최근 코로나 19발생과 동시에 소셜 미디어의 투자자 정서가 증시 가격 움직임을 주도해 관심을 모으고 있다. 본 연구는 행동금융 이론 기반 빅 데이터 분석을 활용하여 소셜 미디어에서 추출한 정서가 중국 증시의 실시간 및 단기적 가격 모멘텀을 예측하는데 활용될 수 있는 기법을 제안한다. 이를 위해, COVID-19와 관련 200만 건 이상의 시나 웨이보 빅 데이터를 키워드 방식으로 수집 및 분석하고 시간이 따른 영향력이 높은 감정 요인을 추출한다. 최종 결과 도출을 위해 다양한 지도 및 비지도 학습 모델을 다 각도에서 구현 및 성능평가를 비교 분석 후, BiLSTM mdoel이 최적의 결과를 낼 수 있음을 증명했다. 또한, 제안하는 기법을 통해 주가변동과 심리요인 간에도 비슷한 움직임을 보이고 있음을 제안했고 소셜미디어에서 추출한 공공분위기가 어느 정도 투자자들의 심리를 대변할 수 있고, 주식시장에 영향을 미칠 수 있는 특수행사에 몰두할 때 증시변동에 차이를 만들 수 있음을 증명했다.

최근 산업화에 따른 대기오염 문제는 국가와 국민 모두에 큰 관심을 끌고 있다. 국내의 광역(廣域) 대기오염 정보는 국가적으로 공공 데이터를 통해 국민에게 제공하고 있으나, 환경변수가 다른 지역적인 대기오염 정보는 매우 부족한 상황이다. 따라서 본 연구에서는 지역적인 대기오염 현상을 보다 정확하게 분석하고 예측할 수 있는 지역 환경변수 기반의 대기오염 분석 및 예측 시스템을 설계하고 구현한다. 특히 제안한 시스템은 지역적으로 측정된 환경 데이터와 공공 빅데이터를 기반으로 지역의 대기정보를 정확하게 분석하여 제공하고, 인공지능 알고리즘을 통해 미래의 지역 대기정보를 예측하여 제시한다. 나아가 제안된 시스템을 통해 지역적인 대기오염의 발생 원인을 정확하게 파악하여 지역의 대기오염을 예방할 수 있을 것으로 기대할 수 있다.

오늘날의 시스템들은 더 빠른 실행 속도와 더 적은 전력 소모를 위해 하드웨어와 소프트웨어 요소를 함께 포함하고 있다. 기존 하드웨어 및 소프트웨어 공동 설계에서 소프트웨어와 하드웨어의 비율은 설계자의 경험적 지식에 의해 나뉘었다. 설계자들은 반복적으로 가속기와 응용 프로그램을 재구성하고 시뮬레이션하며 최적의 결과를 찾는다. 설계를 변경하며 반복적으로 시뮬레이션하는 것은 시간이 많이 소모되는 일이다. 본 논문에서는 에너지 효율적인 FPGA 가속기 설계를 위한 하드웨어 및 소프트웨어 공동 설계 플랫폼을 제안한다. 제안하는 플랫폼은 가속기를 구성하는 주요 성분을 변수화해 응용 프로그램 코드와 하드웨어 코드를 자동으로 생성하여 설계자가 적절한 하드웨어 비율을 쉽게 찾을 수 있도록 한다. 공동 설계 플랫폼은 Xilinx Alveo U200 FPGA가 탑재된 서버에서 Vitis 플랫폼을 기반으로 동작한다. 공동 설계 플랫폼을 통해 1000개의 행을 가지는 두 행렬의 곱셈 연산 가속기를 최적화한 결과 응용프로그램보다 실행 시간이 90.7%, 전력 소모가 56.3% 감소하였다.

