• 디자인학연구
• /
• 16호
• /
• pp.113-122
• /
• 1996

디자인은 현재 진행형이다. 디자인이라는 어구 자체가 결과물을 언급하는 것이 아니라 과정(process)을 지칭하는 것이고 그것이 결과는 매우 다양한 응용범위를 갖기 때문에, 이를 효과적으로 풀어가기 위해서는 디자인 문제해결의 과정을 조직화 할 필요성이 대두된다. 디자인 과정의 조직화란 디자인의 외적 혹은 내적인 문제들을 파악하여 창조적이고 합리적인 프로세스를 만들어, 디자이너들의 문제 해결 자로서의 능력을 갖게 하는 것이다. 컴퓨터의 일반화와 도구화로 인한 디자인 상황의 변화는, 시간 절약 및 표현의 다양화, 디자인 영역의 확대라는 측면을 낳았으나, 디자인 문제해결 과정보다는 디자인의 평가가 결과물에 치우친, 때문에 시각적인 표현 방법의 측면이 상대적으로 강조되었다. 따라서 진행과정으로서의 프로세스 측면이 그 중요성에 비해 간과되었던 것이 사실이다. 본 논문에서는 대학 디자인 교육과정에 있어서 학습자로 하여금 ’발견된 것’이 아닌’발견하는 과정’의 중요성을 일깨우고 그 기본 개념인 창조적인 사고능력 및 상상능력의 계발이라는 측면에서 교수자가 취할 수 있는 text모형을 제시하고자 한다. 이러한 text 모형에 따른 학습은, 학습자에게는 ’손에 의한 표현’이전에 다루어져야 할 ’머리로 표현하는 방법’을 훈련을 통해 습득하게 하며, 교수 자는 교수 자와 학습자간의 전달경로를 보다 확실히 함으로서, 너무 주관적이어서, 혹은 너무 객관적이어서 오는 오류들을 최소화하고 전달의 강도를 높일 수 있는, 하나의 훈련과정을 모색할 수 있다.

• 경영과정보연구
• /
• 제36권4호
• /
• pp.129-148
• /
• 2017

기존 전시회 정보 제공 서비스는 전시회가 열리는 장소 주변의 관광지를 추천한다. 이러한 위치기반 추천의 경우 전시회의 내용과 관련이 없는 관광지를 추천할 수 있다는 한계점이 있다. 전시회 내용과 관련된 관광지를 관람객에게 추천함으로써 전시회에서 획득한 지식을 관광지에서 경험하는 데에 도움을 줄 필요가 있다. 전시회 큐레이터들이 전시회 내용과 관련된 관광지를 일일이 찾아 추천하는 방법이 있지만, 수작업이다 보니 큐레이터가 가지고 있는 배경지식의 범위 내에서만 추천이 가능하다는 한계점이 있다. 수작업에 따른 오류가 있을 수도 있기 때문에 자동화된 방법이 필요하다. 본 연구에서는 언어자원 빅데이터를 활용하여 전시회 내용과 관련된 관광지를 자동으로 추천하는 방법을 제안한다. 언어자원으로는 한국관광공사 LOD(Linked Open Data), 위키피디아, 국립국어원 사전 등을 활용했다. 단일 컴퓨터로는 이러한 대용량 언어자원을 효율적으로 처리하기 어렵기 때문에, 클라우드 컴퓨팅 프레임워크인 아파치 스파크(Apache Spark)에 기반하여 구현했다. 사용자가 웹브라우저를 통해 전시회 정보를 열람하면 본 알고리즘에 의해 추천된 관광지들을 같이 보여주는 웹인터페이스도 구현했다(http://bike.snu.ac.kr/WARP). 주요 전시회에 대한 관광지 추천 정확도에 대해 전문가 평가를 진행했다. 기존 방법에 비해 본 논문에서 제안한 방법의 정확도가 더 높았다. 본 연구를 활용하면 전시회 큐레이터의 수작업을 줄여줄 수 있고 전시회 관람자들을 관광지로 자연스럽게 유도할 수 있기 때문에, 전시산업과 관광산업 모두에게 도움이 될 수 있다.

