• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.172-174
• /
• 2000

기업과 산업등 여러분야에 적용하기 위하여 인공지능, 통계학, 데이터베이스등의 각 분야에서 활발히 연구되고 있는 데이터마이닝은 알 수 없는 미래에 대한 예측이 가능하다는 장점을 갖기 때문에 더욱 가치가 있다. 데이터셋을 설명하기 위한 설명모델링과 예측을 하기 위한 예측모델링의 두 가지 범주로 나뉘어 발전되어왔으나, 데이터셋을 설명하기 위한 분석보다는 미래를 예측하기 위한 분석의 중요성이 점점 증가되고 있다. 이 논문에서는 마코프 성분을 갖는 과거의 이력 데이터를 기반으로 일정한 시점 또는 일정 기간동안의 변화량을 예측할 수 있는 예측모델링 방법을 제시한다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.23 no.3
• /
• pp.87-95
• /
• 2018

Recently, with the technological development of artificial intelligence, related market is expanding rapidly. In the artificial intelligence technology field, which is still in the early stage but still expanding, it is important to reduce uncertainty about research direction and investment field. Therefore, this study examined technology trends using text mining and topic modeling among big data analysis methods and suggested trends of core technology and future growth potential. We hope that the results of this study will provide researchers with an understanding of artificial intelligence technology trends and new implications for future research directions.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.2
• /
• pp.127-131
• /
• 2001

생체 면역시스템은 바이러스나 병원균 등의 외부 침입자로부터 자신을 보호한다. 본 논문에서는 이러한 기능을 컴퓨터 면역시스템에 적용하기 위하여 생체 면역시스템의 기본 요소인 T세포를 모델링 하였다. 모델링한 T세포는 MHC 인식부와 항원 인식부를 가지고 있으며, 매칭을 통하여 컴퓨터내의 랜덤 파일로부터 자기 파일과 비자기 파일을 구분할 수 있다. 모델링한 T세포의 유효성을 보이기 위해서 컴퓨터 바이러스의 문제에 적용하여 자기-비자기 구분이 가능함을 보인다.

• Journal of Internet Computing and Services
• /
• v.22 no.5
• /
• pp.47-55
• /
• 2021

Analysis of research trends in specific subject areas is performed by examining related topics and subject changes by using topic modeling techniques through keyword extraction for most of the literature information (paper, patents, etc.). Unlike existing research methods, this paper extracts topics related to the research topic using the LDA topic modeling technique for the project information of national R&D projects provided by the National Science and Technology Knowledge Information Service (NTIS) in the field of artificial intelligence. By analyzing these topics, this study aims to analyze research topics and investment directions for national R&D projects. NTIS provides a vast amount of national R&D information, from information on tasks carried out through national R&D projects to research results (thesis, patents, etc.) generated through research. In this paper, the search results were confirmed by performing artificial intelligence keywords and related classification searches in NTIS integrated search, and basic data was constructed by downloading the latest three-year project information. Using the LDA topic modeling library provided by Python, related topics and keywords were extracted and analyzed for basic data (research goals, research content, expected effects, keywords, etc.) to derive insights on the direction of research investment.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.216-216
• /
• 2021

해저지진, 해저붕괴 및 해저화산분출 등에 발생되는 지진해일은 파장이 수십에서 수백 km에 이르는 장파로서 에너지 손실없이 먼 거리를 전파할 수 있으며, 수심이 상대적으로 얕은 해안가에 도달하면 범람에 의해 인명 및 재산피해를 야기시킬 수 있다. 예를 들어, 2004년 12월 26일에 발생한 수마트라 지진해일은 약 30만명의 인명피해와 약 10조원의 재산피해를 가져왔으며, 2011년 3월 11일에 발생한 동일본 지진해일은 약 2만명의 인명피해와 약 330조의 재산피해를 유발시켰다. 더욱이, 지진해일에 의해 폭발한 후쿠시마 원자력발전소에서의 방사능 유출은 10년이 지난 현재도 생태계 교란, 방사능 피폭 등의 피해를 일으키고 있다. 우리나라도 1983년 5월 26일 발생한 동해 중부지진해일에 의해 삼척시 임원항 및 인근에서 인명피해(1명 사망, 2명 실종)와 약 2억원의 재산피해가 발생하였다. 최근, 4차 산업혁명으로서 빅데이터를 기반으로 한 다양한 인공지능기술이 개발되고 있으며, 많은 분야에서 이 기술을 적용하고자 노력하고 있다. 특히, 과학 및 공학분야에서도 이를 융합하는 연구 및 활용하는 사례가 증가하고 있다. 본 연구에서는 1983년 발생한 중부지진해일에 의해 인명 및 재산피해가 발생한 임원항을 대상으로 지진해일 수치모형실험을 수행하며, 수치모형실험 결과를 토대로 인공지능 모델 중 합성신경망 (Convolution Neural Network)을 활용하여 인공지능을 통한 지진해일 범람구역을 산정 및 평가하고자 한다.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.13 no.4
• /
• pp.283-292
• /
• 2020

