• 지능정보연구
• /
• 제29권4호
• /
• pp.31-49
• /
• 2023

레스토랑 산업의 성장과 함께 레스토랑 오프라인 매장 수는 점차 증가하지만, 소비자는 자신의 선호도에 적합한 레스토랑을 선택하는 데 어려움을 경험하고 있다. 따라서 소비자의 선호도에 맞는 레스토랑을 추천하는 개인화된 추천 서비스의 필요성이 대두하고 있다. 기존 연구에서는 설문조사 및 평점 정보를 활용하여 소비자 선호도를 조사했으나, 이는 소비자의 구체적인 선호도를 효과적으로 반영하는데 어려움이 존재한다. 이러한 배경하에 온라인 리뷰는 방문 동기, 음식 평가 등 레스토랑에 대한 소비자 구체적인 선호도를 효과적으로 반영하기 때문에 필수적인 정보이다. 한편, 일부 연구에서는 리뷰 텍스트에 전통적인 기계학습 기법을 적용하여 소비자의 선호도를 측정하였다. 그러나 이러한 접근 방식은 주변 단어나 맥락을 고려하지 못하는 한계점이 존재한다. 따라서 본 연구는 딥러닝을 효과적으로 활용하여 온라인 리뷰에서 소비자의 선호도를 정교하게 추출하는 리뷰 텍스트 기반 레스토랑 추천 모델을 제안한다. 본 연구에서 제안된 모델은 추출된 높은 수준의 의미론적 표현과 소비자-레스토랑 상호작용을 연결하여 소비자의 선호도를 정확하고 효과적으로 예측한다. 실험 결과에 따르면 본 연구에서 제안된 추천 모델은 기존 연구에서 제안된 여러 모델에 비해 우수한 추천 성능을 보이는 것으로 나타났다.

• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.392-399
• /
• 2023

본 논문에서는 김치 제조 공정 중 배추 심 제거 공정의 로봇 자동화를 위한 배추 심 영역 및 깊이를 판별하는 딥러닝 모델을 제안하는 것이다. 또한 계측된 배추의 심 깊이를 예측하는 것이 아닌 discrete 클래스로 변환하여 영역 검출 및 분류를 동시에 하는 모델을 제시하였다. 딥러닝 모델 학습 및 검증을 위하여 전처리 과정을 거지치 않고 수확된 배추 522 포기에 대한 RGB 영상을 획득하였다. 획득한 영상으로부터 심 영역 및 깊이 라벨링 그리고 데이터 증강 기법을 적용하였다. 제안하는 YOLO-v4 딥러닝 모델 기반 배추 심 영역 검출 및 분류 모델의 성능을 평가하기 위하여 mAP, IoU, accuracy, sensitivity, specificity 그리고 F1-score로 선정하였다. 그 결과 배추 심 영역 검출은 mAP 그리고 IoU 값이 각각 0.97 그리고 0.91로 나타났으며, 심 깊이 분류의 경우 accuracy 그리고 F1-score 값이 각각 96.2% 그리고 95.5%로 나타났다. 본 연구 결과를 통하여 배추의 심 영역 검출 및 깊이 정보 분류가 가능하며, 추후 배추 심 제거 공정의 로봇-자동화 시스템 개발에 활용될 수 있는 가능성을 확인하였다.

