컴퓨터 비전이나 패턴 인식 분야에서 이용되고 있는 많은 알고리즘들이 최근 빠른 수행시간을 위해 GPU에서 구현되고 있지만, GPU를 이용하여 알고리즘을 구현할 경우 크게 두 가지 문제점을 고려해야 한다. 첫째, 컴퓨터 그래픽스 분야의 지식이 필요한 쉐이딩(shading) 언어를 알아야 한다. 둘째, GPU를 효율적으로 활용하기 위해 CPU와 GPU간의 데이터 교환을 최소화해야 한다. 이를 위해 CPU는 GPU에서 처리할 수 있는 최대 용량의 데이터를 생성하여 GPU에 전송해야 하기 때문에 CPU에서 많은 처리시간을 소모하며, 이로 인해 CPU와 GPU 사이에 많은 오버헤드가 발생한다. 본 논문에서는 그래픽 하드웨어와 멀티코어(multi-core) CPU를 이용한 빠르고 효율적인 신경망 구현 방법을 제안한다. 기존 GPU의 첫 번째 문제점을 해결하기 위해 제안된 방법은 복잡한 쉐이팅 언어 대신 그래픽스적인 기본지식 없이도 GPU를 이용하여 응용프로그램 개발이 가능한 CUDA를 이용하였다. 두 번째 문제점을 해결하기 위해 멀티코어 CPU에서 공유 메모리 환경의 병렬화를 수행할 수 있는 OpenMP를 이용하였으며, 이의 처리시간을 줄여 CPU와 GPU 환경에서 오버 헤드를 최소화할 수 있다. 실험에서 제안된 CUDA와 OpenMP기반의 구현 방법을 신경망을 이용한 문자영역 검출 알고리즘에 적용하였으며, CPU에서의 수행시간과 비교하여 약 15배, GPU만을 이용한 수행시간과 비교하여 약 4배정도 빠른 수행시간을 보였다.

최근 성능향상과 개발의 편리성을 주요 특징으로 보완한 EJB 3.0 명세가 발표되었다. 이에 따라 개발자들은 EJB 3.0 기반의 애플리케이션 환경에서 EJB 2.1 컴포넌트 전체를 EJB 3.0 컴포넌트로 완전 대체하기보다는 성능향상이 요구되는 컴포넌트부터 점진적 변환하는 방법을 주로 고려하게 되었다. 그러나 기존 연구는 애플리케이션의 서비스를 고려하지 않기 때문에 점진적 변환을 하는데 문제가 있고, 상이한 명세의 변환 방법으로 EJB 3.0 완전 대체 시 컴포넌트의 호환의 문제와 재사용을 하는데 어려움이 있다. 본 연구에서는 기존 애플리케이션에서 제공하였던 서비스를 고려하며, EJB 3.0 완전 대체 시에서도 컴포넌트의 호환과 재사용이 가능한 세가지 변환 기법을 제안한다. 제안하는 변환 기법은 직접 컴포넌트 연결을 하는 직접 변환 기법 EJB 커넥터를 사용하는 간접 변환 기법 그리고 간접 변환 기법에 템플릿 패턴을 적용하는 간접 템플릿 변환 기법으로 점진적 변환을 위한 기법들이다. 이에 제안하는 변환 기법을 재사용과 초당 처리량이라는 평가 기준으로 비교 검증하며, 본 연구를 통해 도출된 EJB 3.0 변환시의 특성들을 기반으로 기법 선택의 기준을 제공한다.

소프트웨어 프로젝트 데이터를 이용한 각종 분석 예측 모델 생성시 직면하는 문제 중 하나는 데이터에 포함된 결측값이며 이에 대한 효과적인 방안은 결측값 대치 법이다. 대표적인 결측값 대치법인 K 최근접 이웃 대치법은 대치과정에서 결측값을 포함하는 인스턴스의 관측정보를 활용하지 못한다는 단점이 있다. 본 연구에서는 이러한 단점을 극복하기 위해 K 최근접 이웃 대치법과 최대 우도 추정법을 결합한 새로운 소프트웨어 프로젝트 수치 데이터용 결측값 대치법을 제안한다. 또한 결측값 대치법의 정확도를 비교하기 위한 새로운 측도를 함께 제안한다.

