• 한국공간정보시스템학회 논문지
• /
• 제4권1호
• /
• pp.5-14
• /
• 2002

공간데이터의 일반화는 기존에 구축된 공간 데이터베이스로부터 새로운 소축척 데이터베이스를 유도할 수 있는 중요한 GIS 기법이다. 공간데이터의 일반화는 공간데이터의 기하 및 속성데이터를 변형[3, 15] 시킬 뿐만 아니라, 데이터 모델의 관계를 따라서 연결되어 있는 다른 공간데이터도 변형[8-10, 14]시킨다. 이것을 공간데이터 일반화의 파급이라고 한다. 이 파급을 처리하지 않은 채 일반화를 계속 진행하면, 일관성 혹은 원시데이터베이스 정보 중의 일부가 손실된 채 새로운 데이터베이스가 생성될 수 있다. 그럼에도 불구하고 일반화에 관한 기존 연구들은 공간데이터의 상호관계를 무시한 채 독립된 하나의 공간데이터에 대한 유도를 위해서 방법들을 제시해 왔다. 그리고 그 결과 공간데이터의 기하 및 속성을 변형시키는 많은 일반화 연산자들이 제시되어졌다. 본 연구는 이 일반화 연산자들이 어떤 공간데이터에 적용되었을 때 그와 관련된 다른 공간데이터에도 파급 적용될 수 있도록, 일반화 연산자를 확장을 시킬 것이다. 이 일반화 파급을 처리하기 위해서, 본 연구는 일반화 과정에서 반드시 고려될 필요가 있는 규칙들을 제시한다. 그리고 일반화 연산자들이 반드시 준수해야 하는 규칙들을 기술한다. 이 규칙들은 관계대수로서 표현될 수 있으므로, SQL로 쉽게 전환할 수 있다. 이 확장된 일반화 연산자들의 적합성을 검토하기 위해서 간단한 프로토타입을 구현하였다.

• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.45-57
• /
• 2018

주행 중에 발생하는 졸음은 큰 사고로 직결될 수 있는 매우 위험한 운전자 상태이다. 졸음을 방지하기 위하여 운전자의 상태를 파악하는 전통적인 졸음 감지 방법들이 존재하지만 운전자들이 가지는 개개인의 특성을 모두 반영한 일반화 된 운전자 상태 인식에는 한계가 있다. 최근에는 운전자의 상태를 인식하기 위한 딥 러닝기반의 상태인식 연구들이 제안되었다. 딥 러닝은 인간이 아닌 기계가 특징을 추출하여 보다 일반화된 인식모델을 도출할 수 있는 장점이 있다. 본 연구에서는 운전자의 상태를 파악하기 위해 이미지와 PPG를 동시에 학습하여 기존 딥 러닝 방식보다 정확한 상태 인식 모델을 제안한다. 본 논문은 운전자의 이미지와 PPG 데이터가 졸음 감지에 어떤 영향을 미치는지, 함께 사용되었을 때 학습 모델의 성능을 향상시키는지 실험을 통해 확인하였다. 이미지만을 사용했을 때 보다 이미지와 PPG를 함께 사용하였을 때 3%내외의 정확도 향상을 확인했다. 또한, 운전자의 상태를 세 가지로 분류하는 멀티모달 딥 러닝 기반의 모델을 96%의 분류 정확도를 보였다.

