• 스마트미디어저널
• /
• 제12권3호
• /
• pp.120-128
• /
• 2023

산업재해로 인한 피해를 줄이기 위해 다양한 ICT 기술이 지속적으로 개발되고 있으며, 센서, IoT, 빅데이터, 머신러닝 및 인공지능 등을 활용하여 산업재해 발생 시 피해를 최소화하고자 하는 연구가 진행되고 있다. 본 논문에서는 산업 현장의 밀폐구간, 산악, 해양, 탄광 등의 통신 음영지역에서 디바이스 간 다자간 통신 및 스마트 중계기와의 통신이 가능한 스마트 디바이스의 설계 방안을 제안한다. 제안된 스마트 디바이스는 작업자 위치, 이동 속도 등 작업자 정보와 지형, 풍향, 온도, 습도 등 환경정보를 수집하고 작업자 상호 간의 안전거리를 확보하여 위험 상황 발생 시 경고가 가능하며 헬멧에 부착할 수 있도록 설계하였다. 이를 위해, 스마트 디바이스에 필요한 기능적 요구사항과 스마트 디바이스 내의 센서와 모듈을 이용하여 요구사항을 구현하기 위한 설계 방안과 스마트 디바이스의 성능평가를 위한 지표를 도출하고 산악지역에서의 성능평가를 위한 평가환경을 제안한다.

• 한국정보전자통신기술학회논문지
• /
• 제16권4호
• /
• pp.210-219
• /
• 2023

농촌 인구의 감소와 고령화로 인한 노동력 부족, 비닐하우스 내의 악화된 환경과 위험에 따른 사망 사례가 발생하고 있다. 이에 따라, 비닐하우스에서의 작물 재배와 병해 검출을 자동화하여 인력 손실을 막는 시스템이 필요하다. 본 논문에서는 비닐하우스에서 작물의 병해를 검출하기 위해 객체 검출 기반의 모델을 활용한다. 또한, 클라우드에서 인공지능 모델의 환경을 구성하여 안정성을 확보한다. 제안하는 시스템은 비닐하우스 내에서 촬영한 영상을 데이터베이스에 저장하고, 클라우드에서 영상을 다운로드한 후 Yolo-v4를 기반으로 추론한 검출 결과를 JSON 파일로 생성한다. 이 파일을 분석하여 데이터베이스로 전송하여 저장한다. 실험 결과로 객체 검출을 통한 병해 감지는 비닐하우스와 같은 실제 환경에서 높은 성능을 나타냄을 확인할 수 있고 데이터베이스를 통하여 효율적인 모니터링이 가능함을 확인하였다.

• 동의신경정신과학회지
• /
• 제35권2호
• /
• pp.153-162
• /
• 2024

Objectives: Among OECD countries, South Korea has been having the highest suicide rate since 2018, with 24.1 deaths per 100,000 people reported in 2020. The objectie of this study was to examine the use of generative artificial intellicence (AI) chatbots to train third-year Korean medicine (KM) students in conducting suicide risk assessments for patients with depressive disorders to train students for their clinical practice skills. Methods: The Claude 3 Sonnet model was utilized for chatbot simulations. Students performed mock consultations using standardized suicide risk assessment tools including Ask Suicide-Screening Questions (ASQ) tool and ASQ Brief Suicide Safety Assessment. Experiences and attitudes were collected through an anonymous online survey. Responses were rated on a 1~5 Likert scale. Results: Thirty-six students aged 22~30 years participated in this study. Their scores for interest and appropriateness (4.66±0.57), usefulness (4.60±0.61), and overall experience (4.63±0.60) were high. Their evaluation of the usability of artificial intelligence chatbot was also high at 4.58±0.70 points. However, their trust in chatbot responses (Q12) was lower (3.86±0.99). Common issues related to dissatisfaction included conversation disruptions due to token limits and inadequate chatbot responses. Conclusions: This is the first study investigating generative AI chatbots for suicide risk assessment training in KM education. Students reported high satisfaction, although their trust in chatbot accuracy was moderate. Technical limitations affected their experience. These preliminary findings suggest that generative AI chatbots hold promise for clinical training, particularly for education in psychiatry. However, improvements in response accuracy and conversation continuity are needed.

