• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.91-94
• /
• 2023

자연스러운 상호작용이 가능한 인공지능 에이전트를 개발하기 위해서는 언어적 표현뿐 아니라, 비언어적 표현 또한 고려되어야 한다. 본 논문에서는 한국어 발화문으로부터 비언어적 표현인 모션을 생성하는 연구를 소개한다. 유튜브 영상으로부터 데이터셋을 구축하고, Text to Motion의 기존 모델인 T2M-GPT와 이종 모달리티 데이터를 연계 학습한 VL-KE-T5의 언어 인코더를 활용하여 구현한 모델로 실험을 진행하였다. 실험 결과, 한국어 발화 텍스트에 대해 생성된 모션 표현은 FID 스코어 0.11의 성능으로 나타났으며, 한국어 발화 정보 기반 비언어 표현 정보 생성의 가능성을 보여주었다.

• 대한지리학회지
• /
• 제51권6호
• /
• pp.893-914
• /
• 2016

본 연구의 목적은 경주 양동마을의 지속가능발전을 주제로 탐구기반 야외조사활동 프로그램을 개발하고 현장적용 연구를 통해 프로그램을 평가하는 것이다. 효과적인 탐구기반 야외조사활동의 설계를 위해서는 탐구질문, 조사대상 지역, 모바일 테크놀로지의 역할, 학습활동 및 산출물 설계, 교사의 역할에 대한 이해가 중요하다. 양동마을은 2010년 세계문화유산으로 지정된 이후 급격한 변화를 겪고 있으며, 학생들은 양동마을에서 가옥의 변화를 조사하고, 주민들을 인터뷰하고, 마을에서 변해야 하는 것과 변하지 말아야 하는 것을 조사한다. 학생들의 야외 데이터 수집을 지원하기 위해 모바일 테크놀로지(예, Collector for ArcGIS)가 활용되었다. 프로그램은 2016년 2월 고등학교 답사동아리 학생들(N=21)이 참여해 현장적용 연구가 진행되었다. 학생들의 사전-사후활동, 야외에서의 데이터 수집활동이 관찰되었으며, 학생들이 수집한 데이터와 제작한 산출물을 분석하였다. 프로그램 참여를 통해 학생들은 양동마을에 대한 지식과 가치가 높아졌을 뿐 아니라 과정에 대해서도 만족과 즐거움을 표시했다. 모바일 테크놀로지의 활용은 탐구기반 야외조사활동에서 학습활동의 실제성을 높여주고, 학생들 간 협력을 원활하게 하며, 공유가 가능한 디지털 형태의 산출물 생산을 지원한다.

• 정보처리학회논문지B
• /
• 제9B권4호
• /
• pp.429-436
• /
• 2002

인공 신경망을 실제적인 응용 분야에 적용하기 위하여 하드웨어 시스템으로 구현하는 것이 필요하다. 하드웨어로 구현하는 방법에는 현재 하이브리드 VLSI 신경망 칩으로 구현하는 것이 가장 유망하다. 이미 학습된 신경망을 하이브리드 신경망 칩을 사용하여 구현하는 경우 뉴런 출력과 가중치 값의 양자화 과정이 필수적이다. 이러한 과정은 신경망의 출력층 뉴런의 이미 학습된 출력에 비해 왜곡을 야기한다. 본 논문에서는 이러한 신경망의 출력 왜곡에 대한 통계적 특성을 자세하게 분석하였다. 분석 결과는 신경망의 출력 왜곡을 줄이기 위해서는 입력 벡터의 정규화와 가중치 값들이 작아야 한다는 사실을 보여 주었다. 시계열 데이터에 대한 실험 결과는 분석 결과를 고려하여 학습된 신경망들의 경우 실제로 뉴런 출력 및 가중치 값의 양자화로 인한 출력층 뉴런의 출력 왜곡이 상당히 줄어들 수 있음을 명확히 보여 주었다.