상황인식 서비스는 유비궈터스 환경의 핵심으로 동적 환경에서 지능적이고 민감하게 동작하기 위해 상황과 서비스간의 연관관계를 명확하게 분류하기 위한 방법론이 요구된다. 기존의 모델링 방법들은 시나리오 중심의 상황정보 수집, 관리 그리고 표현에 초점이 맞추어 있다. 따라서 설계할 때 다양한 실제환경에 적용하여 상황인식 서비스 모델의 적합성을 검증하기는 힘들다. 본 논문에서는 colored Petri-Net을 응용한 모델링 방법을 제시한다. 모델은 상황 정보의 변화와 흐름의 표현과 평가에 초점을 두고 시간을 추가하여 수행시간제약에 대한 표현 및 평가가 가능하도록 하였다. 또한 상황 모델링 툴킷과 에이전트 기반의 상황인식 엔진 그리고 상황정보 시뮬레이터를 활용하여 에이전트 기반의 상황인식 서비스를 개발하였다. 본 논문에서 제안한 모델링 방법은 Usilvercare에 적용하여 실용성을 검증하였다.

본 논문은 시각장애인들의 실외 보행 시 위험한 장애물을 탐지하여 진동으로 경고해주고, 필요에 따라 물체의 색상과 주변의 자기를 음성으로 알려주는 SmartWand 개발에 관한 것이다. 이 기기는 시각장애인들이 널리 사용하는 횐 지팡이에 쉽게 탈 부착할 수 있는 형태로 횐 지팡이로 감지할 수 없는 사각지대의 장애물을 초음파로 탐지하여 경고해주며, 컬러센서와 조도센서를 이용하여 물체의 색상과 주변의 밝기를 음성으로 알려주는 기능을 가지고 있다 SmartWand는 1, 2차 버전으로 개발되었는데, 2차 버전에서는 1차 버전의 사용성 평가 결과를 토대로 무게 및 크기를 줄여 실용성을 개선시켰으며, 가속도 센서를 통해 초음파 센서의 탐지 범위를 조정하여 시각장애인이 횐 지팡이의 타법을 행할 때 진행방향에 놓인 장애물만을 탐지할 수 있도록 하였다. 또한 지팡이로 땅을 칠 때의 충격으로 인한 초음파센서의 오동작을 제거하기 위한 필터를 사용하였다 이러한 기능들은 다양한 환경에서 실험을 통해 적절한 인자들을 결정하였다.

협력적 여과 시스템은 내용 기반 여과 시스템과는 대조적으로 아이템에 대한 정보를 반영하지 않으며, 또한 사용자가 자신의 흥미에 대한 정보를 제공하지 않았을 경우 추천을 할 수 없다는 단점을 갖는다. 본 논문에서는 협력적 여과 시스템의 단점을 해결하기 위하여 연관 아이템 트리를 이용한 추천 에이전트를 제안한다. 제안된 방법은 벡터 공간 모델과 K-means 알고리즘을 이용하여 사용자를 군집시킨 후 그룹의 대표 평가값을 추출한다. 다음으로, 군집된 그룹별로 아이템간의 상호정보량을 계산하여 아이템간의 연관도를 파악하며, 이를 기반으로 연관 아이템 트리를 생성한다. 이와 같이 생성한 각 그룹의 연관 아이템 트리와 그룹의 대표 평가값을 이용하여 새로운 사용자에게 아이템을 추천한다. 제안된 추천 에이전트는 사용자 정보와 아이템 정보를 병합하여 새로운 사용자에게 아이템을 추천하며, 아이템간의 유사도를 계산하기 위하여 상호정보량을 사용하고 이를 기반으로 연관 아이템 트리를 생성함으로써 초기에 아이템에 대하여 평가한 정보가 부족한 사용자에게 정확도가 높은 아이템을 추천할 수 있다는 장점을 갖는다. 제안된 방법은 MovieLens 추천 시스템의 데이터 집합을 사용하여 기존의 방법과 비교하였다.

