• 제목/요약/키워드: 융합 전공

검색결과 1,624건 처리시간 0.028초

소포물 분류 시스템의 다중 에이전트 강화 학습 기반 행동 제어 (Multi-Agent Reinforcement Learning-based Behavior Control of Parcel Sortation System)

  • 최호빈;김주봉;황규영;한연희
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2020년도 추계학술발표대회
    • /
    • pp.1034-1035
    • /
    • 2020
  • 인공지능은 스스로 학습하며 기존 통계 분석보다 탁월한 분석 역량을 지니고 있어 스마트팩토리 혁신에 새로운 전기를 마련할 것으로 기대된다. 이를 증명하듯 스마트팩토리의 주요 분야인 공정 간 연계 제어, 전문가 공정 제어, 로봇 자동화 등에서 활발한 연구가 이어지고 있다. 본 논문에서는 소포물 분류 시스템에 전통적인 룰 기반의 제어 방식 대신 다중 에이전트 강화 학습 제어 방식을 설계 및 적용하여 효과적인 행동 제어가 가능함을 입증한다.

ESRGAN의 성능 향상을 위한 판별자 설계 공간 재검토에 관한 연구 (A Research on Re-examining Discriminator Design Space for Performance Improvement of ESRGAN)

  • 박성욱;김준영;박준;정세훈;심춘보
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2023년도 춘계학술발표대회
    • /
    • pp.513-514
    • /
    • 2023
  • 초해상은 저해상도의 영상을 고해상도 영상으로 합성하는 기술이다. 이 기술에 딥러닝이 적용되어, 2014년에는 SRCNN(Super Resolution Convolutional Neural Network) 모델이 발표됐다. 이후에는 SRCAE(Super Resolution Convolutional Autoencoders)와 GAN(Generative Adversarial Networks)을 기반으로 한 SRGAN(Super Resolution Generative Adversarial Networks) 등, SRCNN의 성능을 능가하는 모델들이 발표됐다. ESRGAN(Enhanced Super Resolution Generative Adversarial Networks)은 SRGAN 모델의 성능을 개선했지만, 완벽한 성능을 내지 못하는 문제점이 있다. 이에 본 논문에서는 판별자(Discriminator) 구조를 변경하여 ESRGAN의 성능을 개선한다. 실험 결과, 제안하는 모델이 ESRGAN보다 더 높은 성능을 보일 것으로 기대된다.

텍스트마이닝을 이용한 조선왕조실록 및 측우기기록에 나타난 주요 호우사상의 평가 (Evaluation of Major Heavy Rain Events in the Annals and Rainfall Records of the Joseon Dynasty using Text Mining)

  • 김관준;김순미;이동환;채무석;정상
    • 한국재난정보학회:학술대회논문집
    • /
    • 한국재난정보학회 2023년 정기학술대회 논문집
    • /
    • pp.198-199
    • /
    • 2023
  • 본 연구에서는 조선왕조실록을 중심으로 조선시대의 호우 및 홍수기록의 기술방법에 대해 텍스트마이닝 분석을 실시하였다. 조선왕조실록은 조선시대의 큰 호우사상은 모두 포함하고 있기 때문에 이를 일정한 등급으로 나누어 분류한다면 극치 호우 사상의 발생특성을 이해하는데 도움이 될 수 있다. 전체적으로 '큰비'에서와 같이 강우에 대한 언급만이 있는 경우가 '큰물', '홍수', '폭우'와 같이 홍수유출 및 이에 따른 피해가 설명되어 있는 경우보다 강우의 재현기간이 작게 나타나는 것을 파악할 수 있었다. 또 하나 주목할만한 점은 기록된 호우사상이 강우의 총량보다는 강우의 지속기간에 보다 민감하다는 점이다. 즉, 일시에 많은 비가 온 경우보다는 장기간에 걸쳐 내린 호우사상에 보다 초점이 맞추어져 있다는 점이다. 즉, 홍수유출의 크기 및 이에 따른 피해의 정도가 실제 이들 호우사상이 기록으로 남게 되는 원인으로 파악된다.

