• Journal of the Korea Society of Computer and Information
• /
• v.27 no.4
• /
• pp.9-17
• /
• 2022

The state-of-the-art AI systems pose many ethical issues ranging from massive data collection to bias in algorithms. In response, this paper proposes a more ethic-friendly AI architecture by combining Federated Learning(FL) and Blockchain. We discuss the importance of each issues and provide requirements for an ethical AI system to show how our solutions can achieve more ethical paradigms. By committing to our design, adopters can perform AI services more ethically.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.577-579
• /
• 2022

최근 대두된 환경문제로 인해 다양한 재생 에너지의 실리적인 활용 방법에 귀추가 주목되고 있다. 특히 '그린뉴딜', 'K-RE100' 등 정부 주도의 정책으로 태양광 발전 시장 규모가 확대되면서, 소규모 발전 사업자의 태양광 발전 참여율도 매년 증가 추세를 보이고 있다. 이로 인해 소규모 발전 사업자의 수익을 산정하는 전력 중개 시스템의 태양광 발전 예측은 에너지 시장의 핵심요소로 부각되었다. 하지만 전력 중개용 태양광 발전 예측에는 기후의 간헐성으로 인한 예측 정확도 감소, 소규모 발전 사업자의 개인정보 보호 등 제약이 존재한다. 이 논문에서는 전력 중개용 태양광 발전 예측의 제약을 해소하고, 전력 중개 활성화를 지원키 위한 CNN-LSTM 기반 연합학습 기법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.624-626
• /
• 2022

최근 산업 현장에도 작업자들의 안전사고를 방지하기 위하여 인공지능 기법을 활용한 안전관리 시스템들이 도입되었다. 그러나 기존의 인공지능 기법을 활용한 방식은 데이터가 중앙 서버에 집중된 형태로 데이터 이동시 작업자의 민감 정보에 대한 보호가 어려울 뿐 아니라 대량의 데이터 발생 시 전체 시스템에 장애가 발생할 수 있어 이는 빠른 대응 프로세스가 필요한 산업 현장에 큰 영향을 줄 수 있다. 본 논문에서는 연합학습 기법을 적용하여 중앙 서버의 스트레스를 낮추어 작업자의 위험 상황에 빠른 대응이 가능하고, 작업자의 헬스 케어 데이터 같은 작업자의 민감 정보도 보호할 수 있는 시스템 설계를 제안한다.

• Korean Journal of Cognitive Science
• /
• v.34 no.1
• /
• pp.21-38
• /
• 2023

The present study was designed to investigate the effect of the difficulty level of retrieval practice and the association strength of categories and stimuli within categories on memory inhibition. Most of the studies have investigated whether inhibition was occurred by manipulating the degree of association strength, emotion value or physical characteristics of non-retrieval practice words within the retrieval practice category. Therefore, it was necessary to study how inhibition occurs according to the degree of difficulty of retrieval stimuli during retrieval practice. The difficulty of retrieval was manipulated into three levels: difficult condition, normal condition, and easy condition through the degree of presentation of consonants and vowels of words during retrieval learning. Additionally, the strength of association between categories and words within categories was manipulated. In previous studies, retrieval-induced forgetting occurred under conditions where the association strength between categories and words within the categories was strong. On the other hand, retrieval-induced forgetting did not occur under conditions where the association strength between categories and words within the categories was weak. The present study, if the inhibition process differs according to the difficulty of retrieval, the possibility of different results from previous studies was explored according to the difference in the strength of association with the category. As a result of the study, in the condition of strong association strength, retrieval-induced forgetting was observed under normal and difficult retrieval difficulty conditions. Whereas retrieval-induced forgetting was not observed under conditions of easy retrieval difficulty condition. In the condition of weak association strength, retrieval-induced forgetting tended to occur under difficult retrieval difficulty conditions. Whereas retrieval-induced forgetting was not observed under conditions of normal and easy retrieval difficulty condition. These results suggest that memory inhibition may appear differently depending on the difficulty of retrieval.