본 논문에서는 인공 신경망이 과거 학습 데이터의 정보를 망각하는 치명적 망각(Catastrophic Forgetting) 현상을 개선하기 위해, 학습할 데이터에 따라서 가변적으로 정규화 강도를 조절하는 방법을 제안한다. 이를 위하여 과거에 학습된 데이터와 현재 학습할 데이터들의 관계를 측정하는 방법을 사용하였다. 성능 평가를 위해 MNIST, EMNIST 데이터를 사용하였다. 3가지 시나리오에서 실험한 결과, 같은 도메인을 갖는 데이터의 경우, 이전 태스크의 정확도가 0.1~3%, 다른 도메인을 갖는 데이터의 경우 이전 태스크(Task)의 정확도가 10~13% 향상 시킬 수 있었다. 이는 본 논문의 방법으로, 도메인이 다른 경우, 망각률이 줄어든 것을 의미한다. 다양한 도메인을 가진 데이터를 연속적으로 학습할 경우, 이전 태스크들의 정확도가 모두 50% 이상을 달성하였고 평균 정확도가 약 7% 향상되었다.

본 논문에서는 제조 공장 내 AGV (Automated Guided Vehicle) 주행 중 객체 인식을 위한 YOLO v3 알고리즘의 정확도에 대해 살펴보았다. 실험을 위해 2D LiDAR 및 스테레오 카메라가 장착된 AGV를 준비하였다. AGV 주행 중 2D LiDAR를 활용한 SLAM 기법으로 지도 정보를 획득하였고 스테레오 카메라를 활용한 객체 인식이 이루어졌다. 그리고 YOLO v3 알고리즘 기반의 학습 정도에 따른 재현율, AP, mAP 등을 측정하였다. 실험 결과, 4000장의 train data 와 500장의 test data 로 훈련된 YOLO v3 알고리즘에 AGV에 장착된 스테레오 카메라의 시점과 높이에서 획득한 1200장의 이미지를 추가로 학습할 경우 mAP가 약 10% 향상되었다. 정밀도(precision) 와 재현율 역시 각각 6.8%와 16.4% 향상되었다.

최근 COVID-19로 인해 마스크 착용 여부 자동 검사 시스템에 신경망 기술들을 적용하는 연구가 활발히 진행되고 있다. 신경망 적용 방식에 있어서 1단계 검출 방식 또는 2단계 검출 방식을 사용하며, 데이터를 충분히 확보할 수 없는 경우 사전 학습된 신경망에 대해 가중치 미세 조절 기법을 적용하여 학습한다. 본 논문에서는 얼굴 인식부와 마스크 검출부로 구성되는 2단계 검출 방식을 적용하였으며, 얼굴 인식부에는 MTCNN 모델, 마스크 검출부에는 ResNet 모델을 사용하였다. 마스크 검출부는 다양한 실 상황에서의 인식률과 추론 속도 향상을 위하여 5개의 ResNet모델을 적용하여 실험하였다. 학습 데이터는 웹 크롤러를 이용하여 수집한 17,219개의 정지 영상을 이용하였으며, 1,913개의 정지 영상과 1분 동영상 2개에 대해 각각 추론을 실시하였다. 실험 결과 정지 영상인 경우 96.39%, 동영상인 경우 92.98%의 높은 정확도를 보였고, 동영상 추론 속도는 10.78fps임을 확인하였다.

다중경로 시스템은 유선망, LTE망, 위성망 등 다양한 망을 동시에 활용하여 데이터를 전송하는 시스템으로, 통신망의 전송속도, 신뢰도, 보안성 등을 높이기 위해 제안되었다. 본 논문에서는 이 시스템에서 각 망의 지연시간을 보상으로 하는 강화학습 기반 경로 선택 방안을 제안하고자 한다. 기존의 강화학습 모델과는 다르게, deep Q 학습을 이용하여 망의 변화하는 환경에 즉각적으로 대응하도록 알고리즘을 설계하였다. 네트워크 환경에서는 보상 정보를 일정 지연시간이 지나야 얻을 수 있으므로 이를 보정하는 방안 또한 함께 제안하였다. 성능을 평가하기 위해, 분산 데이터베이스와 텐서플로우 모듈 등을 포함한 테스트베드 학습 서버를 개발하였다. 시뮬레이션 결과, 제안 알고리즘이 RTT 감소 측면에서 최저 지연시간을 선택하는 방안보다 20% 가량 좋은 성능을 가지는 것을 확인하였다.

