통한 반복적인 구현과 학습동기 유발 요소를 결합한 융합 SW 교수법을 제안하였다. 본 논문에서 제안한 교수학습법을 적용한 실험에서 SW 교육에서 학습동기와 학업성취도 측면에서 의미 있는 결과를 보였다.

소프트웨어 인력 수요에 대응해 소프트웨어 교육 체계를 혁신하고 창의 융합 사고를 갖춘 소프트웨어 전문 인재 양성을 위해 SW 중심대학 사업이 진행 중이다. 이 사업은 2015년 8개 대학을 선발하여 시작하였고, 2022년 9월 현재 기준으로 44개 대학이 참여 중에 있다. 2018년에 선정된 원광대학교 SW 중심대학 사업단은 SW 역량 강화를 위해 SW 역량 인증제를 채택하여 학생들의 관련 프로그램 참여를 활성화였다. 본 논문에서는 SW 역량 인증제 프로그램에 대해 살펴보고, 관련 과목 학습자의 강의 만족도 및 인증제의 성과를 세부적으로 분석하였다. 제시된 분석 결과를 통해서 SW 역량 인증제의 효과를 파악하였다.

전파 지문 기반의 실내 경로 생성 기술에 RNN 모델을 적용하기 위해서는 데이터 세트가 연속적이고 순차적이어야 한다. 그러나 Wi-Fi 전파 지문 데이터는 수집 시점의 특정 위치에 대한 특징 정보로서 연속성이 보장되지 않기 때문에 RNN 데이터로는 부적합하다. 따라서 순차적 위치의 연속성 정보를 부여해야한다. 이를 위해서는 신호 데이터를 기반으로 각 지역의 구분을 통해 클러스터링이 가능하다. 이때 클러스터 간의 연속성 정보에는 전파 신호의 한계로 이해 실제 이동이 가능한지의 정보를 담지 못한다. 따라서 인접 클러스터간의 이동이 가능한지에 대한 연관성 정보가 필요하다. 본 논문에서는 딥러닝 네트워크인 순환신경망(RNN) 모델을 사용해 이동 중인 객체의 경로 예측을 위한 기술로서 실내 환경에서 경로 생성을 위해 연속적인 위치 정보를 생성하여 객체의 경로 예측 시 발생할 수 있는 오류를 낮추고 예측 경로상의 이동이 불가능한 잘못된 경로 예측을 회피할 수 있는 향상된 이동 경로 생성을 위한 클러스터링 상호간의 연관성을 부여하는 기법을 제안한다.

최근, 빅데이터 분석은 기계학습의 발전에 따른 다양한 기법들을 이용할 수 있다. 현실에서 수집된 빅데이터는 단어 간의 관계성에 대한 의미적 분석을 바탕으로 같거나 유사한 용어에 대한 자동화된 정제기법이 부족하다. 빅데이터는 보통 문장의 형태로 구성되어 있고, 이에 대한 형태소 분석이나 문장의 이해가 필요하다. 이에 자연어를 분석하기 위한 기법인 NLP는 단어의 관계성과 문장을 이해할 수 있다. 본 논문에서는 빅데이터를 시계열 접근법인 RNN의 단점을 보완한 기법인 트랜스포머와 리포머의 장단점에 대해 연구한다.

최근 몇 년 동안 LSTM 블록이 있는 RNN 네트워크는 순차적 데이터를 처리하는 기계 학습 작업에 광범위하게 사용되어왔다. 이러한 네트워크는 주어진 시퀀스에서 가능성이 다음으로 가장 높은 단어를 기존 신경망보다 더 정확하게 예측할 수 있기 때문에 순차적 언어 처리 작업에서 특히 우수한 것으로 입증되었다. 이 연구는 영어와 한국어로 된 150개의 성경 시편에 대한 세 가지 다른 번역에 대해 RNN/LSTM 신경망을 훈련하였다. 그런 다음 결과 모델에 입력 단어와 길이 번호를 제공하여 훈련 중에 인식한 패턴을 기반으로 원하는 길이의 새 시편을 자동으로 생성하였다. 영어 텍스트와 한국어 텍스트에 대한 네트워크 훈련 결과를 상호 비교하고 개선할 점을 기술한다.

현재 다양한 교육 컨텐츠를 제공하는 MOOCs-Massive Open Online Courses와 같은 대규모 온라인 플랫폼을 통해 시간과 장소에 구애받지 않고 언제 어디서나 자유롭게 접속해 학습할 수 있는 학습 환경이 갖추어졌다. 이를 기반으로 온라인 강의, 재택 학습의 비중이 더욱 커지고 있으며 교육적 성과를 위해 포트폴리오나 경험·체험 기반의 학습, 현장 활동, 팀 프로젝트 기반의 집단학습도 활발히 이루어지는 중이다. 현재 이수시간 혹은 학점 단위로 핵심기술에 집중된 나노(Nano) 혹은 마이크로디그리(microdegree)에 대한 관심도가 많이 증가하고 있는데 이러한 전략적 집중교육은 교육의 지속성과 효율성 측면에서 효과적인 학습을 가능하게 하기 때문으로 해석된다. 따라서 신기술에 의한 산업구조의 재편에 따른 직업·직무의 변화가 큰 시대에 스마트 모빌리티, 빅데이터, 인공지능과 같은 전문적인 신기술 분야의 집중교육은 취업에 훨씬 도움이 되고 있어 평생학습 방식의 대안으로 주목받고 있다. 이러한 배경 속에서 본 논문은 온라인 학습시대에 개인 맞춤형 마이크로디그리 방식의 목적 학습을 효율적, 효과적으로 지원할 수 있는 교육플랫폼 설계를 제안하고자 한다.

4차 산업혁명은 지식의 생산속도가 빠르고 지식산업의 비중이 매우 증가하는 지식사회로의 전환을 의미하며 이와 관련하여 디지털 혁명이 지속되고 있다. 신기술에 의한 산업구조의 재편과 직업·직무의 변화는 교육의 변화를 가져오고 있고 디지털 기술의 발전으로 인해 경계가 없고 개별적이며 역동적인 교육이 새로운 교육의 표준이 되어 가고 있다. 이런 배경에서 정규 과정 학위보다는 신기술에 관한 나노 학위(Nano Degree)나 핵심강좌에 집중된 마이크로 디그리(microdegree)에 대한 관심도 많이 증가하고 있다. 대표적으로 미국의 유다시티(Udacity)는 직업과 연계된 온라인 나노디그리 과정을 개설해 운영하고 있고, 주요 기업들과 협업하여 기업에 필요한 핵심 교육과정을 개발 및 교육함으로 기업의 인재 확보를 효율적으로 지원하고 있다. 이렇게 온라인 직업 및 직무 교육이 활성화되면서 이제 개인 스스로가 직업능력개발에 대한 목표를 세우고 포트폴리오 방식의 지속가능한 학습을 이어갈 수 있는 환경이 갖추어 졌다. 그러나 효과적인 직업 교육을 위해서는 자동화된 개인 맞춤형 교육컨텐츠 설계가 선행되어야 한다. 이를 위해 본 논문에서는 온라인 학습시대에 직업준비를 위한 개인 맞춤형 career and course map 추천 시스템을 제안하고자 한다.

본 연구는 기존 이러닝 컨텐츠 및 비대면 수업방식에 대한 문제점을 파악하고 학생들의 집중도 향상 및 수업 성취도 및 교육 효과를 높이고 웹 서버를 활용해 인공지능 수업 시스템을 설계를 제안 하고자 한다. OpenCV를 이용한 얼굴과 눈동자 추적의 기능을 사용하여 출석 및 집중도 파악하고 수업 중간에 교수자가 질문하는 문제에 음성 또는 메시지로 피드백을 유도함으로써 학습자가 온라인 수업으로 인한 지루함을 해소하고 주자별 테스트를 통해 기준 점수에 도달하지 못했을 경우 틀린 문제에 대한 교육 자료 및 영상을 제공하여 학업 격차를 해소하고 학업에 대한 성취도를 향상을 높일 수 있는 인공지능 교육 프로그램 시스템 설계를 구축하였다.

장애물보행훈련이 뇌졸중 환자의 보행 및 균형에 미치는 효과를 확인하고자 장애물보행과 평지보행훈련 후 변화를 보기 위해 보행과 균형을 평가하였다. 훈련 전후 보행과 균형에서 장애물보행훈련을 한 실험군이 유의미한 차이를 보였고 평지보행을 한 대조군은 유의미한 차이를 보이지 않았으며 두 군간에는 유의미한 차이를 보였다.

동맥경화증은 경동맥 혈관 벽이 두꺼워지는 질병으로 진단을 위해 혈관 벽의 두께를 모니터링하는 것이 중요하다. 본 연구에서는 경동맥 MRI 영상에서 324개의 라디오믹스 특징을 추출하고 머신러닝 기법을 이용하여 동맥경화증을 진단하는 모델을 제안한다. 라디오믹스 특징을 통해 로지스틱 회귀, 서포트 벡터 머신, 랜덤 포레스트, XGBoost의 총 4가지 분류 모델을 학습하였다. 5-fold 교차 검증에서 가장 높은 성능의 모델인 XGBoost는 정확도 0.9023, 민감도 0.9517, 특이도 0.8035, AUC 0.8776의 결과값을 보여준다.

The preparation of dendritic molecule for photodynamic diagnosis (PDD) or photodynamic therapy (PDT) has been interested on design and synthesis of macromolecule toward a new generation. Herein, the binding site of polyether group is an important role on the construction of macromolecule toward a new generation. Therefore, we will be presented on the preparation of dendritic molecule having the binding site.

죽상동맥경화증(atherosclerosis)은 동맥에 플라크가 쌓여 혈류 장애를 일으키는 만성 혈관염증 질환으로 심장병과 뇌졸중을 일으킬 수 있다. 하지만 대부분은 동맥이 심하게 좁아질 때까지 증상이 없기 때문에 조기 발견이 중요하다. 본 논문은 튜브 모양의 혈관에서 경화성 병변을 효과적으로 진단하기 위해 MRI 영상에 혈관 중심을 기준으로 극좌표 변환을 적용하였다. 그리고, 극좌표 영상의 각도별 연속된 신호정보를 이용하는 SE-LSTMNet 모델을 제안한다. 학습된 모델은 검증 데이터에 대해 정확도 0.9194, 민감도 0.9370, 특이도 0.8796, F1 score 0.8700, AUC 0.9719의 분류 성능을 보였다.

악성 뇌교종은 예후가 매우 나쁜 질병으로 평균 생존 기간은 6개월에서 14개월 사이로 보고되어 있다. 따라서 악성 뇌교종을 가진 환자들에게는 정확한 예후 예측이 요구된다. 본 논문에서는 악성 뇌교종을 가진 환자의 예후와 연령을 동시에 예측하는 합성곱 신경망 모델을 제안한다. 악성 뇌교종의 영상 특성을 효과적으로 파악할 수 있는 네 가지 자기공명영상인 T1, T1-contrast enhanced, T2, fluid-attenuated inversion recovery 영상을 입력 데이터로 이용하였다. 예후 예측에 가장 중요한 환자의 연령을 고려함으로써 신경망 모델의 예후 예측 성능이 높아질 것으로 기대된다. 학습된 모델을 검증 데이터에 적용한 결과 환자의 예후와 연령의 피어슨 상관계수가 각각 0.1748, 0.3056으로 나타난 것을 확인하였다.

이 연구는 성무위기도기 인후두 튜브(SALT)와 직접 후두경을 사용하여 이동중 기관내 삽관의 신속성과 자신감, 용이성 등을 비교하여 전문 기도 관리 시행능력을 향상 시키는데 있다. 연구대상은 J도 소방서에서 근무하고 있는 1급 응급구조사 30명을 대상으로 무작위 교차방법(Randomized crossover design)으로 디자인한 실험연구로 자료 분석은 SPSS 20.0 Version을 사용하였다. 어려운 자세에서 SALT를 이용한 기관내삽관은 직접 후두경을 이용한 기관내삽관 보다 신속성에서 유의한 차이를 보였으며(p<.001), 자신감과 용이성에서도 유의한 차이를 나타냈다(p<.001). 직접 후두경을 사용한 기관내삽관이 어려운 환경이나 이동시 SALT를 이용한다면 안전하고 신속한 삽관을 할 수 있을 것이다.

