• Journal of the Korea Society of Computer and Information
• /
• v.26 no.1
• /
• pp.69-76
• /
• 2021

Recentlly neural network approach for solving a singular perturbed integro-differential boundary value problem have been researched. Especially the model of the feed-forward neural network to be trained by the back propagation algorithm with various learning algorithms were theoretically substantiated, and neural network models such as deep learning, transfer learning, federated learning are very rapidly evolving. The purpose of this paper is to study the approaching method for developing a neural network model with high accuracy and speed for solving singular perturbed problem along with asymptotic methods. In this paper, we propose a method that the simulation for the difference between result value of singular perturbed problem and unperturbed problem by using neural network approach equation. Also, we showed the efficiency of the neural network approach. As a result, the contribution of this paper is to show the possibility of simple neural network approach for singular perturbed problem solution efficiently.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.225-228
• /
• 2003

인간은 두뇌의 일부를 이용하여 감각 정보를 수집하고 이에 대한 분석 및 판단을 행한 후에 행동을 취하는 일반적인 과정에 의해, 느끼고 생각하고 말한다. 이런 일련의 과정은 신경생리학적으로 밝혀진 바에 의하면, 대뇌의 시상에 분포한 일차 감각영역에서 감각 정보를 수집한다. 수집된 감각 정보는 과거 기억과의 비교를 통해 인식되고 인식된 정보는 일차 운동영역으로 전달되어 행동으로 나타난다. 수집된 감각 정보를 판단하는 기관은 감각 연합 영역으로 알려져 있으며, 과거 정보를 통해 비교하여 판단하는 방식이다. 본 논문에서는 신경회로망의 적응적 학습 기법을 통해 입력된 감각 정보에 대한 추론 과정에 감정의 변화를 고려하는 학습 모델을 제시하고자 한다. 감정을 고려하지 않은 경우에 비해, 동일한 감각 입력에 대해 감정에 따라 차별화된 행동을 결정할 수 있는 학습 모델을 설정함으로써 단순한 감각 정보 처리의 차원을 극복하고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.175-178
• /
• 2002

인간은 두뇌의 일부를 이용하여 감각 정보를 수집하고 이에 대한 분석 및 판단을 행한 후에 행동을 취하는 일반적인 과정에 의해, 느끼고 생각하고 말한다. 이런 일련의 과정은 신경생리학적으로 밝혀진 바에 의하면, 대뇌의 시상에 분포한 일차 감각영역에서 감각 정보를 수집한다. 수집된 감각 정보는 과거 기억과의 비교를 통해 인식되고 인식된 정보는 일차 운동영역으로 전달되어 행동으로 나타난다. 수집된 감각 정보를 판단하는 기관은 감각 연합 영역으로 알려져 있으며, 과거 정보를 통해 비교하여 판단하는 방식이고, 과거 정보에 없는 새로운 정보의 경우 파페즈회로를 통해 새로운 정보로 기억하게 된다. 본 논문에서는 신경회로망의 적응적 학습 기법을 통해 파페즈회로의 기능을 구현하고자 한다. 기존 학습의 내용에 의해 알고 있는 감각 입력에 대해서는 인식 결과를 출력하고 그렇지 않은 입력에 대해서는 학습을 통해 이후 과정에 대응하도록 적응적인 구조와 학습 방법을 지닌 신경회로망을 이용하여 구현하고자 한다.

• Convergence Security Journal
• /
• v.21 no.3
• /
• pp.49-56
• /
• 2021

Recently, artificial intelligence is regarded as an essential technology in our society. In particular, the invasion of privacy in artificial intelligence has become a serious problem in modern society. Split learning, proposed at MIT in 2019 for privacy protection, is a type of federated learning technique that does not share any raw data. In this study, we studied a safe and accurate segmentation learning model using known differential privacy to safely manage data. In addition, we trained SVHN and GTSRB on a split learning model to which 15 different types of differential privacy are applied, and checked whether the learning is stable. By conducting a learning data extraction attack, a differential privacy budget that prevents attacks is quantitatively derived through MSE.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.450-450
• /
• 2023

