• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.430-433
• /
• 2018

딥러닝 모델의 성능 향상을 위해 적은 데이터를 증가시킬 수 있는 연구들이 필요하다. 이미지의 경우 회전, 이동, 반전등의 연산으로 쉽게 데이터를 증가시킬 수 있지만 자연어는 그렇지 않다. 그러나 최근 딥러닝 생성 모델의 발전으로 기존 자연어 데이터를 생성 모델을 통해 양을 늘려 실험하는 연구들이 많이 시도되었다. 본 논문에서는 문장 데이터 생성을 위한 VAE, 문장 분류를 위한 CNN이 결합된 모델을 한국어 영화평 데이터에 적용하여 기존 모델보다 0.146% 높은 86.736%의 정확도를 기록하였다.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2017.11a
• /
• pp.327-328
• /
• 2017

본 논문에서는 사회재난 안전사고 중 수상 안전사고를 예방 및 사고 발생시 즉각 대응을 위한 센서 융복합 상황인지 기술을 개발하였다. 실제 현장에서의 위험상황을 전문가 컨설팅을 통하여 정의하였으며 이를 영상 분석을 이용한 객체의 검출 및 객체의 추적을 통한 위험상황 검출을 개발하였다. 기존 패턴인식 기술에 비하여 우수한 성능을 보이는 인공지능 기반 딥러닝 기술을 적용하였으며 딥러닝 기술을 적용하기 위하여는 많은 수의 데이터베이스 확보가 필수적이고 이를 위하여 기존 데이터베이스의 확보 및 현장에서의 실제 데이터베이스 구축을 위한 작업을 통하여 충분한 데이터베이스를 확보하였다. 객체 검출은 최적의 속도를 확보하기 위하여 SSD 구조를 이용하였으며 객체 추적을 위해서는 Re-identification 기법을 적용하여 Tied convolution 구조를 이용하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.452-455
• /
• 2022

4차 산업혁명의 확산으로 의학계에서도 딥러닝 기술을 이용한 질병의 치료결과 예측 연구가 활발하다. 이와 관련, 일부 연구에서 국소적인 환자 데이터의 활용으로 인해 도출된 연구 결과의 일반화가 어려웠으며 예측률 제고를 위해 특정 딥러닝 알고리즘을 중심으로 한 실험이 추진되어 다양한 알고리즘별 예측률의 비교·분석 결과를 제시하는 연구도 미흡하였다. 이에, 건강보험심사평가원의 대규모 진료 정보와 다종의 알고리즘을 제공하는 AutoML을 이용, 사망률이 높은 80대·90대 노령자 대상 폐암 진단 후 84개월간의 사망률을 예측하는 Decision Tree 등 5개 알고리즘별 모델을 생성하고 이를 활용, 사망률의 예측 성능을 비교하고 사망률에 영향을 미치는 요인에 대한 분석 결과를 도출하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.404-407
• /
• 2021

석유개발 현장에서 시추장비의 고장으로 인한 장비교체 및 시추시간 증가는 막대한 비용소모를 발생시킨다. 본 논문은 딥러닝 기반의 시추장비 중 드릴비트의 동력을 구동시키는 디젤엔진의 고장 요소를 분류하고 이 요소에 따른 고장여부를 판별하는 딥러닝 기반의 이상 예측 및 진단 모델을 개발하였다. 또한 제안한 모델의 우수성을 확인하기 위해 로지스틱 회귀분석 분류모델과의 예측성능 비교분석도 수행하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.372-372
• /
• 2020

사회가 다원화되고 발달하면서 생활환경과 행동양식에 따라 홍수 등의 수난(水難) 으로 인한 피해 정도와 양상은 크게 달라질 수 있으나, 수난으로 인한 체감 가능한 피해의 정도와 규모는 예측이 어려운 현실이다. 그리고, 최근 인터넷과 소셜 네트워크 서비스(SNS)의 급진적 발달은 재난 관리에 대중적 지식을 수집하여 활용하도록 촉진하고 있고, 이로 인해 재난 상황에서 '대중적인 정보가 기술자에 의해 어떻게 얼마나 신중하게 고려되어야 하는지와 어떻게 과학적으로 해석해야하는지'가 핵심 쟁점으로 부상하고 있다. 본 연구에서는 최근 널리 사용되는 인공지능 및 딥러닝 기법을 조사 분석하였다. 분석을 통해 수문 예측 분야에서 이러한 기술이 적용된 사례와 신기술을 조망해 보고 기존 기술이 인공지능 및 딥러닝 기법의 적용으로 대체 가능한 정도를 가늠해 보았다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.323-323
• /
• 2021