본 연구는 직장 내 괴롭힘이 응급구조사의 조직몰입 및 이직의도에 미치는 영향에 대한 연구이다. 연구대상자는 현재 의료기관에 종사하는 1급 응급구조사를 대상으로 하였고, 설문지는 일반적 특성 13문항, 직장 내 괴롭힘 20문항, 조직몰입 12문항, 이직의도 6문항으로 구성되어있다. 대상자의 직장 내 괴롭힘, 조직몰입, 이직의도 간의 상관관계를 분석한 결과, 직장 내 괴롭힘과 조직몰입은 유의한 음(-)적 상관관계를 나타냈고(r=-.457, p<.001), 직장 내 괴롭힘과 이직의도는 유의한 양(+)적 상관관계를 나타냈으며(r=.389, p<.001), 조직몰입과 이직의도는 유의한 음(-)적 상관관계를 나타냈다(r=-.775, p<.001).

본 연구는 기관내삽관(Endotracheal intubation) 시 환자의 자세인 냄새맡는자세(Sniffing position)와 특별 제작된 기구를 사용하여 만든 수정된 경사면자세(Modified ramped position)을 비교·분석하여 전문기도술 수행을 향상시키는 데 목적이 있다. 연구대상은 전문심장소생술 및 전문기도관리학을 이수한 N대학교 응급구조학과 학생 30명을 대상으로 무작위 교차 방법(Randomized crossover study)으로 실험을 진행하였다. 연구결과 수정된 경사면자세에서 냄새맡는자세보다 더 나은 성문시야를 보였으며, 그에 따른 신속성에도 유의미한 차이를 보였다. 연구대상자의 주관적인 용이성, 자신감 그리고 선호도에서도 냄새맡는자세보다 수정된 경사면자세에서 더 향상된 결과를 나타냈다. 따라서 기관내삽관 시 환자를 수정된 경사면자세로 취할 경우 전문기도술 수행을 향상 시키는데 도움이 될 것 으로 사료된다.

본 연구는 건강보험제도를 활용한 중증외상 환자의 응급실 이용현황을 분석해, 그 특성을 파악하고자 시도되었다. 본 연구는 2018년 1월 1일부터 2019년 12월 31일까지 조사된 '지역사회기반 중증외상조사(Community-based Severe Trauma Surveillance)' 자료를 이용하였다. 연구 결과, 의료보험종류에 따라 손상 후 장애 정도, 치료(수술, 외상색전술, 수혈) 시행여부에서 차이를 보였으며(p<.001), 의료보험종류에 따라 손상 전 장애정도와 손상 후 장애정도 간에도 통계적으로 유의미한 차이가 있음을 알 수 있었다(p<.001). 국민의 안녕을 위해 자리하고 있는 건강보험제도에 대한 다양한 각도에서의 검토가 지속되어야하며, 이에 대한 구체적인 개선안이 제시되어야할 것이다.

본 연구는 일반인들의 재난인식, 재난태도, 재난대처능력 간 관계를 파악하고 재난에 대한 인식 제고 및 대처방안 마련을 위한 기초자료로 활용되고자 시도되었다. 본 연구는 K도, D광역시에 거주하고 있는 일반인 총 250명을 대상으로 2021년 7월 16일부터 7월31일까지 진행하였다. 본 연구결과 재난인식, 재난태도, 재난대처능력 간 영향을 미치는 것으로 나타났다. 구체적으로 살펴보면, 일반인들의 재난인식은 재해 태도(재난대비 필요성, 재난관리)에 유의한 영향을 미치는 것으로 나타났다(p<.001). 또한 재난태도의 하위요인 중 재난관리는 재난대처능력에 유의한 영향을 미치는 것으로 나타났다(p<.01). 따라서 일반인들의 재난인식을 높임으로써 재난대처능력을 높이기 위한 구체적이고, 주기적인 교육이 마련되어야할 것이다.

병원 내 치료를 마치고 지역사회로 복귀하는 운동재활자가 운동재활을 위해 처음 접하게 되는 어려움은 운동재활자의 현재 건강상태를 기반으로 적절한 운동지도자와 함께 운동을 어디에서 진행해야 되는 지에 대한 선택의 어려움에 있다. 이에 병원의 임상데이터 연계를 통해 개인의 질환 정보에 따른 건강상태를 기반으로 지역사회에서 개인맞춤형 운동재활 서비스(AI based Rehabilitation Exercise Service system: 이하, ARES 시스템)의 제공이 요구되고 있다. 본 연구에서는 ARES 시스템의 지역사회 운동재활을 위한 시설 및 코치와의 접근성 향상을 위하여 O2O(Online-to-Offline) 연계 코치 매칭을 위한 자원관리 시스템을 설계하였다.

최근 헬스케어 분야에서 건강 관리 주제가 많이 다루어지고 있다. 특히 운동 분야에 서비스가 집중되고 있으며 4차산업기반 기술이 융합된 운동기구 또한 많으 등장하고 있다. 일반적으로 운동기구에 다양한 센서를 탑재하여 사용자의 운동 정보를 수집하고 이를 기반으로 서비스를 연계하는 형태가 대표적이다. 본 논문에서는 기구에서 발생하는 운동데이터를 블루투스 기반의 IoT 센서를 통해 스마트폰으로 전송하고 이를 다시 운동 정보 분석 플랫폼으로 전달하는 과정에서의 설계를 기반으로 효율적인 데이터 전송에 대해 제안한다.

본 연구에서는 Chlorin e6 (Ce6)를 입힌 자궁경부암세포를 사멸시키기 위해 레이저 또는 LED를 인가한 PDT (photodynamic therapy)을 실시하고, Ce6 농도와 투여 시간별 사멸도의 변화를 실험하였다. 이를 위해 자궁경부암세포에 광자극을 인가한 후 영상의 처리 및 CCK-8을 이용한 정량적인 평가를 진행하였다. 실험 결과, Ce6은 일정 농도가 높아질수록 많은 양의 세포가 사멸되었고, Ce6를 이용한 PDT 실험군에서 사멸도가 높은 것을 확인하였다. LED와 레이저를 비교하였을 때 레이저는 국소적 위치만 세포의 사멸이 가능하고 LED는 비교적 넓은 범위의 사멸에 효과적인 결과를 확인하였다. 또한 레이저와 같이 국소적 위치를 조사하는 경우 세포 생존도 측정 시 해당 위치의 이미지를 획득한 후 영상처리를 통한 정량분석을 시행하는 방법이 효과적임을 확인하였다.

본 연구는 머신러닝을 이용한 임상적 의사결정을 위한 알고리즘으로 환자를 간호하는 간호인력이 장기간 누워있는 환자를 보살힐 경우 욕창예방간호 수행에 도움을 주기 위한 시스템 개발에 활용될 욕창 분류 알고리즘이다. 머신러닝을 실시한 결과 알고리즘의 learning accuracy는 82.14%, test accuracy는 82.58%로 나타났다.

현재 다양한 분야에서 메타버스를 도입하고, 콘텐츠 또는 아이템 등의 거래에 NFT를 사용하는 가상융합경제가 등장하여 '메타버스 환경'으로 발전할 것으로 전망하고 있다. '메타버스 환경'은 앞으로 우리사회의 변화를 주도할 것이며 AI, 빅데이터, 클라우드, IoT, 블록체인, 차세대 네트워크 기술과 융합될 것이다. 하지만 메타버스 이용자가 서비스 이용을 위해 제공하는 개인정보, 기기정보, 행위정보는 주요 공격대상 된다. 따라서 사용자의 안전한 이용 환경 제공과 관련 기업의 비즈니스 기반 확대를 위하여 민·관 협력체계 구축 및 보안 가이드 개발이 선두과제이다. 따라서 본 연구에서는 메타버스 특징과 기술을 비교분석하며 이에 발생할 수 있는 보안 위협과 대응방안을 살펴본다.

기존에 주로 사용된 잠금장치는 PIN 방식으로서 악의적인 사용자에 의해 비밀번호가 노출되는 문제를 갖고 있다. 쉽게 말하면, 누군가가 옆에서 잠금장치 암호를 훔쳐보기만 하더라도 정확한 비밀번호를 바로 알게 된다. 본 논문에서는 이러한 보안 문제를 해결하고자 한다. 제안하는 암호 방식은 암호 공격자가 잠금장치 비밀번호를 쉽게 알 수 없도록 설계된다. 이를 위해 우리는 PIN 방식의 비밀번호를 직접 입력하는 것 대신 숨겨진 비밀번호 방식을 이용하여 누군가가 잠금장치 비밀번호를 훔쳐보더라도 정확한 비밀번호가 공격자에게 노출되는 것을 막는다.

IT 기술의 발전과 함께 사이버 범죄는 정교해지고 지능화되고 있다. 특히 APT공격(지능형 지속 공격) 과정에서 사용되는 BackDoor의 경우 자신이 공격자에게 피해를 받았다는 사실조차 모르는 경우가 많고 사전 탐지가 힘들며 발견 전까지는 지속적인 피해를 받기 때문에 악성 행위 탐지와 침해 대응이 매우 중요하다. 본 논문에서는 오픈소스 기반 분석 솔루션인 ELK Stack과 Sysmon을 이용하여 엔드포인트 환경에서 실시간으로 로그를 수집, 저장, 분석 및 시각화하여 실시간으로 악성행위에 대한 모니터링 및 분석과 대응이 가능한 EDR 플랫폼 구축을 목표로 한다.

SQL Injection 공격은 오래된 공격기법 중 하나로 웹 서비스에 대한 해킹 시도 유형 중에서도 높은 비중을 차지하고 있다. SQL Injection 공격은 데이터 노출 및 권한획득 등의 방법으로 현재까지도 해킹 시도가 많이 발생하고 있으며, 본 논문에서는 오픈소스인 ELK Stack을 활용하여 실시간으로 SQL Injection 공격 대응할 수 있는 로그 분석시스템을 구현하였다. 구현한 시스템을 통해 SQL Injection 공격에 대한 로그 데이터를 시각화하여 제공함으로써, 사용자는 공격의 위험도를 쉽게 파악할 수 있으며 신속하게 공격에 대비할 수 있을 것으로 기대한다.

정보 서비스는 서비스 운영에 있어 안정성이 보장되어야 한다. 이를 위하여 HA(High-Availability)와 관련된 많은 기술이 제공되고 있다. 한편 최근에는 컨테이너를 이용한 정보 서비스 구현이 많이 진행되고 있다. 그러므로 컨테이너를 활용한 정보 서비스에서도 HA 구현이 가능해야 한다. 가장 대표적인 컨테이너 플랫폼인 Docker에서는 HA와 관련된 기능을 제공하고 있다. 본 연구에서는 Docker를 이용하여 HA를 구현하는 방법을 확인하고, 필요한 설정 내용을 확인한다. 그리고 확인된 설정 사항을 바탕으로 컨테이너를 이용한 HA 서비스를 구현한다.

스마트 팜이나 스마트 해양, 스마트 홈, 스마트 에너지 등 많은 분야에서 IoT 기술을 사용하고 있다. 이러한 IoT 서비스에는 다양한 IoT 단말이 이용된다. 여기서 IoT 단말은 물리적으로 다양한 장소에 설치된다. 악의적 공격자는 인가되지 않은 IoT device를 사용하여 IoT 서비스 접근하여, 인가되지 않은 중요 정보에 접근 후 이를 변조할 수 있다. 본 연구에서는 이러한 문제점을 개선하기 위하여 IoT 서비스에서 사용하는 IoT device의 단말 인증 시스템을 제안한다. 본 연구에서 제안하는 IoT device 인증 시스템은 IoT device에 탑재된 인증 모듈과 IoT 서버의 인증 모듈로 구성된다. 본 연구에서 제안하는 IoT device 인증 기능을 사용하면, 인가된 IoT Device만 서비스에 접근할 수 있으며 인가되지 않은 IoT device의 접근을 차단할 수 있다. 본 연구는 기본적인 IoT device 인증 메커니즘만을 제안하므로, 보안 강도에 따른 추가적인 IoT device 인증 기능의 추가 연구가 필요하다.

물리적으로 넓은 구역을 모니터링하기 위해서는 많은 CCTV가 필요하다. 실내에서 CCTV를 구축할 때는 배선 환경이 충분하여 많은 CCTV를 설치할 수 있다. 그러나 실외에서는 상대적으로 배선이 어렵다. 또 먼 거리를 모니터링할 때는, 모니터링 장소까지 배선 비용이 발생한다. 그러므로 물리적으로 먼 거리에 CCTV를 설치할 때, 무선 기술을 적용할 필요가 있다. 본 연구에서는 기존 CCTV 시스템의 구성을 확인하고 이를 무선 환경으로 전환하기 위한 요구사항을 도출하였다. 그리고 요구사항에 따라 무선 기반 지능형 CCTV 시스템을 제안하였다. 그 결과 본 연구에서 제안하는 무선 기반 지능형 CCTV는 무선 환경에서도 정상 동작함을 확인하였다. 본 연구는 Wifi 환경을 기준으로 연구하였으며, 이동통신 환경으로 확장하기 위한 추가 연구가 필요하다.