• 한국통신학회논문지
• /
• 제30권4C호
• /
• pp.283-289
• /
• 2005

본 논문에서는 공간-주파수 OFDM (SF-OFDM) 전송 다이버시티 기법을 위한 효율적인 심볼 검출 알고리즘이 제안되었다. SF-OFDM 전송 다이버시티 기법에서 부반송파의 수가 적은 경우 부채널간 간섭이 발생하게 되며, 이러한 간섭은 다이버시티 시스템의 성능을 크게 저하시킨다. 제안된 알고리즘은 부채널간 간섭을 병렬 혹은 순차적으로 제거함으로써 기존 알고리즘에 비해 큰 성능 이득을 얻는다. 컴퓨터 모의실험을 통한 비트오류율 (BER) 성능 평가 결과. 두개의 송수신 안테나를 사용하는 경우, $10^{-4}$의 BER에서 약 3 dB의 성능 이득을 얻을 수 있음을 확인하였다. 제안된 알고리즘이 적용된 심볼 검출기는 하드웨어 설계 언어를 통해 설계되었고, $0.18{\mu}m$ 1.8V CMOS 표준 셀 라이브러리를 이용하여 합성되었다. 제시된 하드웨어 구조와 함께 설계된 SF-OFDM-PIC 심볼 검출기는 약 140K개의 논리 게이트로 구성되었고, SF-OFDM-SIC 검출기는 129K개의 논리 게이트로 합성되었다.

• 한국지능시스템학회논문지
• /
• 제18권4호
• /
• pp.501-506
• /
• 2008

통계적 방식의 품사부착 문제는 보통 N-그램과 같을 단일 통계정보를 활용하지만 단순한 통계 정보라는 원천적인 한계가 있어 많은 오류가 발생한다. 따라서 다양한 정보를 활용하는 것이 정확도를 높일 가능성이 있다는 데는 이론의 여지가 없다. 그러나 다른 종류의 통계 자료는 배타적 자료가 아닌 한 상충되는 정보를 가질 수밖에 없으므로 이러한 정보들로부터 어떻게 종합적인 결론을 내는가가 문제이다. 본 논문에서는 이러한 상이한 통계정보를 통합하는 방법으로 언어 모델의 구성에서 활용된 바 있는 최대엔트로피 모델의 한국어 품사 부착에의 사용 가능성을 제시한다. 여기서는 이종의 통계정보로서 N그램과, 트리거 쌍을 사용하게 된다. 이러한 트리거 쌍 통계정보를 N그램과 함께 최대엔트로피 모델링을 했을 경우 퍼플렉시티가 어떻게 변화하는지에 대한 실험결과를 관찰하게 될 것이다. 트리거 쌍은 또한 다양하게 문맥사이즈를 변화할 수 있으며, N그램의 확률 모델도 다양하기 때문에 여러 종류의 실험을 통한 많은 향상을 예상 할 수 있다. 본 실험에서는 단일 모델 사용시 94.9 %의 정확도를 가진 3-그램 모델에 트리거 쌍을 최대 엔트로피 방식으로 추가한 견우 95.6% 의 정확도를 보여 0.7% 포인트의 정확도 향상을 기록하였다. 따라서 향후 다양한 정보원을 개발하여 최대엔트로피 방식으로 통합할 경우 지속적인 정확도 향상을 가져 올 수 있는 가능성을 보여준다고 할 수 있다.