본 연구는 국지적으로 발생하는 침수상황을 빠르게 감지하고 대처하기 위하여 다채널 실시간 CCTV 영상을 무인 모니터링하고 자동으로 감지하기 위한 영상분석 기술을 개발하는 것을 목적으로 한다. 이에 다양한 공간에서 촬영된 학습 및 검증을 위한 데이터를 구축하였고, 대표적인 CNN 계열 분류모델을 중심으로 딥러닝 모델을 개발하였다. 5가지 CNN 알고리즘으로 시험결과, ResNet-50 모델의 분류 정확도가 87.5%로 가장 우수한 성능을 보였다. 공간적으로는 실외, 도로공간에서 82% 이상의 분류성능을 보였고, 실내공간에서는 양질의 학습데이터 부족으로 분류성능이 떨어지는 것으로 나타났다. 본 연구성과는 지능형 CCTV 기술 발전과 방재 목적의 다목적 활용으로, 향후 홍수피해 저감을 위한 보조적인 수단으로 활용되길 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.79-80
• /
• 2023

동기식 분산 딥러닝 기법은 그래디언트 계산 작업을 다수의 워커가 나누어 병렬 처리함으로써 모델 학습 과정을 효율적으로 단축시킨다. 배치 사이즈는 이터레이션 단위로 처리하는 데이터 개수를 의미하며, 학습 속도 및 학습 모델의 품질에 영향을 미치는 중요한 요소이다. 멀티 GPU 환경에서 작동하는 분산 학습의 경우, 가용 GPU 메모리 용량이 커짐에 따라 선택 가능한 배치 사이즈의 상한이 증가한다. 하지만 배치 사이즈가 학습 속도 및 학습 모델 품질에 미치는 영향은 GPU 활용률, 총 에포크 수, 모델 파라미터 개수 등 다양한 변수에 영향을 받으므로 최적값을 찾기 쉽지 않다. 본 연구는 동기식 분산 딥러닝 환경에서 실험을 통해 최적의 배치 사이즈 선택에 영향을 미치는 주요 요인을 분석한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.235-236
• /
• 2019

본 논문에서는 초해상도, 압축 열화 제거 등 영상 화질 복원 연구에서 영상의 다운샘플링에 딥러닝을 적용한 연구들에 대해 소개한다. 첫 번째 연구는 두 개의 컨볼루셔널 신경망과 영상 압축 코덱을 이용하여 압축 영상의 화질을 향상시켰다. 두 번째 연구는 초해상도 문제를 해결함에 있어 다운샘플링 역시 딥러닝을 통해 학습하여 복원 영상의 화질을 향상시켰다. 두 연구를 통해 영상 화질 개선 문제 해결에 있어 적절한 딥러닝 학습 방법을 영상 다운샘플링에 적용하여 좋은 결과를 얻을 수 있다는 것을 확인할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.442-445
• /
• 2020

최근, 딥러닝 기술을 활용하여 암호 알고리즘 식별, 평문 복구, 이론적 암호분석을 향상시키는 방법 등이 제안되고 있다. 이 중, 2019년에 Xiao 등이 암호학적 특성을 고려되지 않고 2-라운드 DES의 평문복구 공격에 딥러닝을 적용하는 방법을 제안하였다. 본 논문에서는 이러한 기법을 향상하여 암호문과 평문의 선형 연관성을 고려한 평문 복구 공격을 딥러닝을 통해 수행하는 방법을 제안한다. 이를 활용하여, PRESENT의 평문 복구 공격을 5-라운드까지 가능함을 보인다.

• Smart Media Journal
• /
• v.7 no.4
• /
• pp.24-29
• /
• 2018

Text analysis technique for natural language processing in deep learning represents words in vector form through word embedding. In this paper, we propose a method of constructing a document vector and classifying it into spam and normal text message, using word embedding and deep learning method. Automatic spacing applied in the preprocessing process ensures that words with similar context are adjacently represented in vector space. Additionally, the intentional word formation errors with non-alphabetic or extraordinary characters are designed to avoid being blocked by spam message filter. Two embedding algorithms, CBOW and skip grams, are used to produce the sentence vector and the performance and the accuracy of deep learning based spam filter model are measured by comparing to those of SVM Light.