• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.68-73
• /
• 2008

전자 메일의 사용이 급증함에 따라 스팸메일의 양도 함께 증가하고 있다. 증가되는 스팸으로 인한 피해를 줄이기 위하여 여러 가지 기법들이 사용되고 있지만, 지능화되어가는 스패머들의 기술에 완전한 스팸메일의 차단은 불가능하며, 수신된 메일에 대해 사용자는 자신만의 기준으로 스팸메일 여부를 판단하고 있다. 본 논문에서는 스팸메일임에도 불구하고 수신되는 메일(FN)에 대해, 사용자의 반응 패턴을 통하여 이를 판단하고자 한다. 수신된 메일의 송신자와 제목, 보관 편지함 등에서 형태소 추출을 하고 이를 PN_DB(Positive형태소와 Negative형태소로 구성된 DB, 이하 PN_DB)로 구축한 뒤, Negative 형태소들을 Balcklist로 사용하여 FN 메일을 판단한다. FN 메일로 판단된 경우에 PN_DB에서 계산된 각각의 가중치 값을 적용하여 사용자의 과거 스팸 판단 성향이 반영된 FN_value를 시각적으로 표현함으로써 사용자의 판단을 용이하게 하는 시스템을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.1399-1402
• /
• 2011

본 논문에서는 조기 심실 수축과 조기 심방 수축을 검출함에 있어 정밀한 QRS 구간의 폭, 정확한 P파와 T파의 크기 및 위치를 크게 요구하지 않고, 데이터의 가공과 복잡한 알고리즘의 사용에 의해 발생하는 ECG 데이터의 변형과 손실을 최소화할 수 있으며, 또한 개인차 때문에 발생할 수 있는 오류를 최소화하기 위한 알고리즘을 제안한다. 이를 위해 ECG 신호를 각각의 단위 파형으로 분리한 후, 정상 R-R 간격을 가지는 파형을 기준으로 기준파형을 만들어, 각 파형과 기준파형사이의 패턴 대조 및 유사도 분석을 통해 조기 심실수축과 조기심방수축을 검출할 수 있도록 하였다.

• 정보보호학회논문지
• /
• 제30권4호
• /
• pp.735-743
• /
• 2020

시큐어코딩은 악의적인 공격 혹은 예상치 못한 오류에 대한 강인함을 제공해줄 수 있는 안전한 코딩 기법으로 정적분석도구의 지원을 통해 취약한 패턴을 찾아내거나 오염 데이터의 유입 가능성을 발견한다. 시큐어코딩은 정적기법을 적극적으로 활용하는 만큼 룰셋에 의존적이라는 단점을 가지며, 정적분석 도구의 복잡성이 높아지는 만큼 정확한 진단이 어렵다는 문제점을 안고 있다. 본 논문은 시큐어코딩을 지원하는 목적으로 기계학습 기법 중 DNN과 CNN, RNN 신경망을 이용하여 개발보안가이드 상의 주요 보안약점에 해당하는 패턴을 학습시키고 분류하는 모델을 개발하며 학습 결과를 분석한다. 이를 통해 기계학습 기법이 정적분석과 더불어 보안약점 탐지에 도움을 줄 수 있을 것으로 기대한다.

• 감성과학
• /
• 제20권2호
• /
• pp.161-170
• /
• 2017

감정은 학습능력, 행동, 판단력 등 삶의 많은 부분에 영향을 끼치므로 인간의 본질을 이해하는 데 중요한 역할을 한다. 그러나 감정은 개인이 느끼는 강도가 다르며, 시각 영상 자극을 통해 감정을 유도하는 경우 감정이 지속적으로 유지되지 않는다. 이러한 문제점을 극복하기 위하여 총 4가지 감정자극(행복, 슬픔, 공포, 보통) 시 생체신호(뇌전도, 맥파, 피부전도도, 피부 온도)를 획득하고, 이로부터 특징을 추출하여 분류기의 입력으로 사용하였다. 감정 패턴을 확률적으로 해석하여 다른 공간으로 매핑시켜주는 역할을 하는 Restricted Boltzmann Machine (RBM)과 Multilayer Neural Network (MNN)의 은닉층 노드를 이용하여 비선형적인 성질의 감정을 구별하는 Deep Belief Network (DBN) 감정 패턴 분류기를 설계하였다. 그 결과, DBN의 정확도(약 94%)는 오류 역전파 알고리즘의 정확도(약 40%)보다 높은 정확도를 가지며 감정 패턴 분류기로서 우수성을 가짐을 확인하였다. 이는 향후 인지과학 및 HCI 분야 등에서 활용 가능할 것으로 사료된다.