인공지능 기법의 급격한 발달에 따라 다양한 분야에서 인공지능 기법을 활용하기 위한 노력이 이루어지고 있다. 재난은 발생하기 전에 다양한 전조 현상을 나타내나 수많은 정보 속에서 전조 증상을 정확히 인지하는 것은 매우 어렵다. 따라서 인공지능은 방대한 사전 정보의 해석을 통해 재난 발생의 전조를 신속 정확하게 감지하는데 최적의 기술이다. 최근 OpenAI의 딥러닝 기반의 언어모델인 GPT(Generative Pre-trained Transformer)의 성능이 기대 이상을 나타내면서 많은 분야에서 GPT에 대한 관심과 실험이 시작되고 있다. 본 실험에서는 GPT를 이용하여 재난 검색 및 해석의 특징을 검토하여 보았다. 정확한 재난 기록은 정확한 재난 예측을 위해 반드시 필요한 자료이나 부정확한 재난 기록은 그 기록이 비록 방대하더라도 오히려 예측의 신뢰도를 크게 떨어뜨린 수 있다. 따라서 비지도학습 기반의 대화형 인공지능을 재난 검색에 활용하기 위해서는 인공지능 기법의 인지 특성을 반드시 가늠해 봐야 한다. 향후 보다 많은 연구자가 이에 관심을 가진다면 보다 정확한 인공지능 기반의 재난 탐지 기술의 개발이 가능할 것으로 기대된다.

• Journal of Korea Society of Digital Industry and Information Management
• /
• v.19 no.3
• /
• pp.233-244
• /
• 2023

Although artificial intelligence and machine learning technologies have been used in various fields, problems with personal information protection have arisen based on centralized data collection and processing. Federated learning has been proposed to solve this problem. Federated learning is a process in which clients who own data in a distributed data environment learn a model using their own data and collectively create an artificial intelligence model by centrally collecting learning results. Unlike the centralized method, Federated learning has the advantage of not having to send the client's data to the central server. In this paper, we quantitatively present the performance improvement when federated learning is applied using the building change detection learning data. As a result, it has been confirmed that the performance when federated learning was applied was about 29% higher on average than the performance when it was not applied. As a future work, we plan to propose a method that can effectively reduce the number of federated learning rounds to improve the convergence time of federated learning.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.450-452
• /
• 2020

본 논문에서는 딥러닝 기반 얼굴 인식 알고리즘에 대해 살펴보고, 이를 청각장애인용 방송에서 화자를 식별하고 감정 표현 자막을 표출하기 위한 배우 얼굴 인식 기술에 적용하고자 한다. 우선, 배우 얼굴 인식을 위한 방안으로 원샷 학습 기반의 딥러닝 얼굴 인식 알고리즘인 ResNet-50 기반 VGGFace2 모델의 구성에 대해 이해하고, 이러한 모델을 기반으로 다양한 전처리 방식을 적용하여 정확도를 측정함으로써 실제 청각장애인용 방송에서 배우 얼굴을 인식하기 위한 방안에 대해 모색한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.564-567
• /
• 2022

최근 딥러닝이 다양한 분야에서 활용됨에 따라 중앙 집중식 서버, 적대적 공격 그리고 데이터 부족 및 독점화와 같은 다양한 문제점이 발생하고 있다. 또한 연합학습을 수행할 경우, 클라이언트가 잘못된 기울기를 서버에 제공하거나 서버가 악의적인 행동을 할 경우 심각한 문제로 이어질 수 있다. 이와 같은 보안 취약점을 해결하기 위해 딥러닝에 블록체인을 결합하여 중앙 집중식 서버를 분산화하고 각 참여자 노드에게 인센티브를 줌으로써 신뢰할 수 있는 데이터를 수집하는 기법이 연구되고 있다. 본 논문에서는 위와 같이 딥러닝의 문제점을 해결하기 위해 블록체인이 어떻게 적용되었는지 살펴본다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.230-232
• /
• 2023

Federated Learning (FL) is a technique that excels in training a global model using numerous clients while only sharing the parameters of their local models, which were trained on their private training datasets. As a result, clients can obtain a high-performing deep learning (DL) model without having to disclose their private data. This setup is based on the understanding that all clients share the common goal of developing a global model with high accuracy. However, recent studies indicate that the security of gradient sharing may not be as reliable as previously thought. This paper introduces the latest research on various attacks that threaten the privacy of federated learning.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.34 no.1
• /
• pp.143-156
• /
• 2024

Federated Learning (FL) has emerged as a potent methodology for decentralized model training across multiple collaborators, eliminating the need for data sharing. Although FL is lauded for its capacity to preserve data privacy, it is not impervious to various types of privacy attacks. Differential Privacy (DP), recognized as the golden standard in privacy-preservation techniques, is widely employed to counteract these vulnerabilities. This paper makes a specific contribution by applying an existing, task-specific adaptive DP mechanism to the FL environment. Our comprehensive analysis evaluates the impact of this mechanism on the performance of a shared global model, with particular attention to varying data distribution and partitioning schemes. This study deepens the understanding of the complex interplay between privacy and utility in FL, providing a validated methodology for securing data without compromising performance.