미세먼지 예보에 대한 높은 정확도가 요구됨에 따라 기계 학습의 알고리즘을 적용하여 예측 정확도를 높이려는 다양한 시도들이 이루어지고 있다. 그러나 미세먼지의 특성과 불균형적인 농도별 발생 비율에 대한 문제로 예측 모델의 학습 및 예측이 잘 이루어지지 않는다. 이러한 문제를 해결하기 위해 특정 농도를 기준으로 미세먼지를 저농도와 고농도로 구분하여 예측을 수행하는 등 다양한 연구가 진행되고 있다. 본 논문에서는 미세먼지 농도의 불균형 특성으로 인한 예측 성능 향상의 문제를 해결하기 위한 미세먼지 농도의 이진 분류 모델을 제안하였다. 분류 알고리즘 중 logistic regression, decision tree, SVM 및 MLP를 이용하여 PM10에 대한 이진분류 모델들을 설계하였다. 오차 행렬을 통해 성능을 비교한 결과, 4가지 모델 중 MLP 모델이 89.98%의 정확도로 가장 높은 이진 분류 성능을 보였다.

최근 유튜브와 같이 영상 콘텐츠를 보거나 제작하는 것에 관한 관심이 급증하고 있습니다. 그러나 개인 정보 보호 기술이 없이 동영상을 제작하게 되면, 출연을 원하지 않는 사람들이 공개적으로 노출되어 개인 정보 보호권을 침해할 수 있습니다. 본 논문은 이러한 문제를 해결하기 위해 얼굴을 식별하여 특정한 얼굴만 화면에 나오고 그 외에 다른 얼굴들은 Gaussian blur filter를 이용하여 흐리게 하여서 초상권을 보호하는 기술을 제안합니다. 이 논문의 핵심은 실시간 비디오에서 인물의 초상권을 보호하기 위한 주요 기술인 얼굴 식별 기술의 정확도를 높이기 위한 노력입니다. 본 논문은 얼굴 식별의 정확도를 높이기 위하여 추적 알고리즘을 사용하였으며 실시간 비디오에 적용하기 위하여 알고리즘을 변경하였습니다. 이 논문에서는 추적 알고리즘이 있는 경우와 없는 경우를 비교하여 결과를 보여줍니다.

코로나19의 영향으로 온라인 활동이 늘어나면서 인터넷 접속량도 늘어나고 있다. 하지만 악의적인 사용자에 의해서 네트워크 공격도 다양해지고 있으며 그중에서 DDoS 공격은 해마다 증가하는 추세이다. 이러한 공격은 침입 탐지 시스템에 의해서 탐지되며 조기에 차단할 수 있다. 침입 탐지 알고리즘을 검증하기 위해 다양한 데이터 세트를 이용하고 있으나 본 논문에서는 최신 트래픽 데이터 세트인 CICIDS2017를 이용한다. 의사 결정 트리를 이용하여 DDoS 공격 트래픽을 분석하였다. 중요도가 높은 결정적인 속성(Feature)을 찾아서 해당 속성에 대해서만 의사 결정 트리를 진행하여 정확도를 확인하였다. 그리고 위양성 및 위음성 트래픽의 내용을 분석하였다. 그 결과 하나의 속성은 98%, 두 가지 속성은 99.8%의 정확도를 각각 나타냈다.

측위 기술은 증강현실, 스마트 팩토리, 자율주행 등에서 중요한 기능을 수행하고 있다. 측위 기술 중에서 비콘을 이용한 측위 방법은 RSSI(Receiver Signal Strength Indicator) 값의 편차로 인하여 도전적인 과제로 여겨져 왔다. 본 논문에서는 수신기의 RSSI 값을 입력으로 하고 거리를 목표 값으로 하는 신경망을 학습시켜서 이동하는 객체에 대한 위치를 예측하였다. 이를 수행하기 위해 RSSI 대비 거리 실측값을 수집하였다. 수집한 데이터로 합성 데이터를 만들기 위한 신경망을 도입하였다. 이 신경망을 바탕으로 거리 대비 RSSI 값을 예측하였다. 합성 데이터를 바탕으로 가상으로 좌표계를 구성하여 객체의 위치를 예측하였다. 합성 데이터를 생성하기 위한 신경망으로 RSSI의 표준편차는 구하였고 이 값을 기반으로 가상환경에서 단말의 위치를 추적하는 신경망을 학습시켜 객체의 좌표를 추정하였다.