• 대한영상의학회지
• /
• 제83권1호
• /
• pp.3-27
• /
• 2022

심장 전산화단층촬영은 비약적인 기술발전과 다양한 연구 결과를 바탕으로 심혈관위험 계층화와 치료 결정을 위한 관상동맥 질환의 진단과 예후 평가성능이 입증되었다. 전산화단층촬영 관상동맥조영술은 폐쇄성 관상동맥 질환에 대한 음성 예측도가 높아서 침습적 혈관조영술의 빈도를 줄일 수 있는 관상동맥 질환 관련 검사의 관문으로 부상했지만, 진단특이도가 상대적으로 낮다. 하지만 심장 전산화단층촬영을 이용한 분획혈류예비력과 심근관류를 분석하여 관상동맥 질환의 혈역학적 유의성을 확인하는 기능적 평가를 통해 그 한계를 극복할 수 있다. 최근에는 이를 보다 객관적이고 재현 가능하도록 인공지능을 접목하는 연구들이 활발히 진행되고 있다. 본 종설에서는 심장 전산화단층촬영의 기능적 영상화 기법들에 대해 알아보고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제29권5호
• /
• pp.93-100
• /
• 2024

4차 산업혁명의 도래와 함께 인공지능, 빅데이터, 사물인터넷, 클라우드 컴퓨팅 등의 첨단 정보 기술이 다양한 산업 분야에서 혁신을 이끌고 있다. 이 기술들은 방대한 양의 데이터를 생성하고 있으며, 많은 기업들이 이를 활용하고 있다. 그러나 개인 데이터 수집 시 발생할 수 있는 프라이버시 침해 위험으로 인해 사용자들은 민감한 정보 제공을 망설이고 있다. 특히 의료 분야에서는 환자의 병명과 같은 민감한 정보 수집이 큰 도전이 되고 있으며, 프라이버시 문제가 데이터 수집과 분석의 장애가 되고 있다. 본 연구는 프라이버시 보호를 유지하면서도 통계적 정보를 효과적으로 추출할 수 있는 의료 데이터 수집 및 분석 기법을 제안한다. 제안 기법은 기존의 단순한 데이터 수집을 넘어서, 프라이버시를 보장하면서 수집된 데이터에서 통계적 정보를 효과적으로 추출하는 방법을 포함한다. 실제 데이터를 이용한 성능 평가에서는 제안된 기법이 기존 방법보다 더 효과적으로 프라이버시를 보존하며 통계적 정보를 도출할 수 있음을 입증한다.

• 지능정보연구
• /
• 제12권2호
• /
• pp.167-183
• /
• 2006

데이터마이닝은 우리가 완벽하게 알고 있지 못하는 데이터 집합으로부터 알려지지 않은 사실이나 규칙을 찾아내는 작업이기 때문에 항상 높은 오류율의 위험에 처해 있다. 다중모델은 하나의 문제에 다수의 모델을 사용함으로써 오류율을 줄이고자 하는 접근 방법이다. 본 연구에서는 데이터마이닝의 예측 성능을 개선시킬 수 있는 새로운 방식의 다중모델을 제시한다. 이 다중모델은 입력사례의 특성에 따라 그에 적합하게 개발된 모델이 선정되어 적용되는 특징을 가지고 있다. 제시된 다중모델의 현실적인 성능 검증을 위해 국내 자동차 보험 가입 고객의 이탈 예측 문제에 적용하여, 그 결과를 단일모델의 결과와 비교 평가하였다. 비교 대상 단일모델로는, 사례기반추론, 인공신경망, 의사결정나무 등이 사용되었는데, 다중모델의 예측 성능이 어떤 단일모델의 예측 성능보다 우수한 것으로 나타났다.