• Smart Media Journal
• /
• v.13 no.4
• /
• pp.33-48
• /
• 2024

With the advent of 5G, characterized by Enhanced Mobile Broadband (eMBB), Ultra-Reliable Low Latency Communications (URLLC), and Massive Machine Type Communications (mMTC), efficient network management and service provision are becoming increasingly critical. This paper proposes a novel approach to address key challenges of 5G networks, namely ultra-high speed, ultra-low latency, and ultra-reliability, while dynamically optimizing network slicing and resource allocation using machine learning (ML) and deep learning (DL) techniques. The proposed methodology utilizes prediction models for network traffic and resource allocation, and employs Federated Learning (FL) techniques to simultaneously optimize network bandwidth, latency, and enhance privacy and security. Specifically, this paper extensively covers the implementation methods of various algorithms and models such as Random Forest and LSTM, thereby presenting methodologies for the automation and intelligence of 5G network operations. Finally, the performance enhancement effects achievable by applying ML and DL to 5G networks are validated through performance evaluation and analysis, and solutions for network slicing and resource management optimization are proposed for various industrial applications.

• Journal of The Korean Association For Science Education
• /
• v.18 no.4
• /
• pp.589-600
• /
• 1998

The present study tested the hypothesis that adolescent's prefrontal lobe growth plateau and spurt exists and that this plateau and spurt influence students' ability to reason scientifically and to learn theoretical science concepts. In theory, maturation of the prefrontal lobes during early adolescence allows for improvements in students' abilities to inhibit task-irrelevant information and coordinate task-relevant information, which along with both physical and social experience, influences scientific reasoning ability and the ability to reject scientific misconceptions and accept scientific conceptions. Two hundred six students ages 13 to 16 years enrolled in four Korean secondary schools were administered tests of prefrontal lobe functions, scientific reasoning, and theoretical concepts derived from kinetic-molecular theory. A series of 14 lessons designed to teach the concepts were then taught. The concepts test was then re-administered following instruction. As predicted among the 14-year-olds, performance on the measures of prefrontal lobe functions, scientific reasoning, and conceptual change remained similar or regressed. Performance then improved considerably among the 15 and 16-year-olds. Because so few of the present students were able to undergo this apparently necessary conceptual change, the value of introducing theoretical concepts to early adolescent is questioned.

• Electronics and Telecommunications Trends
• /
• v.34 no.6
• /
• pp.71-86
• /
• 2019

The unprecedented demands of mobile communication networks by the rapid rising popularity of mobile applications and services require future networks to support the exploding mobile traffic volumes, the real time extraction of fine-rained analytics, and the agile management of network resources, so as to maximize user experience. To fulfill these needs, research on the use of emerging deep learning techniques in future mobile systems has recently emerged; as such, this study deals with deep learning based mobile communication research activities. A thorough survey of the literature, conference, and workshops on deep learning for mobile communication networks is conducted. Finally, concluding remarks describe the major future research directions in this field.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.198-201
• /
• 2021

무인 항공기(UAV, Unmanned Aerial Vehicles)는 높은 기동성을 가지며 설치 비용이 저렴하다는 이점이 있어 홍수, 지진 등의 재난 재해 감시 시스템에 이용되고 있다. 재난 재해 감시 시스템에서 UAV는 지상에 위치한 사물인터넷(IoT, Internet of Things) 기기로부터 데이터를 수집하는 임무를 수행하기 위해 계획된 항로를 따라 비행한다. 이때 UAV가 정상 경로로 비행하기 위해서는 실시간으로 GPS 위치 확인이 가능해야 한다. 만일 UAV가 계산한 현재 위치의 GPS 정보가 잘못될 경우 비행경로에 대한 통제권을 상실하여 임무 수행을 완료하지 못하는 결과가 초래될 수 있다는 취약점이 존재한다. 이러한 취약점으로 인해 UAV는 공격자가 악의적으로 거짓 GPS 위치 신호를 전송하는GPS 스푸핑(Spoofing) 공격에 쉽게 노출된다. 본 논문에서는 신뢰할 수 있는 시스템을 구축하기 위해 지상에 위치한 기기가 송신하는 신호의 세기와 GPS 정보를 이용하여 UAV에 GPS 스푸핑 공격 여부를 탐지하고 공격당한 UAV가 경로를 이탈하지 않도록 대응하기 위해 연합학습(Federated Learning)을 이용하는 방안을 제안한다.

• 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.