• 한국산학기술학회논문지
• /
• 제21권12호
• /
• pp.320-330
• /
• 2020

화재는 높은 비정형성으로 인해 딥러닝 모델을 이용한 영상인식 분야에서도 좋은 성능을 내기가 어려운 대상 중 하나이다. 특히 지하공동구 내 화재는 딥러닝 모델의 학습을 위한 화재 데이터 확보가 어렵고 열약한 영상 조건 및 화재로 오인할 수 있는 객체가 많아 화재 검출이 어렵고 성능이 낮다. 이러한 이유로 본 연구는 딥러닝 기반의 지하공동구 내 화재 탐지 모델을 제안하고, 제안된 모델의 성능을 평가하였다. 기존 합성곱 인공신경망에 GoogleNet의 Inception block과 ResNet의 skip connection을 조합하여 어두운 환경에서 발생되는 화재 탐지를 위한 모델 구조를 제안하였으며, 제안된 모델을 효과적으로 학습시키기 위한 방법도 함께 제시하였다. 제안된 방법의 효과를 평가하기 위해 학습 후 모델을 지하공동구 및 유사환경 조건의 화재 문제와 화재로 오인할 수 있는 객체를 포함한 이미지에 적용해 결과를 분석하였다. 또한 기존 딥러닝 기반 화재 탐지 모델의 정밀도, 검출률 지표와 비교함으로써 모델의 화재 탐지 성능을 정량적으로 평가하였다. 제안된 모델의 결과는 어두운 환경에서 발생되는 화재 문제에 대해 높은 정밀도와 검출률을 나타내었으며, 유사 화재 객체에 대해 낮은 오탐 및 미탐 성능을 가지고 있음을 보여주었다.

• 기업가정신과 벤처연구
• /
• 제19권2호
• /
• pp.53-68
• /
• 2016

기술 학습, 기업가정신, 혁신, 창의성에 대한 동기 및 관련 활동은 아시아 국가들의 경제 발전의 원동력이었다. 기술 발전의 초기에는 기술 학습과 기업가정신이 선진국들을 효과적으로 따라잡을 수 있는 방안으로 작용하였다. 왜냐하면 이를 통하여 기업들은 상대적으로 낮은 리스크를 가지고 기술과 지식을 빠르게 축적할 수 있었기 때문이다. 그러나 기술 발전의 후기에는 혁신과 창의성이 보다 중요하게 작용하였다. 본 연구의 목적은 1) 기술 학습 성과에 영향을 미치는 요소들 (학습 역량)과 2) 창의적인 조직 및 경제 환경 구축을 위한 혁신 역량 강화에 필요한 과제들을 규명하는 것이다. 본 연구의 핵심 내용은 탈추격 시대에서의 학습 역량과 연관되어 있다. 문헌 연구 및 한국의 경제발전 사례를 바탕으로 본 연구에서는 기술 학습에 영향을 미치는 다양한 요소들로 구성된 기술 학습 모형을 제시하였다. 이와 관련하여 세 가지 가설을 설정하였고, 한국의 공작기계 제조업체들로부터 데이터를 수집하였다. 또한 해당 업체들의 CEO들과 R&D 책임자들을 대상으로 구조화된 설문을 수행하였다. 이를 바탕으로 상관 분석과 ANOVA를 수행하여 가설을 검증하였다. 추가로 사례 분석과 정책 분석을 수행하여 혁신 활성인자와 방해인자들을 규명하였고, 이를 근거로 혁신 역량 강화를 위한 방안을 제시하였다. 실증 분석 결과를 기반으로 1) 기술 축적정도 2) 기술인력들의 잠재력 3) 확고한 기술적 노력 4) 학습에 대한 의지 5) 최고 경영층의 지원 6) 공식적인 기술 학습 시스템 7) 높은 학습 동기 8) 적절한 기술 선택 9) 명백한 목표 설정과 같은 기업의 학습 잠재력과 활동(학습 역량)을 규명하였다. 이와 같은 학습 역량은 경제 발전 초기 기업의 학습 성과를 결정하였다. 또한 기술발전 단계별로 기술학습을 위해 필요한 핵심 요소들이 상이하였다. 통계 및 정책 분석을 통하여 기술학습은 기술발전 과정의 본질적인 원칙으로 이해될 수 있음을 입증하였다. 선제적이고 창의적인 학습은 후기에, 대응적이고 모방적인 학습은 초기에 활성화 되었다. 추가로 본 연구에서는 탈추격 시대에서의 혁신역량 및 혁신활동 강화의 원동력 또는 촉진 요소를 탐색하였다. 예비 사례분석 결과는 1) CEO의 전략적 의지와 기업 문화 2) 리더십과 변화 주도 챔피언의 존재 3) 디자인 원칙과 방식 4) 에코시스템과 협력체계, 5) 지속적 R&D 투자가 혁신역량 및 혁신활동 강화의 촉진 요소로 작용함을 보여주었다.

