• 한국문화재보존과학회:학술대회논문집
• /
• 2002.11a
• /
• pp.31-40
• /
• 2002

1. 프랑스의 문화재보존과 복원 연구소 조직 현황소개 2. ARC-NUCLEART연구소 소개-연구소에서 문화재 보존을 위해서 사용 기술소개 - 지상과 해양의 고고학 발굴시 젖은 목재와 가죽작품 건조작업, 강화작 업, 보수작업 수행 -목재문화재 (조각상, 가구, 사적 바닥마루), 멸균 및 강화처리 - 가죽문화재의 복원 3. 연구소 시설 4. 화재 자질의 파손상태파악과 고고학가치의 목재와 가죽작품 보존 방법에 대한 연구 수행 5. ARC-NUCLEART에서 보존, 복원하는 문화재의 처리 용례 아크 뉘클레아르(ARC Nucleart)의 감마선조사기 설치

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.372-374
• /
• 2014

오늘날 사이버보안침해 위협의 증가에 따른 기업 내의 중요자료 유출을 방지할 수 있는 방안에 대한 연구의 필요성이 증대되고 있다. 본 논문에서는 비인가자의 네트워크 접속을 차단하는 네트워크 통제(NAC) 시스템과 개인 PC의 저장매체관리 시스템을 연계하여 정보보안의 핵심요소인 기밀성을 강화할 수 있는 모델을 제안하였다. 필수 SW(저장매체제어)를 설치하지 않을 경우 네트워크를 차단함으로서, 비인가자의 네트워크 차단과 동시에 중요자료 유출을 미연에 방지하여 보안을 강화할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.340-341
• /
• 2018

본 논문에서는 음성인식의 성능을 높이기 위해 잡음을 제거하여 음성을 향상시킬 목적으로 심화신경망 기반의 강화학습을 적용한 음성향상 기법을 제안한다. EVRC를 통해 잡음을 제거한 후 강화학습을 적용하여 성능을 비교하며 기존의 음성향상 기법보다 향상된 성능을 가지는 모델을 구현하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.412-415
• /
• 2018

본 논문에서는 영상 기반 대화 연구를 위한 기존 GuessWhat?! 게임 환경의 한계성을 보완한 새로운 GuessWbat+ 게임 환경을 소개한다. 또 이 환경에서 동작하는 대화 에이전트를 위한 정책 기울기 기반의 심층 강화 학습 알고리즘인 MRRB의 설계와 구현에 대해서도 설명한다. 다양한 실험을 통해, 본 논문에서 제안한 GuessWbat+ 환경과 심층 강화 학습 알고리즘의 긍정적 효과를 입증해 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.375-378
• /
• 2019

ThingsBoard에서 사용되는 엑세스 토큰 인증 방식에 블록체인 메커니즘을 적용하여 디바이스의 무결성을 강화한다. 인증에 사용되는 데이터는 보호되어야 하고, 빠르게 제공되어야하기 때문에 제안 인증 방식에 퍼미션드 블록체인을 사용한다. 본 논문은 실험을 통해 블록체인 기반의 제안 인증 방식이 디바이스의 무결성을 강화하면서도 큰 성능저하를 발생시키지 않는 것을 검증한다.

• Journal of the Mineralogical Society of Korea
• /
• v.25 no.2
• /
• pp.105-115
• /
• 2012

The consolidants have been widely used for the consolidation of decaying heritage stone surfaces. In this study, X-ray diffraction analysis, polarized and stereo-microscope and scanning electron microscope were used to study the surface characterization of granite, sandstone and marble, and to assess the efficiency and the effects of the developed condolidants in the field. The developed consolidants used in this experiment are 100%1T1G and 3%40nm/97%1T1G. The effects of consolidants are 3%40nm/97%1T1G${\gg}$100%1T1G in granite, 3%40nm/97%1T1G>100%1T1G in sandstone, and 3%40nm/97% 1T1G=100%1T1G in marble. The characteristics of rock surface when treated with consolidants show different result according to consolidantes type. This result of treating with consolidant can be used for the conservation of an decaying heritage stone.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.886-889
• /
• 2014

본 논문에서는 사용자로부터 실시간으로 전송 받은 교통정보 이용하여 강화학습에 의한 최적 경로탐색을 제안한다. ITS(Intelligent Transportation Systems)를 서비스하기 위한 시스템을 구축하기에는 많은 시간적 비용과 물질적 비용이 소모된다. 이를 보완하기 위해 사용자의 단말기로부터 실시간으로 수집한 교통 정보를 이용하여 강화학습기법을 적용한다. 강화학습의 목표는 환경 내에서의 에이전트가 행동에 대한 보상의 총합을 최대화 하는 것이다. 본 논문에서는 실시간으로 사용자의 단말기로부터 획득한 교통 정보를 이용하여 강화학습기법을 적용하고, 최단경로탐색 알고리즘을 분석하여 비교한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.705-707
• /
• 2018

Rotary Inverted Pendulum 은 제어분야에서 비선형 제어 시스템을 설명하기 위해 자주 사용되어왔다. 본 논문은 강화학습 에이전트의 환경으로써 Rotary Inverted Pendulum 을 도입하였다. 이를 통해서 강화학습이 실제 세계에서의 복합적인 문제를 해결할 수 있음을 보인다. 강화학습 에이전트의 가상 환경과 실제 환경을 맵핑시키기 위해서 Ethernet 연결 위에 MQTT 프로토콜을 사용하였으며 이를 통해서 경량화된 IoT 분야에서의 강화학습의 활용도를 조명한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1262-1264
• /
• 2015

최근 국내 재난발생의 빈도가 잦고 이를 해결하기 위한 재난대응 담당자들의 역량에 대한 관심이 높아지면서 재난역량을 강화하기 위한 교육 및 훈련에 대한 체계 정립이 강화되고 있다. 본 연구는 실제 재난발생사례 및 추이 분석을 통한 대규모 국가재난으로 전개 가능한 시나리오를 개발하고, 시나리오 전개에 따른 현대비수준과의 갭을 분석하여 재난관리책임기관의 대응역량 강화 방안을 마련하는 것을 연구 목표로 하고 있다. 이를 위해 여러 가지 재난 유형 중 최근 위험성이 커지고 있는 "화학유해물질 유출사고"에 관한 재난 상황 시나리오를 개발하여 시나리오의 재난요인 변수 데이터가 재난책임 담당자의 대응에 어떤 영향을 미치는지 살펴보고, 재난요인 변수 DB를 활용하여 재난대응역량 강화에 대한 방안을 제공한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.483-486
• /
• 2021

기존의 심층 강화학습은 상태, 행동, 정책 등을 모두 벡터 형태로 표현하는 강화학습으로서, 학습된 정책의 일반성과 해석 가능성에 제한이 있고 영역 지식을 학습에 효과적으로 활용하기도 어렵다는 한계성이 있다. 이러한 문제점들을 해결하기 위해 제안된 새로운 관계형 강화학습 프레임워크인 dNL-RRL은 상태, 행동, 그리고 학습된 정책을 모두 논리 서술자와 규칙들로 표현할 수 있다. 본 논문에서는 dNL-RRL을 기초로 공장 내 운송용 모바일 로봇의 제어를 위한 행동 정책 학습을 수행하였으며, 학습의 효율성 향상을 위해 인간 전문가의 사전 영역 지식을 활용하는 방안들을 제안한다. 다양한 실험들을 통해, 본 논문에서 제안하는 영역 지식을 활용한 관계형 강화학습 방법의 학습 성능 개선 효과를 입증한다.