  • PDF

향상된 하이브리드 양자-고전적 컨벌루션 신경망 (Enhanced Hybrid Quantum-Classical Convolutional Neural Networks)

  • 박성욱;김준영;박준;정세훈;심춘보
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2023년도 추계학술발표대회
    • /
    • pp.481-482
    • /
    • 2023
  • 양자 컴퓨팅 환경에서 빅데이터를 이용하는 Quantum Artificial Intelligence(QAI)는 빠른 계산 속도를 추구한다. 최근 금융, 물류, 교통 분야의 QAI 모델과 이미지 분류용 quantum convolutional neural network가 소개됐지만 아직 완벽한 성능은 달성하지 못했다. 본 논문은 성능 향상을 위한 모듈을 새로 제시하고, 이를 소형 양자 컴퓨터에 적용하며 하이브리드 모델 구성을 가능하게 한다. 실험 결과, 제안하는 방법은 기존 네트워크와 비교해 우수한 성능을 보였다.

다중 의도 탐지를 통한 공통 대화 주제 식별 시스템 (Common Conversation Topic Identification System through Multi-intent Detection)

  • 오경수;주찬양;이동호
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2022년도 춘계학술발표대회
    • /
    • pp.590-593
    • /
    • 2022
  • 최근 코로나바이러스감염증-19(COVID-19)로 인해서 다양한 비대면 서비스가 증가하고 있는데 그 중에서 사람과 인공지능 간 의사소통하여 정보를 얻는 대화 시스템이 대표적인 서비스이다. 대화 시스템은 입력되는 단일 문장에 대한 정보만을 응답하기 때문에 이전 대화의 정보를 알기 위해서는 질문했던 내용을 다시 입력해야 하는 문제점이 있다. 이런 문제를 해결하고 대화 진행에 도움을 주기 위해서 본 논문에서는 대화 내 문장들의 다중 의도 탐지를 통한 공통 대화 주제 식별 시스템을 제안한다.

전이학습을 활용한 시설물 균열 탐지 모델 설계 (Design of Facility Crack Detection Model using Transfer Learning)

  • 김준영;박준;박성욱;이한성;정세훈;심춘보
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2021년도 추계학술발표대회
    • /
    • pp.827-829
    • /
    • 2021
  • 현대사회의 시설물 중 다수가 콘크리트를 사용하여 건설되었고, 재료적 성질로 인해 균열, 박락, 백태 등의 손상이 발생하고 있고 시설물 관리가 요구되고 있다. 하지만, 현재 시설물 관리는 사람의 육안 점검을 정기적으로 수행하고 있으나, 높은 시설물이나 맨눈으로 확인할 수 없는 시설물의 경우 관리가 어렵다. 이에 본 논문에서는 다양한 영상장비를 활용해 시설물의 이미지에서 균열을 분류하는 알고리즘을 제안한다. 균열 분류 알고리즘은 산업 이상 감지 데이터 세트인 MVTec AD 데이터 세트를 사전 학습하고 L2 auto-encoder를 사용하여 균열을 분류한다. MVTec AD 데이터 세트를 사전학습시킴으로써 균열, 박락, 백태 등의 특징을 학습시킬 수 있을 것으로 기대한다.

트랜스포머를 이용한 GVQA 모델의 성능 개선에 관한 연구 (A Study on Performance Improvement of GVQA Model Using Transformer)

  • 박성욱;김준영;박준;이한성;정세훈;심춘보
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2021년도 추계학술발표대회
    • /
    • pp.749-752
    • /
    • 2021
  • 오늘날 인공지능(Artificial Intelligence, AI) 분야에서 가장 구현하기 어려운 분야 중 하나는 추론이다. 근래 추론 분야에서 영상과 언어가 결합한 다중 모드(Multi-modal) 환경에서 영상 기반의 질의 응답(Visual Question Answering, VQA) 과업에 대한 AI 모델이 발표됐다. 얼마 지나지 않아 VQA 모델의 성능을 개선한 GVQA(Grounded Visual Question Answering) 모델도 발표됐다. 하지만 아직 GVQA 모델도 완벽한 성능을 내진 못한다. 본 논문에서는 GVQA 모델의 성능 개선을 위해 VCC(Visual Concept Classifier) 모델을 ViT-G(Vision Transformer-Giant)/14로 변경하고, ACP(Answer Cluster Predictor) 모델을 GPT(Generative Pretrained Transformer)-3으로 변경한다. 이와 같은 방법들은 성능을 개선하는 데 큰 도움이 될 수 있다고 사료된다.