• 조명전기설비학회논문지
• /
• 제21권7호
• /
• pp.75-83
• /
• 2007

일반적으로 변압기의 고장진단을 위해 IEC 코드법이 사용되지만, 이 방법은 가스비율이 규정된 범위 내에 존재하지 않거나 경계조건에 있는 경우 숙련된 진단 전문가에게 의뢰하지 않고는 정확한 고장의 원인을 판정하는데 어려움이 있다. 이러한 문제점을 해결하기 위하여 본 논문에서는 SOM을 이용한 전력용 변압기의 고장진단 알고리즘을 제안한다. 제안된 방법은 훈련 데이터의 경쟁학습을 통하여 자기 구성 맵을 구축한 후, 실증 데이터를 구축된 맵에 적용하여 고장의 진단이 이루어진다. 또한 클러스터링 기법에 의해 구축된 정상/고장모델과 정상 데이터를 비교함으로써 고장의 추이 및 열화정도를 분석한다. 제안된 방법의 유용성을 보이기 위한 실험결과에서 기존의 방법들에 비해 향상된 진단결과를 보임을 확인할 수 있었다.

• 한국철도학회논문집
• /
• 제20권2호
• /
• pp.223-233
• /
• 2017

철도에 사용되고 있는 분기기는 중요한 시스템 중 하나이다. 분기기 시스템의 건전성은 철도운용 안정성에 매우 중요하다. 분기기 시스템을 진단하기 위하여, LVDT와 accelerometer를 분기기에 설치하였다. LVDT는 분기기에서 변위가 발생하는 부분에 설치하여, 분기기의 이동과 차량의 주행에서 발생되는 변위를 측정하였다. Accelerometers는 충격과 진동이 발생하는 부분에 설치하여 충격량과 진동을 측정하였다. 측정된 데이터를 이용하여 변수화를 위한 데이터를 추출하였으며, 이 변수들은 진단에 사용하였다. 진단 알고리즘은 확률분포와 인공신경망을 사용하였다. 변수화된 값이 확률분포를 이용하여 판단할 수 있으면 확률분포를 사용하였으며, 형태를 보고 판단할 필요가 있으면 인공신경망을 활용하였다. 본 논문에서는 정상적인 상태에서 데이터를 측정하여, 정상상태의 조건을 위한 학습을 수행하였다.

• 한국음향학회지
• /
• 제39권4호
• /
• pp.292-302
• /
• 2020

기계학습 알고리즘은 소나 및 레이더를 포함한 다양한 분야에서 사용되고 있다. 최근 개발된 GAN(Generative Adversarial Networks)의 변형인 Cycle-Consistency Generative Adversarial Network(CycleGAN)은 쌍을 이루지 않은 이미지-이미지 변환에 대해 검증된 네트워크이다. 본 논문에서는 높은 품질로 수중 선박 엔진음을 변환시킬 수 있는 변형된 CycleGAN을 제안한다. 제안된 네트워크는 수중 음향을 기존영역에서 목표영역으로 변환시키는 생성자 모델과 데이터를 참과 거짓으로 구분하는 개선된 식별자 그리고 변환된 수환 일관성(Cycle Consistency) 손실함수로 구성된다. 제안된 CycleGAN의 정량 및 정성분석은 공개적으로 사용 가능한 수중 데이터 ShipsEar을 사용하여 기존 알고리즘들과 Mel-cepstral분포, 구조적 유사 지수, 최소 거리 비교, 평균 의견 점수를 평가 및 비교함으로써 수행되었고, 분석결과는 제안된 네트워크의 유효성을 입증하였다.

