• 한국정보통신학회논문지
• /
• 제23권8호
• /
• pp.930-935
• /
• 2019

우리의 제안시스템인 mobiAutoBot은 모바일 장치를 지원 가능한 인지 자동화 수준의 로보틱스 프로세스 자동화 소프트웨어의 개념모델이다. mobiAutoBot은 mobiAutoBot controller와 mobiAutoBot runner의 두 부분으로 구성되어 있다. mobiAutoBot controller는 모바일기기에 Job을 지시하고 모니터링 및 연동작업을 수행하며, 모바일기기에 설치된 mobiAutoBot runner는 명령내린 작업을 수행한다. 우리가 제안한 mobiAutoBot을 통하여 모바일기기에 대한 자동화 기능을 중소기업에 제공한다면, 고가의 정보기반 인프라가 없더라도 단순 스마트폰과 같은 모바일기기만으로 기존 정보시스템과 연계 가능한 로보틱스 프로세스 자동화 기능을 저비용으로 구축할 수 있다. 우리의 제안은 모든 정보시스템 인프라를 갖추기는 어려운 중소기업이나 개인 사용자에게도 로보틱스 프로세스 자동화를 확산하는 계기가 될 것으로 기대한다.

• 인터넷정보학회논문지
• /
• 제20권2호
• /
• pp.93-100
• /
• 2019

최근 각종 사업 분야에서 기업들은 기존 메신저 플랫폼에 인공지능을 더하여 다양한 환경을 대상으로 챗봇 서비스 지원에 주력하고 있다. 취업알선 분야의 기관에서도 취업상담 서비스 품질 제고와 상담 인력 해소를 위해 챗봇 서비스를 요구한다. 일반적인 텍스트 기반 챗봇은 입력된 사용자 문장을 학습된 문장으로 분류하여 적합한 답변을 사용자에게 제공한다. 최근 소셜 네트워크 서비스의 활성화 영향으로 챗봇에 입력되는 사용자 문장은 단문으로 입력되는 경향이 있다. 따라서 단문 분류의 성능향상은 챗봇 서비스의 성능향상에 기여할 수 있다. 본 연구는 취업알선 챗봇을 위한 단문 분류 강화를 위해 기존 연구의 개념 정보뿐만 아니라 번역문 정보를 활용하는 방법인 T-EBOW (Translation-Extended Bag Of Words)를 제안한다. T-EBOW를 기계학습 분류 모델에 적용한 단문 분류의 성능은 기존 방법에 비해 우수한 성능 평가 결과를 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.79-82
• /
• 2019

본 논문에서는 검색엔진 최적화(SEO; Search Engine Optimization)에 인공지능 기법을 접목하여, 자동화된 SEO 도구 설계 및 구현을 목표로 한다. 기존의 SEO 온-페이지(On-page) 최적화 기법들은 웹페이지 관리자들의 경험적 지식에 의존하는 한계점을 보이고 있다. 이는 SEO 성능에 영향을 끼칠 뿐 아니라, 웹페이지 관리자들에게도 SEO 도입의 장벽으로 작용한다. 따라서, 위 문제를 해결하기 위하여 메타데이터의 효과적인 구성을 위해 다음과 같은 3단계의 접근법을 제안하고자 한다. i) 상위 랭킹 웹사이트들의 메타데이터를 추출한다. ii) 어텐션 메커니즘에 기반한 LSTM(Long Short Term Memory)을 이용하여 사용자 질의어와의 관련성 높은 메타데이터를 생성한다. iii) GAN(Generative Adversarial Network) 모델을 통하여 학습함으로써 전반적으로 성능을 높여주는 기법을 제안한다. 본 연구결과는 기업의 온라인 마케팅 프로세스를 평가하고 개선하기 위한 최적화 도구로서 유용하게 활용될 것으로 기대한다.