IT 융합 연구가 계속 진행되면서 IoT(Internet of Things) 서비스의 범위는 계속 확대되고 있다. IoT 서비스는 목적에 맞는 단말을 사용한다. 이러한 IoT 단말은 단말 자체에 대한 인증 기능이 요구된다. 또, 개인정보 등의 중요 정보를 취급하는 IoT 서비스에서는 전송 데이터의 보안이 필요하다. 본 연구에서는 IoT 서비스에 대하여 단말을 인증하고 단말간 데이터를 안전하게 전송할 수 있는 암호키 기반의 IoT 네트워크 보안 시스템을 구현한다. 본 연구를 통하여 IoT 서비스는 그 자체적으로 단말을 인증할 수 있으며, 전송 데이터의 기밀성을 유지할 수 있다. 다만 IoT 서비스이므로 암호 알고리즘 적용 추가적인 효율 연구가 필요하다.

국내와 국외를 통틀어서 현재까지 원전사고가 수차례 있었고 이로 인한 크고 작은 피해가 있었다. 해외는 이러한 사고를 줄이기 위해서 형상관리라는 기술을 도입하여 원전 운영에 대한 안전성과 신뢰성을 향상 시켜왔다. 본 논문에서는 형상관리에 관한 기본적인 정보와 국외 원전의 형상관리 도입 성공사례들을 통해서 국내에 적용 가능한 기술적 부분을 확인하고 이를 국내 원전에 맞게 보완하여 새로이 적용할 수 있는지를 알아본다.

프로필은 본인을 나타내는 가장 기본적인 수단이며, 그 자신을 대표한다. 프로필을 가장 많이 활용하는 SNS, 채팅 앱에서는 프로필을 이용하여 자신의 경험, 기분, 생각 등을 표현한다. 그러나 보이스피싱, 사칭 범죄 등에서 프로필과 같은 사진을 도용하여 사칭한 뒤 피해자를 속여 범죄를 일으킨다. 본 논문에서는 사칭 범죄를 방지하기 위해 원본 구별이 가능한 NFT를 이용하여 원본의 진위를 판단한다. 프로필 사진의 원본을 NFT로 민팅하여 블록체인 네트워크에 등록하고 원본 파일은 off-chain인 IPFS에 저장한다. 이를 활용하면 프로필 사진의 진위를 쉽게 판별할 수 있기 때문에 사칭 범죄 예방에 효과적일 것으로 기대된다.

지속적으로 악화되고 있는 공기, 토양 및 수질 등 주요 환경오염과 코로나 팬더믹에 의한 생활 패턴의 급진적인 변화로 인해 온라인 유통에 의한 친환경 식재료의 시장이 급성장하고 있다. 그리고 사회 구조 변화에 따른 인구 고령화 및 농업 관련 인구 감소하고 있는 가운데 아쿠아포닉스는 노후 경제 활동 자립, 환경 보호, 건강하고 안전한 먹거리 확보 등 문제들을 해결할 수 있는 시스템으로 부각되고 있다. 본 논문에서는 기존 아쿠아포닉스 시스템에 여러 ICT 기술을 융합하여 최적 생육환경도출 및 정량생산예측을 위한 지능형 아쿠아포닉스 생산관리 모듈 중 지능형 식물 성장 측정 시스템을 설계하고자 한다. 특히 고성능의 처리 자원을 갖지 않는 생산 현장에 적합한 시스템 설계에 주안점을 두고, 생산 환경과 학습 데이터 및 판단 시스템을 위한 모듈 구성 방안을 제안하고자 한다.

최근에 Kaggle ML & DS Survey에 따르면 기계 학습 및 데이터 과학을 위한 프레임워크에서 TensorFlow와 Keras의 비율이 각각 41.82%, 34.09%로 비중을 차지하고 있으며, 개발 프로그래밍의 경우 약 82%로 Python을 사용하는 것으로 나타났다. 상당수의 기계 학습 및 딥러닝의 구조가 Keras 프레임워크와 Python을 활용하고 있으나, Python의 경우에는 스크립트 언어인 관계로 인해 배포 및 실행을 Python 스크립트 환경에 제한되어 동작하므로 다양한 환경에서 동작하기 어려운 개연성이 있을 수 있다. 본 논문에서는 Visual Studio 2019에서 동작하는 C#과 Keras를 활용한 기계 학습 및 딥러닝 시스템을 구현하였으며, 세부적으로 Mnist 데이터셋을 활용하여 파이썬 3.8.2와 C# .NET 5.0 환경에서 20번의 테스트를 진행하였다. 테스트 수행 결과, Python은 최소 시간 1.86초, 최대 시간 2.38초, 평균 시간 1.98초 총 시간 39.53초가 소요되었으며, C#은 최소 시간 1.78초, 최대 시간 2.11초 평균 시간 1.85초 총 시간 37.02초가 소요되었다. 결론적으로 C#의 성능이 Python보다 6% 정도 향상되었음을 확인하였으며, 이를 통해 실행파일 추출이 가능하여 활용도가 높을 것으로 기대한다.

웹은 처리 속도가 다른 다양한 정보들을 함께 제공하기 위해 비동기식 웹 기술을 이용한다. 비동기 방식에서는 작업 완료 전에도 다른 이벤트에 응답할 수 있다는 장점이 있으나 일반적인 크롤러는 웹페이지의 방문 시점 정보를 수집함으로 비동기 방식으로 제공되는 정보를 수집하는 데 어려움이 있다. 또한 비동기식 웹 페이지는 페이지 내용이 변경되어도 웹 주소가 변하지 않는 경우도 많아 크롤링하는 데 어려움이 있다. 본 논문에서는 웹의 링크를 분석하여 비동기 방식 페이지 이동을 고려한 웹 크롤링 알고리즘을 제안한다. 제안한 알고리즘으로 비동기 방식으로 정보를 제공하는 TTA의 정보통신용어사전 정보를 수집할 수 있었다.

웹 기술이 발전함에 따라 웹은 사용자의 요구에 맞는 맞춤 정보들을 제공하게 된다. 클릭 이벤트나 사용자의 질의어에 따라 정보가 제공되며 검색엔진으로는 검색이 어려운 정보가 제공되는 웹 서비스를 심층웹이라 한다. 이러한 심층웹은 표면웹보다 많은 정보를 포함하고 있지만, 방문 당시의 정보를 수집하는 일반적인 크롤링으로는 정보 수집이 어렵다. 심층웹은 javascript와 같은 스크립트언어를 브라우저에서 실행함으로 서버의 정보를 사용자에게 제공한다. 본 논문에서는 심층웹 수집을 위해 스크립트를 분석하여 동적으로 변화되는 웹사이트의 탐색 및 정보 수집이 가능한 알고리즘을 제안한다. 본 논문에서는 실험을 위해 질병관리청의 게시판의 스크립트를 분석하였다.

수요자의 필요에 즉각 대응하여 제품 및 서비스를 제공하는 온디맨드 경제(On-Demand Economy)에서는 수요자가 가격 결정에 상당한 영향력을 가진다. 여행 관련 분야에서도, 서비스 제공자가 수요자의 요구를 반영하고, 더 나은 서비스를 제공하기 위해 많은 노력을 하고 있다. 본 논문에서는, 판매자가 일방적으로 가격을 결정하는 다수의 여행 관련 서비스 플랫폼과는 달리, 수요자가 여행 관련 서비스 및 가격을 제안하는 역경매 기반의 서비스 플랫폼 방식을 제안하였다. 제안된 매칭 서비스 플랫폼은 다양한 수요자의 요구를 분석하고, 수집된 경험 데이터를 반영하여, 기존의 정형화된 여행 관련 서비스와 차별화된 양방향 서비스 창출이 가능할 것으로 기대된다.

최근, 메타버스 서비스를 통해 시간적, 공간적 제약에서 벗어나 원격지와 의사 소통을 자연스럽게 진행하는데 많이 사용하고 있다. 이러한 메타버스 콘텐츠 제작을 위해서는 실제 공간의 데이터를 기반으로 3D 모델을 복원하고, 합성할 필요가 있다. 본 논문에서는 다수의 카메라를 이용한 연속된 이미지를 기반으로 3D 생성 복원 모델을 제작하고, 복원된 3D 모델을 보정할 수 있는 기법을 제시한다. 이를 위해 오프라인으로 다중 카메라 셋업을 수행하고, 여러 각도에서 얻어진 이미지를 통해 만들어진 3D 모델에 대해 오류를 분석한 뒤 이미지 프레임 간의 매칭 기법으로 보정을 수행 하였다. 본 논문에서 제시한 움직이는 3D 물체 복원 방법을 통해 문화, 관광, 의료 등 다양한 서비스 분야에 3D 복원 데이터를 활용할 수 있을 것으로 본다.

최근, 인공지능 기술을 인공지능 스피커, 인공지능 챗봇, 자율주행 자동차 등 다양한 분야에서 널리 활용하고 있다. 이러한 인공지능 활용 분야 중 영상처리 분야에서는 인공지능을 활용하여 객체를 검출하거나 사물을 인식하는 등 다양한 활용성을 보이고 있다. 예를 들면, CCTV 영상 속 범죄자의 모습을 분석하거나 드론으로 촬영한 영상 속에서 자동차의 개수를 파악하는 등 영상처리 분야에서 인공지능을 활용하는 사례는 점차 늘어가고 있다. 또한, 이러한 영상처리 분야에서 촬영된 이미지를 가지고 카메라의 위치를 파악하고자 하는 시도가 늘고 있다. 이미지 속의 특정한 객체를 기반으로 카메라의 촬영 위치를 분석하려는 것이다. 이를 활용하면 특정 공간 속 사람을 사각지역 없이 촬영할 수 있는 최적의 카메라 개수를 구하거나 CCTV를 설치하기 위한 최적의 위치를 구하는 등 다양한 현실 문제를 해결할 수 있을 것으로 예상이 된다. 본 논문에서는 특정 공간에서 촬영된 이미지를 분석하기 위한 방법으로 가상 휴먼이 합성된 데이터를 활용하는 것을 제시한다. 이를 위해 실제 공간과 가상 휴먼을 합성하여 실제 공간에 사람이 있는 것과 같은 이미지를 획득하도록 하였다. 본 논문에 따르면 공간 분석을 위해 실제 이미지 데이터를 얻는 시간과 비용을 절약할 수 있을 것이며 인공지능 학습을 위한 실제 이미지 데이터를 획득하기 어려운 상황에 대한 해결책을 제시할 수 있다.

본 논문에서는 여러 위험지역에서 임무 수행을 위한 센서 네트워크 그룹의 모델에 대해 제안한다. 특히 그룹 임무 수행에서 하나의 단일한 임무가 아닌 연속적인 임무 수행 시 무선 시스템이 다음 임무를 위한 수행 방식을 고려해야 한다. 임무 수행이 하나의 노드 시스템에 의해 끝나는 것이 아니라 다음 노드에 전달 될 때 수행 특성을 제시해야 한다.

본 논문에서는 위험 지역에서 연속적인 임무 수행을 위한 센서 노드 시스템의 특성을 고려한다. 위험 지역에서 특정 노드가 더 이상 임무를 수행하기 어려울 때 다음 노드가 임무를 넘겨받아야 한다. 위험 지역에 도착한 다음 노드가 이전 노드의 임무의 특성 및 기능을 분석하여 연속적인 임무 수행이 가능하도록 준비해야 한다.

최근 컴퓨팅 사고력의 중요성이 높아짐에 따라 여러 학교에서 전교생을 대상으로 소프트웨어 교과목을 개설하여 운영하고 있다. 소프트웨어 교육은 코딩을 기반으로 다양한 문제를 창의적으로 해결하는 것을 목적으로 하나, 공학적 지식이 없거나 정보통신 분야에 흥미가 없는 비전공 학습자들에게는 학습 동기 유발이 어려운 실정이다. 학습 동기 유발은 학습자의 집중력과 학습의 능률을 향상시키는 중요한 역할을 한다. 본 논문에서는 비전공 학습자의 소프트웨어 교과목에 대한 학습 동기 유발 방법을 연구하고 그 결과를 설문을 통해 평가하였다.