• 대한전자공학회논문지SD
• /
• 제42권5호
• /
• pp.55-62
• /
• 2005

본 논문에서는 공간-주파수 OFDM (SF-OFDM) 기법을 위한 효율적인 심볼 검출 알고리즘이 제안되고, 이를 기반으로 하는 SF-OFDM 무선 LAN 기저대역 프로세서의 구현 결과가 제시된다. SF-OFDM 기법에서 부반송파의 개수가 적은 경우 부채널간 간섭이 발생하게 되며, 이러한 간섭은 다이버시티 시스템의 성능을 크게 저하시킨다. 제안된 알고리즘은 부채널간 간섭을 병렬적으로 제거함으로써 기존 알고리즘에 비해 큰 성능 이득을 얻는다. 컴퓨터 모의실험을 통한 비트오류율 (BER) 성능 평가 결과 두개의 송${\cdot}$수신 안테나를 사용하는 경우 10-4의 BER에서 기존 알고리즘에 비해 약 3 dB의 성능이득을 얻음을 확인하였다. 제안된 심볼 검출 알고리즘이 적용된 SF-OFDM 무선 LAN 시스템의 패킷오류율 (PER), link throughput 및 coverage 성능이 분석되었다. 최대 전송률의 $80\%$를 목표 throughput으로 설정 했을 때, SF-OFDM 기반 무선 LAN 시스템은 기존의 IEEE 802.11a 무선 LAN 시스템에 비해 약 5.95 dB의 SNR 이득과 3.98 미터의 coverage 이득을 얻을 수 있었다. 제안된 알고리즘이 적용된 SF-OFDM 무선 LAN 기저대역 프로세서는 하드웨어 설계 언어를 통해 설계되었으며, 0.18um 1.8V CMOS 표준 셀 라이브러리를 통해 합성되었다. 제시된 division-free 하드웨어 구조와 함께, 구현된 프로세서의 총 게이트 수는 약 945K개였으며, FPGA 테스트 시스템을 통해 실시간 검증 및 평가되었다.

• 한국정보전자통신기술학회논문지
• /
• 제13권3호
• /
• pp.197-205
• /
• 2020

한국어는 자음과 모음과 같은 음소 단위의 발음은 고정되어 있고 표기에 대응하는 발음은 변하지 않기 때문에 외국인 학습자가 쉽게 접근할 수 있다. 그러나 단어와 어구, 문장을 말할 때는 음절과 음절의 경계에서 소리의 변동이 다양하고 복잡하며 표기와 발음이 일치하지 않기 때문에 외국어로서의 한국어 표준 발음 학습은 어려운 면이 있다. 그러나 영어 같은 다른 언어와 달리 한국어의 표기와 발음의 관계는 논리적인 원리에 따라 예외 없이 규칙화 할 수 있는 장점이 있으므로 발음오류에 대해 체계적인 분석이 가능한 것으로 여겨진다. 본 연구에서는 오류 발음과 표준 발음의 차이를 컴퓨터 화면상의 상대적 거리로 표현하여 시각화하는 모델을 제시한다. 기존 연구에서는 발음의 특징을 단지 컬러 또는 3차원 그래픽으로 표현하거나 입과 구강의 변화하는 형태를 애니메이션으로 보여 주는 방식에 머물러 있으며 추출하는 음성의 특징도 구간의 평균과 같은 점 데이터를 이용하는데 그치고 있다. 본 연구에서는 시계열로 표현되는 음성데이터의 특성 및 구조를 요약하거나 변형하지 않고 직접 이용하는 방법을 제시한다. 이를 위해서 딥러닝 기법을 토대로 자기조직화 알고리즘과 variational autoencoder(VAE) 모델 및 마코브 확률모델을 결합한 확률적 SOM-VAE 기법을 사용하여 클러스터링 성능을 향상시켰다.

• 정보처리학회논문지B
• /
• 제17B권6호
• /
• pp.459-466
• /
• 2010

자연언어처리는 여러 가지 모호성 문제를 가지는데, 특히 영한기계번역은 번역 과정의 각 단계마다 해결해야 할 모호성 문제를 가진다. 본 논문에서는 실용적인 영한기계번역 시스템의 개발을 목적으로 영어 분석의 효율성을 높이기 위해 영어 단어의 품사 모호성 해소 문제에 초점을 두었다. 기계번역의 효율성 제고를 위해 영한기계번역 시스템에 통합하기 위한 품사결정 모듈은 빠른 시간에 정확한 품사결정을 하면서도 오류를 최소화 하여야 한다. 본 논문에서는 확률적 품사결정 방법을 제안하고 3가지 품사결정 확률 모델을 제시하였다. Penn Treebank 말뭉치로부터의 통계 정보를 이용하여 확률 모델을 구축하였으며 실험을 통해 제안한 품사결정 방법의 정확성과 품사결정에 의한 기계번역 시스템의 효율 향상 정도를 제시하였다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.