• 경영정보학연구
• /
• 제24권1호
• /
• pp.21-37
• /
• 2022

신약을 개발하는 한 가지 방법의 하나인 신약 재창출(Drug Repositioning)은 이미 사람들에게 사용할 수 있도록 승인된 약물들이 다른 용도로 사용되도록 하여 새로운 적응증을 발견하는 유용한 방법이다. 최근에는 머신러닝 기술의 발달로 방대한 생물학적 정보를 분석하여 신약 개발에 활용하는 경우가 증가하고 있다. 신약 재창출에 머신러닝 기술을 활용하면 효과적인 치료법을 신속하게 찾아내는 데 도움을 줄 것이다. 현재 심각한 급성 호흡기 증후군인 코로나바이러스(COVID-19)에 의한 신종 질병으로 전 세계가 힘든 시간을 보내고 있다. 이미 임상적으로 승인된 약물의 용도를 변경하는 신약 재창출은 COVID-19 환자를 치료하기 위한 치료제의 대안이 될 수 있다. 본 연구는 머신러닝 기법을 활용하여 신약 재창출 분야에 대한 연구 동향을 살펴보고자 한다. Pub Med에서 웹 스크래핑 기법을 사용하여 'Drug Repositioning'이라는 키워드로 총 4,821건의 논문을 수집하였다. 데이터 전처리 후, 4,419건의 논문을 대상으로 빈도분석, LDA 기반 토픽모델링, Random Forest 분류 분석 및 예측 성능평가를 수행하였다. Word2vec 모델을 기반으로 연관어를 분석하였고, PCA 차원 축소 후 K-Means 군집화하여 레이블을 생성한 후, t-SNE 알고리즘을 이용하여 논문이 형성하고 있는 그룹을 시각화하고, LDA 결과에 계층적 군집화를 적용하여 히트맵으로 시각화하였다. 본 연구는 신약 재창출과 관련된 연구 주제가 무엇인지를 파악하고, 머신러닝 알고리즘을 사용하여 대량의 문헌에서 의미 있는 주제를 도출하고 시각화하는 방법을 제시하였다. 향후 신약 재창출 분야의 연구나 개발 전략을 수립하기 위한 기초자료로 활용되는 데 도움을 줄 것이라고 기대한다.

• 한국지반신소재학회논문집
• /
• 제23권2호
• /
• pp.43-52
• /
• 2024

최근 이상기후로 인한 급경사지 붕괴 위험이 증가되고 있으며, 급경사지 붕괴 위험의 사전 예측 및 경보 전파가 이루어지지 않아 인명과 재산 피해가 발생할 수 있다. 본 논문에서는 급경사지의 상태를 평가하기 위해 IoT 센서와 AI 기반 카메라를 융합한 급경사지 분석 시스템을 개발하였다. 시스템을 개발하기 위하여 급경사지 지반조건을 고려한 계측센서 하드웨어 및 펌웨어 설계, AI 기반 영상 분석 알고리즘 설계, 그리고 예·경보 솔루션 및 시스템 제작을 수행하였다. IoT 센서의 데이터와 AI 카메라 영상 분석을 통해 센서 데이터의 오차를 최소화하고, 데이터의 신뢰성을 향상시키고자 하였다. 또한 실제 급경사지에 적용하여 정확도(신뢰도)를 평가하였다. 그 결과, 센서 계측 오류는 0.1° 이내로 유지되었으며 계측 데이터의 전송률은 95%이상이었다. AI 기반의 영상 분석 시스템은 야간에도 부분 인식률 99%의 높은 성능을 나타내었다. 본 연구결과는 다양한 사회간접자본(SOC) 시설의 급경사지 상태 분석 및 스마트 유지관리 분야에도 적용할 수 있을 것으로 판단된다.

• 한국음향학회지
• /
• 제29권7호
• /
• pp.458-467
• /
• 2010

본 논문에서는 두 개의 스피커를 이용한 청취 환경에서 좌, 우 채널의 간섭 신호를 제거하기 위한 새로운 오디오 시스템을 개발하였다. 간섭 제거는 청취자의 위치에 따라 적응적으로 이루어져야 하기 때문에, 청취 위치를 추적하기 위한 기법이 적용되었다. 청취자 위치 추적은 2개의 마이크로폰을 통하여 이루어지며 채널 간 시간 지연을 이용하여 청취자의 방향을 추정하도록 하였다. 또한 잔향 환경에서의 사용을 고려하여 선형 예측 기법을 이용한 잔향 제거 기법이 적용되었다. 좌,우 채널의 간섭제거를 위한 음원-귀 간의 경로는 KEMAR 머리전달함수를 이용하여 나타내었다. 사용된 청취자 방향 측정 시스템의 유용성을 평가하기 위해 추정된 위치에서 채널 간섭의 성능을 평가하였다. 평가 척도로 채널 분리 비를 사용하였으며, 실험적인 결과, 사용자의 실제 위치와 추정된 위치 간에 다소 차이가 있더라도 -10 dB의 채널 분리비가 얻어짐을 확인 할 수 있었다. 제안된 알고리즘은 부동소수점 디지털 신호처리 프로세서를 이용하여 실시간 구현되었으며 청취자 평균 방향 오차는 5도, 주관적 간섭 제거율은 평균적으로 80 % 얻어짐을 알 수 있었다.