• 조명전기설비학회논문지
• /
• 제23권6호
• /
• pp.52-58
• /
• 2009

최근 건축구조물의 복잡화, 다양화로 인하여 화재발생시 유독가스의 심각성과 공간의 특수성으로 대형 참사가 발생될 위험이 더욱 커짐에 따라 인명피해와 직접적으로 연결되는 피난탈출에 있어서 조속한 대책 마련이 시급한 실정이다. 기존 방식의 고정식 단방향을 표시하는 피난유도등은 효율적인 인명 대피 및 구조가 이루어지지 못하기 때문에 화재 발생 시 빠른 피난이 가능하도록 화재감지기와 연동하여 위험에 처한 피난자들을 탈출시키고 화재의 발생위치를 정확히 파악하여 초기 진압할 수 있는 시스템 구축이 절실히 요구된다. 이러한 점에 착안하여 ID를 가지는 화재 감지기 및 수신반과 연동하여 화재가 발생하면 화재가 발생된 방향의 반대 방향으로 모든 유도등의 방향을 제어하여 안전한 비상출입구로 사람들을 유도시키고 화염 및 연기의 방향과 속도를 계산하여 포기진압 및 최적 대피로로 방향을 표시하는 인공지능형 방향성 유도등 개발에 본 연구의 목적이 있다.

• 한국시뮬레이션학회논문지
• /
• 제29권4호
• /
• pp.73-84
• /
• 2020

인터넷이 대중화되기 시작하면서 해킹 및 시스템과 네트워크에 대한 공격이 있어 왔고, 날로 그 기법들이 진화되면서 기업 및 사회에 위험과 부담감을 주었다. 그러한 위험과 부담감을 덜기 위해서는 조기에 해킹 및 공격을 탐지하여 적절하게 대응해야 하는데, 그에 앞서 반드시 네트워크 침입탐지의 신뢰성을 높일 필요가 있다. 본 연구에서는 네트워크 침입탐지 정확도를 향상시키기 위해 가중치 초기화와 가중치 최적화를 KDD'99 데이터셋에 적용하는 연구를 하였다. 가중치 초기화는 Xavier와 He 방법처럼 가중치 학습 구조와 관련된 초기화 방법이 정확도에 영향을 준다는 것을 실험을 통해 알 수 있었다. 또한 가중치 최적화는 현재 가중치를 학습률에 반영할 수 있도록 한 RMSProp와 이전 변화를 반영한 Momentum의 장점을 결합한 Adam 알고리즘이 정확도면에서 단연 돋보임을 네트워크 침입탐지 데이터셋의 실험을 통해 확인하였다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제27권3호
• /
• pp.71-79
• /
• 2023

지진이 발생한 후 구조물의 안전성을 평가하기 위해 모든 교량 및 건축물에 지진가속도 및 변위를 계측하는 유지관리시스템을 구축하기는 효율적이지 않아, 이를 유지관리하기 위해서는 현장조사가 시행되며 조사범위가 넓은 경우 많은 시간이 소요된다. 그로 인해 2차 피해가 발생할 우려가 있으므로 신속한 개별 구조물의 안전성을 추정할 필요가 있다. 구조물의 지진 손상은 구조물에 인가된 지진력 정보와 구조해석모델을 이용하여 위험도평가 해석을 통해 예측할 수 있다. 이를 위해 지진 발생 시 임의위치에서 발생한 지진력을 추정할 필요가 있다. 본 연구에서는 국내 지진계측 기록과 선형추정방법 및 인공신경망 학습 방법을 활용한 임의위치의 지반 응답스펙트럼 및 가속도시간이력을 추정하는 방법들을 제안하고 적용성을 평가하였다. 선형추정방법의 경우 추정에 사용되는 인근 관측소의 위치가 가까울 경우 오차가 적었지만 멀어질 경우 오차가 크게 증가하였다. 인공신경망 학습 방법의 경우 동일한 조건에서 더 낮은 수준의 오차로 추정할 수 있었다.