최근 VR(virtual reality)과 AR(augmented reality)을 이용한 실감형 콘텐츠가 학습 보조 교구로써 주목을 받고 있다. 3D 기반의 콘텐츠는 평면에서 보여지는 2D 기반 콘텐츠보다 다양한 각도에서 대상을 관찰하고 체험이 가능하다는 장점이 있다. 본 논문에서는 가상환경에서의 아두이노 학습을 위한 3D 모델 기반의 콘텐츠 설계를 제안한다. 블렌더를 이용하여 아두이노 보드와 센서를 구현하고 유니티 엔진을 이용하여 3D 기반의 시뮬레이터 환경을 구성하였다. 제안하는 콘텐츠는 3D로 구현된 아두이노 보드와 센서를 이용하여 학습자들이 쉽게 아두이노의 동작원리와 코딩 과정을 체험해 볼 수 있다.

지하에 매설된 상·하수의 노후화를 관리하기 위한 환경부와 국내 지자체의 노력이 이어지고 있다. 한국환경산업기술원의 상·하수 혁신 기술 개발사업 지원으로 노후화에 따른 사고예측 및 교환시기 관리, 신규 매설 배관에 스마트 기능을 적용하는 사업을 진행하고 있다. 이러한 연구의 하나로 본 논문에서는 전체 연구의 핵심 특징 중 하나인 디지털 트윈 기반 스마트 파이프 상태 모니터링을 위한 대시보드 개념 모델의 설계를 제안하였다. 원격 제어와 모니터링이 주요 기능 중 하나이기 때문에 분산 송수신 에이전트를 배치해 모니터링 상황을 실시간으로 시각화하고 직관적인 UI를 배치해 사용자 친화력을 높혔다. 이 제안된 특수 디지털 트윈 기반 스마트 파이프 상태 모니터링의 설계를 검증하기 위해 개념 모델 수준을 구성하고 에이전트 효과를 측정하여 우수성을 검증하였다.

메타버스 환경에서 주인공이 될 아바타의 생성과 관련하여 몰입도와 프라이버시 사이에서 detail을 조절을 통하여 상황과 위치에 따라 자동으로 아바타의 형상이 결정되는 시스템을 설계한다. 본 연구에서는 metaverse환경의 다양한 가상환경에서 몰입도를 조절하기 위한 방안으로 원객체를 얼마나 자세하게 표현하는가에 따라 몰입도가 결정된다는 가설을 도출하고, 서비스 형태와 가상공간에서의 아바타의 활용 행태에 따라 아바타의 표출정보를 적응적으로 조절할 수 있는 연구를 수행한다.

코로나19 이후 특정 시간대에 무인 매장으로 운영되는 하이브리드 매장이 확산되고 이들 매장에 대한 절도 범죄도 증가하고 있다. 본 논문에서는 무인상점의 심야시간대에 발생하는 범죄를 실시간으로 식별하고 대응할 수 있도록 기존의 무인상점 장치를 충분히 활용한 지능형 방범시스템을 제안한다.

딥러닝을 적용한 기술 중 숫자 인식으로 예를 들 수 있다. 숫자 인식을 통하여 여러 분야에서 활용이 되고 있다. 숫자 인식을 가능하게 한 알고리즘 중 합성곱 신경망이 있다. 합성곱 신경망은 다양한 데이터들을 인식하는 데 사용되고 있다. MNIST 숫자 데이터셋을 활용하여 합성곱 신경망 구현 과정 중 깊게 레이어층을 쌓을수록 성능향상을 기대해볼 수 있다. 본 논문에서는 합성곱 레이어를 추가함으로써 성능향상을 76.96%에서 98.87의 정확도가 산출되어 약 21.91%의 정확도가 향상됨을 확인하였다.

본 논문은 가시화 기반 LBVH(Linear Bounding Volume Hierarchy))을 이용한 빠른 GPU기반 N-body 충돌 체크 알고리즘을 제안한다. 본 알고리즘은 움직이는 n-body 개체에 대한 수정된 모튼코드(Morton code)를 이용하며, 이 모튼코드는, 일반적으로 사용되는 개체의 위치 정보뿐 아니라 이 개체가 스크린상에 차지하는 가시화 영역 정보를 이용하기 때문에, 카메라의 위치 및 방향에 따라 화면상에 차지하는 영역이 작은 개체에 대한 빠른 GPU기반 정렬(sorting)이 가능하게 된다. 실험을 통해, 본 논문에서 제안하는 방법이 기존 방법보다 15%이상 성능 향상이 있음을 알게 되었다

본 연구에서는 일반계 고등학교의 고교학점제를 위하여 데이터과학 수업 방안을 설계하였다. 초·중학교나 일반계 고등학교에서는 시수 확보가 쉽지 않아서, 데이터과학과 같은 새로운 과목을 학습자가 마음껏 수강할 수 없지만, 고교학점제를 통하여 원하는 과목을 신청하여 학습을 진행할 수 있다. 이에 A시의 일반계 고등학교에서 데이터과학을 신청한 15명의 학생을 위하여 ADDIE 모형에 기반하여 수업 방안을 설계하였다. 본 연구를 통하여 학습 방안에 따른 데이터과학 수업 과정을 설계할 수 있었다.

본 논문에서는 FPGA 기반 객체인식 시스템의 구성 요소를 하나하나 살펴보도록 한다. 구성 요소인 카메라, DLM, 서비스 시스템, 비디오 출력 모니터, 딥트레이너 소프트웨어, 그리고 외부 딥러닌 소프트웨어 까지 각각의 기능을 살펴보도록 한다.

본 논문은 LSTM(Long-Short Term Memory) 네트워크와 CNN 딥러닝 기법을 기반으로 하는 융합 모델을 제안하고 다중 카테고리 뉴스 데이터 세트에 적용하여 좋은 결과를 얻었다. 실험에 따르면 딥 러닝 기반의 융합 모델이 텍스트 감정 분류의 정밀도와 정확도를 크게 향상시켰다. 이 방법은 모델을 최적화하고 모델의 성능을 향상시키는 중요한 방법이 될 것이다.

본 논문에서는 FoV(Fiele Of View)에 따른 감지거리 변화와 반사체에 따른 감지거리 고려하여 TOF(Time Of Flight) 센서의 장착 위치를 측면부 설치 시와 전/후면부 설치 시로 나누어 맞춘 개발을 수행하도록 한다.

본 논문에서는 작업/고속이동/케빈 회전 동작 중에 주변 360° 전방위에 있는 작업자와 장애물을 98% 이상 자동 인식하고 충돌경고를 안내하고 운전자에게 시야각을 확보해주는 충돌사고 예방 기술을 개발하고자 한다.

본 논문에서는 SparkHDE-EM이라는 생태학적 모델 알고리즘에 기반한 하이브리드 DE를 제안한다. 이 모델은 Spark에 기반한 섬 모델을 도입하여 다양한 DE 변형의 병렬화를 구현하고 Monod 모델을 활용하여 자원 간의 균형을 유지한다.

본 논문에서는 융합센서 기구의 설계를 1차와 2차로 나누어 설계하였고, 기구 설계와 Case 설계로 나누어 센서의 안전과 센서 결합 및 전원과의 연결을 용이하도록 제작하였다,

본 논문에서는 일반적인 팔꿈치 질환에서 Flexsion과 Extension의 이상에 대해 논의한다. 또한 이를 헬스케어 시스템과 연동하여 의료 정보를 공유하도록 한다.

우리는 부모 개체 선택을 위한 새로운 데이터 기반 돌연변이 전략, 즉 parapatric 및 cross-generation(TPCDE)이 있는 텐서 기반 DE를 제안합니다.

범죄예방 목적으로 주변에 많은 CCTV가 설치되어 있는데 범죄의 상황에 따라 사후조사보다 사전에 대응해야하는 경우가 많다. 이런 경우 사람이 많은 CCTV를 보고 있을 수 없기 때문에 특정 상황 발생시 알람을 울려줄 필요가 있다. 따라것 영상데이터를 분석하여 어떠한 행위인지를 파악해야 하는데 본 연구에서는 급격한 움직임에 따른 히스토그램의 변화에 착안하여 히스토그램 연산을 통한 장면전환검축 기법을 제안한다.

최근 메타버스 기술은 게임, 엔터, 제조, 유통, 광고, 교육 등 다양한 서비스 산업에서 활용되고 있다. 메타버스 콘텐츠에 사용되는 디바이스의 지속이용 상관관계 연구는 아직 미흡한 상태다. 메타버스에 더욱더 몰입할 수 있게 자연스러운 움직임과 사용하기 편한 입력장치 계발이 필요하다. 플로우를 기반으로 메타버스 콘텐츠와 디바이스의 지속이용에 관한 주제로 연구하였다. 독립변수인 Flow의 구성 요인을 현실감, 몰입감, 상호작용으로 설정하였다. 설문조사 기관을 통해 500명의 메타버스 남녀 이용자들의 자료를 연구에 활용하고자 한다. 메타버스 콘텐츠와 디바이스의 지속이용을 높이는 플로우 요인 중 가장 큰 영향력으로 작용하는 요인이 무엇인지를 연구하였다. 본 연구 결과를 통하여 차세대 메타버스 콘텐츠와 디바이스 산업의 방향성 수립에 도움이 되고자 한다.

오픈액세스, 오픈데이터, 오픈소스 등 과학기술 분야의 오픈사이언스 운동에 대한 최근의 관심 증가에 따라, 공적 자금을 투입한 연구 산출물을 공유하고 활용하려는 움직임이 구체화 및 활성화되고 있다. 이런 흐름에 따라, 최근 국내에서 연구수행의 핵심적인 자원인 연구데이터를 공유하고 활용하는 체제를 구축하고 활성화하려는 많은 노력이 진행되고 있다. 이러한 노력은 주로 연구데이터를 모아서 분야 및 기관별로 모으고 이를 국가 연구데이터 플랫폼인 DataON과 연계하여 검색 및 활용하는 것에 초점을 맞추고 있다. 그러나 선진국에서는 이러한 연구데이터 뿐만 아니라, IaaS, PaaS, SaaS, MLaaS 등 다양한 형태의 연구개발 관련 컴퓨팅 리소스를 공유하고 활용할 수 있는 체제를 구축하고 있다. EOSC(European Open Science Cloud), ARDC(Australian Research Data Commons), CSTCloud(China S&T Cloud) 등이 대표적인 사례라고 할 수 있고 국내에서는 이러한 컴퓨팅 리소스의 공유를 수월하게 수행할 수 있도록, KRDC(Korea Research Data Commons)를 설계하고, 핵심 프레임워크를 개발하고 있다. 본 연구에서는 KRDC의 필요성, 개념, 구성, 향후 계획을 소개한다.

본 논문에서는 국가연구데이터커먼즈에서 연구데이터 분석·활용에 사용되는 컴퓨팅 리소스를 등록, 검색, 관리하기 위한 컴퓨팅 리소스 표준 메타데이터 스키마 설계 방안에 대해 소개한다. 국가연구데이터커먼즈는 연구데이터 공유·활용 극대화를 위한 연구데이터와 컴퓨팅 리소스 연합 활용 체계이다. 컴퓨팅 리소스는 연구 전 과정에서 사용하는 연구데이터를 분석·활용하는데 필요한 분석 인프라, 분석 소프트웨어 등 컴퓨팅 환경의 모든 리소스들을 말한다. KRDC 컴퓨팅 리소스 관리를 위한 표준 메타데이터 스키마는 컴퓨팅 리소스 관리를 위한 공통 필수 속성과 각 컴퓨팅 리소스 특징에 따른 속성을 고려하여 설계하였다. 컴퓨팅 리소스 관리를 위한 표준 메타데이터 스키마는 컴퓨팅 리소스 메타데이터 스키마와 컴퓨팅 리소스 제공자 메타데이터 스키마로 구성된다. 또한, 컴퓨팅 리소스와 제공자의 메타데이터 스키마는 성격에 따라 서비스 스키마와 시스템 스키마 그룹으로 구분하여 설계하였다. 표준 메타데이터 스키마는 KRDC 프레임워크를 통해 컴퓨팅 리소스 제공자와 컴퓨팅 리소스 사용자를 위한 컴퓨팅 리소스 등록, 카탈로그 검색, 컴퓨팅 리소스 관리, 워크플로우 서비스에 사용되며, 다양한 컴퓨팅 리소스 연계를 위해 확장 가능한 형태로 설계되었다.