• 한국수자원학회논문집
• /
• 제57권1호
• /
• pp.59-72
• /
• 2024

농업용저수지는 관개용수, 유지용수, 생활용수 등 다양한 목적을 가지고 용수공급을 수행한다. 농업용저수지는 계절과 기후 변화에 민감하게 반응하기 때문에 효율적으로 운용하기 위해선 공급량 및 유입량 계측은 필수적이며, 이러한 자료를 바탕으로 용수관리가 합리적으로 이루어져야 한다. 하지만 농업용저수지의 경우 다목적 댐에 비해 공급량 및 유입량에 대한 계측이 상대적으로 미비한 실정이며, 효율적이고 합리적인 용수 관리를 위해선 물수지 분석을 통한 농업용 저수지에서의 유입량-공급량 분석이 필요하다. 이에 ONE model, Tank model과 같은 강우유출해석모형이 개발되어 저수지 물수지 해석에 활용되고있으나, 미계측 유역에 대한 적용성 분석은 미비한 실정이다. ONE model은 기본적으로 일단위 유출계산을 위해서 설계되었으며, 해당 모형은 하나의 매개변수를 가지고 있어 Tank model의 한계로 지적되는 보정 및 미계측 유역 분석에 유리하다. 이에 15개의 댐상류 유역을 대상으로 ONE model과 Tank model을 통해 물수지를 분석하고, 두 모형의 성능을 정량적으로 비교분석하고자 R²와 NSE을 활용하였다. 모의결과에 따르면, ONE model의 R²와 NSE가 Tank model 보다 높게 나타났으며, 이는 ONE model이 미계측유역에 대한 유입량 예측에 더 적합할 것으로 평가된다.

• 한국식품저장유통학회지
• /
• 제30권3호
• /
• pp.459-471
• /
• 2023

뱀장어 생산단계 안전성조사 부적합여부에 영향을 미치는 특성변수를 베이지안 네트워크(BN) 모델을 적용하여 분석하였다. 2012년부터 2021년까지의 통합식품안전정보망(IFSIN)의 뱀장어 생산단계 안전성조사 데이터에 양식장의 HACCP 정보, 지리적 정보 및 용수환경 데이터를 연계하여 BN 모델을 수립하였다. 뱀장어의 부적합여부에 영향을 주는 특성변수로 양식장의 HACCP 인증여부, 양식장의 이전 5년간 검사대상 유해물질의 검출여부, 해당 양식장의 이전 5년간 부적합적발이력, 사용되는 용수환경의 적정성이 제안되었으며, 이때 용수환경의 적정성은 총대장균군과 총유기탄소량으로부터 산출되었다. 뱀장어 부적합이 발생할 확률이 가장 높은 경우는 지난 5년간 검사대상 유해물질의 검출이력이 있으면서 동시에 부적합 적발 이력이 있는 HACCP 인증을 받지 않은 양식장으로서, 용수환경도 총대장균군 또는 총유기탄소가 높아 오염이 의심되는 용수를 사용하는 경우로 이때 부적합이 발생할 확률은 24.5%로 뱀장어 생산단계 안전성 조사 시 부적합률인 0.26%의 94배 높았다. 2022년 1월부터 8월까지 뱀장어 양식장 안전성조사 결과를 시험용 데이터세트(6,785건 중 부적합 15건)로 하여 BN 모델의 적정성을 검토하였다. 영향강도가 높았던 설명변수인 HACCP, 검출이력, 부적합이력으로 구성한 BN 모델을 시험용 데이터세트에 적용한 결과 부적합일 확률이 15.8%로 시험용데이터의 부적합률인 0.22%의 약 71.4배 개선할 수 있었다. 그러나 이 모델의 재현율은 0.2에 머물렀는데, 이는 특히 부적합항목인 유해물질의 기준·규격이 신설되어 해당 양식장에서 검사기록이 없는 경우와, 매우 드물게 발생하여 10년 동안 검출이력이 없어 학습데이터세트에는 없는 경우이었다. 베이지안 네트워크를 적용하여 부적합확률이 높은 생산단계 안전성 조사대상을 선정하게 되면 설명변수별로 시나리오에 따라 부적합확률을 설명가능하게 되어 다른 머신러닝 알고리즘을 적용하는 경우 지적되어온 설명불가능이라는 문제점을 해소할 수 있으며, 향후 안전성조사 데이터 축적 시 용이하게 모델 업데이트가 가능하며 이를 통해 모델의 예측성능개선도 기대할 수 있다는 장점이 있다.