본 연구에서는 다양하게 피부치료가 가능한 V-IPL 방식을 도입하여 피부치료 시스템을 설계하여 실험하였고, 또한 병변에 따라 플래쉬 램프를 순차적으로 점등시키는 새로운 방식인 방전 방식을 이용하였으며, 기존의 LC 가변방식과 스위칭소자의 스위칭모드 제어방식을 활용하여 펄스 형상제어를 시스템에 구성하였다. 그 결과 마이크로프로세서를 이용하여 펄스폭이 1[㎛]까지 가변이 가능하였고, 깊이와 넓이에 따른 병변에 플래쉬 램프를 순차 점등시키므로써 펄스형상 및 펄스모양을 보다 다양하게 할 수 있었다. 그리고 펄스폭을 약 1~100[ms]까지 다양하게 긴 펄스를 만들 수 있었으며, 기존의 제품은 One pulse(pulse width : 1~40ms)이지만 제안한 제품은 Three pulse(pulse width : 1~100ms)로 특별한 차이가 있었다.

본 연구의 목적은 대학생의 중도탈락 현상 데이터를 실증적으로 분석하여 대학의 학생지원정책을 수립하기 위한 시사점을 제공하는 데 있다. 이를 위해 D대학의 2017~2019년 입학생 데이터를 토픽모델링 LDA(Latent Dirichlet Allocation)를 활용하여 재학생과 제적생으로 나누어 분석하였다. 연구결과 제적생에서 특징있게 나타난 토픽은 '학적'관련하여 '학기등록 1회', '전공'관련하여 '어문계열학과', '학점'관련하여 '학사경고'이고, '대학생활'관련하여 '비교과 프로그램'에 대한 토픽은 나타나지 않았다. 다음으로 '재학생 토픽'과 '제적생 토픽'의 상호 식별 성능을 측정한 결과, SVM(Support Vector Machines)이 가장 우수한 식별 성능을 보여주었다. 이러한 실험을 통해 기계학습을 활용한 인공지능 기반의 학생 데이터 분류 기법 연구의 가능성을 확인할 수 있었다.

아두이노는 오픈 소스 마이크로컨트롤러 프로젝트 중 하나로 AVR 마이크로컨트롤러를 사용한 아두이노 보드가 흔히 사용된다. AVR 마이크로컨트롤러에서는 일반적으로 ISP(In System Programming) 방식 업로드를 사용하지만, 아두이노에서는 부트로더를 통한 시리얼 방식 업로드를 기본으로 하며 이를 위해 전용 마이크로컨트롤러를 보드에 내장하고 있다. 아두이노에서 ISP 방식 업로드를 사용하기 위해서는 별도의 전용 업로드 장치가 필요하지만, 아두이노 보드에는 포함되어 있지 않다. 이 논문에서는 ISP 방식 업로드와 시리얼 방식 업로드를 하나의 전용 마이크로컨트 롤러를 통해 처리할 수 있는 통합 프로그래머를 제안하고, 통합 프로그래머를 사용하여 ISP 방식과 시리얼 방식 업로드가 가능함을 보인다. 이외에도 제안하는 통합 프로그래머는 USB-시리얼 변환장치로 동작하여 컴퓨터와의 시리얼 통신을 지원하며 아두이노의 부트로더를 굽는 것도 가능하다. 통합 프로그래머의 모든 동작은 실험 결과를 통해 확인할 수 있다.