• 정보기술과데이타베이스저널
• /
• 제4권1호
• /
• pp.31-50
• /
• 1997

객체지향 데이터베이스 시스템에서 시간지원 데이터베이스를 다룰 때 발생하는 중요한 문제는 관계 의미에 따라 시간과 속성을 결합하는 방법에 있다. 관계형 모델처럼 속성 버전화에 대한 기존의 연구 결과는 시간지원 객체지향 모델에 적용할 수 없다. 이것은 객체지향 모델이 복합 객체를 구성하기 위해서 기존의 모델보다 더욱 강력한 구성자들을 제공하기 때문이다. 그래서 이 논문은 객체지향 데이터베이스에 시간 개념을 통합하기 위한 형식적 접근방법을 제안한다. 이 논문의 목적은 객체 사이에 관계하는 일반화, 집단화와 연관화에 따라 시간지원 객체지향 데이터베이스 표현을 연구하는 것이다. 이 논문은 시간지원 객체지향 모델에서 속성 버전화의 개념을 정의하고, 객체 사이에 존재하는 관계에 대해서 시간을 표현하는 것에 중점을 둔다. 또한 관계 의미에 대한 제약조건을 규정하고, 표현 기준에 기반하여 검토한다. 이 논문은 객체지향 데이터 모델을 형식화함으로써 대수 연산자의 설계시 강력한 연산 기능을 제공할 뿐만 아니라 모듈의 재사용성을 제공할 수 있다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.50-55
• /
• 2023

속성 기반 감정 분석은 텍스트 내에서 감정과 해당 감정이 특정 속성, 예를 들어 제품의 특성이나 서비스의 특징에 어떻게 연결되는지를 분석하는 태스크이다. 본 논문에서는 속성 기반 감정 분석 데이터를 사용한 다중 작업-토큰 레이블링 문제에 프롬프트 튜닝 기법을 적용하기 위한 포괄적인 방법론을 소개한다. 이러한 방법론에는 토큰 레이블링 문제를 시퀀스 레이블링 문제로 일반화하기 위한 감정 표현 영역 검출 파이프라인이 포함된다. 또한 분리된 시퀀스들을 속성과 감정에 대해 분류 하기 위한 템플릿을 선정하고, 데이터셋 특성에 맞는 레이블 워드를 확장하는 방법을 제안함으써 모델의 성능을 최적화한다. 최종적으로, 퓨샷 세팅에서의 속성 기반 감정 분석 태스크에 대한 몇 가지 실험 결과와 분석을 제공한다. 구축된 데이터와 베이스라인 모델은 AIHUB(www.aihub.or.kr)에 공개되어 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.383-386
• /
• 2019

4 차산업혁명의 발달은 전 세계가 건강한 삶에 관련된 스마트시티 및 맞춤형 치료에 큰 관심을 갖게 하였고, 특히 기계학습 기술은 암을 극복하기 위한 유전체 기반의 정밀 의학 연구에 널리 활용되고 있어 암환자의 예후 예측 및 예후에 따른 맞춤형 치료 전략 수립 등을 가능케하였다. 하지만 암 예후 예측 연구에 주로 사용되는 유전자 발현량 데이터는 약 17,000 개의 유전자를 갖는 반면에 샘플의 수가 200 여개 밖에 없는 문제를 안고 있어, 예후 예측을 위한 신경망 모델의 일반화를 어렵게 한다. 이러한 문제를 해결하기 위해 본 연구에서는 고차원의 유전자 발현량 데이터를 신경망 모델이 효과적으로 학습할 수 있도록 2D 이미지로 표현하는 기법을 제안한다. 길이 17,000 인 1 차원 유전자 벡터를 64×64 크기의 2 차원 이미지로 사상하여 입력크기를 압축하였다. 2 차원 평면 상의 유전자 좌표를 구하기 위해 유전자 네트워크 데이터와 Node2Vec 이 활용되었고, 이미지 기반의 암 예후 예측을 수행하기 위해 합성곱 신경망 모델을 사용하였다. 제안하는 기법을 정확하게 평가하기 위해 이중 교차 검증 및 무작위 탐색 기법으로 모델 선택 및 평가 작업을 수행하였고, 그 결과로 베이스라인 모델인 고차원의 유전자 벡터를 입력 받는 다층 퍼셉트론 모델보다 더 높은 예측 정확도를 보여주는 것을 확인하였다.

• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 2001년도 추계 컨퍼런스: 인터넷 비즈니스 환경에서의 디지털 컨텐츠 기술 발전 및 활용을 위한 컨퍼런스
• /
• pp.567-581
• /
• 2001

인터넷이 일반화된 지 불과 10년이 못되었지만, 기업뿐만 아니라 우리 사회 전반에 걸친 패러다임을 변화시키고 있다. 이와 같이 무선인터넷을 기반으로 한 모바일 비즈니스에 대한 관심은 높지만, 기존의 문헌들은 무선인터넷 서비스 수요, 사용자 만족도 등에 관한 연구가 주를 이루고 있다. 즉 모바일 비즈니스 모델을 통한 무선인터넷 서비스의 향후 진화방향에 관한 연구는 전무한 실정이다. 본 연구의 목적은 문헌고찰을 통하여 모바일 비즈니스의 모델들을 정리하고, 오재인(2000)의 The 2$\times$2 Matrix를 분석 툴을 활용하여 모바일 서비스별 현재 수요와 향후 수요를 분석함으로써 모바일 비즈니스의 진화방향을 실증적으로 규명하는 것이다. 1540명의 회수된 설문지 중 유효표본 786개를 대상으로 통계분석을 실시하여 분석된 주요 연구결과는 다음과 같다. 첫째, 모바일 서비스들을 The 2$\times$2 Matrix상에 매핑한 결과 예측에는 별다른 차이가 없는 것으로 나타났다. 둘째, 전체응답자, 사용자, 비사용자들의 모바일 서비스에 대한 순위는 The 2$\times$2 Matrix에서 Mobile Hub, Mobile Trade, Mobile Care, Mobile Support 순으로 나타났다. 셋째, 현재와 향후 각 서비스들 간에는 차이가 있고, 현재 모바일 서비스들 각각과 향후 모바일 서비스들 각각에 대하여 서비스들 순위에는 차이가 없는 것으로 나타났다. 넷째, 무선인터넷의 전반적인 만족도에 영향을 미치는 요인은 우수하고 독특한 컨텐츠, 패킷 과금으로 저렴한 서비스를 제공하는 Cost전략 등으로 나타났다.

• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1997년도 International Conference MULTIMEDIA DATABASES on INTERNET
• /
• pp.483-503
• /
• 1997

객체지향 데이터베이스 시스템에서 시간지원 데이터베이스를 다룰 때 발생하는 중요한 문제는 관계 의미에 따라 시간과 속성을 결합하는 방법에 있다. 관계형 모델처럼 속성 버전화에 대한 기존의 연구 결과는 시간지원 객체지향 모델에 적용할 수 없다. 이것은 객체지향 모델이 복합 객체를 구성하기 위해서 기존의 모델보다 더욱 강력한 구성자들을 제공하기 때문이다. 그래서 이 논문은 객체지향 데이터베이스에 시간 개념을 통합하기 위한 형식적 접근방법을 제안한다. 이 논문의 목적은 객체 사이에 관계하는 일반화, 집단화와 연관화에 따라 시간지원 객체지향 데이터베이스 표현을 연구하는 것이다. 이 논문은 시간지원 객체지향 모델에서 속성 버전화의 개념을 정의하고, 객체 사이에 존재하는 관계에 대해서 시간을 표현하는 것에 중점을 둔다. 또한 관계 의미에 대한 제약조건을 규정하고, 표현 기준에 기반하여 검토한다. 이 논문은 객체지향 데이터 모델을 형식화함으로서 대수 연산자를 설계시 강력한 연산 기능을 제공할 뿐만 아니라 모듈의 재사용성을 제공할 수 있다.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1665-1680
• /
• 1997