• 한국콘텐츠학회논문지
• /
• 제8권12호
• /
• pp.37-44
• /
• 2008

RFID(Radio Frequency Identification) 태그에 입력된 데이터는 다양한 산업 분야에서 어플리케이션의 구축에 있어서 비용 절감과 경쟁력 향상을 위해 사용된다. RFID 리더기는 수백 개의 태그에 해당하는 객체들의 식별과 지속적인 탐색을 수행한다. 동적인 연결과 추적의 요청에 따라 객체를 식별할 수 있는 RFID 기술은 정보 인프라를 지원하는 어플리케이션의 컴포넌트로 구성된다. 그러나 원격 RFID 장치 사이에 실시간 데이터 통신 요소들을 고려하지 않은 기존의 어플리케이션은 이기종 간의 연결을 효과적으로 지원할 수 없었다. 또한 서로 다른 네트워크 디바이스가 어플리케이션에 개별적으로 설치되어 각각의 쿼리분석 과정을 거치면서 모니터링의 지연 또는 데이터 변환 과정에서 오류가 발생한다. 본 논문에서는 RFID 태그로부터 추출된 정보를 어플리케이션에 상관없이 통합 관리하기 위하여 시맨틱 웹 환경에서 RFID 데이터베이스 처리 시스템을 구현한다. 어플리케이션에 장착된 RFID 리더기를 통해 사용자의 RFID 태그를 인식하고 데이터를 RFID 데이터베이스 처리 시스템에 전송하면 프로세스가 시맨틱 웹 언어로 정보를 변환한다. 표준화된 시맨틱 웹 기반에서 전송된 데이터는 스마트 브라우저에 의해 해석되어 화면에 출력한다. 시맨틱 웹 언어의 사용은 의미 있는 관계에 대한 추론이 가능하여 추가적인 모듈을 장착하여 기능을 쉽게 확장시킬 수 있다.

• Journal of the Korean Academy of Child and Adolescent Psychiatry
• /
• 제13권1호
• /
• pp.85-92
• /
• 2002

목 적：본 연구에서는 주의력 결핍/과잉운동 장애(ADHD)와 학습장애(LD), 그리고 이 두 장애의 공존질병(ADHD+LD)을 보이는 혼합형 장애 아동 집단을 대상으로 여러 가지 기억 기능을 평가하는 신경심리검 사상에서 세 장애 집단의 수행 차이를 비교하였고, 지능수준과 기억 책략의 사용 여부가 이들의 기억능력 향상에 어떤 영향을 미치는지를 알아보고자 하였다. 방 법：ADHD 아동 11명, LD 아동 5명, 두 장애를 함께 가진 혼합형 장애(ADHD+LD) 아동 9명, 그리고 정상 아동 8명에게 기억 기능과 인지능력을 평가하기 위해 개별적으로 기억력 평가 검사(MAS)와 웩슬러 아동용 지능검사를 실시한 후, 집단간 수행 차이를 비교하였다. 결 과：언어 및 시각 과제에 대한 재인검사를 제외한 제반 기억 검사상에서 통제집단에 비해서 세 장애집단군이 저조한 수행을 보였으며, 특히 ADHD+LD 집단이 가장 저조한 수행을 보였고, 그 다음으로 LD, ADHD 집단의 순으로 전반적인 기억 검사상에서 저조한 수행을 보였다. 이러한 수행 양상은 언어 기억 소검사를 제외한 MAS 검사의 다른 하위검사에서도 동일하게 나타났으며, 제반 기억 검사에서의 우수한 수행은 검사시 아동이 사용하였던 기억 책략 및 오류 반응의 사용정도 유의미한 상관이 있었다. 논 의：ADHD, LD의 공존질병을 가질 경우 기억 및 학습에 더 어려움이 있으며, ADHD, LD, 혼합형 집단을 변별하는데 있어 기억기능을 측정하는 것이 각 장애를 감별진단하는데 도움이 될 가능성이 시사되었다.