• KIPS Transactions on Software and Data Engineering
• /
• v.12 no.7
• /
• pp.295-302
• /
• 2023

Software requirements written in natural language may have different meanings from the stakeholders' viewpoint. When designing an architecture based on quality attributes, it is necessary to accurately classify quality attribute requirements because the efficient design is possible only when appropriate architectural tactics for each quality attribute are selected. As a result, although many natural language processing models have been studied for the classification of requirements, which is a high-cost task, few topics improve classification performance with the imbalanced quality attribute datasets. In this study, we first show that the classification model can automatically classify the Korean requirement dataset through experiments. Based on these results, we explain that data augmentation through EDA(Easy Data Augmentation) techniques and undersampling strategies can improve the imbalance of quality attribute datasets, and show that they are effective in classifying requirements. The results improved by 5.24%p on F1-score, indicating that handling imbalanced data helps classify Korean requirements of classification models. Furthermore, detailed experiments of EDA illustrate operations that help improve classification performance.

• KIPS Transactions on Software and Data Engineering
• /
• v.9 no.7
• /
• pp.205-212
• /
• 2020

Defects are an important factor in the quality of software developments. In order to manage defects, we propose additional information of search and classification. Additional information suggests a systematic classification scheme and method of operation. In this study, we propose additional information at the requirements analysis stage for defect management.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.712-714
• /
• 2022

프로젝트 테마는 'CNN 딥러닝 모델을 기반으로 한 AI 가상 옷장'이다. 딥러닝 기술을 웹페이지에 적용시켜 사용자의 옷장 속에 있는 옷들을 자동으로 저장해서 관리해준다. 의류 이미지를 수집하고 딥러닝 모델을 통해 이미지를 학습시키고 분류하여 저장함으로써 사람들이 옷을 쉽게 찾을 수 있는 방법을 고안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.465-466
• /
• 2023

AI 기술의 발전으로 AI가 그린 그림과 인간이 직접 그린 그림을 식별하는 것이 어려워졌다. AI 기술을 통해 작품을 특정 화풍으로 그리는 것이 쉬워져 작품 도용과 평가 절하가 증가하고 있으며, AI가 인간과 유사하게 그림을 표현하는 경우 딥페이크 피싱과 같은 악용 사례도 늘어나고 있다. 따라서 본 논문에서는 AI 그림을 식별하기 위한 인공지능 모델 개발을 목표로 하고 있으며, 데이터셋을 구축하여 인공지능 기술을 활용한 알고리즘을 개발한다. YOLO Segmentation과 CNN을 활용하여 학습을 진행하고, 이를 통해 도용과 딥페이크 피해를 방지하는 프로세스를 제안한다.

• The Transactions of the Korea Information Processing Society
• /
• v.7 no.11
• /
• pp.3394-3407
• /
• 2000

오늘날 소프트웨어의 복잡성과 대형화로 유지보수 비용이 증대하고 있다. 이런 이유로 소프트웨어의 품질을 향상시키는 것이 중요한 이슈가 되고 있다. 이에 따라 소프트웨어 공학에서는 소프트웨어품질을 평가하는 방법으로 프로세서의 최종 산출물인 소프트웨어의 소스를 분석하는 방법과 소프트웨어의 생명주기에 따라 그 단계별 산출물을 평가하는 연구가 계속되고 있고, 또한 소프트웨어를 생산하는 전 과정을 일련의 프로세스로 보고 각각의 프로세스를 평가하여 소프트웨어의 품질을 향상시키는 연구도 진행되고 있다. 본 연구에서는 SPICE 모델에 따라서 소프트웨어를 지원, 생산, 공급하는데 관련이 있는 프로세스 범주를 5가지로 분류하고 각 범주에 속한 기본활동의 파라미터인 작업산출물과 ISO/IEC9126 모델의 소프트웨어 품질특성과의 연관성을 찾아서 소프트웨어 품질을 평가하고자 한다. 즉 소프트웨어를 생산하는 프로세서에서 투입 및 산출되는 입출력물들을 평가하여 프로세스 수행과정을 개선 및 변경하는 것이 소프트웨어 품질에 어떤 영향을 미치는가를 보여주는 소프트웨어 제품의 품질을 평가하는 시스템을 설계 및 구현한다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.624-629
• /
• 2022

