본 논문은 딥러닝을 통해 실시간으로 임베디드 기기에서 점자 블록을 인식하는 방법을 제안한다. 먼저 고성능 컴퓨터에서 점자 블록 인식을 위한 딥러닝 모델을 학습시키고, 임베디드 기기에 적용하기 위하여 학습 모델을 경량화 도구에 적용한다. 점자 블록의 보행 정보를 인식하기 위해 영상에서 점자블록과의 거리를 이용하여 경로를 판별하는 알고리즘을 사용한다. 임베디드 기기를 통해 촬영한 영상에서 YOLOv8 모델을 통해 점자 블록, 볼라드, 횡단보도를 검출한 후 점자블록 경로 판별 알고리즘을 거쳐 보행정보를 인식한다. 실시간으로 점자 블록을 검출하기 위해 모델 경량화 도구를 YOLOv8에 적용한다. YOLOv8 모델 가중치의 정밀도를 기존 32비트에서 8비트로 낮추고, TensorRT 최적화 엔진을 적용하여 모델의 최적화를 진행한다. 제안된 방법을 통해 경량화 된 모델을 기존 모델과 비교한 결과, 경로 인식 정확도는 99.05%로 기존 모델과 거의 차이가 없지만, 인식 속도는 기존 모델 대비 59% 단축되어 1초에 약 15개의 프레임을 처리할 수 있다.

본 논문에서는 사용자의 감정 분석에 따른 향을 추천하는 스마트 미러 시스템을 제안한다. 본 논문은 자연어 처리 중 임베딩 기법(CounterVectorizer와 TF-IDF 기법), 머신러닝 분류 기법 중 최적의 모델(DecisionTree, SVM, RandomForest, SGD Classifier)을 융합하여 시스템을 구축하고 그 결과를 비교한다. 실험 결과, 가장 높은 성능을 보이는 SVM과 워드 임베딩을 파이프라인 기법으로 감정 분류기 모델에 적용한다. 제안된 시스템은 Flask 웹 프레임워크를 이용하여 웹 서비스를 제공하는 개인감정 분석 기반 향 추천 미러를 구현한다. 본 논문은 Google Speech Cloud API를 이용하여 사용자의 음성을 인식하고 STT(Speech To Text)로 음성 변환된 텍스트 데이터를 사용한다. 제안된 시스템은 날씨, 습도, 위치, 명언, 시간, 일정 관리에 대한 정보를 사용자에게 제공한다.

연합학습은 동기식 연합학습과 비동기식 연합학습으로 구분된다. 그 중에서 비동기식 연합학습은 동기식 연합학습 보다 시간적인 이득이 있으나 좋은 모델 성능을 얻기 위한 도전 과제가 남아있다. 특히 non-IID 학습 데이터셋에서 성능열화 방지, 적절한 클라이언트 선택 및 오래된 그래디언트 정보 관리는 모델 성능 개선에 있어 중요하다. 본 논문에서는 K-비동기식 연합학습을 다루고 있으며 non-IID 데이터셋을 통해 학습한다. 또한 기존 방식이 선택할 클라이언트 수에 있어서 정적인 K개를 사용한 것과 달리 동적으로 K 값을 조절하는 알고리즘을 제안하여 학습 시간을 줄일 수 있었다. 추가적으로, 오래된 그래디언트를 다루는 방식을 활용해 모델 성능 개선을 이루었음을 보여준다. 마지막으로 강한 모델 안정성을 얻기 위해 모델 성능을 평가하는 방식을 활용하였다. 실험 결과를 통해 전체 알고리즘을 활용했을 때 학습 시간 단축, 모델 정확도 향상, 모델 안정성 향상의 이득을 얻을 수 있음을 보여준다.

차세대 전기자동차에서는 전비 향상 및 주행 성능 개선을 위하여 각 휠에 의해 직접적으로 토크를 제어하는 인 휠 모터 시스템에 대한 연구가 진행되고 있다. 이에 따라 본 논문에서는 전기자동차 구동용 인 휠 모터에 적용되는 토크 벡터링 시스템에서 각 휠에 가해지는 토크를 분배하는 알고리즘에 대한 연구를 수행하였다. 차량의 주행 및 조향에 따른 실제 차량 특성 파라미터를 적용한 차량 모델을 구현하기 위해 MATLAB Simulink 환경에서 시뮬레이션을 진행하였으며 제안된 알고리즘에 따라 토크 분배가 이뤄지는 것을 확인하였다.