다양한 응용 분야의 데이터베이스 설계시에 시스템 사용자와 설계자 간의 이해를 증진시키고 올바른 모델링을 위해 개체-관계 모델이 많이 사용되고 있다. 그렇지만 효과적인 구현을 위해 이 개체-관계 모델로 표현된 데이터베이스는 데이터 조작과 표현이 효율적인 객체지향 데이터베이스 모델로 변환되어야 한다. 이를 위해 개체-관계 모델의 모든 개념을 객체지향 모델의 개념으로 의미의 손실없이 변환시키는 방법이 연구되어야 한다. 이 논문은 일반화 상속과 집단화 상속의 개념을 도입하여 개체-관계 모델의 기능을 확장시켰고, 개체-관계 모델의 각 성분을 객체지향 데이터베이스 모델의 성분으로 변환시키는 규칙을 제시하고자 한다. 이 변환 규칙에서 역할에 따른 변환 기법을 제시하고, 이 제시된 변환 규칙을 이용하여 개체-관계 모델에서 객체지향 모델의 스키마로 의미의 손실 없이 변환됨을 예로써 보인다. 제안된 변환 기법은 데이터베이스 설계의 논리적 모델 설계에 활용될 수 있다.

• 한국인터넷방송통신학회논문지
• /
• 제11권1호
• /
• pp.125-132
• /
• 2011

기존의 화재 감시 시스템은 보통 연기, CO 혹은 온도나 온도의 변화량을 가지고 화재여부를 판단하였다. 대부분 각각의 센서에서 측정된 값을 미리 설정한 값과 비교하여 기준을 넘었을 경우에 화재라고 결정한다. 그러나 화재 가능성이 있는 상황도 정확히 예측하는 것이 화재를 예방하기 위해 요구된다. 본 연구에서는 여러 인자들 간의 조합에 의한 규칙을 생성하고, 불명확한 데이터 처리가 가능한 퍼지추론을 사용하여 화재상황을 인식하는 방식을 제안한다. 또한 퍼지추론 방식에서 지식의 일반화, 형식화의 문제점을 해결하기 위해, 화재의 특정 패턴들의 특징을 찾아서 분석하고 규칙베이스를 구축함으로써 시스템의 성능을 더욱 향상 시킨다. 화재의 레벨을 3단계(정상, 주의, 위험)로 나누고, 각 단계별로 훈련데이터를 FCM(fuzzy C-means clustering)에 의해 규칙화 하여 추론하는 시스템을 제안한다. 제안된 방식을 UCI의 삼림화재 데이터를 이용하여 성능을 평가한다.

• 한국지리정보학회지
• /
• 제27권1호
• /
• pp.115-127
• /
• 2024

본 연구는 Transformer 모듈을 기반으로 다양한 구조의 모델을 구성하고, 토지피복 분류를 수행하여 Transformer 모듈의 활용방안 검토를 목적으로 하였다. 토지피복 분류를 위한 딥러닝 모델은 CNN 구조를 가진 Unet 모델을 베이스 모델로 선정하였으며, 모델의 인코더 및 디코더 부분을 Transformer 모듈과 조합하여 총 4가지 딥러닝 모델을 구축하였다. 딥러닝 모델의 학습과정에서 일반화 성능 평가를 위해 같은 학습조건으로 10회 반복하여 학습을 진행하였다. 딥러닝 모델의 분류 정확도 평가결과, 모델의 인코더 및 디코더 구조 모두 Transformer 모듈을 활용한 D모델이 전체 정확도 평균 약 89.4%, Kappa 평균 약 73.2%로 가장 높은 정확도를 보였다. 학습 소요시간 측면에서는 CNN 기반의 모델이 가장 효율적이었으나 Transformer 기반의 모델을 활용할 경우, 분류 정확도가 Kappa 기준 평균 0.5% 개선되었다. 차후, CNN 모델과 Transformer의 결합과정에서 하이퍼파라미터 조절과 이미지 패치사이즈 조절 등 다양한 변수들을 고려하여 모델을 고도화 할 필요가 있다고 판단된다. 토지피복 분류과정에서 모든 모델이 공통적으로 발생한 문제점은 소규모 객체들의 탐지가 어려운 점이었다. 이러한 오분류 현상의 개선을 위해서는 고해상도 입력자료의 활용방안 검토와 함께 지형 정보 및 질감 정보를 포함한 다차원적 데이터 통합이 필요할 것으로 판단된다.