• 방송공학회논문지
• /
• 제26권2호
• /
• pp.184-196
• /
• 2021

본 논문은 객체 검출 알고리즘을 위한 통계치 적응적인 선형 회귀 기반 객체 크기 예측 방법을 제안한다. 기존에 제안된 딥 러닝 기반 객체 검출 알고리즘 중 YOLOv2 및 YOLOv3은 객체의 크기를 예측하기 위하여 네트워크의 마지막 계층에 통계치 적응적인 지수 회귀 모델을 사용한다. 하지만, 지수 회귀 모델은 역전파 과정에서 지수 함수의 특성상 매우 큰 미분값을 네트워크의 파라미터로 전파시킬 수 있는 문제점이 있다. 따라서 본 논문에서는 미분 값의 발산 문제를 해결하기 위하여 객체 크기 예측을 위한 통계치 적응적인 선형 회귀 모델을 제안한다. 제안하는 통계치 적응적인 선형 회귀 모델은 딥러닝 네트워크의 마지막 계층에 사용되며, 학습 데이터셋에 존재하는 객체들의 크기에 대한 통계치를 이용하여 객체의 크기를 예측한다. 제안하는 방법의 성능 평가를 위하여 YOLOv3 tiny를 기반으로 제안하는 방법을 적용하여 재설계한 네트워크의 검출 성능과 YOLOv3 tiny의 검출 성능을 비교하였으며, 성능 비교를 위한 데이터셋으로는 UFPR-ALPR 데이터셋을 사용하였다. 실험을 통해 제안하는 방법의 우수성을 검증하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권11호
• /
• pp.593-606
• /
• 2016

컴퓨터 시뮬레이션은 전산유쳬역학, 나노 물리, 계산화학, 구조 동역학, 전산설계 등 여러 계산과학공학 분야에서 시스템의 움직임을 예측하기 위해 널리 사용되고 있다. 하지만 시뮬레이션의 정밀도와 복잡도가 점점 증가함에 따라 시뮬레이션을 수행하는 비용 역시 크게 증가하고 있다. 따라서 시뮬레이션의 수행비용을 줄이는 것은 특히 입력 변수들의 값을 변화시켜가며 시뮬레이션을 반복적으로 수행하는 경우, 시뮬레이션 수행 시간 단축을 위해 매우 중요하다. 본 논문은 어떤 시뮬레이션의 수행이 요청되었을 때, 해당 시뮬레이션을 실제로 수행하지 않고도 기존에 수행된 시뮬레이션의 결과를 저장하여 이전에 획득되거나 혹은 예측된 결과를 반환하는 시스템을 개발한다. 이를 위해 본 논문에서 개발된 시스템은 크게 다음 2가지 기능을 제공한다: (1) 수행이 완료된 시뮬레이션의 결과를 데이터베이스에 저장하는 기능, (2) 사용자가 요청한 시뮬레이션의 결과를 통계적 기계학습 기술을 사용하여 예측하는 기능. 본 논문에서 개발한 예측 시스템의 예측 성능을 실제 유체역학 시뮬레이션 데이터를 사용하여 평가한 결과, 출력변수에 따라 0.9%의 매우 낮은 평균 예측 오차율을 보였다. 본 논문에서 개발한 시스템을 통하여 사용자들은 계산 및 저장 자원에 큰 부하를 주는 시뮬레이션을 실제 수행하지 않고도, 수행을 원하는 시뮬레이션의 결과를 빠르게 예측해 볼 수 있다.