기업환경이 불확실해지고 복잡화되고 있는 상황에서 구성원들의 협력적이고 긍정적인 상호작용을 이끌어갈 리더십이 필수적이다. 즉, 구성원들이 자발적 리더십을 통해 의견을 공유하고 업무를 진행할 경우 불확실한 도전에 보다 효과적으로 대응하고, 목표하는 경영성과에 가까워진다. 따라서 본 연구에서는 최근에 이슈가 되고 있는 공유리더십의 중요성을 밝히고자 한다. 공유리더십이 팀효능감과 팀조직시민행동, 이직의도에 미치는 영향을 살펴보고자 한다. 부산 내 팀조직에서 근무하는 구성원을 대상으로 설문조사를 실시하였고 결과는 다음과 같다. 첫째, 공유리더십이 팀효능감에 미치는 영향은 각각 계획과 조직화 0.202(C.R.=2.853), 문제해결 0.463(C.R.=5.620), 지원과 배려 0.237(C.R.=3.326), 개발과 멘토링 0.366(C.R.=5.132)으로 설정된 가설과 같이 정(+)의 유의한 영향을 미치는 것으로 나타났다. 둘째, 팀효능감이 팀조직시민행동과 이직의도에 미치는 영향은 각각 0.545(C.R.=5.895), -0.143(C.R.=-0.817)로 팀효능감은 팀조직시민행동에 정(+)의 유의한 영향을 미치는 것으로 나타났지만 팀효능감은 이직의도에 유의한 영향을 미치지 않는 것으로 나타났다.

본 연구는 유튜브 동영상과 학문적 연구결과를 활용하여 서비스에 대한 주요 이슈와 주제를 파악하는데 목적이 있다. 2013년부터 2023년 6월까지 서비스 분야와 관련된 2,853편의 유튜브 동영상 콘텐츠와 19,973편의 연구논문을 텍스트 마이닝과 텍스트 네트워크 분석을 활용하였다. 또한, 수집된 데이터를 COVID-19 팬데믹 이전과 이후로 구분하여 서비스에 대한 주요 이슈와 주제가 어떻게 변화되는지를 분석하였다. 수집된 데이터는 텍스트 마이닝과 네트워크 구성 및 분석 절차를 통해 분석을 실시하였다. 분석결과, 유튜브 동영상 콘텐츠와 학술연구를 구분하여 연결 중심성 분석결과, 유튜브 동영상 콘텐츠에서 중심성이 높은 단어는 IT, data, solution 순으로 나타났고, 학술연구 분야에서는 서비스 품질, 품질, 고객만족 순으로 나타났다. 에고 네트워크 분석결과, 유튜브 동영상 콘텐츠의 경우 주요 이슈는 서비스 산업과 관련된 단어를 중심으로 나타났지만, 상대적으로 산업별 세부 분야를 포함하지 않고 있는 것으로 분석되었다. 그러나 학술연구 분야에서는 상대적으로 서비스 분야별 주요 이슈를 다양하게 포함하고 있는 것으로 분석되었다. 본 연구 결과는 서비스 산업에서 고객의 주요 관심사에 대한 변화를 학문적 실무적 관점에서 이해하는데 활용될 수 있다.

본 연구는 코로나19 이후 공급사슬 리스크에 대한 주요 이슈와 연구 동향을 살펴보기 위해 해외 및 국내 저널을 바탕으로 키워드 네트워크 분석을 수행하였고, 뉴스와 기사를 대상으로 네트워크 텍스트 분석을 실시하였다. 선행연구에서 상대적으로 부족했던 코로나19 이후에 대한 공급사슬 리스크를 분석한 결과, 코로나19 이후 해외 및 국내 저널, 나아가 뉴스 기사에서 이전 선행연구와는 다른 공급사슬 리스크 회복, 대응 및 민생 등과 같은 연구 동향을 알 수 있었고, 기업에 있어 공급사슬 리스크에 대한 실무적 전략 및 통찰력을 제안할 수 있었다.