국가연구데이터커먼즈는 연구데이터 활용 극대화를 위해 컴퓨팅 인프라, 데이터 분석을 위해 사용되는 SW, Toolkit, API, 서비스 등과 같은 분석리소스를 연구데이터와 함께 배치하여 연합 활용될 수 있는 체계를 구축하는 것을 목표로 한다. R&D 과정에서 연구 출판물, 연구데이터에 대한 공유·활용 체계는 이미 잘 알려져 있다. 하지만 데이터와 밀결합된 소프트웨어, 컴퓨팅 인프라들을 공유하고, 활용할 수 있는 환경은 미미하고, 관리체계가 없는 실정이다. 본 연구에서는 데이터 중심의 R&D 연구 과정에서 필요한 디지털 연구 자원 정보를 체계적으로 관리하기 위하여 데이터모델을 설계한다. 이는 국가연구데이터커먼즈 서비스에서 디지털 연구 자원 정보들을 등록하고 관리하는데 활용될 예정이다.

본 연구는 수요예측 알고리즘으로 예측한 데이터와 실시간 데이터를 모니터링하기 위한 모니터링 애플리케이션과 웹 중 전력 수요관리 애플리케이션인 '해줌온', U&E 커뮤니케이션즈에서 사용하는 건설 현장 안전관리 시스템 웹 페이지를 비교하는 연구이다. 해당 연구는 위의 두 개의 대표적인 사례로 웹과 애플리케이션의 UI의 차이점, 장단점, 데이터의 보완 등을 비교하여 적절한 애플리케이션 또는 웹을 파악할 수 있다.

최근 공장의 트렌드가 아날로그 방식에서 스마트 팩토리로 변화함에따라 스마트 팩토리를 편리하게 이용하는 다양한 기능들이 존재한다. 본 논문은 스마트 팩토리의 기능중 스마트 팩토리 내 수요예측의 다양한 기법을 살펴보고자 한다.

본 연구는 요즘 주목 받고 있는 4차 산업으로 인해 기술이 빠르게 발전하고 오늘날 산업들의 변화 속도는 순식간에 변해가고 있다. 그 중, 인구 고령화로 인해 노동자들이 점점 줄고, 소비자들의 니즈가 다변화, 다양화 되면서 맞춤형 생산이 요구되고 있는 제조업인 스마트팩토리의 여러 가지 시스템을 비교하는 연구를 하고자 한다.

본 연구는 언제 어디서나 네트워크에 연결되는 특성과 유연한 이동성을 가지고 있는 대표적인 모바일 플랫폼 중 하나인 안드로이드가 기반이 되었다. 또한, AI을 기반으로 불량품들의 데이터를 알 수 있는 수요예측 알고리즘을 이용하여 수요예측 데이터와 회사의 시계열 데이터들을 안드로이드 스튜디오를 기반으로 실시간 모니터링 UI 디자인 방안에 대해서 연구하고자 한다.

최근 빅데이터 기반의 기계학습(Machine learning) 분석이 유전자 분석을 비롯한 다양한 축산분야에 활발하게 접목되어 주목할 만한 결과들을 도출하고 있다. 본 연구에서는 다양한 환경에서 수집된 한우고기 데이터를 기반으로 한우고기 품질에 영향을 미치는 육색, 수소이온농도, 보수력, 전단력, 가열감량에 대한 통계적 특성을 찾고, 이를 기반으로 기계학습의 선형 회귀(Linear regression) 및 회귀 트리(Regression tree) 방안을 이용하여 한우고기의 품질을 예측하는 방안을 제안하였다. 특히 통계적 분석을 통해 한우고기의 식감에 큰 영향을 주는 보수력의 경우 육색이 가장 큰 영향을 주고, 전단력, 가열감량의 경우 수소이온농도가 가장 큰 영향을 주는 요소인 것을 확인하였다. 제안 연구를 통해서 빅데이터 기반 기계학습 방안이 한우고기 품질 연구에 적용 가능함을 확인할 수 있었다. 또한 본 연구의 결과는 한우고기 품질 예측 및 품질 향상 연구에도 유용하게 활용될 수 있다.

전력망의 역할은 안정적인 전력공급이 최우선이다. 예고 없는 불안정한 상황에 대한 여러 가지 대비에 대한 방안이 필요하다. 기상 데이터를 활용하여 탐구적 데이터 분석을 통한 피처 간의 관계를 파악하여 머신러닝 기반의 에너지 생산 예측 모형을 모델링한다. 본 연구에서는 주성분분석을 사용하여 에너지 생산 예측 시 영향을 미치는 피처를 추출하였으며 머신러닝 모델에 적용함으로써 예측 신뢰도를 높였다. 제안한 모형을 사용하여 특정 기간을 대상으로 생산 에너지를 예측하고 해당 시점의 실제 생산 값과 비교함으로써 주성분분석을 적용한 에너지 생산 예측에 대한 성능을 확인하였다.

하천의 용존 산소량은 어류의 생존과 관계되는 중요한 수질 정보중 하나이다. 안양천에서 수집된 수질 정보 및 기상 정보를 이용하여 artificial neural network - XGBoost (ANN-XGB)를 훈련하였으며, 12시간 이후의 DO를 예측할 수 있다. 본 발표에서는 ANN-XGB의 performance를 보고한다.

Network-on-Chip (NoC) 이 오프칩 네트워크 기반의 기존 병렬처리 시스템과 가장 크게 다른 점은 데이터 패킷 라우팅을 중앙 제어 방식(Centralized control scheme)으로 수행한다는 점이다. 이러한 환경에서 Best-effort 패킷 라우팅 문제는 데이터 패킷이 해당 코어에 도달 및 처리되는 시간을 Cost 로 하는 실시간 최소화 할당 문제(Assignment problem)가 된다. 본 논문에서는 할당 문제의 선형 대수 방정식에 대한 대표적인 연산 복잡도 저감 알고리즘인 헝가리안 알고리즘을 하드웨어 가속기 형태로 구현하였다. TSMC 0.18um 표준 셀라이브러리를 이용하여 논리 합성한 결과 헝가리안 알고리즘의 연산과정을 그대로 구현한 하드웨어 회로보다 Cost 분포에 대한 Case 분석을 통하여 구현한 것이 면적은 약 16%, Propagation delay는 약 52% 감소한 것으로 나타났다.

고강도 집속 초음파 장치는 피부치료 시술시에 방사되는 고주파로 인해서 사용하는 동안 장치간에 통신 신호 간섭으로 인해서 간헐적으로 비정상적 동작이 발생한다. 멀티주파수 초음파 장치간에 발생하는 통신 간섭을 CAN 통신의 콘트롤러 및 트랜시버 설계, 펌웨어 S/W 프로그램와 CAN 통신 모듈 개발을 통해 장치간의 상호 노이즈 간섭을 줄일 수 있도록 하였다.

3차원 복원은 AR, XR, 메타버스 등에서 활용되고 있는 중요한 주제입니다. 3차원 재구성을 하기 위해서는 스테레오 카메라, ToF 센서 등을 이용해 깊이 지도를 구해야 합니다. 우리는 두가지 센서를 모두 상호보완적으로 이용하여 3차원 정보를 정밀하게 구하는 방법을 고안하였습니다. 우선 두 카메라의 캘리브레이션을 적용하여 색상 정보와 깊이 정보를 일치시킵니다. 그리고 두 센서로부터의 깊이 지도는 3차원 정합과 재투사 방법을 통하여 융합하였습니다. 융합된 3차원 복원 데이터는 RTC360을 이용해 구한 정밀 데이터와 비교 분석하였습니다. 평균 거리 오차 분석을 위해 상용프로그램 Geomagic Wrap을 활용하였습니다. 제안하는 방법을 구현하고 실공간 데이터를 이용하여 실험을 진행했습니다.

본 논문에서는 아날로그 구동 방식의 4K UHD LCOS 패널을 구동하기 위해 디지털 픽셀을 아날로그 픽셀로 변환하는 과정에서 발생되는 이득 오차, DC 옵셋, 샘플링 클럭의 위상 오차를 보정하기 위한 보정회로의 구현 방법을 기술한다. 제안된 보정회로는 이득 및 DC 옵셋 보정 회로와 샘플링 클럭 위상 조정 회로로 구성되며, FPGA와 비디오 앰프를 이용하여 구현하였다.

본 콘텐츠는 요양원에 거주 중인 노인들이 코로나 상황이 장기적으로 지속되고 있어 외출하지 못하거나 여행을 가지 못하고 있다. 해당 콘텐츠를 통해 노인들의 어린 시절을 회상할 수 있는 물건들이 전시되어 있는 속초 시립박물관의 곳곳을 구경할 수 있도록 설계하였다. 시립박물관 내부에 있는 설명을 내레이션을 통해 음성으로 전달하여 한글을 잘 모르시는 노인들도 본 콘텐츠를 흥미롭게 감상할 수 있을 거라 기대된다. 그리고 구경할 시간이 충분히 지난 후에 상호작용하는 요소들을 나타내도록 하여 현실과의 괴리감을 조금이라도 덜 느껴지게 하고자 한다. 현재 장기적으로 지속되고 있는 코로나 상황에서 요양원에 거주하고 있는 노인들의 우울증 예방뿐만 아니라 어린 시절 추억을 회상하며 기억하는 연습도 할 수 있어 치매 예방에도 긍정적인 영향을 줄 수 있을 것이다.

본 연구는 노년기에 음성 변화로 평상시에 의사소통의 어려움이 발생할 수 있고, 노인분들이 사회 활동을 꺼리거나 피하기까지 이어질 수 있어, 정신적인 상태 저하에 매우 중요한 요인이 될 수 있어 VR기반으로 노인분들의 음역대를 활용해 소리를 듣고 즐길 수 있고자 한다.

본 콘텐츠는 코로나 펜데믹 상황이 계속해서 유지됨에 따라 언텍트 사회를 앞당기게 된 현실 상황에서 외부 활동이 통제된 요양원 노인들의 스트레스를 감소시키고 요양원 내부에서도 시각적, 청각적 즐거움을 주기 위해서 제작되었다. 요양원 노인은 콘텐츠 이용 시나리오를 통하여 사회복지사의 도움을 받아. 디지털 시각 문화 콘텐츠를 이용 함으로써 계속해서 쌓이던 스트레스를 가상의 사람들과 함께 느끼면서 스트레스가 해소되며 동질감을 가질 수 있게 된다. 해당 콘텐츠를 통하여 요양원 노인들의 일생에 긍정적인 효과를 줄 수 있을 것이다.

본 연구는 차세대 미디어 대표 주자인 360도 VR 영상이 기반이 되었다. 요양원의 거주 노인들 중 인지능력이 낮은 분들은 사용자 시나리오를 통해 직접 맵을 탐색할 때 2D 이미지를 활용하여 효과적으로 맵을 탐색할 수 있는 방안을 연구하고자 한다.

본 연구는 코로나 19 펜데믹 등 여러 가지 요소들에 의해 급격히 성장한 메타버스 중에서 가장 많은 유저를 보유하고 있는 게더타운과 제페토로 이 두가지 플랫폼을 비교 하는 연구이다. 아바타, 이용료, 교실, 커뮤니케이션 방식의 차이점을 중점으로 알려준다. 이에 메타버스 플랫폼의 2D와 3D의 차이점, 카메라 활용에 대한 차이점을 알 수 있다.

본 콘텐츠는 VR의 활용이 다방면으로 넓어진 만큼 전통문화 거리를 구현하여 많은 사람들이 이 콘텐츠를 이용하며 좋은 기억을 쌓았으면 하는 바람이다. 가상현실은 직접 보러 갈 수 없거나 지금은 보기 힘든 상황을 해결하는 좋은 방법이다. 가상현실 속에 전통문화 거리를 구현함으로써 많은 사람들이 원하는 장소에서 편안하게 콘텐츠를 구경하며 즐길 수 있고, 그 결과로 의미 있는 시간을 보내면 좋겠다는 기대감을 가지고 전통문화 거리를 조성해 보고자 한다.

본 콘텐츠는 COVID-19로 인해 요양원 이외의 공간을 자유롭게 다닐 수 없는 노인들과 야외활동을 오래 하지 못 하는 노인들을 대상으로 제작하게 되었다. 요양원에 계신 노인들은 많은 시간과 노력을 들이지 않고도 다양한 공간을 체험할 수 있는 경주 VR 콘텐츠를 통해 경주를 보다 입체적이고, 생생하게 체험할 수 있을 것이다. 본 연구자는 이러한 경주 VR 콘텐츠를 효과적으로 활용하기 위한 방안들에 대해서 알리고자 한다.