에세이의 창의성을 자동으로 분류하는 기존의 주요 연구는 말뭉치에서 빈번하게 등장하지 않는 단어에 초점을 맞추어 기계학습을 수행한다. 그러나 이러한 연구는 에세이의 주제와 상관없이 단순히 참신한 단어가 많아 창의적으로 분류되는 문제점이 발생한다. 본 논문에서는 어텐션(Attention)과 역문서 빈도(Inverse Document Frequency; IDF)를 이용하여 에세이 내용 전달에 있어 중요하면서 참신한 단어에 높은 가중치를 두는 문맥 벡터를 구하고, 자기부호화기(AutoEncoder) 모델을 사용하여 문맥 벡터들로부터 창의적인 에세이와 창의적이지 않은 에세이의 특징 벡터를 추출한다. 그리고 시험 단계에서 새로운 에세이의 특징 벡터와 비교하여 그 에세이가 창의적인지 아닌지 분류하는 딥러닝 모델을 제안한다. 실험 결과에 따르면 제안 방안은 기존 방안에 비해 높은 정확도를 보인다. 구체적으로 제안 방안의 평균 정확도는 92%였고 기존의 주요 방안보다 9%의 정확도 향상을 보였다.

• Journal of Software Engineering Society
• /
• v.13 no.3
• /
• pp.87-91
• /
• 2000

정보화촉진기본법의 시행 이후로 정부기관에서는 정보화촉진기본계획에 의거, 작지만 효율적인 전자정부 구현과 대민서비스 개선을 위한 정보화사업을 추진중에 있고, 2000년 7월 22일부터 소프트웨어산업진흥법이 시행되는 국내 환경에서 소프트웨어공학에 대한 연구 및 관련 기술의 개발의 중요성은 더욱 커지고 있다. 본 고에서는 SW공학의 개요 및 관련 기술의 간단한 소개와 국내의 SW공학의 표준화 동향을 소개하고, 미 국방부의 SW공학 관련 표준의 분류를 제시하며, 결론부분에서는 향후 표준화를 위한 추진전략을 제안하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.13-15
• /
• 2002

오늘날 소프트웨어는 개발 방법론을 이용하여 양적으로나 질적으로 많은 발전이 이루어졌다. 이와 더불어 소프트웨어에 대한 소비자들의 요구와 지식 수준 또한 같이 높아짐으로써 소프트웨어 인증에 대한 관심과 인식도 같이 높아지고 있는 추세이다. 본 논문에서는 소프트웨어 품질 인증을 위한 메타 모델의 필요성을 알아보고 기존 연구[1]되었던 메타 모델의 개념 수준을 더욱 발전시켰다. 그리고 간단하지만 실질적인 예제를 통해서 메타 모델과 인증 모델, 인증 프로그램과의 관계를 명확하게 정립하고자 한다.

• Aerospace Engineering and Technology
• /
• v.10 no.1
• /
• pp.141-148
• /
• 2011

LEO satellites have many heaters for thermal control, such as bus module heaters, payload heaters and battery internal heaters. Some of these heaters are controlled by thermisters, and others can be controlled by flight software. These heaters are divided into various types of group according to the location, telemetry variables, flight software logic, power distribution, etc. Thus, it is difficult to find out which heaters are included in a certain group and modify heater control logic for a new/other software developers. This document describes about the general/special control logic for satellite heaters and groups/arrays for heaters.

• Journal of the Korean Society for Nondestructive Testing
• /
• v.21 no.1
• /
• pp.54-61
• /
• 2001

A software package to classify acoustic emission (AE) signals using the wavelet transform and the neural network was developed Both of the continuous and the discrete wavelet transforms are considered, and the error back-propagation neural network is adopted as m artificial neural network algorithm. The signals acquired during the 3-point bending test of specimens which have artificial defects on weld zone are used for the classification of the defects. Features are extracted from the time-frequency plane which is the result of the wavelet transform of signals, and the neural network classifier is tamed using the extracted features to classify the signals. It has been shown that the developed software package is useful to classify AE signals. The difference between the classification results by the continuous and the discrete wavelet transforms is also discussed.