본 논문에서는 입력 포화가 존재하는 다중 에이전트 시스템의 봉쇄제어 문제를 다룬다. 봉쇄제어의 목표는 추종 에이전트들을 리더 에이전트들에 의해 형성된 convex hull 안으로 몰아넣음으로써 군집 행동을 얻는 것이다. 본 논문에서는 일정한 속도로 움직이는 리더 에이전트들을 고려한다. 움직이는 리더들을 고려한 봉쇄 문제를 해결하기 위하여 PI기반의 분산제어 알고리즘을 제안한다. 다음으로 추종 에이전트들의 목표 위치로의 수렴성을 해석한다. 구체적으로 포화 비선형성을 고려하기 위하여 적분 형태의 리아프노프 함수를 적용한다. 그리고 Lasalle's Invariance Principle을 기반으로 임의의 상수 이득들에 대하여 오차 상태들의 점근적 수렴성을 보인다. 마지막으로 고정된 리더들과 일정한 속도로 움직이는 리더들을 고려한 시뮬레이션을 진행하여 이론적 결과를 검증하였다.

무인 항공기 탑재장비 점검을 위한 통합 점검 장치는 항공기가 임무 수행을 위해 비행 전, 그리고 비행 임무를 완료하고 착륙 이후 항공기에 탑재되어 있는 장비들의 상태를 점검하기 위한 장치이다. 본 논문에서는 무인 항공기에 탑재되어 있는 전자장비에 대하여 점검자가 수동으로 장비의 상태를 점검하고, 점검 결과를 시현하는 방법과 점검자의 개입 없이 자동으로 장비의 상태를 점검할 수 있는 자동 점검 기술에 대해 기술하였다. 또한 설계된 통합 점검 장치는 점검 결과를 보고서의 형태로 출력하여 사용자가 쉽게 결과를 확인 할 수 있도록 하여 무인항공기의 고장 유무를 판단하기 용이할 뿐 아니라, 자동 점검 기능을 사용함으로써 항공기 점검자의 업무량을 줄이는데 효과적인 방법이다.

생산관리 시스템은 생산 공정 내의 모든 자원의 공정단위 생산계획을 현장에서 실행하는 것은 물론 생산 관련 품질 데이터까지 다루는 공장정보화시스템이다. 인공지능으로 자동화와 연결성이 극대화되는 4차 산업혁명이 화두가 되면서 제조업체들은 스마트 공장 구축에 관심을 보이나 막대한 구축비와 표준화되지 않은 생산 공정은 스마트 공장구축에 걸림돌이 되고 있다. 그래서 본 논문은 노후화된 공장에서 스마트 공장 구축을 위한 제조관리 시스템을 설계 및 구현한다. 철강 선재 공정을 위한 기초 수준의 스마트 공장을 목표로 Web 기반의 제조공정 시스템을 제안한다. 제안 시스템은 REST API를 사용하여 기존 구축된 ERP 시스템과의 연동을 원활히 지원할 것이며 다양한 기기와 다양한 브라우저에서 사용할 수 있도록 확장성을 고려할 것이다. 제안한 WoT 기반 생산관리시스템을 구현하여 실용성을 보이겠다.

스마트팩토리는 공장 내 장비에 센서를 부착하여 각종 데이터를 실시간으로 수집, 분석 및 모니터링함으로써 스스로 공정을 제어 및 통제하는 미래형 공장이다. 스마트팩토리에서 장비의 상태 및 이력을 현장에서 실시간으로 조회 및 생성하는 것은 매우 중요한 일이며 다양한 스마트 기기의 등장은 이것을 보다 효율적으로 수행할 수 있게 하고 있다. 본 논문은 실시간으로 장비의 상태 및 이력을 생성, 조회, 삭제 할 수 있는 다중장치 기반 시스템을 제안한다. 제안 시스템은 공장이라는 특수한 환경을 고려하여 안드로이드 시스템과 스마트 글래스 시스템을 동시에 사용한다. 스마트 글래스 시스템은 장비 인식을 위해 QR코드를 이용하였으며 음성 인식 기능을 이용하여 보다 효율적인 작업환경을 제공한다. 다중장치기반 실시간 장비 모니터링을 위한 시스템 구조를 설계하였으며 안드로이드 시스템, 스마트 글래스 시스템 및 웹 애플리케이션 서버를 구현함으로써 실용성을 보이겠다.

