• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.329-330
• /
• 2020

본 논문에서는 Azure 클라우드 플랫폼의 가상서버 호스팅을 이용해 데이터 수집 환경을 구축하고, Azure에서 제공하는 자동화된 기계학습(Automated Machine Learning, AutoML)을 기반으로 데이터 분석 방법에 관한 연구를 수행했다. 가상 서버 호스팅 환경에 LAMP(Linux, Apache, MySQL, PHP)를 설치하여 데이터 수집환경을 구축했으며, 수집된 데이터를 Azure AutoML에 적용하여 자동화된 기계학습을 수행했다. Azure AutoML은 소모적이고 반복적인 기계학습 모델 개발을 자동화하는 프로세스로써 기계학습 솔루션 구현하는데 시간과 자원(Resource)를 절약할 수 있다. 특히, AutoML은 수집된 데이터를 분류와 회귀 및 예측하는데 있어서 학습점수(Training Score)를 기반으로 보유한 데이터에 가장 적합한 기계학습 모델의 순위를 제공한다. 이는 데이터 분석에 필요한 기계학습 모델을 개발하는데 있어서 개발 초기 단계부터 코드를 설계하지 않아도 되며, 전체 기계학습 시스템을 개발 및 구현하기 전에 모델의 구성과 시스템을 설계해볼 수 있기 때문에 매우 효율적으로 활용될 수 있다. 본 논문에서는 NPU(Neural Processing Unit) 학습에 필요한 데이터 수집 환경에 관한 연구를 수행했으며, Azure AutoML을 기반으로 데이터 분류와 회귀 등 가장 효율적인 알고리즘 선정에 관한 연구를 수행했다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.01a
• /
• pp.25-28
• /
• 2018

본 논문에서는 강화학습을 통한 게임 테스트 자동화를 제안한다. 게임 테스트의 일부가 게임을 플레이라는 것과 강화학습에 기반을 둔 인공 신경망 모델들이 게임플레이에 많은 성과를 거둔 것에 착안하여 테스트 케이스 자동 생셩 및 기계학습을 통한 테스트 자동화를 연구하였다. 테스트 관리자를 두어 게임 요소에 필수적인 테스트 케이스를 데이터 조합으로 생성하고, 테스트 케이스를 수행할 인공지능을 기계학습으로 작성하여 자동화 유지비용을 절감한다. 이 모델을 소형 게임에 시험적으로 적용하였고, 정상 작동을 확인하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.11
• /
• pp.479-488
• /
• 2022

In recent years, with the rapid development of machine learning technology, research utilizing machine learning has been actively conducted in fields such as cognition, reasoning and judgment, and action among various technologies constituting intelligent systems. In order to utilize this machine learning, it is indispensable to collect data for learning. However, the types of data generated vary according to the environment in which the data is generated, and the types and forms of data required are different depending on the learning model to be used for machine learning. Due to this, there is a problem that the existing data collection method cannot be reused in a new environment, and a specialized data collection module must be developed each time. In this paper, we propose a specification-based methology for data collection in artificial intelligence system to solve the above problems, ensure the reusability of the data collection method according to the data collection environment, and automate the implementation of the data collection function.

• ICROS
• /
• v.21 no.4
• /
• pp.21-26
• /
• 2015

지능형 시스템의 수요가 증가하면서 영상인식의 중요성이 부각되고 있다. 사람이 직접 물체 인식 과정을 모델링하는 방식을 넘어 최근에는 기계학습을 이용하여 이를 자동화하는 방법이 주를 이루고 있다. 그 중 딥러닝은 빅데이터를 활용하는 각종 분야에서 놀라운 성능을 보이며 기계학습 수준을 한 단계 진화시킨 기술로 평가 받고 있으며 영상 인식의 다양한 분야에서 응용되고 있다. 본 글에서는 딥러닝을 이용한 물체 검출 기법의 동향을 살펴보고 이를 차량 전면부 인식에 적용한 사례를 소개한다.