본 영상은 새롭게 등장한 차세대 미디어 360 VR을 기반으로 한다. 기술의 발전으로 디지털 콘텐츠가 발달하고, 코로나 펜데믹 비대면 시대가 열리면서 사람들은 직접 가지 않고 즐길 수 있는 콘텐츠를 찾게 되었다. 360 VR은 현장에 직접 가지 않아도 현장에 간 것처럼 입체감 있게 콘텐츠를 즐길 수 있는 차세대 미디어다. 이를 활용하여 효과적으로 지역 홍보 영상을 만드는 것에 대한 연구를 하고자한다.

초고령사회의 진입에 따라 시니어 헬스 케어를 위한 IT 기술과 보건 의료 산업의 융합형 스마트 헬스 케어가 고령화 시대 독거노인 문제의 해결책으로 급부상 중이다. AI를 활용한 비대면 돌봄 서비스의 발전은 일부 국가가 아닌 세계적 경향으로 AI 인공지능 기술을 이용한 노인 돌봄 서비스의 형태는 급격히 변화하고 있다. 국내 역시 초고령화 사회의 진입을 앞두고 있으며 1인 가구가 증가함으로 인해 독거노인 돌봄과 관련하여 노인 복지 인력 부족 문제가 사회 이슈로 대두되고 있다. IT 기술을 이용한 노인 돌봄 서비스는 편리하다는 장점뿐만 아니라 노인 돌봄 노동자의 인력난 등의 장기적인 사회적 문제점을 해소해 줄 비전으로 제시된다. 따라서 고령층을 위한 노인 돌봄 서비스의 사례 연구와 초고령화 시대의 대책으로써 노인 돌봄 서비스의 발전 방향이 제안하고자 한다.

최신 기술의 발전으로 인한 메타버스의 등장으로 디지털 휴먼이 재유행하기 시작했다. 이를 활용하여 '버추얼 휴먼'이라는 개념을 정의하고 가상 공간에서 활동하던 '버추얼 스트리머'가 현실의 영역을 넘나들며 활동하고 있다. 본 연구에서는 메타버스와 아바타, 버추얼 스트리머, 버추얼 스트리밍에 대한 분석을 통해 과거와 어떤 점이 달라졌는지 파악하고 이와 관련한 시사점을 통해 현재 버추얼 스트리밍에 대한 한계와 방향성을 제시한다.

인간의 오감을 극대화하여 실제와 유사한 경험을 느끼게 해주는 차세대 콘텐츠인 실감형 콘텐츠에는 어떤 장비 개발과 종류가 있는지 알아본 후 실감형 콘텐츠 산업의 시장 여러가지 변화 요인들을 알아보며, 실감형 콘텐츠 산업의 성장 가능성과 실감형 콘텐츠를 체험하는 아용자의 완벽한 몰입 경험을 위한 방법도 알아본다. 그리고 어떠한 방법이 가장 최선의 개발일지 연구해 보며 과정의 한계와 실감형 콘텐츠 사용자의 체험 피로도를 최대한으로 줄이는 콘텐츠 방안을 실감형 콘텐츠 제작 관점에서 알아보고, 이와 관련된 미래 전망을 알아보고자 한다.

인공지능은 존재 자체로서 기술의 약진이라는 가치를 가지며, 여러 산업 분야에 이용되어 각종 산업에서 생산하는 상품 및 서비스의 부가 가치를 증진시키는 역할을 한다. 따라서 인공지능과 관련된 규제와 정책에 대해서 보다 넓은 시각에서 고려되어야 한다. 그러나 연구자 간 이해도가 상이하며, 어떻게 인공지능을 규제할지에 대한 합의는 이뤄지지 않고 있다. 이에 인공지능 기술에 대한 정부규제 방향을 탐색적으로 고찰해 본다. 먼저 인공지능 규제의 목표로 책무성, 투명성, 안정성, 공정성을 도출하고 규제 범위로 시스템 자체, 개발과정 및 활용 과정을 설정하며, 이용자와 개발자가 규제의 준수 대상임을 보인다. 본 연구의 학술적 의의는 인공지능 현재 기술수준을 분석하여 이를 바탕으로 향후 일관된 인공지능 규제 논의의 기반을 마련한 것으로 볼 수 있다. 인공지능 개발에서 응용에 이르는 생애주기를 고려할 때, 중요한 것은 인공지능 산업을 촉진하기 위한 진흥 정책과 그에 따른 리스크에 대해 대응하는 규제 정책의 균형이다. 개발자, 기업 및 사용자 등 모든 참여 주체에게 긍정적인 방향으로 인공지능이 수용될 수 있는 체계를 마련하는 것이 인공지능과 관련된 법학의 목표이다.

현재 경증치매를 갖고 있는 노인은 노인장기요양보험법에 의해 치매안심센터나 지역의 주간보호센터에서 인지프로그램을 제공받을 수 있지만, 지역의 독거노인은 치매 고위험군이면서 장기요양제도의 혜택은 받지 못하고 있는 상황이다. 독거노인의 비율은 점차로 높아져 가고 있지만 자립생활을 위한 일상생활능력향상 프로그램이나 치매예방을 위한 인지프로그램의 제공은 상당히 미미한 상황이다. 본 논문에서는 지역의 독거노인을 대상으로 ICT나 VR을 활용한 인지프로그램 개발의 필요성과 활용성을 조사, 분석하였다. 독거노인들은 새로운 기술에 대한 호감이 높았고, 기술활용에 대한 두려움과 호기심을 가지고 있었다. 다만, 새로운 기구나 기술을 접목할 때의 인간 관계와 유대감이 매우 필요함을 알 수 있었다.

디지털 헬스케어는 첨단 정보통신기술과 의료기술·비의료기술의 융합으로 질병치료에서 예방관리로 의료서비스의 패러다임 변화에 따라 지역을 기반으로 예방 및 모니터링 기반 건강관리의 중요성을 강조하고 있다. 4P(Predictive, Preventive, Personalized, Participatory)는 예측적, 예방적, 개인적, 참여적 헬스케어 서비스로 말할 수 있다. 기존의 노인장기요양 급여의 복지용구 품목 중심의 제한적 산업에서 벗어나 최신 기술을 활용한 AI·IoT·빅데이터 등 4차 산업혁명 기술과 접목을 통한 새로운 서비스를 제공할 필요성이 여러 분야에서 대두되고 있으며 돌봄 로봇, 웨어러블 등 신기술 개발 뿐 아니라 실증을 통한 상용화가 필요한 상황이다. 향후 빅데이터·인공지능 등 미래 신기술과 연계하여 다양한 서비스 창출이 가능하다.

부산광역시는 지역사회기반 마을건강센터를 운영하고 있는데 이는 경제적 취약계층을 중심으로 제공되는 보건의료서비스와는 달리, 개인이 아닌 마을 공동체를 중심으로 건강증진 서비스 제공하는 목적을 갖고 있다. 2021년 기준 부산 지역 내 71개소 센터가 설치되어 운영 중이고 본 논문에서는 마을건강센터를 디지털 전환하는 방법을 모색하고자 한다. 마을건강센터에서 활용가능한 디지털 기술은 첫째, 스마트 기기를 활용한 건강지표 구축으로 각종 질환의 관리체계를 고도화하는 것, 둘째, 사물인터넷으로 모바일 기술과 함께 로그 라이프 등 각종 건강지표관리 관리하는 것, 셋째, 지능형 로봇으로 독거노인의 말벗과 위급상황 알리미로 활용하는 것이다.

고령인구의 증가에 따른 복지서비스 비용 증가에 새롭게 등장하는 VR 등의 기술적용이 치매서비스의 적절한 대응으로 제시되고 있다. 현재 치매안심센터의 규모와 기능으로는 지역사회 내의 치매 고위험군을 모두 발굴하거나 수용하기는 어려운 상황이다. 수용인원 및 사례관리의 어려움, 치매환자 의료지원, 의료비 및 요양비 부담, 치매예방환경의 미비 등으로 인한 한계가 뚜렷하다. VR을 활용한 치매서비스의 특성은 첫째. VR은 쉬운 접근성과 편리성을 갖는다. 둘째, 인지건강의 증진 및 인지저하의 예방이 손쉬워지고 흥미를 기반으로 한다. 치매는 조기에 치료를 시작하는 것이 가장 효과적이며, 중증으로 지연되는 것을 막는 것이 가장 효과적인 치료법으로 인식되고 있다. 셋째, 막대한 디지털 자료를 통한 인지저하의 예후 예측이 가능하다는 것이 가장 큰 효과로 제시될 수 있다.

초고령화사회에 접어들면서 독거노인의 수도 증가하고 있고 따라서 고독사도 증가하고 있다. 따라서 본 논문에서는 디지털 기술을 활용한 독거노인을 위한 알리미 서비스를 살펴보고 다음과 같은 방안을 제언한다. 첫째, 기존 유선으로만 이루어지는 응급 상황 여부에 대해서 센서 감지, AI 감성 로봇 활용 등으로 디지털 정보 수집 및 상황 파악이 이루어져야 한다. 둘째, 분기별 1회 이루어졌던 직접 방문 시에는 장비 점검 및 디지털 상황을 검토해야하고 유선으로 이루어졌던 월 2회 간접 방문을 디지털 기기를 활용해 확대하도록 한다. 셋째, 독거노인, 장애인 등의 안전 확인 곤란 또는 응급상황 발생시 신속한 대처를 위해 디지털 응급안전망체계를 구축한다. 또한 마지막으로 이러한 디지털 시스템을 구축하기 위해 이용자 교육이 이루어져야 하며 신규이용자에게 장비사용 교육을 하는 것은 물론, 정기적으로 재교육이 이루어지는 것이 효과적일 것이다.

현재 경증치매노인은 노인장기요양보험법에 의해 치매안심센터나 지역의 주간보호센터에서 인지프로그램을 제공받을 수 있지만, 인지프로그램 운영에 대한 명확한 정의나 지침은 미비한 상황이다. 최근 VR에 대한 관심도가 높아지면서 다양한 노인복지시설에서 VR을 활용한 프로그램을 시도하고 있지만 신기술에 대한 친밀도나 활용도에 대한 분석이 많지 않은 편이다. 따라서 본 논문에서는 노인주간보호센터에서 경증치매노인을 대상으로 VR 활용도를 조사하고 분석하였다. 활용도는 친밀도와 활용가능성으로 나누어 조사하였고, 친밀도화 활용도 모두 높은 편으로 분석되어, 향후 경증치매노인을 대상으로 VR 인지프로그램 개발이 필요함을 알 수 있었다.

본 연구에서는 피아노 학습에 있어서 문제점을 도출하고 캡스톤디자인 프로젝트를 통해 피아노를 혼자 학습할 수 있도록 지원하는 IoT기술 기반의 훈련시스템을 개발하였다. 피아노 훈련 매체는 악보를 영상처리기술을 통해 인식하고 훈련시 피아노 음으로부터 FFT 변환을 통해 정확한 건반을 쳤는지를 확인하게 된다. 리듬게임의 요소를 이용하여 시각적 효과 및 점수 표시 기능을 제공함으로써 입문단계에서 지루한 피아노 교육에 대한 흥미를 유발하고 피아노 학습의 효과를 높일 수 있었다.

연구개발특구진흥재단의 2021년 모바일 증강현실 시장 보고서에 따르면 스마트폰의 발전과 더불어 모바일 증강현실 시장의 성장으로 인해 최근 증강 현실 시장이 성장하고 있다. 증강현실 서비스를 모바일 사용자에게 제공하기 위해서는 기기별 네이티브 앱을 제작해야 한다. 하지만 이에는 멀티 플랫폼 대응에 소비되는 유지보수 비용과 앱 다운로드로 인한 낮은 접근성 등의 문제점이 존재한다. 최근에는 WebXR Device API를 활용하여 웹 환경에서 증강현실 시스템을 구축이 진행되는 추세이나, WebXR Device API를 사용한 시스템은 아직 연구단계에 있다고 판단된다. 본 논문에서는 WebXR Device API, Three JS, React를 이용하여 반응형 멀티 플랫폼 환경을 구축하여, 모바일 및 웹 사용자에게 증강현실 서비스를 제공하는 기능을 구현하였다. 실험 결과 반응형 웹 환경에서 증강현실의 연동을 성공적으로 구현되었음을 확인하였으며, 향후 웹 기반에서 동작되는 증강현실 서비스를 기대해본다.