• 산업진흥연구
• /
• 제9권1호
• /
• pp.21-29
• /
• 2024

급변하는 정보화 사회에서는 스마트폰와 태블릿을 비롯한 다양한 전자기기가 더욱 디지털화되고 플렉시블 디스플레이와 같은 고성능을 갖추며 발전하고 있다. 본 연구에서는 경제적 절감을 위한 플렉시블 디스플레이의 고가 소재를 대체하는 전도성 고분자인 PEDOT과 투명 기판인 PET를 적용한 TCF의 제조 공정 최적화를 진행하였다. PEDOT 코팅을 이용한 TCF 생산 공정에서 주요 변수인 생산 속도 (m/min), 코팅 최고 온도 (℃), PEDOT 공급 속도 (rpm)에 따른 표면 저항률 (Ω/□)을 반응표면분석법을 사용하여 최적화하였다. 결과적으로, 생산 속도 22.16 m/min, 코팅 최고 온도 125.28 ℃, PEDOT 공급 속도 522.79 rpm으로 최적 조건을 도출했다. F 값은 18.37, P-값은 < 0.0001, 결정계수(R²)는 0.9430으로 결과의 신뢰성이 높음을 확인했다. 최적 조건에서의 예측값은 145.75 Ω/□이며, 실험값은 142.97 Ω/□이었다. 이 연구 결과를 기반으로 대량 생산 공정에 적용하면 기존의 생산 수율 보다 높은 수율을 달성하고 불량 발생률을 줄일 수 있을 것으로 판단된다.

• 한국음향학회지
• /
• 제43권2호
• /
• pp.214-224
• /
• 2024

소노부이는 수중에서 음파를 활용하여 정보 수집을 수행하는 장치로, 엔진 소음이나 다양한 음향 특성을 감지하여 수중 표적을 정확하게 탐지하는 대잠전에 효과적인 탐지체계이다. 다중상태 시스템에서의 기존 소노부이 배치 방식은 고정된 패턴이나 휴리스틱 기반의 규칙에 의존하므로, 예측하기 힘든 수중 표적의 기동으로 인해 소노부이 투하 개수 및 작전 소요 시간 측면에서 효율적인 배치를 보장하지는 못한다. 본 논문에서는 기존 소노부이 배치 방식의 한계를 극복하기 위해, 수중 표적의 이동을 고려한 시뮬레이션 기반의 실험 환경에서 강화학습을 이용한 무인항공기의 소노부이 최적 배치를 제안한다. 제안한 방법은 Unity ML-Agents를 통해 Proximal Policy Optimization(PPO) 알고리즘을 이용하여 가상 작전환경과 실시간 상호작용하며 무인항공기를 학습한다. 소노부이 투하 개수 및 음원 및 수신기 간의 비용을 고려한 보상 함수를 설계하여 효과적인 학습이 가능하게 한다. 동일한 실험 환경에서 강화학습을 적용한 배치 방식과 기존 소노부이 배치 방식을 비교한 결과, 탐지 성공률, 투하된 소노부이 개수, 작전 소요 시간 측면에서 강화학습을 적용한 배치 방식이 가장 우수한 성능을 보였다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.585-590
• /
• 2024

본 연구에서는 현재 도시철도 레일의 노후화로 인한 레일표면결함이 증가하고 있으나 국가에서 제정된 궤도성능평가에 관한 세부지침에서 레일표면손상을 기술자의 육안, 간단한 측정 도구로 점검을 수행하는 실정이다. 최근 궤도진단법 제정에 따라 대규모 예산이 투입되고 레일진단물량이 급증되고 있으나 노동집약적인 육안조사기법으로는 진단결과에 대한 신뢰성확보가 어려운 실정이다. 주기적인 선로순회작업 및 육안점검을 통해 레일표면의 결함을 발견하는 것은 매우 중요하다. 그러나 점검자의 주관적 판단에 의해 레일표면의 결함의 경중을 평가하는 것은 레일 내부의 손상을 예측하기에 상당한 제약이 따른다. 본 연구에서는 레일표면손상에 따른 레일내부 균열특성 관한 연구로서 현장측정에서는 레일표면 손상개소를 선정하여 다양한 손상유형의 시료를 채취하여 레일표면손상 상태를 평가하고 실내시험에서 전자주사현미경(SEM)을 이용하여 레일표면결함 및 내부결함의 상관관계를 분석하고자 한다. 또한 실내시험의 결과와 수치해석 결과를 비교를 통하여 레일표면손상을 분석하였다. 현재 공용중인 도시철도 레일의 균열성장율을 파악하고자 가우시안 확률밀도 함수를 적용하여 분석하였다.