• 스마트미디어저널
• /
• 제10권2호
• /
• pp.16-21
• /
• 2021

금융 시계열 분석은 현대 사회의 경제적, 사회적으로 매우 중요한 역할을 하며 세계 발전에 영향을 미치는 중요한 과제지만 많은 잡음(noise)과 불확실성 등의 어려움으로 인해 금융 시계열 분석 예측은 어려운 연구 주제이다. 본 논문에서는 비정형 데이터와 정형 데이터를 함께 이미지로 변환하여 시장을 예측 하는 방법(MPIL)을 제안한다. 시장 예측을 위해 n일 기간의 비정형 데이터인 SNS, 뉴스 데이터를 감정분석하고 정형 데이터인 시장 데이터를 GADF 알고리즘으로 이미지 변환하고 이미지 학습을 통해 n+1일의 가격을 예측하는 초단기 시장을 예측한다. MPIL은 평균 정확도 56%로 기존 시장예측에 사용되던 감정분석을 활용하여 LSTM으로 시장을 예측하는 모델 평균 정확도 50%보다 높은 정확도를 보였다.

• 스마트미디어저널
• /
• 제12권4호
• /
• pp.27-40
• /
• 2023

많은 추천 시스템 연구에서는 다양한 이종 데이터를 상호 호환적으로 통합하여 추천 시스템의 고질적인 데이터 부족 문제를 해결하고자 한다. 하지만, 지식 그래프를 활용하여 이종 데이터의 통합을 달성한 추천 시스템 연구는 거의 없으며, 대부분 연구에서는 기구축된 지식 그래프 상의 개체 간 연결이 명시적 관계로만 구성되어있다는 한계가 존재한다. 본 논문에서는 이종 데이터의 통합을 위해 다중 지식 베이스로부터 추출한 데이터 간 관계 모델링을 수행하고, 이를 통해 지식 그래프를 확장하는 방법을 제안한다. 또한, 딥러닝 기반의 잠재적 관계 모델링을 통해 지식 그래프 상 개체 간 관계 정보의 신뢰성을 높이고자 한다. 본 논문에서 제안하는 확장된 지식 그래프를 사용하면 개체의 특성 벡터 품질이 개선되고, 최종적으로 예측된 사용자 선호도의 정확성을 높일 수 있다. 또한, 실험을 통해 확장된 지식 그래프 기반 추천 정확도가 기존 지식 그래프 기반 추천 정확도에 비해 향상되었음을 확인하였다.

• 대한토목학회논문집
• /
• 제43권1호
• /
• pp.99-107
• /
• 2023

최근 건설 현장의 안전사고 비율은 전체 산업에서 가장 높은 비중을 차지한다. 인공지능 기술을 건설 현장에 접목하기 위해서는 기초 학습 자료로 활용될 수 있는 데이터셋 확보가 필수적이다. 본 논문에서는 실제 현장 확보를 통해 원천 데이터를 수집하였으며, 토목 현장에서 주로 운용되고 있는 주요 건설장비 객체를 선정하고 약 9만장의 정지영상 데이터셋 가공을 통해 최적의 학습 데이터셋 구축을 완료하였다. 또한, 객체 인식분야의 대표적인 모델인 YOLO를 활용하여 구축된 데이터의 검증 작업을 수행하였고 90 % 근접한 검출 성능을 확인해 데이터 신뢰성을 확보하였다. 본 연구에서 사용되는 학습 데이터셋은 공공데이터포털에서 활용 가능하도록 공개를 완료하였다. 본 데이터셋은 향후 건설안전 분야의 객체 인식 기술의 건설현장 적용을 위한 기반 데이터로 활용 가능하리라 판단된다.

• 스마트미디어저널
• /
• 제12권5호
• /
• pp.28-35
• /
• 2023

본 연구에서는 음성감정인식의 적용 가능성과 실용성 향상을 위해 적은 수의 파라미터를 가지는 새로운 경량화 모델 RoutingConvNet(Routing Convolutional Neural Network)을 제안한다. 제안모델은 학습 가능한 매개변수를 줄이기 위해 양방향 MFCC(Mel-Frequency Cepstral Coefficient)를 채널 단위로 연결해 장기간의 감정 의존성을 학습하고 상황 특징을 추출한다. 저수준 특징 추출을 위해 경량심층 CNN을 구성하고, 음성신호에서의 채널 및 공간 신호에 대한 정보 확보를 위해 셀프어텐션(Self-attention)을 사용한다. 또한, 정확도 향상을 위해 동적 라우팅을 적용해 특징의 변형에 강인한 모델을 구성하였다. 제안모델은 음성감정 데이터셋(EMO-DB, RAVDESS, IEMOCAP)의 전반적인 실험에서 매개변수 감소와 정확도 향상을 보여주며 약 156,000개의 매개변수로 각각 87.86%, 83.44%, 66.06%의 정확도를 달성하였다. 본 연구에서는 경량화 대비 성능 평가를 위한 매개변수의 수, 정확도간 trade-off를 계산하는 지표를 제안하였다.