경로 추종 알고리즘은 행성 탐사, 무인 배송, 자율 주행 등의 다양한 모바일 플랫폼에 대하여 많은 연구가 수행되었다. 하지만, 환경에 존재하는 불확실성으로 인해 실제 응용 분야에서 높은 정확도를 보장하기 어렵다. 본 논문에서는 pure pursuit 알고리즘으로 제어되는 모바일 로봇의 경로 추종 성능을 분석함으로써 알고리즘 설계 및 구현에 대한 지침을 도출하는 것을 목표한다. 이를 위해, 전방 주시 거리(look ahead distance)를 설정하고 오류가 있는 액추에이터를 장착할 때, pure pursuit 알고리즘의 추종 정확도를 전산 실험을 통해 평가한다.

Space-time line code (STLC)라는 새로운 다이버시티 기술의 발명 이후로, 오류율과 에르고딕 용량이 이론적으로 분석되었지만, 아웃티지 확률에 대한 연구가 수행되지 않았다. 본 논문에서는 STLC 시스템의 순시 신호 대 잡음비의 확률 밀도 함수를 도출하고, 아웃티지 확률의 닫힌-형식 표현을 수학적으로 유도하였다. 또한, 전산 실험을 통하여 분석 결과의 정확성을 검증하고, 시스템 설계 및 구현에 대한 통찰을 제시하였다.

광역학 치료는 빛을 이용해 암을 치료하는 방법 중 하나로, 레이저 조사시 광감각제가 반응하여 산소와 결합해 암세포를 파괴한다. 이 치료법은 암 환자들에게 부작용을 최소화하는 치료로 각광 받고 있다. 그 중 광감각제는 종류에 따라 치료 부위, 치료 효과, 흡수되는 정도가 다르게 나타난다. 따라서 본 연구에서는 광감각제 중 5-ALA를 주입한 HELA 세포주에 Blue LED를 조사하여 암세포 증식 억제 효과의 정량적 평가 연구를 진행하였다.

본 논문에서는 세포에 창상을 가했을 때, LED를 활용하여 그 회복 능력을 확인하는 기초연구를 수행하였다. 6-well plates에 fibroblast를 배양하여 창상을 형성하고, 특정 파장의 LED를 조사하여 Matlab 이미지 처리를 통해서 창상 치유효능을 확인한다. 실험 결과, LED를 조사한 경우의 fibroblast가 더 빠른 속도로 회복되는 것을 확인하였다.

자동전력량 측정이 가능한 AMI (advanced metering infrastructure)의 설치 비율은 전국적으로 43% 미만이고 특히 지역 기준인 경우에는 10.5%로 매우 열악한 상태이다. 따라서 스마트그리드를 위해서는 전력량계의 자동 정보 기록이 필요하므로 이를 위해서 기존 전력계량계를 개선하여 원격검침 및 사용 제어가 가능한 시스템 개발이 필요하다. 본 논문에서는 기존 전력량계를 AMI기능이 가능하게 하려면 IoT 및 AI를 이용하여 스마트 그리드 핵심인 AMI를 위한 기존 전력 계량기의 원격검침 및 제어 기술 개발을 수행하였다. 주요 연구 내용은 SG를 위한 전력계량기 감지 장치로 변환하기 위하여 Tensorflow와 Open-cv를 이용하여 숫자를 인식하였고, SG를 위한 전력계량기 원격검침 기능 테스트를 위해서는 Intel-Edson 하드웨어와 연동하여 장치를 구성하여 성능을 확인하였다.

비디오 월 컨트롤러는 여러 개의 모니터를 연속적으로 배치하여 하나의 큰 스크린으로 표출하는 특수한 형태의 멀티 모니터를 가진다. 멀티스크린에 여러 영상을 동시에 표출하고자 하는 경우, 운영자는 표출할 영상과 모니터를 미리 매핑하여 저장한다. 멀티스크린의 모니터 개수가 많지 않은 소규모의 시스템에서는 영상과 모니터의 매핑 작업이 단순하지만, 모니터의 개수가 늘어날수록 매핑의 경우의 수가 늘어나므로 업무효율이 저하된다. 이에 본 논문에서는 연관 규칙 기반의 학습을 이용하여 영상을 표출할 모니터를 추천하여 매핑 작업의 효율성을 향상시키는 모델을 제안한다.

본 논문은 원샷 파노라믹 스캐닝을 기반으로 하는 실시간 자동 얼굴 인식 시스템에 대한 것이다. 한 번의 파노라믹 스캐닝 프로세스를 통하여 실시간으로 다수의 얼굴을 검출하고 사전에 등록된 얼굴을 인식하는 것이다. 한 장의 파노라마 영상 내에서 다수 얼굴 인식을 하는 것이 아닌, 스캐닝 과정에서 얻어진 다수의 영상을 이용하여 얼굴을 인식하도록 한다. 이는 파노라마 영상 생성 시간과 스티칭(Stitching) 오류를 줄임과 동시에 다수 영상의 누적 정보를 활용하여 얼굴 인식 성능을 향상할 수 있다. 이는 간단한 영상 획득 장치만으로 다수 인원의 스마트 출결 시스템과 같은 다양한 응용 프로그램에 사용될 수 있을 것으로 예상한다.

본 논문에서는 인공지능 알고리즘을 운용할 수 있는 고성능 소형 컴퓨터인 젯슨 나노를 기반으로 차량 추적 기능을 가진 캔위성 시스템을 제안한다. 캔위성 시스템은 캔위성과 지상국으로 구성되며, 캔위성은 대기권 내에서 낙하하며 장착된 센서를 통해 얻은 데이터를 무선통신을 이용해 지상국으로 전송한다. 기존 캔위성은 단순히 수집된 정보를 지상국에 전송하는 임무로 제한되며, 제한된 낙하 시간과 무선통신의 대역폭 제한으로 효율적인 임무 수행에는 한계가 있었다. 본 논문에서 제안하는 젯슨 나노 기반의 캔위성은 사전에 학습된 신경망 모델을 이용하여 공중에서 촬영한 영상에서 차량의 위치를 실시간으로 탐지 후, 2축 모터를 이용하여 카메라를 움직여 차량을 추적한다.

수돗물 생산·공급의 안정성을 확보하기 위하여 AI 기반 복합센서를 실증지인 정수장에 적용하기 전에 사전검증할 수 있는 시스템을 구축하였으며, 2019년 12월부터 2021년 12월까지 약 2년간의 고령정수장 생활용수의 약품투입량 관련된 데이터를 수집·분석하여 약품투입량 예측모델을 개발하고자 하였다. 이상치 제거와 파생변수 생성 등 데이터 전처리를 통해 각 Tag의 이상치를 제거하고 1분 주기 데이터를 60분 구간 평균 데이터로 주기를 설정하고 PLS 모형을 사용하여 모델을 학습시켰으며, 각 모델들의 예측 정도를 비교·검증하였다.

최근 증가하고 있는 도로 위 적재 불량 화물차는 비정상적인 무게 중심으로 인해 물체 낙하, 도로 파손, 연쇄 추돌 등 교통 안전에 위해가 되고 한번 사고가 발생하면 큰 피해가 유발할 수 있다. 하지만 이러한 비정상적인 무게 중심은 적재 불량 차량 인식을 위한 주행 중 축중 시스템으로는 검출이 불가능하다는 한계점이 있다. 본 논문에서는 이러한 사회 문제를 야기하는 적재 불량 차량을 관리하기 위한 객체 인식 기반 AI 모델을 구축하고자 한다. 또한 AI-Hub에 공개된 약 40만장의 대형차, 소형차, 중형차 별 적재 불량 차량과 일반차량으로 구분 된 데이터 셋 중 종류별로 제공되는 CCTV, 블랙박스, 카메라 시점의 적재 불량 차량 데이터 셋을 분석하여 전처리를 통해 적재 불량 차량 검지 AI 모델의 성능을 향상시키는 방법을 제시한다. 이를 통해, 원시 데이터를 활용한 학습 성능 대비 약 23% 향상된 적재 불량 차량의 검출 성능을 나타냄을 보였다. 본 연구 결과를 통해 공개 빅데이터를 보다 효율적으로 활용하여, 객체 인식 기반 적재 불량 차량 탐지 모델 개발에 적용할 수 있을 것으로 기대된다.

비젼 카메라를 이용하여 작업자의 장갑 칼라 및 위치를 인식하고 이를 기반으로 로봇팔의 모션을 제어하는 시스템을 개발하였다. 시스템은 물체의 영상정보를 인식하는 카메라, 로봇팔 제어 알고리즘, 자체 로봇팔 및 제어 시스템으로 구성된다. 카메라는 작업자가 착용한 장갑의 모양과 색을 인지하여 크기 및 위치정보를 출력하게 되며, 본 연구에서는 이러한 위치 및 물체를 둘러싼 크기 정보를 이용하여 로봇 팔의 모션 속도를 제어한다. 연구 방법의 검증은 6축 로봇으로 실행하였으며, 조종자의 손동작 조종에 의한 실험을 통해 제안한 영상정보 제어 및 로봇 선단 제어 방법이 성공적으로 동작함을 확인하였다.

본 논문에서는 신경망 모델을 적용한 몰드변압기의 보이드 결함 크기 판별에 관한 연구를 수행하였다. PCB 기반의 로고우스키 코일형 부분방전 센서를 제작하여 부분방전 신호를 측정하였고, 보이드에 의한 부분방전 결함을 모의하기 위한 PD 전극계를 제작하였다. 또한 보이드는 원통형 모양의 알루미늄 틀을 제작하여 에폭시가 경화되는 과정에서 실린지를 삽입하고 공기를 주입하여 서로다른 직경을 가지는 4개의 시편을 제작하였다. 보이드 결함 크기 판별을 위해 부분방전 전하량, 방전 펄스 수, 위상 분포의 부분방전 특성 파라미터를 추출하여 Labview 기반의 VI (Virtual Instrument)로 역전파 알고리즘을 설계하였다. 실험 결과로부터 제작된 알고리즘은 90%이상의 판별률로 결함의 직경크기를 구분할 수 있었다. 본 연구의 결과는 현장에서 PD 측정 시 몰드변압기의 유지보수 및 절연물 교체의 근거 자료로 활용될 수 있을 것으로 판단된다.

본 논문에서는 원격 모니터링이나 시뮬레이션 시스템에서 충격 효과를 그래픽으로 표시하는 기술을 개발하였다. 산업 현장의 장비나 시설을 실시간으로 점검하며 보수의 시기를 찾아내거나 사고의 예방을 위해 원격 모니터링이나 시뮬레이션 시스템이 활용되고 있다. 이러한 시스템들은 사용자들에게 시각정보를 제공하여 상황을 보다 이해하기 쉽도록 도움을 준다. 논문에서 제안하는 내부 충격의 그래픽 표시 기법은 3차원 그래픽을 활용하여 장비나 시설을 모델링하고, 장비에서 발생하는 충격과 손상의 위치를 볼륨 렌더링을 이용하여 내부에 표시하는 방법이다. 이는 장비 내부의 충격과 손상 위치에 볼륨 렌더링으로 충격파를 표시하여 보다 정확하게 문제점을 파악할 수 있다는 장점이 있다. 그리고 보다 강렬한 시각 효과를 통해 문제 상황을 보다 빨리 확인할 수 있을 것으로 기대한다.

그동안 행해진 중앙 집중형의 지식 창고(Knowledge Repository)에 분산된 지식을 모으는 방식만으로는 개인의 역량 및 조직의 경쟁력 강화라는 지식 관리의 본질적 목표에 달성하기 어렵다. 지속가능한 지식 생태계를 구축하기 위해서는 독립적인 지식 생산이 아닌 교류와 협력을 통한 지식 생산으로 확대되어야 하며, 이를 통해 유의미하고 고부가가치의 지식 자원을 생산할 수 있어야 한다. 이에 본 연구는 과학기술 지식자원을 저장하고 개방·공유·활용을 통해 지식을 재생산하고 진화시키는 통합서비스 플랫폼을 설계하는 것을 목표로 한다. 설계된 플랫폼은 그 우수성을 평가하기 위해, 계획 수립의 적정성, 플랫폼의 효과성, 플랫폼의 효율성, 로드맵의 적정성 항목들로 분류된 세부 항목들에 대해 평가를 수행하였으며, 상기 4개 평가 항목에 대해 평균 95.56점을 받았다.

