• Journal of Digital Convergence
• /
• v.10 no.6
• /
• pp.297-302
• /
• 2012

In this paper, we present a object detection and tracking method based on image context analysis. It is robust from the image variations such as complicated background, dynamic movement of the object. Image context analysis is carried out using the hybrid network of k-means and RBF. The proposed object detection employs context-driven adaptive Bayesian framework to relive the effect due to uneven object images. The proposed method used feature vector generator using 2D Haar wavelet transform and the Bayesian discriminant method in order to enhance the speed of learning. The system took less time to learn, and learning in a wide variety of data showed consistent results. After we developed the proposed method was applied to real-world environment. As a result, in the case of the object to detect pass outside expected area or other changes in the uncertain reaction showed that stable. The experimental results show that the proposed approach can achieve superior performance using various data sets to previously methods.

• Journal of the Korean Society for Library and Information Science
• /
• v.48 no.4
• /
• pp.51-70
• /
• 2014

The major aim of this study is to discuss the possibility whether the merging of Information Literacy and rhetoric will be able to have essential elements for being a general education subject in universities. The characteristic of rhetorical information literacy (RIL) is organized as follows. Situated literacy using heuristic method, process oriented literacy attaching importance to research, and literacy relevant to ubiquitous environment. So, it is argued that rhetorical information literate citizenry is essential for a modern democratic society. As the information literacy instruction program can be various, for example, technology oriented instruction is needed to be compared. For the practical execution of the RILI program, 'asking situated questions to discover problem', 'selecting and writing review of meta study books', and 'writing visiting report of library', and 'instruction of information ethics for democratic citizens' have been proposed.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.221-224
• /
• 2019

딥러닝을 이용한 Neural Machine Translation(NMT)의 등장으로 기계번역 분야에서 기존의 규칙 기반,통계기반 방식을 압도하는 좋은 성능을 보이고 있다. 본 논문은 기계번역 모델도 중요하지만 무엇보다 중요한 것은 고품질의 학습데이터를 구성하는 일과 전처리라고 판단하여 이에 관련된 다양한 실험을 진행하였다. 인공신경망 기계번역 시스템의 학습데이터 즉 병렬 코퍼스를 구축할 때 양질의 데이터를 확보하는 것이 무엇보다 중요하다. 그러나 양질의 데이터를 구하는 일은 저작권 확보의 문제, 병렬 말뭉치 구축의 어려움, 노이즈 등을 이유로 쉽지 않은 상황이다. 본 논문은 고품질의 학습데이터를 구축하기 위하여 병렬 코퍼스 필터링 기법을 제시한다. 병렬 코퍼스 필터링이란 정제와 다르게 학습 데이터에 부합하지 않다고 판단되며 소스, 타겟 쌍을 함께 삭제 시켜 버린다. 또한 기계번역에서 무엇보다 중요한 단계는 바로 Subword Tokenization 단계이다. 본 논문은 다양한 실험을 통하여 한-영 기계번역에서 가장 높은 성능을 보이는 Subword Tokenization 방법론을 제시한다. 오픈 된 한-영 병렬 말뭉치로 실험을 진행한 결과 병렬 코퍼스 필터링을 진행한 데이터로 만든 모델이 더 좋은 BLEU 점수를 보였으며 본 논문에서 제안하는 형태소 분석 단위 분리를 진행 후 Unigram이 반영된 SentencePiece 모델로 Subword Tokenization를 진행 하였을 시 가장 좋은 성능을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.343-345
• /
• 2017

통신 기술이 발달하고, 네트워크 환경 또한 다양해짐에 따라 통신 사용자들에 대한 사이버 위협 또한 다양해졌다. 패턴인식 기술과 기계학습에 기반한 침입탐지 기술은 새롭게 보고되는 수많은 사이버 공격들에 대응하기 위해 등장하였다. 기계학습 기반의 IDS는 낮은 오탐률과 높은 효율성을 요구하며, 이러한 특징은 데이터셋을 구성하는 방법론에 큰 영향을 받는다. 본 논문에서는 패턴인식 기반 트래픽 분석을 수행하기 위한 데이터셋을 구성할 때 고려해야할 주안점에 대해 논하며, 현실의 사이버 위협 상황을 잘 반영할 수 있는 데이터셋을 도출하는 방법을 모색한다.

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 2013.05a
• /
• pp.117-134
• /
• 2013

기업 간 추격에 관한 연구는 중요한 연구 관심사항이 되어오고 있는데, 기존의 연구들은 주로 동일한 기술궤적 상에서의 기술변화에 있어 후발기업에 의한 선도기업을 추격하는데 논의의 초점이 맞춰져 있었다. 하지만 급진적 혁신에 따른 기술패러다임 변화가 발생할 경우 기존기업들은 새로운 패러다임 하에서 후발주자로서 선도기업을 추격해야 하는 상황에 직면하게 되는데, 모바일 통신 시장에서의 애플에 의한 스마트폰의 등장과 기존 피처폰 기업들의 추격이 대표적인 예이다. 본 연구에서는 특허정보 분석방법론에 기반하여 패러다임 변화에 따른 기업간 추격에 대해 기술 학습 측면에 초점을 맞춰 추격의 성과와의 관계를 실증적으로 분석하였다. 분석결과 패러다임 변화에 대응하여 기존기업의 기술학습의 속도와 누적규모가 추격의 성과에 중요한 요인이 된다는 것을 밝힘으로써 기업의 기술전략에 대한 중요한 시사점을 제공해준다.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2989-2991
• /
• 2000