• 스마트미디어저널
• /
• 제12권5호
• /
• pp.17-27
• /
• 2023

최근 사용자에게 의미있는 정보만을 자동으로 간추리는 텍스트 자동 요약이 꾸준히 연구되고 있으며, 특히 인공신경망 모델인 트랜스포머를 활용한 텍스트 요약 연구가 주로 수행되고 있다. 다양한 연구 중 특히 문장 단위 마스킹을 통해 모델을 학습시키는 GSG 방식이 가장 주목을 받고 있지만, 전통적인 GSG는 문장의 의미가 아닌 토큰의 중복 정도에 기반을 두어 마스킹 대상 문장을 선정한다는 한계를 갖는다. 따라서 본 연구에서는 텍스트 요약의 품질을 향상시키기 위해, 문장의 의미를 고려하여 GSG의 마스킹 대상 문장을 선정하는 SbGSG(Semantic-based GSG) 방법론을 제안한다. 뉴스기사 370,000건과 요약문 및 레포트 21,600건을 사용하여 실험을 수행한 결과, ROUGE와 BERT Score 측면에서 제안 방법론인 SbGSG가 전통적인 GSG에 비해 우수한 성능을 보임을 확인하였다.

• 스마트미디어저널
• /
• 제13권1호
• /
• pp.9-17
• /
• 2024

본 연구는 농산물의 품질, 수익 및 의사결정 효율성을 향상시키기 위한 통합적인 농업 유통망 관리시스템을 개발하는 데 목적이 있다. 우리는 YOLOX 객체 탐지 알고리즘을 기반으로 한 농작물 성숙도 체크와 Prophet 모델을 기반으로 한 시장 가격 예측이라는 두 가지 핵심 기술을 채택하였다. 객체 탐지 모델을 훈련함으로써, 다양한 성숙도 단계의 농작물을 정확하게 식별할 수 있게 되어 출하 시기를 최적화할 수 있었다. 동시에, 과거 시장 가격 데이터를 수집하고 Prophet 모델을 사용하여 가격을 예측함으로써, 출하시기 결정권자들에게 신뢰할 수 있는 가격 추세 정보를 제공하였다. 연구 결과에 따르면, 휴일 요소를 고려한 모델의 성능이 그렇지 않은 모델보다 두드러지게 우수하다는 것이 밝혀져서 휴일이 가격에 미치는 영향이 강함을 증명하였다. 이 시스템은 농민 및 농산물 유통 관리자에게 강력한 도구 및 의사결정 지원을 제공하여, 다양한 계절과 휴일 기간 동안 현명한 의사결정을 내릴 수 있게 도와준다. 아울러, 농산물 유통망을 최적화하고 농산물의 품질과 수익을 향상시킬 수 있다.

• 스마트미디어저널
• /
• 제13권4호
• /
• pp.23-32
• /
• 2024

대형 화재 발생과 그로 인한 피해가 증가하고 있는 상황에서, 화재감지 시설에 대한 신뢰는 낮아지고 있다. 현재 널리 사용되는 화학 화재감지기는 오경보가 빈번하게 발생하며, 비디오 기반 딥러닝 화재감지는 시간과 비용이 많이 소요되는 단점이 있다. 본 논문에서는 이러한 문제를 해결하기 위해 오토인코더 모델을 활용한 화재감지 모델을 제안한다. 오경보를 최소화하고 신속 정확한 화재감지를 목표로 한다. 제안된 모델은 오토인코더 방법론을 이용해 화재 데이터 없이 정상 데이터만으로 모델을 학습시킬 수 있어 새로운 환경에 적용이 용이하다. 5가지 센서 데이터를 종합적으로 반영하여 화재를 신속하고 정확히 감지할 수 있다. 다양한 초모수 조합을 실험하여 최적의 초모수를 선정하였으며, 오경보 문제를 줄일 수 있는 화재 시점 판단 규칙을 제안하였다. 제안한 모델로 화재감지 실험을 진행한 결과, 14개의 시나리오 중 13개의 시나리오에서 오경보 문제가 발생하지 않았고, 동일한 데이터로 임계치 비교 알고리즘과 결과를 비교하였을 때 더 빠른 화재 감지 성능을 보였다. 이를 통해 화재로 인한 피해를 최소화하고, 화재감지 시설의 신뢰도를 높일 수 있을 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.686-689
• /
• 2018