• 한국전자통신학회논문지
• /
• 제16권4호
• /
• pp.735-742
• /
• 2021

최근 정부에서 역점 적으로 추진하고 있는 '재생에너지 3020', '그린뉴딜', '2050 탄소중립', 'K-RE100' 정책에 의해 재생에너지 관련 발전설비들이 급증하고 있다. 재생에너지 설비들은 대부분 소규모이고, 분산되어 있어서 효율적인 관리가 어렵고, 1MW 미만의 소규모 분산자원은 판매량 제한, 거래회피 등으로 시장참여에 큰 어려움을 겪고 있다. 특히, 재생에너지의 간헐성 때문에 전력망의 안정성 저하에도 큰 영향을 끼치고 있다. 정부에서는 '소규모 분산자원 중개거래'를 통해서 변동성 및 간헐성 문제를 해결하고, 이종의 대량 소규모 분산자원들의 계통 자원화와 수용성 확대를 추구하고 있다. 본 연구에서는 AI에 기반한 발전량 예측 모델을 분산자원 중개거래 시스템에 적용하여 최적의 운영 솔루션을 제시하고, 에너지신사업 시장 개척의 기반 플랫폼으로 활용될 수 있도록 하고자 한다.

• 대한조선학회논문집
• /
• 제58권5호
• /
• pp.281-293
• /
• 2021

Oil and steel prices, which are major pricescosts in the shipbuilding industry, were predicted. Firstly, the error of the moving average line (N=3-5) was examined, and in all three error analyses, the moving average line (N=3) was small. Secondly, in the linear prediction of data through existing theory, oil prices rise slightly, and steel prices rise sharply, but in reality, linear prediction using existing data was not satisfactory. Thirdly, we identified the limitations of linear prediction methods and confirmed that oil and steel price prediction was somewhat similar to actual moving average line prediction methods. Due to the high volatility of major price flows, large errors were inevitable in the forecast section. Through the time series analysis method at the end of this paper, we were able to achieve not bad results in all analysis items relative to artificial intelligence (Prophet). Predictive data through predictive analysis using eight predictive models are expected to serve as a good research foundation for developing unique tools or establishing evaluation systems in the future. This study compares the basic settings of artificial intelligence programs with the results of core price prediction in the shipbuilding industry through time series prediction theory, and further studies the various hyper-parameters and event effects of Prophet in the future, leaving room for improvement of predictability.

• 한국정보통신학회논문지
• /
• 제24권10호
• /
• pp.1341-1347
• /
• 2020

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경회로망(Artificial Neural Network), 기계학습(Machine Learning) 등을 이용한 방법이 연구되어 왔다. 특히 딥러닝은 신경회로망의 문제인 은닉층 개수의 한계를 해결함으로 인해 인공 지능 기반의 부정맥 분류에 많이 사용되고 있다. 본 연구에서는 AR 기반의 특징점 추출과 딥러닝을 통한 부정맥 분류 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG 신호에서 R파를 검출하고 자기 회귀 모델을 통하여 최적의 QRS와 RR간격을 추출하였다. 이후 딥러닝을 통한 지도학습 방법으로 가중치를 학습시키고 부정맥을 분류하였다. 제안된 방법의 타당성 평가를 위해 MIT-BIH 부정맥 데이터베이스를 통해 각 파라미터에 따른 훈련 및 분류 정확도를 확인하였다. 성능 평가 결과 PVC는 약 97% 이상의 평균 분류율을 나타내었다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.175-181
• /
• 2021

본 논문은 단기 에너지 사용량 예측을 위해 인공지능 기반의 접근법에 대해 분석한다. 본 논문에서는 단기 에너지 사용량 예측 기술에 자주 활용되는 지도학습 알고리즘의 한계를 개선하기 위해 강화학습 알고리즘을 활용한다. 지도학습 알고리즘 기반의 접근법은 충분한 성능을 위해 에너지 사용량 데이터뿐만 아니라 contextual information이 필요하여 높은 복잡성을 가진다. 데이터와 학습모델의 복잡성을 개선하기 위해 다중 에이전트 기반의 심층 강화학습 알고리즘을 제안하여 에너지 사용량 데이터로만 에너지 사용량을 예측한다. 공개된 에너지 사용량 데이터를 통해 시뮬레이션을 진행하여 제안한 에너지 사용량 예측 기법의 성능을 확인한다. 제안한 기법은 이상점의 특징을 가지는 데이터를 제외하고 실제값과 유사한 값을 예측하는 것을 보여준다.