TS 퍼지 모델은, 복잡한 비선형 시스템을 효과적으로 표현할 수 있는 주요한 근사 모델 중 하나이다. TS 퍼지 모델링을 위한 기존의 학습 방법론들은 대부분 전역적 근사 오차를 최소화하는 것을 목적으로 하는데, 이러한 경우에는 결과로서 얻어지는 75 퍼지 모델의 국소모델들이 근사 대상 시스템의 국소적 특성을 제대로 표현 할 수 없는 상황이 발생할 수 있다. 따라서 본 논문에서는 이러한 특성을 고려하여 새로운 학습 알고리즘을 제시함으로써 전역 지역적 성능을 동시에 향상시킬 수 있는 TS 퍼지 모델을 구하고자 한다 모델을 구하는데 있어서는 LMI를 이용한 풀이를 이용한다. 그리고 간단한 예제를 통하여 그 성능을 입증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.665-666
• /
• 2023

딥러닝은 인간이 탐지하기 어려운 데이터의 특징 및 패턴을 인지하고, 이들을 학습하여 데이터를 분류 및 예측할 수 있는 기술이다. 그러나 딥러닝 모델을 잘 학습시키기 위해서는 고품질의 대용량 데이터와 이들을 처리할 수 있는 방대한 컴퓨터 자원이 요구되는 것이 일반적이다. 따라서 소량의 데이터만이 존재하는 분야나 컴퓨터 자원이 한정되어 있는 상황에서는 딥러닝을 적용하기 어렵다. 본 논문에서는, 소량의 데이터로도 모델을 자신들의 태스크에 맞게 최적화시킬 수 있는 메타러닝에 대해 소개하고, 메타 러닝 기법들의 방향에 따른 Metric-Based, Model-Based 및 Optimization 기반 모델들에 대해 소개하고, 앞으로 나아가야 할 연구 방향에 대해 제시한다.

• Journal of Korea Multimedia Society
• /
• v.11 no.3
• /
• pp.301-314
• /
• 2008

The existing event recognition is accomplished with the limited systematic foundation, and thus much longer learning time is needed for emergency scenario interpretation due to large scale of probability data. In this paper, we propose a method for nile-based event recognition of an independent object(human) which extract a feature vectors from the object and analyze the behavior pattern of each object and interpretation of emergency scenarios using a probability and object's events. The event rule of an independent object is composed of the Primary-event, Move-event, Interaction-event, and 'FALL DOWN' event and is defined through feature vectors of the object and the segmented motion orientated vector (SMOV) in which the dynamic Bayesian network is applied. The emergency scenario is analyzed using current state of an event and its post probability. In this paper, we define diversified events compared to that of pre-existing method and thus make it easy to expand by increasing independence of each events. Accordingly, semantics information, which is impossible to be gained through an.

• The KIPS Transactions:PartB
• /
• v.14B no.4
• /
• pp.281-286
• /
• 2007

This paper proposes an intelligent context awareness middleware(ICAM) for Ubiquitous Computing Environment. In this paper we have researched about the context awareness middleware. The ICAM model is based on ontology that efficiently manages analyses and learns about various context information and can provide intelligent services that satisfy the human requirements. Therefore, various intelligent services will improve user's life environment. We also describe the current implementation of the ICAM for service adaptation based on fuzzy inference that help applications to adapt their ubiquitous computing environments according to rapidly changing. For this, after defining the requirements specifications of ICAM, we have researched the inferred processes for the higher level of context awareness. The Fuzzy Theory has been used in process of inferences, and showed constructing the model through the service process. Also, the proposed fuzzy inferences has been applied to smart Jacky, and after inferring the fuzzy values according to the change of temperature, showed the adaptability of Smart Jacky according to the change of surroundings like temperature as showing the optimal value of status.

• Journal of Intelligence and Information Systems
• /
• v.28 no.4
• /
• pp.27-40
• /
• 2022

Medical AI, which has lately made significant advances, is playing a vital role, such as assisting clinicians with diagnosis and decision-making. The field of chest X-rays, in particular, is attracting a lot of attention since it is important for accessibility and identification of chest diseases, as well as the current COVID-19 pandemic. However, despite the vast amount of data, there remains a limit to developing an effective AI model due to a lack of labeled data. A research that used federated learning on chest X-ray data to lessen this difficulty has emerged, although it still has the following limitations. 1) It does not consider the problems that may occur in the Non-IID environment. 2) Even in the federated learning environment, there is still a shortage of labeled data of clients. We propose a method to solve the above problems by using the self-supervised learning model as a global model of federated learning. To that aim, we investigate a self-supervised learning methods suited for federated learning using chest X-ray data and demonstrate the benefits of adopting the self-supervised learning model for federated learning.