3D 손 포즈 추정(Hand Pose Estimation, HPE)은 스마트 인간 컴퓨터 인터페이스를 위해서 중요한 기술이다. 이 연구에서는 딥러닝 방법을 기반으로 하여 단일 RGB-Depth 카메라로 촬영한 양손의 3D 손 자세를 실시간으로 인식하는 손 포즈 추정 시스템을 제시한다. 손 포즈 추정 시스템은 4단계로 구성된다. 첫째, Skin Detection 및 Depth cutting 알고리즘을 사용하여 양손을 RGB와 깊이 영상에서 감지하고 추출한다. 둘째, Convolutional Neural Network(CNN) Classifier는 오른손과 왼손을 구별하는데 사용된다. CNN Classifier 는 3개의 convolution layer와 2개의 Fully-Connected Layer로 구성되어 있으며, 추출된 깊이 영상을 입력으로 사용한다. 셋째, 학습된 CNN regressor는 추출된 왼쪽 및 오른쪽 손의 깊이 영상에서 손 관절을 추정하기 위해 다수의 Convolutional Layers, Pooling Layers, Fully Connected Layers로 구성된다. CNN classifier와 regressor는 22,000개 깊이 영상 데이터셋으로 학습된다. 마지막으로, 각 손의 3D 손 자세는 추정된 손 관절 정보로부터 재구성된다. 테스트 결과, CNN classifier는 오른쪽 손과 왼쪽 손을 96.9%의 정확도로 구별할 수 있으며, CNN regressor는 형균 8.48mm의 오차 범위로 3D 손 관절 정보를 추정할 수 있다. 본 연구에서 제안하는 손 포즈 추정 시스템은 가상 현실(virtual reality, VR), 증강 현실(Augmented Reality, AR) 및 융합 현실 (Mixed Reality, MR) 응용 프로그램을 포함한 다양한 응용 분야에서 사용할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (2)
• /
• pp.583-585
• /
• 2004

본 논문에서는 OSGi 프레임워크 기반의 지능적인 홈서비스 에이전트 번들에 관한 연구를 통해서 사용자를 위한 자동적인 홈서비스를 제공하는 에이전트 모델을 제시하고자 한다. 제안된 에이전트 번들은 홈 네트워크가 구비된 스마트 홈 환경에서 사용자와 홈 가전과의 지능적인 매개체로서 동작하여 사용자의 행동패턴을 예측하여 필요한 홈 서비스를 사용자가 요청하기 전에 제공하는 역할을 담당한다. 본 논문에서는 OSGi 프레임워크에서의 지능적인 홈 서비스 에이전트 번들에 대한 구조를 제시하며 에이전트 번들에 대한 세부 구성요소에 대한 설명을 한다. 또한 에이전트 번들은 사용자의 생체 데이터를 기반으로 사용자를 위한 지능적인 홈 서비스를 제공하는데 이를 위하여 사용자 생체 데이터를 세분화한 컨텍스트 모델을 제시한다. 에이전트 번들이 지능적으로 동작하기 위하여 머신러닝 기법이 사용되었다. 본 논문에서 제시된 홈 서비스라 함은 OSGi 프레임워크에 연결된 실내 가전제품들을 말하며 홈 서비스 에이전트 번들에서는 사용자의 생체 데이터를 분석하여 사용자가 제공받기를 원하는 가전제품의 서비스 상태를 제시한다. 이 출력 값을 전달받아서 가정 내 가전제품을 제어할 수 있는 가전제어 서비스 번들이 요구되는데 본 논문에서는 가전제어 서비스 번들에 대한 구조에 대하여 설명한다. 차후의 연구에서는 지능적인 홈 서비스 에이전트 번들과 이 번들의 출력 값으로 동작하는 가전제어 서비스 번들 및 부가 서비스 번들에 대한 통합 모델 을 가지는 번들 매니저에 대한 연구가 진행될 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(A)
• /
• pp.122-124
• /
• 2012

최근 지식정보화 시대의 집단지성기반 교육 패러다임 변화는 큰 이슈로 떠오르고 있다. 특히 융합적 학문을 근원으로 창의성 계발과 아이디어를 중요시하고 있으며, 창조적 교육방식을 지향하고 있다. 그러나 다양한 영역에 지식전문가들과 학습자들 간에 지식을 공유하기 위한 플랫폼 공간이 제대로 제공되고 있지 못하며, 단순한 컨텐츠 제공을 목적으로 이러닝 서비스가 일부 제공되고 있는 것이 현실이다. 따라서 본 논문에서는 집단지성을 기반으로 지능형 튜터링 에이전트 시스템 설계를 제안하고, 새로운 에이전트(Agent) 개념을 통해 지식인들과 학습자들 간에 지식을 공유할 수 있을 뿐만 아니라 새로운 지식을 창출하고, 관리 및 유통할 수 있는 구조를 연구하였다. 또한 사용자들로부터 발생하는 데이터와 정보들을 자동 분석하여 지능적으로 학습상황에 대처할 수 있도록 설계하였으며, 튜터(Tutor)와 튜티(Tutee)간에 협력적인 학습 생태계가 형성될 수 있도록 하였다. 따라서 본 연구의 결과를 기반으로 미래 스마트 학습 플랫폼 발전에 많은 도움이 되길 기대한다.