본 논문에서는 데이터를 정량화하여 특징을 분류하기 위한 방법으로 퍼지 클러스터링 기반 지도 학습 방법을 제안한다. 제안된 방법은 FCM 클러스터링을 기법을 적용하여 군집화를 수행한다. 그리고 군집화 된 데이터들 중에서는 정확히 분류되지 않은 데이터가 존재하므로 분류되지 않은 데이터에 대해 지도 학습 방법을 적용한다. 본 논문에서는 당뇨병의 유무를 타겟 데이터로 설정하고 나머지 8개의 속성의 데이터를 FCM 기반 지도 학습 방법을 적용하여 당뇨병의 유무를 예측한다. 당뇨병 예측에 대한 성능을 30회의 K-겹 교차검증 (K-Fold Corss Validation)을 이용하여 평가하였으며, 다층 퍼셉트론의 경우에는 훈련 데이터가 77.88%, 테스트 데이터가 62.78%로 나타났고 제안된 방법의 경우에는 훈련 데이터가 79.96%, 테스트 데이터 74.16%로 나타났다.

드론의 발전으로 인해 드론의 임무는 다양한 분야에서 수행되며, 광범위한 영역에서 비가시권(BVLOS, Beyond Visual Line Of Sight) 비행한다. 대부분 드론은 무선 주파수(RF, Radio Frequency) 통신을 통해 운용되고 약 1-2 km의 제한된 반경에서만 비행이 가능하다. 이를 극복하기 위해 본 논문에서는 RF와 LTE (Long Term Evolution)를 활용하여 BVLOS에서 임무를 수행하는 드론을 조종하기 위한 다중 통신 프로토콜 기반 드론 조종 시스템을 제안한다. 제안한 시스템은 크게 조종부와 드론부로 이루어진다. 조종부는 조종기에서 발생한 하나의 조종 신호를 RF와 LTE를 통해 전송한다. 드론부는 RF와 LTE를 통해 이중으로 전송된 조종 신호를 통신 프로토콜의 우선순위에 따라 분류하여 FC (Flight Controller)로 전달한다. 제안한 조종 시스템을 통해 RF 통신 거리 한계를 극복하고 통신 연결 불능 상황을 방지할 수 있다.

AP 장치간의 시각의 동기는 내부의 유선랜을 통한 인터넷의 접근을 통한 NTP 방식의 시각동기 방식이 있으나 이는 네트워크에 따라 수백밀리 초(msec)에서 수초의 시각 차이를 갖는다. 동영상의 출력을 위한 프레임은 응용에 따라 다르겠지만 보통 1초에 24개의 (이미지) 프레임을 화면에 출력한다. 따라서 유선의 방식이 아닌 인접한 이동 카메라 장치를 통하여 주변장치 간에 시각을 동기화 할 수 있을 것이다. 시각동기화를 위한 응용프로그램의 작성 시 동기명령을 위한 API를 생성하고, MAC을 통하여 AP에 전달하는 방식의 프로그래밍 기법은 송신측에서의 운영체제의 환경 및 MAC의 버퍼 큐의 상황에 따라 동기명령에서의 시각과 다를 수 있다. 따라서 이를 해결하기 위한 방법으로 MAC을 제어하는 디바이스 드라이버 단에서의 시각정보의 갱신이 훨씬 더 효과적일 수 있다.

선박에 대한 위치와 자세 공유는 다양한 변화가 있는 해상환경에서 안전한 항해와 효율적 운용을 도모하기 위한 아주 중요한 사항이다. 이를 위한 기술로 AIS(Automatic Identification System)가 대표적으로 활용이 되고 있다. 선박내 통신규약의 일종인 NMEA-0183을 통해 자함(ownship) 및 타선의 정보를 수집하여 항행에 큰 도움을 준다. 더 나아가 이 기술은 지상의 관제소 및 항공 영역에까지 공유되어 해상의 안전한 항행과 사고예방 및 대처용으로도 적극적으로 활용되고 있다. 이러한 AIS의 장점으로 인해 국제해사기구에 의해 국제여객선과 300톤 이상의 선박에 대해서는 AIS 탑재가 의무화된 상황이다. AIS는 장거리 송출을 위해 VHF(Very High Frequency) 밴드 영역을 사용하며, 이러한 특성으로 인해 타선의 정보를 모니터링하는 시스템에서는 필요 이상의 타깃들의 정보가 수집되고 표출이 되는 상황이다. 본 연구에서는 모니터링 시스템의 표출영역을 고려한 효율적인 AIS 데이터 추출 방안을 제시한다. 아울러, 이를 통해 결과적으로 모니터링 시스템의 처리 및 네트워크 부하를 감소시키고 타 체계의 타깃 정보와의 형평성 있는 표출을 유도한다.

본 논문은 FEC 환경에서 응용 서비스의 처리 지연시간 최소화를 위하여 선행연구 제안한 부분 오프로딩 시스템의 네트워크 부하에 따른 오프로딩의 효과를 분석한다. 모바일 장치와 FEC 서버 간의 2계층 협력 컴퓨팅 시스템으로 구성된 제안 시스템을 로컬 전용 및 에지 서버 전용 처리와 비교한다. 제안 시스템은 다중 분기구조의 재구성 선형화를 통한 부분 오프로딩 알고리즘[1]과 두 계층 간의 최적 협업 알고리즘[2]을 포함한다. 실험은 다중 분기구조의 DAG 토폴로지를 갖는 논리적 CNN 모델을 대상으로 계층 스케줄링을 적용하여 수행하였으며, 실험 결과 제안 시스템은 로컬이나 에지 전용 실행과 비교하여 항상 효율적인 작업 처리 전략 및 처리 지연시간을 제공함을 입증하였다.

본 논문은 무인비행장치에 탑재된 카메라를 통해 획득한 고화질의 이미지를 무인비행장치 상에서 전처리를 하여 이동통신망을 통해 서버로 전송하기 위한 시스템 및 기법에 관한 것이다. 기존의 이미지 획득 서비스용 무인비행장치의 경우, 무인비행장치에 탑재된 카메라의 외부저장장치에 획득한 이미지를 저장하고, 비행이 완료된 이후에 저장장치를 직접 옮기는 방식으로 이미지를 확인하였다. 이러한 방식의 경우, 외부저장장치를 통해 직접적으로 이미지 데이터를 확인하기 전에는 이미지 획득이나 전처리가 제대로 수행되었는지 확인할 수 없다는 한계점이 존재한다. 또한 해당 데이터는 외부저장장치에만 저장되기 때문에 데이터의 공유가 번거롭다는 단점이 존재한다. 본 논문에서는 위와 같은 문제점을 해결하기 위하여, 원격에서 이미지를 실시간으로 확인 가능한 시스템을 제안한다. 더 나아가, 무인비행장치에서의 촬영을 통한 이미지 획득 외에 지오태깅과 같은 전처리와 이동통신망을 통한 전송까지 수행이 가능한 시스템 및 방법을 제안한다.

IoT 디바이스에서 on-device AI를 수행할 때, 타겟 서비스나 디바이스의 환경에 따라 필요한 AI 모델이 달라질 수 있다. 또한, 기존 AI 모델도 federated learning과 같이 추가적인 데이터를 이용해 트레이닝을 하거나 보다 향상된 새로운 기법을 사용하는 등 업데이트가 일어날 수 있다. 이에 따라 IoT 디바이스에서 양질의 AI 서비스를 수행하기 위해서는 상황에 따라 필요한 AI 모델을 선택적으로 사용하거나 최적화된 최신 버전의 AI 모델로 업데이트 할 수 있어야 한다. 본 논문에서는 이를 지원하기 위한 AI 모델 레포지토리를 제안한다. 레포지토리는 AI 모델의 등록, 검색, 관리 및 배포를 지원하며 실사용을 위한 웹 포털을 포함한다. 제안하는 시스템의 실효성 확인을 위해 Node.js와 Vue.js로 구현하여 동작을 확인하였다.

본 논문은 드론 운항 거리를 20 km까지 확장할 수 있도록 과학기술정보통신부가 추진하고 있는 433 MHz 대역에서의 혼신과 간섭을 물리 계층 수준에서 제거하는 알고리즘을 제안한다.

본 논문은 AIoT 기반 누수 탐지 시스템의 구성과 기능을 제안한다. 그리고 누수 탐지 시스템에서 마신러닝 기능과 광대역 통신 기능을 갖는 스마트 미터링용 게이트웨이를 아울러 제안한다.

무인이동체를 활용한 산업이 확대되면서 다수의 무인이동체를 다양한 분야에 적용하는 시나리오가 주목받고 있다. 하나의 무인이동체는 운용시간과 범위의 제약이 있어, 다수의 무인이동체를 활용함으로써 훨씬 더 넓은 범위에 서비스를 제공하고 운용시간을 단축할 수 있는 장점이 있다. 이와같은 장점을 이용해 최근에는 다수의 무인이동체를 군사용을 넘어 재난, 방송 등의 분야에 적용하려는 시도를 하고 있다. 본 논문에는 다수의 무인이동체를 이용하여 네트워크를 기반으로 원거리에서도 데이터를 주고받을 수 있는 데이터 연동 시스템에 관한 시나리오를 제시한다.

기존 내비게이션 어플은 주로 과속단속을 알려주는 기능이 주기능이며, 블랙아이스 위치를 경고해주지는 않는다. 만약 내비게이션 어플이 이 기능을 수행한다면 교통사고 저감에 큰 효과를 발휘할 것이다. 따라서 본 논문에서는 블랙아이스를 탐지하는 방법과 이를 경고해주는 내비게이션 어플을 제안하고자 한다.

본 논문은 이동 노드간 클러스터링을 함에 있어 보다 효율적인클러스터링을 제공하고 유지하기 위한 딥러닝의 자율학습에 따른 군집적 알고리즘을 제안한다. 대부분 이동 노드의 클러스터링 군집데이터를 처리함에 있어 상호관계에 따른 분류체계가 제공된다. 이러한 경우 새롭게 입력되거나 변경된 데이터가 비교정보에서 오염된 정보로 분류될 경우 기존 분류된 클러스터링으로부터 오염된 정보로 이해되어 군집성을 저하시키는 요인으로 작용 할 수가 있다. 본 논문에서는 이러한 상황정보를 이해하고 클러스터링을 유지할 수 있는 자율학습기반의 학습 모델을 제시 한다.

실내위치 측위 기술은 스마트기기의 확산으로 인해 다양한 응용서비스에 활용되고 있다. 정밀하게 위치를 측위 하는 것과 더불어 다수 사용자의 위치를 동시에 측위 하는 것은 새로운 문제로 제기되고 있다. 더불어 위치 측위와 동시에 인터넷 서비스를 제공하는 것은 다양한 응용에서 활용하기 위해 필수적이다. 본 논문은 IEEE 802.11az 표준으로 실내위치 측위 시스템을 설계 및 구현함으로써 이러한 두 가지 문제 모두를 해결하고자 한다.

3D 프린팅 기술을 이용하여 광섬유가 내장된 임베디드 센서 구조물을 제조하였으며, 광주파수 반사 산란광 측정법 기반의 분포 센서 기술을 이용하여 대상 구조물에 인가된 스트레인 분포를 측정하였다. 측정된 분포 데이터는 대상 구조물 형상에 실시간 대입하여 3차원 시각화 표현하였다.

광섬유가 방사선에 노출되면 코어 내에 컬러센터가 형성되어 광 투과성이 저하된다. 방사선 유도 손실이라 하며, 소재, 구조 등의 변화를 통해 방사선 유도 손실을 줄이고 내방사선 특성을 개선한 광섬유가 활발히 연구되고 있다. 우주, 원자력 발전소 등 극한 환경에서도 통신 및 광응용 시스템을 구축하는데 내방사 광섬유를 활용할 수 있다는 장점 때문이다. 본 발표에서는 상용 내방사 광섬유의 감마선 조사에 의한 영향을 분석한 결과를 보인다.

본 논문에서는 양성자 가속기를 이용하여 5종류의 상용 단일모드 광섬유에 대해서 양성자 조사에 따른 전송손실 특성평가를 수행하였다. 조사 시험에 사용된 양성자 빔은 100 MeV 급의 고에너지를 가지며, 빔 조사면적에 대한 균일도는 10% 이하로 설정하여 시험을 수행하였다. 양성자 조사에 따라서 광섬유 종류(내부 소재, 불순물)의 영향에 따라서 방사선 유입에 의한 광 손실 특성은 큰 차이를 보였다.