Artificial intelligence, which is one of the representative images of the 4th industrial revolution, has been highly recognized since 2016. This paper analyzed domestic paper trends for 'Artificial Intelligence', 'Machine Learning', and 'Deep Learning' among the domestic papers provided by the Korea Academic Education and Information Service. There are approximately 10,000 searched papers, and word count analysis, topic modeling and semantic network is used to analyze paper's trends. As a result of analyzing the extracted papers, compared to 2015, in 2016, it increased 600% in the field of artificial intelligence, 176% in machine learning, and 316% in the field of deep learning. In machine learning, a support vector machine model has been studied, and in deep learning, convolutional neural networks using TensorFlow are widely used in deep learning. This paper can provide help in setting future research directions in the fields of 'artificial intelligence', 'machine learning', and 'deep learning'.

• Journal of Industrial Convergence
• /
• v.21 no.1
• /
• pp.167-173
• /
• 2023

As research has been published to predict future data using regression analysis or artificial intelligence as a method of analyzing economic indicators. In this study, we designed a system that predicts prospective futures prices using artificial intelligence that utilizes topic probability data obtained from past news articles using topic modeling. Topic probability distribution data for each news article were obtained using the Latent Dirichlet Allocation (LDA) method that can extract the topic of a document from past news articles via unsupervised learning. Further, the topic probability distribution data were used as the input for a Long Short-Term Memory (LSTM) network, a derivative of Recurrent Neural Networks (RNN) in artificial intelligence, in order to predict prospective futures prices. The method proposed in this study was able to predict the trend of futures prices. Later, this method will also be able to predict the trend of prices for derivative products like options. However, because statistical errors occurred for certain data; further research is required to improve accuracy.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.547-549
• /
• 2021

In Artificial Intelligence analysis, the process of creating a model and verifying it is a task that requires computational processing time because it is Batch Processing performed with already generated data. We need to model, validate, and predict real-time data, such as stocks and defense information, with data generated directly in front of us. As a solution to this, we solve it by applying techniques to segment the data required for artificial intelligence modeling tasks in order of time processing and distribute the data across multiple processes.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.600-602
• /
• 2022

2차원 이미지 또는 영상을 통한 자세 추정의 경우, 영상 내에서 발생할 수 있는 탐지 오류, 피사체 잘림, 폐색(Occlusion) 등으로 인해 자세 추정 정확도가 감소할 수 있다. 본 논문에서는 4장 이상의 다양한 각도로 촬영한 이미지를 NeRF(Neural Radiance Fields)를 통해 이미지 합성(Image synthesis)을 진행하여 3차원 모델을 생성한다. 이후 DeepLabCut을 사용하여 관절 좌표와 골격(Skeleton)을 구축한다. 구축한 골격을 인공지능에 학습시킨 뒤 2차원 영상에서의 관절 좌표 인식, 골격 구축, 자세 추정을 진행한다. 2차원 영상 테스트 데이터를 통해, 3차원 모델을 사전 학습한 인공지능 모델과 기존 2차원 이미지를 사용하여 학습한 인공지능 모델의 자세 추정 정확도를 비교한다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.168-170
• /
• 2023

이 논문에서는 7,400만개의 한국어, 영어 문서를 활용하여 최대 4,096개의 토큰을 입력으로하고 최대 1,024개의 토큰을 생성할 수 있도록 학습한 언어모델인 Long-KE-T5를 소개한다. Long-KE-T5는 문서에서 대표성이 높은 문장을 생성하도록 학습되었으며, 학습에 사용한 문서의 길이가 길기 때문에 긴 문맥이 필요한 태스크에 활용할 수 있다. Long-KE-T5는 다양한 한국어 벤치마크에서 높은 성능을 보였으며, 사전학습 모델링 방법이 텍스트 요약과 유사하기 때문에 문서 요약 태스크에서 기존 모델 대비 높은 성능을 보였다.