• KEPCO Journal on Electric Power and Energy
• /
• v.6 no.4
• /
• pp.413-418
• /
• 2020

It is necessary to manage the prediction accuracy of the machine learning model to prevent the decrease in the performance of the grid network condition prediction model due to overfitting of the initial training data and to continuously utilize the prediction model in the field by maintaining the prediction accuracy. In this paper, we propose an automation technique for maintaining the performance of the model, which increases the accuracy and reliability of the prediction model by considering the characteristics of the power grid state data that constantly changes due to various factors, and enables quality maintenance at a level applicable to the field. The proposed technique modeled a series of tasks for maintaining the performance of the power grid condition prediction model through the application of the workflow management technology in the form of a workflow, and then automated it to make the work more efficient. In addition, the reliability of the performance result is secured by evaluating the performance of the prediction model taking into account both the degree of change in the statistical characteristics of the data and the level of generalization of the prediction, which has not been attempted in the existing technology. Through this, the accuracy of the prediction model is maintained at a certain level, and further new development of predictive models with excellent performance is possible. As a result, the proposed technique not only solves the problem of performance degradation of the predictive model, but also improves the field utilization of the condition prediction model in a complex power grid system.

• The Magazine of the IEIE
• /
• v.43 no.11
• /
• pp.33-38
• /
• 2016

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.11
• /
• pp.53-63
• /
• 2023

This study developed a cognitive impairment predictive model as one of the screening tests for preventing dementia in the elderly by using Automated Machine Learning(AutoML). We used 'Wearable lifelog data for high-risk dementia patients' of National Information Society Agency, then conducted using PyCaret 3.0.0 in the Google Colaboratory environment. This study analysis steps are as follows; first, selecting five models demonstrating excellent classification performance for the model development and lifelog data analysis. Next, using ensemble learning to integrate these models and assess their performance. It was found that Voting Classifier, Gradient Boosting Classifier, Extreme Gradient Boosting, Light Gradient Boosting Machine, Extra Trees Classifier, and Random Forest Classifier model showed high predictive performance in that order. This study findings, furthermore, emphasized on the the crucial importance of 'Average respiration per minute during sleep' and 'Average heart rate per minute during sleep' as the most critical feature variables for accurate predictions. Finally, these study results suggest that consideration of the possibility of using machine learning and lifelog as a means to more effectively manage and prevent cognitive impairment in the elderly.

• Journal of the Korean GEO-environmental Society
• /
• v.22 no.10
• /
• pp.5-12
• /
• 2021

The deterioration of facilities is an unavoidable phenomenon. For the management of aging facilities, cracks can be detected and tracked, and the condition of the facilities can be indirectly inferred. Therefore, crack detection plays a crucial role in the management of aged facilities. Conventional maintenances are conducted using the crack detection results. For example, maintenance activities to prevent further deterioration can be performed. However, currently, most crack detection relies only on human judgment, so if the area of the facility is large, cost and time are excessively used, and different judgment results may occur depending on the expert's competence, it causes reliability problems. This paper proposes a concrete crack detection framework based on machine learning to overcome these limitations. Fully automated concrete crack detection was possible through the proposed framework, which showed a high accuracy of 96%. It is expected that effective and efficient management will be possible through the proposed framework in this paper.

• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2474-2476
• /
• 2004

지폐 인식 자동화기기가 여러 분야에 보편화되면서 다양한 지폐를 고속으로 처리할 수 있는 고속지폐 인식 자동화 기기가 요구되고 있다. 하지만 대부분의 지폐 인식 자동화 기기가 고속화에 적합하지 않은 구조로 설계되어 있고 신권 추가가 용이하지 않다. 본 논문은 고속 Paper Currency 인식 시스템에 적합한 범용 하드웨어 시스템과 Bayes Rule 기반의 고속 인식 알고리즘을 제안한다. 제안된 범용 하드웨어 구조는 고속의 CIS(Contact Image Sensor)와 DSP(Digital Signal Processor) 그리고 Dual Memory System으로 구성되었다. Bayes Rule에 기초한 고속 인식 알고리즘은 기존의 Paper Currency 인식 시스템에 사용되었던 기계학습 방법에 비해 신권 추가가 쉽고 적은 연산으로 권종을 판별할 수 있어 고속 지폐 인식 자동화기기에 적합하다. 본 논문에서는 제안된 방법들을 실제 자동화기기로 구현하여 그 유용성을 검증한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.05a
• /
• pp.166-167
• /
• 2015

수동적 온톨로지 구축은 해당 도메인의 지식을 가진 전문가가 필요하고, 시간적인 소모가 크다. 또한 완성된 온톨로지의 수동적인 지속적 개선은 상당한 비용을 초래할 수 있다. 그래서 온톨로지의 자동 구축과 지속적 자기 개선 방법이 하나의 해결책이 될 수 있을 것이다. 따라서, 이 논문에서는 기계 학습을 통한 온톨로지 구축의 자동화 방법과 지속적 자기 개선 모델을 소개하고자 한다.