함정 추진제어시스템은 축계와 추진엔진의 과토크 및 과부하를 방지하면서 함정 작전요구성능을 만족할 수 있는 효율적인 제어로직 적용이 필수적이다. 이에 따라 함정 시운전 기간 중 추진제어기의 파라미터 값을 수정하는 이른바 튜닝(tuning)과정을 거쳐 제어체계를 최적화 하는 것이 일반적이다. 그러나 이러한 과정에서 초기 설정 값의 오차가 큰 경우 튜닝 시간이 과도하게 소요되거나 오버토크, 오버스피드 및 과출력으로 인해 추진 장비에 손상을 초래할 수 있다. 이에 본 논문에서는 함정 추진체계를 보호하면서 비교적 추진제어기 소프트웨어의 튜닝 경험이 적은 비숙련자도 함정 추진체계를 보호하면서 튜닝시간을 단축할 수 있는 프로세서 레버 제어기 적용을 제안한다. 프로세서 레버 제어기 성능 검증을 위해 시뮬레이션을 활용하여 프로세서 레버 제어기를 적용한 결과와 PI제어기만 적용한 결과를 비교하여 제어 특성 및 추진성능을 분석하였다. 시뮬레이션 결과 프로세서 레버 제어기 기능을 미적용 시 발생하였던 9.74%의 과도응답이 발생하지 않아 추진체계의 안정성을 높일 수 있었으나, 시스템의 응답성이 늦어짐에 따라 함정 추진성능(가속능력)이 감소하였다. 이러한 추진성능의 저하는 프로세서 레버 제어기의 파라미터 값을 조정하여 안정적으로 해결하였다.

현재 국내외 여러 국가에서 한 가정의 차량의 수요가 증가하여 차량의 탑승 인원은 적어지고 도로의 차량 수는 증가하고 있는 추세이다. 이에 따른 문제점인 교통 체증을 해결하기 위해 이용 가능한 다인승 전용차로 제도가 시행되고 있다. 이 제도는 경찰들이 빠르게 움직이는 차량을 직접 눈으로 감시하여 불법 차량을 단속하는 실정이며, 이는 정확성이 낮고 사고의 위험성을 동반된다. 이러한 문제점을 해결하기 위해 도로 현장의 영상을 이용한 딥러닝 객체 인식 기술을 적용한다면 앞서 말한 문제점들이 해결될 것이다. 따라서, 본 논문에서는 기존의 딥러닝 모델의 성능을 비교·분석하여, 영상을 통해 실시간 차량 탑승 인원을 파악할 수 있는 딥러닝 모델을 선정하고 객체 인식 모델의 문제점을 보완한 차량 탑승 인원 감지 알고리즘을 제안한다.

중국 시장에서는 한국 화장품의 점유율이 급격히 증가하고 세계 시장에서의 입지가 점차 안정되고 있다. 중국 소비자들이 한국 화장품에 열광하는 이유는 다음과 같다. 우선 한국 화장품은 아시아계 중국 소비자에게 적합하다. 둘째, 한국 화장품의 스타 효과는 의심할 여지가 없는 효과를 발휘하여 한국 화장품이 빠르게 발전하고 중국 시장을 빠르게 점유하고 있다. 한국 화장품에 대한 중국 소비자의 만족도는 한국 화장품 시장에 직접적인 영향을 미친다. 따라서 본 연구의 연구 대상은 '중국 소비자'로 정하고, '한국 화장품에 대한 중국 소비자의 만족도에 영향을 미치는 요인'에 초점을 맞추고 있다. "한국 화장품에 대한 중국 소비자 만족도" 모델을 구축하여 관련 영향 요인을 찾아내고 가설에 대해 시뮬레이션을 하여 중국 소비자가 한국 화장품에 대한 만족도에 실제로 영향을 미치는 요인을 분석하여 제안한다.

In this paper, we present a path search scheme for the safe movement of the swarm of unmanned systems in unknown dangerous areas. Some of the swarm searches for the primary and secondary paths before the majority of swarm move through dangerous areas. In terms of rapid movement from the dangerous area and preparation for an accident, the primary path is searched first in the destination's direction. The secondary path is searched by considering the distance between the paths to guarantee a safe distance. The computer simulations show that the proposed scheme is suitable for the swarm of unmanned systems.