• 한국터널지하공간학회 논문집
• /
• 제4권4호
• /
• pp.277-286
• /
• 2002

터널을 설계함에 있어서 굴착방법이나 지보패턴을 결정할 때 어려움을 겪는 주된 요인은 현지 지반에 작용하는 응력조건 및 암반상태를 정확히 파악하는데 한계가 있기 때문이다. 현장 장비의 제약, 터널을 굴착 위치까지 접근성이 난이함 등의 기술적인 제약뿐만 아니라 최근에는 민원이나 각종 인허가 등으로 더욱 많은 제약요건이 존재한다. 그럼에도 불구하고 최근들어 대안설계나 턴키설계를 통하여 직접적인 시추에 의존하지 않더라도 미지의 산악터널구간에 대한 지반정보를 획득할 수 있는 고급화된 물리탐사기술이 눈부시게 발전하는 추세이며 이를 통하여 터널굴착구간의 암반에 대한 직 간접적인 지반정보를 입수할 수 있다. 인공신경망 (ANN)의 장점은 이러한 적은 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성있는 결과를 제공하여 준다는 것이다. 본 연구에서는 미지의 터널굴착구간에 대한 예비 지반정보를 입력항목으로 하여 인공신경망의 오류역전파 학습알고리즘기법에 의하여 학습된 패턴을 가지고 미지의 터널굴착구간에 대한 예비 암반분류 (RMR)를 수행하는데 그 목적을 두었다. 이를 위하여 연장 4km에 달하는 ${\triangle}{\triangle}$터널현장에 대한 인공신경망 모형적용시 입력자료에 대한 적정성을 사전 평가하였고, 그 이후에 물리탐사자료를 입력변수로 활용하여 미지의 터널구간에 대한 RMR을 예측하였다. 그 결과 자료의 일치성이나 예측 RMR에 대한 신뢰도가 높은 것으로 나타났으며, 향후에는 학습효과를 높이기 위한 입력변수의 민감도 분석 (sensitivity analysis)수행 및 모델과정에서 노출된 몇가지 문제점 보완등을 통하여 설계에 적극적으로 활용하고자 한다.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1373-1380
• /
• 2019

에너지의 생산 효율성을 증가시키기 위해 최근 스마트그리드 기술 중 지능형 검침 시스템(AMI, advanced metering infrastructure)의 개발이 활발히 진행되고 있다. 전력 소비 데이터를 분석하고 소비 패턴을 예측하는 일은 AMI에서 핵심적인 부분이다. 본 논문에서는 수집된 전력 소비 데이터를 분석하고 발생할 수 있는 오류들을 정리하였으며 소비 패턴을 월별로 k-means 군집화 알고리즘을 사용하여 분석하였다. 또한 deep neural network를 이용하여 소비 패턴을 예측하였는데, 가구별 하루 전력 사용량 예측의 어려움을 극복하기 위하여 전력 사용량을 100개의 군집으로 분류하여 이 군집의 하루 평균으로 다음날 군집의 평균을 예측하였다. 실제 AMI에서의 전력 데이터를 사용하여 오류들을 분석하였으며 군집화 방법을 도입하여 성공적으로 전력 소비 예측이 가능하였다.

• 정보처리학회논문지B
• /
• 제13B권7호
• /
• pp.689-698
• /
• 2006

패턴인식은 주위 환경을 관찰하는 방법, 배경으로부터 관심있는 패턴을 구분하는 방법, 소리를 얻는 방법, 그리고 패턴 범주들 중에서 타당한 결정을 얻는 방법에 관한 연구이다. 패턴인식 시스템을 설계할 때 필수적으로 1) 데이터의 획득과 전처리, 2) 데이터의 표현, 3) 결정방법 선택과 같은 세 가지 사항을 고려해야한다. 그 이유는 영상을 획득하기 위한 센서의 선택, 전처리 기법, 표현 기법, 의사결정 모델에 따라 인식의 결과가 달라질 수 있기 때문이다. 컬러영상은 다양한 컬러 패턴으로 구성된다. 대부분의 패턴인식 방법은 훈련되어진 컬러정보를 사용하여 컬러의 특징을 추출한다. 본 논문은 몇 가지 제한된 컬러를 가진 영상으로부터 특정한 컬러 패턴을 적응적으로 추출한다. 컬러 패턴의 수가 한정되어 있기 때문에 영상에서 컬러의 분포가 유사하다. 그러나, 영상에 잡음이나 열화가 존재하면, 그 분포가 변화한다. 그러므로 이미 알고 있는 컬러정보를 가지고 특정한 컬러의 특징을 추출할 수 없다. 그래서 본 논문에서는 유사한 컬러 패턴을 가진 영상에 대하여 특정한 컬러의 특징을 적응적으로 추출함으로서 인식의 오류를 감소시킬 수 있는 새로운 방법을 제안한다. 제안한 방법을 실험하기 위하여 열화가 적은 표본영상을 사용하고, 잡음과 열화가 포함된 여섯 가지의 검사영상을 사용한다. 결론적으로 제안한 방법이 통계적인 패턴인식의 결과보다 정확한 결과를 보여준다.