이름은 사람을 구별하기 위한 특징이지만 여러 사람이 하나의 이름을 공유하는 경우와 한 사람이 여러 이름을 사용하는 경우 때문에 이름만으로는 사람을 명확히 구별할 수 없다. 이러한 문제는 정보 검색 분야에서 문서 검색이나 웹 검색, 데이터베이스 통합 등에 영향을 미친다. 특히 서지 정보에는 저자들 중 동명이인이 존재하거나 한 저자가 축약된 이름 혹은 잘못된 철자를 사용하기도 하기 때문에 에러정보가 많이 포함되어 있다. 이러한 문제를 해결하기 위해 데이터베이스에 입력된 자료 중 이름에 대한 정보를 명확하게 해야 한다. 본 논문에서는 저자간의 관계로부터 구축된 사회망을 이용해 이름의 모호성을 해결하는 방법을 제안하고 컴퓨터 과학 서지정보를 제공하는 DBLP(Digital Bibliography & Library Project) 데이터를 기반한 실험을 통해 제안한 시스템의 성능의 효율성을 평가하였다.

일반적으로 명사구는 기본명사구와 최장명사구로 분류되는데 최장명사구에 대한 정확한 식별은 문장의 전체적인 구문구조를 파악하고 정확한 지배용언을 찾아내는데 중요한 역할을 하게 된다. 본 논문에서는 확장된 청크(chunk) 개념과 다섯 개의 클래스로 세분화된 문장부호 정보를 자질로 사용한 두 단계 최장명사구 식별 기법을 제안한다. 제안한 기법은 기본모델보다 2.65% 향상된 평균 89.66%($F_1$-measure)의 우수한 성능을 보인다.

기존 온톨로지 정렬 기법은 두가지 문제점을 가지고 있다. 먼저 자질을 해당 분야 전문가가 정의하기 때문에 중요한 자질들이 자질셋에 포함되지 않을 수 있다는 것이다. 다음으로는 온톨로지의 의미 정보와 구조 정보를 이용하여 유사도를 따로 계산한 후, 각각의 실험에 의해 정의된 가중치를 이용하여 전체 유사도를 계산한다. 하지만 온톨로지 상에 나타나는 의미 정보와 구조정보의 상대적인 가중치가 실험적인 방법 혹은 사용자에 의해 결정되기 때문에 시스템이 특정 온톨로지에 한정되거나 성능이 떨어질 수 있어 문제이다. 본 논문에서는 온톨로지 정렬을 위한 파스 트리 커널을 제안한다. 온톨로지 상의 개체에 대한 유사도를 계산하기 위해 먼저 온톨로지를 트리 구조로 변환한다 그 후, 변환된 트리 간의 유사도는 온톨로지 정렬을 위해 수정된 파스트리 커널을 이용하여 계산한다. 이때 자질은 명시적으로 나열하지 않는다. 유사도 계산시, 파스 트리 커널에 근사 스트링 매칭 기법을 적용하여 의미 정보를 반영한다. 검증 위한 실험에서 제안한 방법은 기존의 온톨로지 정렬 기법보다 나은 성능을 보였다.

이 논문은 웹 문서의 이미지 캡션 추출을 위한 방법으로서 이미지와 캡션의 위치적 연관성과 본문과 캡션의 어휘적 유사성을 동시에 고려한 방법을 제안한다. 이미지와 캡션의 위치적 연관성은 거리와 방향 관점에서 캡션이 이미지에 상대적으로 어떻게 위치하고 있는지를 나타내며, 본문과 캡션의 어휘적 유사성은 이미지를 설명하고 있는 캡션이 어휘적으로 본문과 어느 정도 유사한지를 나타낸다. 이미지와 캡션을 독립적으로 고려한 자질만을 사용한 캡션 추출 방법을 기저 방법으로 놓고 제안하는 방법들을 추가적인 자질로 사용하여 캡션을 추출하였을 때, 캡션 추출 정확률과 캡션 추출 재현율이 모두 향상되며, 캡션 추출 F-measure가 약 28% 향상되었다.