• 산업융합연구
• /
• 제19권3호
• /
• pp.27-34
• /
• 2021

4차 산업혁명 '인공지능 시대'를 맞이하여 ICT 기술의 발전은 온·오프라인 교육환경에 다양한 영향을 미치고 있다. 온라인 교육의 대중화는 교육 패러다임을 변화시켜 학습자 중심의 서비스로 전환하여 새로운 교육 환경의 변화가 요구되는 시점에서 플립러닝에 대한 관심이 높아지고 있다. 특히 성인학습자의 경우 생애 전반에 걸쳐 보다 다양한 학습과정의 온라인 학습 수요가 강하게 대두되고 있다. 본 연구는 K사이버대학교의 중·장년층 온라인 학습자를 대상으로 플립러닝을 활용한 반복학습이 학습 몰입과 학습 흥미가 학습 만족도에 미치는 영향의 관계검증과 구조관계에 어떻게 되는지 규명하고자 하였다. 이를 통해 플립러닝을 근간으로 한 학습 만족도를 위한 방향성 제시를 위한 연구에 의의가 있다. 향후 연구에서는 측정할 수 있는 다양한 요인 분석의 모델을 구체화하여 적용한다면 플립러닝을 근간으로 한 학습만족도를 더욱 극대화할 수 있는 연구에 활용될 수 있을 것이다.

• 산업경영시스템학회지
• /
• 제44권2호
• /
• pp.85-92
• /
• 2021

Ambient Air Vaporizer (AAV) is an essential facility in the process of generating natural gas that uses air in the atmosphere as a medium for heat exchange to vaporize liquid natural gas into gas-state gas. AAV is more economical and eco-friendly in that it uses less energy compared to the previously used Submerged vaporizer (SMV) and Open-rack vaporizer (ORV). However, AAV is not often applied to actual processes because it is heavily affected by external environments such as atmospheric temperature and humidity. With insufficient operational experience and facility operations that rely on the intuition of the operator, the actual operation of AAV is very inefficient. To address these challenges, this paper proposes an artificial intelligence-based model that can intelligent AAV operations based on operational big data. The proposed artificial intelligence model is used deep neural networks, and the superiority of the artificial intelligence model is verified through multiple regression analysis and comparison. In this paper, the proposed model simulates based on data collected from real-world processes and compared to existing data, showing a 48.8% decrease in power usage compared to previous data. The techniques proposed in this paper can be used to improve the energy efficiency of the current natural gas generation process, and can be applied to other processes in the future.

• 한국정보통신학회논문지
• /
• 제24권9호
• /
• pp.1202-1208
• /
• 2020

현재 4차 산업혁명 시대에 발맞춰서 선박 분야에서는 인공지능 요소를 접목하여 미래를 대비하여야 한다. 그리고 자율운항 선박 등장에 대한 전력관리 분야에서도 이에 대한 대응이 필요하다. 본 연구에서는 머신러닝의 DNN(Deep Neural Network)을 이용한 배터리 연동형 전력관리시스템(BLPMS, Battery Linked Power Management System) 알고리즘을 제안한다. 실험을 위하여 LabView를 통한 선박 데이터를 바탕으로 운항모드별 선박 전력소비량의 패턴을 학습하고 Python을 통해 배터리의 상태를 도출하여 발전기와 배터리의 연동의 유연성을 확인하였다. 실험의 결과 배터리의 충·방전을 통해 발전기의 저부하 운전이 감소되고, LNG의 1%의 연료소모량 감소를 통하여 경제성 및 신뢰성을 확인하였다.