• 방송공학회논문지
• /
• 제18권4호
• /
• pp.619-630
• /
• 2013

본 논문은 컬러 채널 상관관계를 고려한 에지 방향성 컬러 디모자이킹 방법을 제안한다. 제안하는 방법은 영역 분류 과정과 에지 방향성 컬러 보간 과정으로 이루어진다. 영역 분류 과정에서 채널 내 기울기와 채널 간 기울기값을 사용하여 주어진 Bayer 영상을 일반 에지, 패턴 에지, 평탄 영역으로 분류한다. 이때 일반 에지 판정 과정에서 두 개의 에지 방향 판정 기준을 사용하고, 패턴 에지 판정 과정에서 판정된 에지 방향에 대한 검증과정을 적용하여 에지 방향 추정 오류를 줄이도록 하였다. 보간 과정에서는 영역 분류과정에서 판단된 에지 방향에 따라 보간을 수행한다. 특히, 각 에지 방향에 대한 보간 성능을 향상시키기 위해 수평, 수직 방향 보간값은 채널 내 상관관계에 기반을 둔 컬러 보간식과 채널 간 상관관계에 기반을 둔 컬러 보간식을 영역 적응적으로 융합하여 구하였다. 실험결과를 통해 제안하는 방법이 기존 방법에 비해 수치적인 면과 시각적인 면에서 뛰어난 결과를 보임을 확인 할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.133-153
• /
• 2023

본 논문에서 우리는 뇌 신호 측정 기술 중 하나인 뇌전도를 활용한 새로운 접근방식을 제안한다. 전통적으로 연구자들은 감정 상태의 분류성능을 향상시키기 위해 뇌전도 신호와 생체신호를 결합해왔다. 우리의 목표는 뇌전도와 결합된 생체신호의 상호작용 효과를 탐구하고, 뇌전도+생체신호의 조합이 뇌전도 단독사용 또는 임의로 생성된 의사 무작위 신호와 결합한 경우에 비해 감정 상태의 분류 정확도를 향상시킬 수 있는지를 확인한다. 네 가지 특징추출 방법을 사용하여 두 개의 공개 데이터셋에서 얻은 데이터 기반의 뇌전도, 뇌전도+생체신호, 뇌전도+생체신호+무작위신호, 및 뇌전도+무작위신호의 네 가지 조합을 조사했다. 감정 상태 (작업 대 휴식 상태)는 서포트 벡터 머신과 장단기 기억망 분류기를 사용하여 분류했다. 우리의 결과는 가장 높은 정확도를 가진 서포트 벡터 머신과 고속 퓨리에 변환을 사용할 때 뇌전도+생체신호의 평균 오류율이 뇌전도+무작위신호와 뇌전도 단독 신호만을 사용한 경우에 비해 각각 4.7% 및 6.5% 높았음을 보여주었다. 우리는 또한 다양한 무작위 신호를 결합하여 뇌전도+생체신호의 오류율을 철저하게 분석했다. 뇌전도+생체신호+무작위신호의 오류율 패턴은 초기에는 깊은 이중 감소 현상으로 인해 감소하다가 차원의 저주로 인해 증가하는 V자 모양을 나타냈다. 결과적으로, 우리의 연구 결과는 뇌파와 생체신호의 결합이 항상 유망한 분류성능을 보장할 수 없음을 시사한다.

• 한국멀티미디어학회논문지
• /
• 제11권7호
• /
• pp.1035-1042
• /
• 2008

이진 분류기로서 지지벡터기계는 다양한 응용을 통해 이진 분류 문제에서 기존의 패턴 분류기들보다 우수한 성능을 보였다. 지지벡터기계의 바탕이 되는 최대 마진 분류 이론을 다중 분류 문제에 확장은 어려움이 있다. 이 논문에서는 다중 분류 문제를 위한 지지벡터기계의 학습 전략을 논의하였으며 성능 비교를 수행하였다. 학습 데이터의 분배 전략에 따라 지지벡터기계는 고유의 이진 분류 특징을 수정하지 않고 다중분류 문제에 쉴게 적용될 수 있다. 다양한 벤치마킹 데이터에 대해 선택된 학습 전략, 커널함수, 학습 소요시간 등에 따라 성능비교가 수행되었고 오류역전파 학습의 신경망의 테스트 결과와 비교되었다. 신경망 모델과 비교 실험에서 지지벡터기계는 일반적인 다중 분류 문제에 응용성과 효과가 있음을 보였다.